Abstract:
Sektor pertanian memiliki peran strategis dalam mendukung ketahanan pangan dan
stabilitas ekonomi di Indonesia. Salah satu faktor penting dalam keberhasilan
produksi pertanian adalah ketepatan dalam menentukan musim tanam yang sesuai
dengan kondisi lingkungan. Namun, perubahan iklim dan variabilitas parameter
cuaca menyebabkan ketidakpastian dalam penentuan waktu tanam secara
konvensional. Oleh karena itu, diperlukan pendekatan berbasis data untuk
membantu penyuluh pertanian dalam memberikan rekomendasi musim tanam yang
lebih akurat dan sistematis kepada petani. Penelitian ini bertujuan untuk
mengembangkan sistem rekomendasi musim tanam tanaman hortikultura
berdasarkan parameter cuaca dan tanah menggunakan metode machine learning
Random Forest. Dataset yang digunakan diperoleh dari platform Kaggle yang
mencakup parameter lingkungan seperti suhu, curah hujan, kelembapan, pH tanah,
intensitas cahaya, serta kandungan unsur hara. Tahapan penelitian meliputi pra
pemrosesan data, transformasi label musim, pembagian data latih dan data uji, serta
pelatihan model menggunakan algoritma Random Forest. Sistem kemudian
diimplementasikan dalam bentuk aplikasi berbasis web yang digunakan oleh
penyuluh pertanian sebagai alat bantu dalam proses analisis dan pemberian
rekomendasi musim tanam. Hasil evaluasi model menunjukkan bahwa Random
Forest mampu mencapai akurasi sebesar 61,3%, dengan nilai precision sebesar
59,9%, recall sebesar 61,3%, dan F1-score sebesar 60,3% pada data uji. Hasil
tersebut menunjukkan bahwa model memiliki kemampuan yang cukup baik dalam
mengklasifikasikan musim tanam berdasarkan parameter lingkungan yang
kompleks. Dengan demikian, sistem yang dikembangkan dapat membantu
penyuluh pertanian dalam memberikan rekomendasi musim tanam yang lebih
objektif dan berbasis data, sehingga diharapkan dapat meningkatkan efektivitas
penentuan waktu tanam dan mendukung produktivitas tanaman hortikultura.
