Implementasi Algoritma Decision Tree pada Sistem Deteksi Kandungan Logam Berat pada Tanah Berbasis IoT

Dhea Adrika Zahro Asyhari

Penelitian ini mengimplementasikan algoritma Pohon Keputusan (Decision Tree) untuk klasifikasi tiga jenis tanah: Sawah, Galian Sumur, dan Lumpur Lapindo. Klasifikasi dilakukan berdasarkan dua parameter utama yang memengaruhi karakteristik tanah, yaitu pH dan Kelembaban. Data yang digunakan berjumlah 120 sampel, yang dibagi dengan rasio 75% data training (90 sampel) dan 25% data testing (30 sampel). Hasil pengujian model pada data testing menunjukkan performa yang sangat tinggi, mencapai Akurasi keseluruhan 93.33%. Analisis metrik kinerja menunjukkan bahwa model memiliki daya diskriminasi yang kuat di seluruh kelas. Kelas Lumpur Lapindo mencapai Recall sempurna (1.00), didorong oleh fitur pH basa (pH > 7.0) yang menjadi root node pemisah. Sementara itu, kelas Galian Sumur mencapai Precision sempurna (1.00), menunjukkan keandalan prediksi yang mutlak. Nilai F1-Score untuk semua kelas berada di atas 0.90. Hasil ini menegaskan bahwa Model Pohon Keputusan adalah metode yang efisien dan efektif dalam identifikasi dan klasifikasi jenis tanah berdasarkan parameter pH dan Kelembaban.

© 2026 UPA Perpustakaan POLINEMAStatus LayananKebijakan PrivasiSyarat & Ketentuan

v2026.11.20.5 · 33e0fa7