Tentang Aplikasi

Informasi mengenai sistem, algoritma, dataset, dan cara penggunaan

Tentang Sistem

Sistem Rekomendasi Tanaman ini adalah aplikasi berbasis web yang menggunakan algoritma K-Nearest Neighbors (KNN) untuk merekomendasikan jenis tanaman yang paling sesuai berdasarkan kondisi tanah dan iklim di suatu lahan.

Aplikasi ini dirancang untuk dapat digunakan oleh dua kelompok pengguna: petani awam yang tidak memiliki pengetahuan teknis tentang parameter tanah, dan peneliti atau ahli pertanian yang memiliki data laboratorium lengkap.

Algoritma K-Nearest Neighbors (KNN)

K-Nearest Neighbors (KNN) adalah algoritma pembelajaran mesin berbasis instance yang bekerja dengan cara membandingkan data baru dengan data yang sudah ada menggunakan metrik jarak Euclidean.

Cara Kerja
Data input dibandingkan dengan 2200 data referensi. Sistem mencari K data terdekat lalu menentukan rekomendasi berdasarkan mayoritas kelas.
Metrik Jarak
Euclidean Distance
Normalisasi
MinMaxScaler
Pemilihan K
Menggunakan Elbow Method dengan menguji K dari 1 sampai 20
Evaluasi
Akurasi, Precision, Recall, dan F1-Score
Cara Penggunaan
1 Mode Petani

Pilih Mode Petani di halaman utama. Jawab 7 pertanyaan sederhana tentang kondisi lahan Anda seperti warna tanah, tekstur, kondisi air, cuaca, dan riwayat tanaman sebelumnya. Sistem akan mengkonversi jawaban Anda secara otomatis.

2 Mode Ahli

Pilih Mode Ahli untuk memasukkan nilai teknis secara langsung. Isi nilai N, P, K, pH tanah, suhu, kelembapan, dan curah hujan. Tersedia slider dan input angka yang saling terhubung. Gunakan tombol Isi Contoh Data untuk melihat contoh nilai.

3 Upload CSV

Pilih tab Upload CSV di Mode Ahli untuk memproses banyak data sekaligus. Download template CSV terlebih dahulu, isi dengan data lahan Anda, lalu upload kembali. Hasil prediksi dapat didownload dalam format CSV atau Excel.

Dataset
Nama Dataset
Crop Recommendation Dataset
Sumber
Kaggle — Atharva Ingle
Total Data
2200 baris
Jumlah Fitur
7 fitur (N, P, K, temperature, humidity, pH, rainfall)
Jumlah Kelas
22 jenis tanaman
Missing Value
Tidak ada
Daftar Tanaman yang Didukung (22 Jenis)
Padi
rice
Jagung
maize
Kacang Arab
chickpea
Kacang Merah
kidneybeans
Kacang Gude
pigeonpeas
Kacang Moth
mothbeans
Kacang Hijau
mungbean
Kacang Hitam
blackgram
Lentil
lentil
Delima
pomegranate
Pisang
banana
Mangga
mango
Anggur
grapes
Semangka
watermelon
Melon
muskmelon
Apel
apple
Jeruk
orange
Pepaya
papaya
Kelapa
coconut
Kapas
cotton
Jute (Rami)
jute
Kopi
coffee
Teknologi
Backend
Flask 3.0
Machine Learning
Scikit-Learn 1.4
Data Processing
Pandas, NumPy
Visualisasi
Matplotlib, Seaborn
Frontend
Bootstrap 5, HTML, CSS, JS
Bahasa
Python 3.10+
Informasi Tugas
Mata Kuliah
Praktikum Kecerdasan Buatan
Tugas
Tugas 9 — KNN
Dosen
Mohammad Bayu Anggara, S.Kom., M.Kom.
Program Studi
Teknik Informatika
Universitas
Universitas Bale Bandung
Mulai Sekarang

Dapatkan rekomendasi tanaman terbaik untuk lahan Anda