📚 Eksplorasi & Komparasi Topik Dokumen
Pencarian topik
Hasil Dokumen
Ditemukan: 2 dokumenEVALUASI KOMPARATIF MODEL SVR, RANDOM FOREST, DAN AARTIFICIAL NEURAL NETWORK YANG DIOPTIMALKAN ALGORITMA GENETIKA UNTUK ESTIMASI KEBUTUHAN AIR
Sektor pertanian mengonsumsi porsi terbesar dari cadangan air tawar global, sehingga peningkatan efisiensi manajemen air melalui pertanian presisi berbasis Internet of Things (IoT) menjadi sangat krusial. Estimasi evapotranspirasi (ET) yang akurat merupakan komponen utama dalam menentukan kebutuhan air tanaman. Namun, perhitungannya secara konvensional seringkali terkendala oleh keterbatasan data parameter kelingkungan di lapangan. Penelitian ini bertujuan untuk merancang dan mengevaluasi komparasi performa algoritma machine learning—yakni Support Vector Regression (SVR), Random Forest (RF), Artificial Neural Network (ANN), dan hibrida Genetic Algorithm - Machine Learning (GA-ML)—dalam memprediksi nilai ET menggunakan data mikroklimat. Suhu, kelembapan, kecepatan angin, curah hujan, dan intensitas cahaya dikumpulkan melalui sensor mikroklimat di perkebunan kopi di Malang selama periode September 2023 hingga Januari 2024. Model dievaluasi menggunakan berbagai skenario set fitur untuk menguji ketahanannya terhadap potensi ketiadaan atau kegagalan sensor di lapangan. Kinerja model diukur menggunakan Mean Squared Error (MSE) dan koefisien determinasi (R²). Hasil penelitian menunjukkan bahwa model hibrida ANN yang dioptimasi oleh Algoritma Genetika (ANN_GA_Features) memberikan performa prediksi terbaik secara absolut dengan nilai R² 0.999494 dan MSE 0.000013. Walaupun demikian, ANN sangat sensitif terhadap hilangnya fitur utama seperti intensitas, suhu, dan kelembaban. Sebaliknya, model RF menunjukkan stabilitas (robustness) saat dihadapkan pada skenario ketiadaan data penting, dengan tetap mampu mempertahankan R² sebesar 0.978939 ketika data intensitas cahaya dihilangkan. Penelitian ini merekomendasikan penggunaan model ANN-GA dengan akurasi yang tinggi, serta penggunaan RF untuk sistem IoT low-cost dengan ketersiediaan sensor terbatas. Selain itu, perangkat lunak dan keras cerdas untuk irigasi dapat dioptimalkan efisiensi biayanya dengan memprioritaskan sensor kelembapan dan intensitas cahaya, serta mereduksi sensor angin dan curah hujan di lingkungan dengan komoditas dan kondisi mikroklimat serupa.
ANALISIS PERBANDINGAN STOK KARBON PADA BERBAGAI TUTUPAN LAHAN DAN HUBUNGANNYA DENGAN KONDISI MIKROKLIMAT SERTA TOPOGRAFI DI TAMAN BURU MASIGIT KAREUMBI, SUMEDANG, JAWA BARAT
Stok karbon hutan berperan penting dalam mitigasi perubahan iklim melalui kemampuannya menyerap dan menyimpan karbon dalam biomassa vegetasi dan tanah. Penelitian ini bertujuan untuk menganalisis perbedaan stok karbon pada berbagai tutupan lahan serta mengkaji hubungan stok karbon dengan faktor mikroklimat dan topografi di Taman Buru Masigit Kareumbi. Penelitian dilakukan pada tiga tipe tutupan lahan, yaitu hutan alam, hutan sekunder, dan zona penyangga (buffer). Variabel mikroklimat yang diamati meliputi suhu udara, intensitas cahaya, kelembapan udara, kelembapan tanah, dan pH tanah, sedangkan faktor topografi meliputi elevasi dan kemiringan lereng (slope). Data dianalisis menggunakan uji ANOVA, korelasi Pearson, regresi linear sederhana, dan regresi linear berganda. Hasil penelitian menunjukkan bahwa stok karbon berbeda nyata antar tutupan lahan (p < 0,05), dengan nilai tertinggi pada hutan sekunder sebesar 400,36 ton/ha, diikuti hutan alam sebesar 268,12 ton/ha, dan zona penyangga (buffer) sebesar 153,64 ton/ha. Perbedaan tersebut menunjukkan bahwa struktur tegakan dan komposisi vegetasi berperan penting dalam menentukan kapasitas penyimpanan karbon. Karakteristik mikroklimat bervariasi antar tutupan lahan, sedangkan variasi topografi relatif kecil. Analisis hubungan menunjukkan bahwa suhu udara memiliki hubungan negatif dan signifikan terhadap stok karbon (r = -0,45; p < 0,05; R² = 0,20), yang menunjukkan bahwa peningkatan suhu cenderung diikuti oleh penurunan stok karbon. Sebaliknya, intensitas cahaya, kelembapan udara, kelembapan tanah, pH tanah, elevasi, dan kemiringan lereng (slope) menunjukkan hubungan yang lemah dan umumnya tidak signifikan. Hasil penelitian menunjukkan bahwa variasi stok karbon lebih dipengaruhi oleh karakteristik vegetasi dibandingkan faktor mikroklimat dan topografi.