Sistem Rekomendasi Pemilihan Jenis Tanaman Pangan Berdasarkan Kondisi Tanah Menggunakan Metode Knowledge-Based

ANARGIA, DAVID IZZY GIAN (2026) Sistem Rekomendasi Pemilihan Jenis Tanaman Pangan Berdasarkan Kondisi Tanah Menggunakan Metode Knowledge-Based. Other thesis, Universitas Duta Bangsa Surakarta.

[thumbnail of Cover dan Abstrak.pdf] Text
Cover dan Abstrak.pdf - Preview
Restricted to Registered users only

Download (459kB)
[thumbnail of Bab 1.pdf] Text
Bab 1.pdf - Preview
Restricted to Registered users only

Download (224kB)
[thumbnail of Bab 2.pdf] Text
Bab 2.pdf - Preview
Restricted to Registered users only

Download (433kB)
[thumbnail of Bab 3.pdf] Text
Bab 3.pdf - Preview
Restricted to Registered users only

Download (785kB)
[thumbnail of Bab 4.pdf] Text
Bab 4.pdf - Preview
Restricted to Registered users only

Download (2MB)
[thumbnail of Bab 5.pdf] Text
Bab 5.pdf - Preview
Restricted to Registered users only

Download (280kB)
[thumbnail of Daftar Pustaka.pdf] Text
Daftar Pustaka.pdf - Preview
Restricted to Registered users only

Download (31kB)
[thumbnail of Lampiran.pdf] Text
Lampiran.pdf - Preview
Restricted to Registered users only

Download (346kB)
[thumbnail of Artikel Publikasi.pdf] Text
Artikel Publikasi.pdf - Preview
Restricted to Registered users only

Download (808kB)

Abstract

ABSTRAK

SISTEM REKOMENDASI PEMILIHAN JENIS TANAMAN PANGAN BERDASARKAN KONDISI TANAH MENGGUNAKAN METODE KNOWLEDGE BASED
Oleh:
David Izzy Gian Anargia
210103093
Pemilihan tanaman pangan yang sesuai dengan kondisi tanah merupakan salah satu faktor penting dalam mendukung pertumbuhan dan produktivitas tanaman. Namun, proses pemilihan tanaman masih dapat mengalami kendala karena pengguna perlu mempertimbangkan berbagai karakteristik tanah, khususnya kandungan unsur hara dan tingkat keasaman tanah. Oleh karena itu, penelitian ini bertujuan untuk membangun sistem rekomendasi tanaman pangan berdasarkan kondisi tanah menggunakan metode Euclidean Distance. Parameter yang digunakan dalam penelitian meliputi kandungan Nitrogen (N), Fosfor (P), Kalium (K), dan tingkat keasaman tanah (pH). Penelitian ini menggunakan data sekunder yang diperoleh melalui studi literatur dari berbagai sumber yang berkaitan dengan kebutuhan unsur hara tanaman pangan. Data tersebut digunakan sebagai basis pengetahuan dalam sistem rekomendasi. Sebelum dilakukan perhitungan, data dinormalisasi menggunakan metode Min-Max Scaling untuk menyamakan skala setiap atribut. Selanjutnya, metode Euclidean Distance digunakan untuk menghitung tingkat kemiripan antara kondisi tanah yang dimasukkan pengguna dengan data kebutuhan tanaman pada basis pengetahuan. Sistem kemudian mengurutkan hasil berdasarkan nilai jarak dan menampilkan tiga tanaman dengan tingkat kecocokan tertinggi. Pengujian rekomendasi dilakukan menggunakan metode precision dan recall untuk mengukur ketepatan dan kemampuan sistem dalam menghasilkan rekomendasi tanaman yang sesuai dengan acuan kebutuhan tanaman berdasarkan kondisi tanah. Hasil penelitian menunjukkan bahwa sistem berbasis web yang dikembangkan mampu mengolah data kondisi tanah dan memberikan rekomendasi tanaman pangan berdasarkan tingkat kecocokan. Hasil pengujian precision dan recall menunjukkan tingkat kesesuaian rekomendasi yang dihasilkan sistem terhadap data acuan. Berdasarkan hasil pengujian, fungsi utama sistem dapat berjalan sesuai dengan rancangan dan metode Euclidean Distance dapat diterapkan sebagai metode perhitungan kemiripan dalam sistem rekomendasi tanaman pangan. Sistem ini diharapkan dapat menjadi alat bantu bagi pengguna dalam menentukan pilihan tanaman berdasarkan kondisi unsur hara tanah.

Item Type: Thesis (Other)
Uncontrolled Keywords: Euclidean Distance, Min-Max Scaling, Rekomendasi Tanaman, Sistem Rekomendasi, Sistem Berbasis Pengetahuan.
Subjects: T Technology > T Technology (General)
Divisions: Fakultas Ilmu Komputer > S1 - Teknik Informatika
SWORD Depositor: Perpustakaan Fikom
Depositing User: Perpustakaan Fikom
Date Deposited: 07 Nov 2026 06:23
Last Modified: 07 Nov 2026 06:23
URI: http://eprints.udb.ac.id/id/eprint/5789

Actions (login required)

View Item
View Item