Klasifikasi Karakteristik Unsur Hara Tanah Berbasis Decision Tree untuk Rekomendasi Komoditas Pertanian

Abstract

Optimalisasi hasil pertanian memerlukan pengetahuan yang tepat mengenai parameter kesehatan tanah, khususnya pH, kelembapan, dan makronutrien (Nitrogen, Fosfor, Kalium). Di Desa Pegiringan, penilaian tanah secara konvensional sering kali menyebabkan ketidakakuratan pemilihan komoditas tanam sehingga menurunkan produktivitas. Penelitian ini mengembangkan sistem monitoring dan klasifikasi kondisi tanah real-time bernama TerraMonitor, memanfaatkan dashboard berbasis Flask dengan metodologi Agile yang diintegrasikan dengan model machine learning Decision Tree. Data sampel tanah dari berbagai sektor dievaluasi untuk memprediksi tingkat kesuburan hara dan mengklasifikasikan profil tanah secara otomatis. Algoritma Decision Tree berhasil mencapai akurasi klasifikasi sebesar 92,73%, menunjukkan keandalan tinggi dalam menginterpretasikan kombinasi nonlinear dari metrik hara tanah. Implementasi ini menyediakan Sistem Pendukung Keputusan (DSS) yang tangkas dan adaptif guna menjembatani telemetri sensor mentah menjadi wawasan pertanian praktis untuk mendukung praktik smart farming yang berkelanjutan.