Optimasi Analisis Kesuburan Tanah dengan Pendekatan Soft Voting Ensemble

Abstract

Penelitian ini mengusulkan Optimasi Algoritma Decison Tree, K-Nearest Neighbor dan Support Vector Machine menggunakan Metode Soft Voting dalam konteks kesuburan tanah pertanian. Hal ini didasari karena untuk klasifikasi kesuburan tanah masih dilakukan secara manual dan hal itu memungkinkan adanya suatu kesalahan dalam proses klasifikasi. Studi ini sangat relevan karena kesuburan tanah merupakan aspek kunci dalam pertanian yang dapat mempengaruhi hasil panen dan kualitas produk. Metode penelitian ini melibatkan pengumpulan data unsur hara dari Dinas Pertanian Kabupaten Grobogan dan analisis sistematis dengan Algoritma Decision Tree, K-Nearest Neighbor dan SVM kemudian diterapkan Metode Optimasi Soft Voting untuk meningkatkan akurasi. Hasil penelitian menunjukan bahwa Metode Optimasi Soft Voting mampu mengatasi masalah kesuburan tanah dengan meningkatkan akurasi klasifikasi. Nilai akurasi dari Algoritma Decision Tree sebesar 88,7%, nilai akurasi K-Nearest Neighbor sebesar 86,7, nilai akurasi SVM sebesar 90,1%, dan akurasi penggabungan algoritma dengan Optimasi Soft Voting sebesar 90,4. Penelitian ini penting dalam bidang pertanian karena membantu petani dan ahli pertanian dalam mengambil keputusan mengenai klasifikasi kesuburan tanah. Dengan meningkatkan pemahaman penggunaan teknologi melalui optimalisasi algoritma, diharapkan produktivitas pertanian dan ketahanan pangan meningkat.

Keywords

• decision tree
• k-nearest neighbor
• soft voting
• pertanian
• optimasi