Analisis Kesesuaian Lahan Padi Gogo Berbasis Sifat Tanah dan Cuaca Menggunakan ID3 Spasial

• Main Authors: Andi Nurkholis, Muhaqiqin Muhaqiqin, Try Susanto
• Format: Article
• Language: Indonesian
• Published: Universitas Muhammadiyah Purwokerto 2020-11-01
• Series: Jurnal Informatika
• Subjects: cuaca, id3 spasial, kesesuaian lahan, padi gogo, sifat tanah
• Online Access: http://jurnalnasional.ump.ac.id/index.php/JUITA/article/view/8311
• ISSN: 2086-9398; 2579-8901

Penurunan minat generasi muda terhadap sektor pertanian menjadi permasalahan sekaligus tantangan bagi Indonesia dalam hal kedaulatan pangan, dimana kebutuhan suplai pangan justru akan terus meningkat setiap tahunnya. Pemerintah Indonesia telah menetapkan rencana strategis berupa pengembangan sembilan komoditas utama,  salah  satunya adalah  padi yang merupakan bahan pangan utama masyarakat Indonesia. Pengembangan dapat dilakukan dengan menerapkan kemajuan teknologi untuk keefektifan produksi pangan, dengan tujuan utama adalah ekstensifikasi lahan pertanian. Arahan kesesuaian lahan berupa karakteristik lahan dan cuaca yang sesuai sangat penting dalam menunjang hal tersebut, yang dapat diperoleh melalui evaluasi kesesuaian lahan. Penelitian ini melakukan kajian analisis berupa evaluasi kesesuaian lahan padi gogo menggunakan algoritme ID3 spasial berdasarkan sifat tanah dan cuaca. Algoritme ID3 spasial merupakan pengembangan dari algoritme ID3 konvensional untuk menangani klasifikasi data yang melibatkan faktor spasial. Dataset terbagi menjadi dua kategori, yakni layer penjelas merepresentasikan delapan sifat tanah (elevasi, drainase, relief, kejenuhan basa, kapasitas tukar kation, tekstur tanah, kemasaman tanah, dan kedalaman mineral tanah) dan dua data cuaca (curah hujan dan temperatur), serta layer target merepresentasikan kesesuaian lahan padi gogo pada area studi, Kabupaten Bogor, Provinsi Jawa Barat, Indonesia. Analisis kesesuaian lahan menghasilkan dua model yang memperoleh simpul akar (relief) dan akurasi yang sama (87.28%), dengan jumlah aturan yang berbeda, yakni 144 oleh model A dan 69 oleh model B. Penambahan faktor cuaca merupakan hal tepat yang dibuktikan oleh keterlibatannya pada dua model keputusan spasial, sehingga dapat memberikan informasi curah hujan dan temperatur yang dibutuhkan dalam pengoptimalan pertanian padi gogo.