Analisis rekomendasi tindak lanjut pembagian pupuk pada kelompok tani padi menggunakan pendekatan Klasterisasi

ABSTRAK

Penelitian ini membahas tentang sistem rekomendasi tindak lanjut pembagian pupuk pada kelompok tani padi menggunakan pendekatan Clustering. Tujuan dari penelitian ini adalah untuk mengembangkan sistem rekomendasi yang dapat membantu Dinas Pertanian Kota Pasuruan dalam pengambilan keputusan terkait pembagian pupuk. Metode yang digunakan adalah Clustering dengan Algoritma K-Mean dan Simple Multi Attribute Rating Technique (SMART). Data yang digunakan adalah luas lahan, pupuk yang diterima tahun lalu, hasil panen. Hasil dari perhitungan algoritma K-Means yang telah di kelompokan ke dalam cluster, dapat disimpulkan bahwa Kelompok Tani yang direkomendasikan (C1) terdiri dari 19 anggota, Kelompok Tani biasa (C2) terdiri dari 16 anggota dan Kelompok Tani yang harus ditingkatkan (C0) terdiri dari 8 anggota. Dengan menggunakan Machine Learning diharapkan dapat membantu mengclusterkan Kelompok Tani untuk direkomendasikan mendapat prioritas pupuk bersubsidi karena prestasinya. Algoritma K-Means dan Simple Multi Attribute Rating Technique (SMART) dipilih untuk mengelolah Dataset Kelompok Tani sehingga akan menghasilkan performa accuracy, precision, recall dan f1-score pada masing-masing metode. Dari hasil pengujian algoritma K-Means pada strategi eksperimen menghasilkan nilai accuracy sebesar 72%, precision sebesar 83%, recall sebesar 70% dan f1-score sebesar 76%, dari data hasil clustering tersebut direkomendasihkan untuk pengujian perangkingan menggunakan Metode SMART dan hasilnya pada strategi eksperimen menghasilkan nilai accuracy sebesar 91%, precision sebesar 95%, recall sebesar 95% dan f1-score sebesar 95%. Berdasarkan hasil penelitian menunjukkan bahwa sistem rekomendasi yang menggunakan pendekatan clustering dikembangkan dapat memberikan rekomendasi yang tepat dan akurat terkait pembagian pupuk pada kelompok tani. Diharapkan sistem ini dapat membantu petani dalam meningkatkan produktivitas dan kesejahteraan mereka.

مستخلص البحث

يناقش هذا البحث نظام توصيات لمتابعة توزيع الأسمدة على مجموعات مزارعي الأرز باستخدام نهج التجميع. الغرض من هذا البحث هو تطوير نظام توصيات يمكن أن يساعد مكتب الزراعة في مدينة باسوروان في اتخاذ القرارات المتعلقة بتوزيع الأسمدة. وتتمثل الطريقة المستخدمة في التجميع باستخدام خوارزمية K-Mean وتقنية التجميع البسيط متعدد السمات (SMART) .البيانات المستخدمة هي مساحة الأرض، والأسمدة المستلمة في العام الماضي، وإنتاجية المحاصيل. من نتائج حساب خوارزمية K-Means التي تم تجميعها في مجموعات، أن مجموعة المزارعين الموصى بها (C1) تتكون من 19 عضوًا، ومجموعة المزارعين العادية (C2) تتكون من 16 عضوًا، ومجموعة المزارعين التي يجب تحسينها (C0) تتكون من 8 أعضاء. ومن المتوقع أن يساعد Machine Learning في التجميع مجموعات المزارعين التي يوصى بها للحصول على أولوية الأسمدة المدعومة نظراً لإنجازاتها. وقد تم اختيار خوارزميات K-Means وتقنية التصنيف البسيط متعدد السمات (SMART) لمعالجة مجموعة بيانات المزارعين بحيث تنتج دقة الأداء والتذكر والاستدعاء في كل طريقة من طرق التجميع. من نتائج اختبار خوارزمية K-Means على الاستراتيجية التجريبية، تنتج قيمة دقة تبلغ 72% ودقة تبلغ 83% واستدعاء 70% ودرجة f1 تبلغ 76%، من بيانات نتائج التجميع يوصى باختبار الترتيب باستخدام طريقة SMART وتنتج النتائج على الاستراتيجية التجريبية قيمة دقة تبلغ 91% ودقة تبلغ 95% واستدعاء 95% ودرجة f1 تبلغ 95%. واستناداً إلى نتائج الدراسة، يتبين أن نظام التوصيات باستخدام نهج التجميع الذي تم تطويره يمكن أن يقدم توصيات دقيقة ودقيقة فيما يتعلق بتوزيع الأسمدة على مجموعات المزارعين. ومن المأمول أن يساعد هذا النظام المزارعين في زيادة إنتاجيتهم ورفاهيتهم.

ABSTRACT

This research discusses a recommendation system for follow-up fertilizer distribution among rice farmer groups using a classification approach. The aim of this research is to develop a recommendation system that can assist the Pasuruan City Agriculture Service in making decisions regarding fertilizer distribution. The method used is classification with the K-Mean algorithm and Simple Multi Attribute Rating Technique (SMART). The data used is land area, fertilizer received last year, crop yields. The results of the K-Means algorithm calculations which have been grouped into clusters, can be concluded that the recommended Farmer Group (C1) consists of 19 members, the regular Farmer Group (C2) consists of 16 members and the Farmer Group that must be improved (C0) consists of of 8 members. By using Machine Learning, it is hoped that it can help classify Farmer Groups to be recommended for priority subsidized fertilizer because of their achievements. The K-Means algorithm and Simple Multi Attribute Rating Technique (SMART) were chosen to manage the Farmer Group Dataset so that it will produce accuracy, precision, recall and f1-score performance for each method. From the results of testing the K-Means algorithm on the experimental strategy, it produces an accuracy value of 72%, precision of 83%, recall of 70% and f1-score of 76%, from the classification results data it is recommended for ranking testing using the SMART method and the results on the strategy The experiment produced an accuracy value of 91%, precision of 95%, recall of 95% and f1-score of 95%. Based on the research results, it shows that a recommendation system using a classification approach was developed that can provide precise and accurate recommendations regarding the distribution of fertilizer to farmer groups. It is hoped that this system can help farmers increase their productivity and welfare.