Detail Cantuman

ANALISIS KESESUAIAN LAHAN TANAMAN TEBU DI KABUPATEN MAJALENGKA MENGGUNAKAN ALGORITMA RANDOM FOREST

Rifqi Azis Nurmadhani / 23-2021-043 - Personal Name
0420016601 - Dr. Hary Nugroho, Ir., M,T. - Personal Name
Text English 2025 Teknik Geodesi : FTSP

Kabupaten Majalengka memiliki potensi untuk mengembangkan tanaman tebu,
tetapi belum didukung oleh pemetaan kesesuaian lahan yang berbasis data spasial
secara sistematis. Penelitian ini bertujuan untuk menganalisis kesesuaian lahan
untuk tanaman tebu dengan menggunakan algoritma Random Forest pada platform
Google Earth Engine (GEE). Parameter yang digunakan mencakup suhu
permukaan (MODIS), pH tanah, kemiringan lereng (DEMNAS), dan tekstur tanah
(ISRIC). Data sampel yang terdiri dari titik-titik lahan tebu dan non-tebu
dikumpulkan dan diseimbangkan, kemudian dibagi menjadi data latih (70%) dan
data uji (30%). Model Random Forest dilatih dengan 800 pohon keputusan dan
divalidasi menggunakan confusion matrix untuk mendapatkan nilai akurasi,
presisi, recall, serta F1-score. Hasil klasifikasi menunjukkan bahwa model
menunjukkan performa yang sangat baik dengan akurasi mencapai 93,90% dan
nilai Kappa sebesar 0,90. Model ini berhasil membagi wilayah menjadi dua
kategori, yaitu lahan yang sesuai dan yang tidak sesuai untuk budidaya tebu.
Daerah yang diklasifikasikan sebagai sesuai umumnya terletak di wilayah dengan
suhu optimal (25°C–32°C), pH yang mendekati netral, kemiringan lereng kurang
dari 8%, serta tekstur tanah yang berupa lempung atau lempung berpasir.Analisis
mengenai pentingnya fitur menunjukkan bahwa suhu adalah parameter yang
paling berpengaruh dalam klasifikasi, diikuti oleh kemiringan, pH tanah, dan
tekstur. Temuan ini sejalan dengan karakteristik fisiologis tanaman tebu yang
sangat dipengaruhi oleh suhu dan drainase. Pendekatan ini membuktikan
efektivitas algoritma Random Forest dalam pemetaan kesesuaian lahan yang
berbasis data spasial. Penelitian ini diharapkan dapat memberikan kontribusi
dalam pengambilan keputusan untuk pengembangan lahan tebu yang lebih efisien
dan berkelanjutan, serta membuka peluang untuk menerapkan metode serupa pada
komoditas pertanian lainnya.

Majalengka Regency possesses significant potential for the development of
sugarcane; however, it currently lacks a systematic assessment of land suitability
based on spatial data. This research aims to evaluate land suitability for sugarcane
cultivation utilizing the Random Forest algorithm on the Google Earth Engine
(GEE) platform. The parameters considered in this analysis include surface
temperature (MODIS), soil pH, slope (DEMNAS), and soil texture (ISRIC). Data
samples comprising both sugarcane and non-sugarcane land points were collected
and balanced, subsequently divided into training data (70%) and testing data
(30%). The Random Forest model was trained with 800 decision trees and validated
through a confusion matrix to derive metrics such as accuracy, precision, recall,
and F1-score. The classification outcomes indicate that the model exhibited
excellent performance, attaining an accuracy rate of 93.90% and a Kappa statistic
of 0.90. The model effectively categorized the region into two distinct classes:
suitable and unsuitable land for sugarcane cultivation. Areas deemed suitable are
predominantly found in regions characterized by optimal temperatures ranging
from 25°C to 32°C, near-neutral soil pH levels, slopes of less than 8%, and soil
textures classified as loamy or sandy loam.Analysis of feature importance revealed
that temperature emerged as the most significant factor, succeeded by slope, soil
pH, and texture. These findings align with the physiological traits of sugarcane,
which is greatly affected by temperature and soil drainage. This research validates
the efficacy of the Random Forest algorithm in spatially-oriented land suitability
mapping.The outcomes of this study are anticipated to aid in decision-making
processes aimed at enhancing the efficiency and sustainability of sugarcane land
development, while also promoting the use of analogous methodologies for other
agricultural products.

Ketersediaan

LOADING LIST...

Lampiran Berkas

LOADING LIST...

Detail Information

Bagian	Informasi
Pengarang	Rifqi Azis Nurmadhani / 23-2021-043 - Personal Name 0420016601 - Dr. Hary Nugroho, Ir., M,T. - Personal Name
No. Panggil	1133GD/25
Subyek	kesesuaian lahan, tebu, Random Forest Google Earth Engine, feature importance
Fakultas	FTSP
Tahun Terbit	2025
Jurusan	Teknik Geodesi
Deskripsi Fisik
Info Detil Spesifik

Citation

APA Style

. (2025).ANALISIS KESESUAIAN LAHAN TANAMAN TEBU DI KABUPATEN MAJALENGKA MENGGUNAKAN ALGORITMA RANDOM FOREST().Teknik Geodesi:FTSP

Chicago Style

.ANALISIS KESESUAIAN LAHAN TANAMAN TEBU DI KABUPATEN MAJALENGKA MENGGUNAKAN ALGORITMA RANDOM FOREST().Teknik Geodesi:FTSP,2025.Text

MLA Style

.ANALISIS KESESUAIAN LAHAN TANAMAN TEBU DI KABUPATEN MAJALENGKA MENGGUNAKAN ALGORITMA RANDOM FOREST().Teknik Geodesi:FTSP,2025.Text

Turabian Style

.ANALISIS KESESUAIAN LAHAN TANAMAN TEBU DI KABUPATEN MAJALENGKA MENGGUNAKAN ALGORITMA RANDOM FOREST().Teknik Geodesi:FTSP,2025.Text

Detail Cantuman

ANALISIS KESESUAIAN LAHAN TANAMAN TEBU DI KABUPATEN MAJALENGKA MENGGUNAKAN ALGORITMA RANDOM FOREST

Detail Information

Citation

Homepage Info

Koleksi

Media Sosial / Kanal

Address