Please use this identifier to cite or link to this item: http://repository.ipb.ac.id/handle/123456789/98140
Full metadata record
DC FieldValueLanguage
dc.contributor.advisorSukaesih, Imas-
dc.contributor.advisorAnnisa-
dc.contributor.authorNurkholis, Andi-
dc.date.accessioned2019-07-01T02:28:00Z-
dc.date.available2019-07-01T02:28:00Z-
dc.date.issued2019-
dc.identifier.urihttp://repository.ipb.ac.id/handle/123456789/98140-
dc.description.abstractLuas lahan pertanian bawang putih Indonesia pada tahun 2016 menurun sebesar 6.09% dibandingkan dengan tahun sebelumnya, sehingga menyebabkan konsumsi bawang putih Indonesia semakin bergantung terhadap impor dari negara lain. Hal tersebut dibuktikan dengan produksi lokal bawang putih hanya 18,200 ton sementara konsumsinya mencapai 466,200 ton, dan diperkirakan akan terus meningkat rata-rata 8.78% per tahun. Kementerian Pertanian Indonesia telah menetapkan rencana swasembada untuk komoditas bawang putih pada tahun 2019 dengan salah satu caranya adalah memberikan informasi tentang kesesuaian lahan bawang putih sebagai metode perluasan lahan pertanian bawang putih. Prediksi karakteristik tanah dan cuaca sebagai indikator kesesuaian lahan sangat penting dalam meningkatkan efektivitas produksi pangan. Penelitian ini bertujuan mengevaluasi kesesuaian lahan bawang putih menggunakan algoritme pohon keputusan spasial. Algoritme tersebut merupakan peningkatan dari algoritme pohon keputusan konvensional di mana spatial join relation dimasukkan untuk menumbuhkan pohon keputusan spasial. Dataset spasial terdiri atas layer target yang mewakili kesesuaian lahan bawang putih dan sepuluh layer penjelas yang mewakili karakteristik tanah dan cuaca pada area studi, yaitu Kabupaten Magetan dan Solok, Indonesia. Sepuluh layer penjelas terdiri atas elevasi, drainase, relief, kejenuhan basa, kapasitas tukar kation, tekstur tanah, kemasaman tanah, kedalaman mineral tanah, curah hujan, dan temperatur. Penelitian ini menghasilkan pohon keputusan spasial terbaik untuk setiap area studi. Pada dataset Magetan, model terbaik memiliki 33 aturan dengan akurasi 94.34% dan variabel relief sebagai simpul akar. Sedangkan pada dataset Solok, model terbaik memiliki 66 aturan dengan akurasi 60.29% dan variabel tekstur tanah sebagai simpul akar. Variabel yang tidak terlibat dalam dua pohon keputusan spasial terbaik adalah drainase, artinya variabel drainase tidak begitu penting dalam menentukan kesesuaian lahan bawang putih.id
dc.language.isoidid
dc.publisherBogor Agricultural University (IPB)id
dc.subject.ddcHorticultureid
dc.subject.ddcComputer Sciencesid
dc.subject.ddcComputer Sciences
dc.subject.ddcAlgorithm
dc.subject.ddc2018
dc.subject.ddcSalak, Sumatera Barat
dc.subject.ddcComputer Sciences
dc.subject.ddcAlgorithm
dc.subject.ddc2018
dc.subject.ddcSalak, Sumatera Barat
dc.titleModel Pohon Keputusan Spasial untuk Evaluasi Kesesuaian Lahan Bawang Putihid
dc.typeThesisid
dc.subject.keywordbawang putihid
dc.subject.keywordkesesuaian lahanid
dc.subject.keywordpohon keputusan spasialid
dc.subject.keywordspatial join relationid
Appears in Collections:MT - Mathematics and Natural Science

Files in This Item:
File SizeFormat 
2019anu.pdf
  Restricted Access
19.22 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.