Prediksi Waktu Panen Jamur Tiram Berdasarkan Data Lingkungan Kubung Menggunakan Metode Data Mining Algoritma Decision Tree

Read full text
Authors: Ade Rahmat, Indra Permana
Cited by: 0

Abstract

Jamur tiram merupakan salah satu komoditas pertanian yang banyak dibudidayakan karena memiliki nilai ekonomi yang tinggi serta permintaan pasar yang terus meningkat. Keberhasilan budidaya jamur tiram sangat dipengaruhi oleh kondisi lingkungan kubung, terutama suhu dan kelembapan, yang berperan penting dalam pertumbuhan dan pembentukan tubuh buah. Penentuan waktu panen jamur tiram yang masih dilakukan secara konvensional berdasarkan pengalaman petani sering kali bersifat subjektif, kurang akurat, dan berpotensi menurunkan kualitas serta produktivitas hasil panen. Oleh karena itu, diperlukan suatu pendekatan berbasis data untuk membantu memprediksi waktu panen jamur tiram secara lebih objektif dan sistematis. Penelitian ini bertujuan untuk memprediksi waktu panen jamur tiram berdasarkan data lingkungan kubung dengan memanfaatkan algoritma Decision Tree. Data yang digunakan meliputi suhu, kelembapan, umur baglog, dan frekuensi penyiraman yang dikumpulkan secara berkala selama proses budidaya. Tahapan penelitian meliputi pengumpulan data, prapemrosesan data, pembagian data latih dan data uji, pembentukan model Decision Tree, serta evaluasi model menggunakan parameter kinerja seperti akurasi. Hasil penelitian menunjukkan bahwa model Decision Tree mampu menghasilkan aturan keputusan yang mudah dipahami dan memiliki tingkat akurasi yang cukup baik dalam memprediksi waktu panen jamur tiram. Variabel umur baglog dan kelembapan menjadi faktor yang paling berpengaruh terhadap penentuan waktu panen. Hasil penelitian ini diharapkan dapat menjadi alat bantu pengambilan keputusan bagi petani jamur tiram dalam menentukan waktu panen yang optimal, meningkatkan kualitas hasil panen, serta mendukung penerapan teknologi data mining di bidang pertanian.

Fields of Study & Subjects

Data Mining and Machine Learning Applications Smart Agriculture and AI Artificial Intelligence in Healthcare

Publication details

Journal / source
RIGGS Journal of Artificial Intelligence and Digital Business
Volume
5
Issue
1
Pages
2817–2828
Publication date
12 February 2026
Language
ID