Penerapan Case-Based Reasoning Untuk Mengetahui Hasil Produktivitas Kelapa Sawit Berdasarkan Kemiripan Lahan Perkebunan Kelepa Sawit

Hamid Muhammad J, Dr. Eng. Silmi Fauziati, S.T., M.T.; Adhistya Erna Permanasari, S.T., M.T, Ph.D

2018 | Tesis | S2 Teknik Elektro

Evaluasi kesesuaian lahan merupakan langkah penilaian terhadap keadaan suatu lahan yang memiliki karakteristik jenis lahan yang berbeda-beda. Penilaian ditujukan untuk mengetahui kelas lahan pada suatu lahan tersebut. Kelas lahan dapat dikaitkan langsung dengan capaian hasil produktivitas kelapa sawit. Meskipun evaluasi yang dilakukan terhadap perkebunan kelapa sawit sebelumnya diperoleh kelas lahan yang sama, namun hasil produktivitas yang akan dicapai belum tentu sama. Selain itu pada perkebunan rakyat yang dikelola oleh petani swadaya tanaman kelapa sawit dibiarkan tumbuh meskipun usia tanaman sudah tidak produktif lagi. Selain itu petani swadaya tidak meihat keadaan karakteristik jenis lahan pada perkebunan kelapa sawit tersebut. Penerapan Case-Based Reasoning (CBR) digunakan untuk mencari kemiripan lahan dari kasus lama dengan kasus baru. Setelah lahan pada kasus lama ditemukan, hasil produktivitasnya belum tentu dapat diterapkan sebagai solusi untuk kasus baru. Oleh karena itu perlu dilakukan adaptasi terhadap hasil solusi tersebut. Penelitian ini membandingkan algoritme Weighted Euclidean Distance dan Cosine Similarity dalam mencari kasus lama yang paling mirip dengan acuan prediksi kelas lahan yang dicapai. Kemudian dengan menggunakan K-Nearest Neighbour (K-NN) untuk mengambil masalah dan solusi dari kasus lama dan membandingkan solusi yang diadaptasi dengan tanpa adaptasi (Null Adaptation). Algoritme yang digunakan untuk melakukan adaptasi yaitu CBR-Adaptation Rules,dan Semantic Tree. Hasil penelitian dalam pengujian algoritme pencarian similarity dengan menggunakan Algoritme Weighted Euclidean Distance mampu mengambil kasus lama dengan ketepatan akurasi 72%. Sedangkan Cosine Similarity kurang tepat dalam mengambil kasus lama dengan akurasi 62%. Pengujian terhadap capaian produktivitas kelapa sawit yang diadaptasi hasil Root Mean Square Errornya (RMSE) lebih kecil dari yang tanpa dilakukan adaptasi (Null Adaptation).

Land suitability evaluation was a valuing step to a land condition which had different land type characteristics. The valuation was supposed to find out land class in the land. The land class could be attributed directly to achievements of oil palm productivity yield. Although the evaluation, that was done previously to the oil palm, obtained identical land, productivity yield would not be surely similar. Moreover, in the public plantation, that was managed by The oil palm self-help farmers, it was let grow despite the plants age have not been productive anymore. Furthermore, the self-help farmers didn�t see the condition of the land type characteristics on the oil palm plantation. The application of Case-Based Reasoning was used to find the land similarity from the old case with the new case. After the land on the old case was founded, the productivity yield could not surely applied as a solution to the new case. Therefore It was necessary to do an adaptation to the solution result This research compared the algorithm of Weighted Euclidean Distance and Cosine Similarity in finding the old case that was similar with the reference of the achieved land class prediction. Subsequently, it used K-Nearest Neighbour to take problem and solution from the old case and compared the solution, that was adapted, with Null Adaptation. The Algorithm, which was used to do adaptation, was CBR-Adaptation Rules, and Semantic Tree. The research findings in the algorithm testing of searching similarity by using Weighted Euclidean Distance Algorithm, could take the old case with accuracy of 72%. Whilst Cosine Similarity was less appropriate in taking the old case with accuracy of 62%. The testing to the palm oil productivity achievement, that was adapted by Root Mean Square Error result, was lesser than the Null Adaptation.

Kata Kunci : Case-Based Reasoning, Semantic Tree, CBR-Adaptation Rules, Cosine Similarity , K-NN, Weighted Euclidean Distance, Kelapa Sawit