dc.contributor.advisor | Priandana, Karlisa | |
dc.contributor.advisor | Hardhienata, Medria Kusuma Dewi | |
dc.contributor.author | Septian, Alfariz Gilang | |
dc.date.accessioned | 2023-08-16T04:26:55Z | |
dc.date.available | 2023-08-16T04:26:55Z | |
dc.date.issued | 2023-08 | |
dc.identifier.uri | http://repository.ipb.ac.id/handle/123456789/123977 | |
dc.description.abstract | Peningkatan penggunaan teknologi terkini sangat dibutuhkan dalam dunia
pertanian khususnya untuk memenuhi kebutuhan tanaman pangan dikarenakan
peningkatan populasi manusia yang semakin cepat. Hal tersebut menyebabkan
perlunya peningkatan pemanfaatan sumber daya dan lahan yang efisien, salah satu
penerapan teknologi terkini yaitu precision fertilization (pemupukan presisi) yang
termasuk ke dalam precision farming (pertanian presisi). Namun data yang
didapatkan pada lahan sawah tidak selalu berjumlah seimbang, sehingga
mengakibatkan permasalahan yang dinamakan imbalance data. Oleh karena itu,
dibutuhkan suatu cara untuk mengatasi masalah imbalance data. Dalam penelitian
ini, masalah tersebut diatasi dengan menggunakan algoritma synthetic minority
oversampling technique (SMOTE) dan diimplementasikan pada data citra
multispektral klasifikasi kesuburan sawah. Implementasi algoritma SMOTE
membuat data seimbang dan model diimplementasi SMOTE memiliki nilai
precision, recall, dan f1-score sebesar 90%, 89%, dan 89%. Hasil ini mengungguli
hasil kinerja model tanpa menggunakan SMOTE yang memiliki nilai sebesar 63%,
45%, dan 49% dengan adanya peningkatan sebesar 27%, 44%, dan 40%. | id |
dc.description.abstract | Increasing the use of the latest technology is urgently needed in the world
of agriculture, especially to meet the needs of food crops due to the rapid increase
in human population. This causes the need to increase the efficient use of resources
and land, one of the applications of the latest technology, namely precision
fertilization which is included in precision farming. However, the data obtained on
paddy fields is not always balanced, resulting in a problem called data imbalance.
Therefore, we need a way to overcome the problem of imbalance data. In this study,
this problem was overcome by using the synthetic minority oversampling technique
(SMOTE) algorithm and implemented on multispectral image data of rice field
fertility classification. The implementation of the SMOTE algorithm makes the data
balanced and the model implemented by SMOTE has precision, recall and f1-score
values of 90%, 89%, dan 89%. These results outperform the performance results of
models without using SMOTE which have values of 63%, 45%, dan 49% with an
increase of 27%, 44%, dan 40%. | id |
dc.language.iso | id | id |
dc.publisher | IPB University | id |
dc.title | Implementasi Algoritma SMOTE Dalam Penanganan Imbalance Data Citra Multispektral Klasifikasi Kesuburan Sawah. | id |
dc.type | Undergraduate Thesis | id |
dc.subject.keyword | SMOTE | id |
dc.subject.keyword | Imbalance data | id |
dc.subject.keyword | SVM | id |