Model Klasifikasi Kesesuaian Lahan Bawang Putih Menggunakan Interpolasi Spasial dan Algoritme Pohon Keputusan

Abstract

Bawang putih merupakan komoditas hortikultura yang penting bagi masyarakat, karena bawang putih banyak dimanfaatkan sebagai bumbu masak dan obat-obatan. Oleh karena itu, bawang putih menjadi salah satu kebutuhan masyarakat yang harus dipenuhi. Hingga tahun 2024, komoditas bawang putih diperkirakan naik dengan rata pertumbuhan per tahun sekitar 2,30% dan konsumsi bawang putih diproyeksi akan naik dengan pertumbuhan per tahun sebesar 1,38%. Konsumsi lebih besar dari produksi, hingga tahun 2024 diperkirakan akan terjadi defisit bawang putih sekitar 403,29 ribu ton per tahun. Hal ini menjadi dasar pemerintah untuk mencanangkan proyeksi swasembada bawang putih. Suatu lahan yang layak untuk tanaman bawang putih sangat dipengaruhi oleh banyak faktor, salah satunya temperatur. Temperatur setiap wilayah mempunyai nilai yang berbeda dan tidak semua lokasi mempunyai nilai atau data yang lengkap. Interpolasi spasial merupakan sebuah cara untuk mencari atau memperkirakan nilai pada lokasi yang tidak diketahui nilainya berdasarkan data yang ada disekitarnya. Interpolasi spasial mempengaruhi hasil penelitian ini, karena dengan menggunakan interpolasi spasial dapat diketahui nilai temperatur pada wilayah yang tidak mempunyai nilai atau data, sehingga data yang digunakan lengkap. Lahan yang sesuai untuk budidaya bawang putih dapat diketahui melalui klasifikasi kelas kesesuaian lahan berdasarkan variabel syarat tumbuh bawang putih pada lahan tersebut. Salah satu algoritma yang dapat diterapkan dalam klasifikasi kelas kesesuaian lahan bawang putih adalah Pohon Keputusan Spasial C5.0. Penelitian ini mengkaji lahan yang sesuai untuk budidaya tanam bawang putih, sehingga dapat dilakukan perluasan lahan tanam putih. Hasil interpolasi spasial menggunakan dataset temperatur bulan Mei 2022 berupa 2 kelas kesesuian lahan, yaitu S1 (dengan rentang nilai 21°C-23°C) dan S2 (dengan rentang nilai 20°C-21°C), sedangkan hasil interpolasi spasial menggunakan dataset temperatur bulan Juli 2022 yaitu kelas kesesuaian lahan S1 (dengan rentang nilai 21°C-22°C) dan kelas S2 (dengan rentang nilai 19°C-21°C). Penelitian ini juga menghasilkan model pohon keputusan dengan 5 aturan kelas kesesuaian lahan dengan akurasi sebesar 97,81% pada dataset dengan data temperatur bulan Mei 2022. Nilai akurasi pada dataset dengan data temperatur bulan Juli 2022 menghasilkan 17 aturan kesesuaian lahan dengan akurasi sebesar 95,91%. Hasil penelitian ini mengungkapkan bahwa mayoritas kelas kesesuaian lahan untuk bawang putih di Kabupaten Magelang dengan data temperatur bulan Mei 2022 adalah N (62,46%) dan kelas S1 (28,43%). Kelas kesesuaian lahan dengan menggunakan temperatur bulan Juli 2022 menghasilkan mayorita kelas N (42,45%), S2 (23,51%), S3 (19,32%) dan S1 (14,71%). Hasil ini menunjukkan perlunya melakukan upaya perbaikan terhadap kualitas lahan pada kelas S2 dan S3 agar produktivitas tanaman dapat ditingkatkan, sejalan dengan arahan yang diberikan oleh Food and Agricultural Organization (FAO) dalam upaya meningkatkan produktivitas tanaman.