Klasifikasi Tanah Berdasarkan Jenis Tanaman Menggunakan Convolutional Neural Network Di Pusat Pengembangan Sumber Daya Manusia Regional Makassar Indonesia

Abstrak

Tanah merupakan unsur penting dalam pertumbuhan tanaman dan produksi pangan. Kesuburan tanah adalah faktor kunci dalam menentukan potensi pertanian. Saat ini, teknologi AI dan pengolahan citra telah menghadirkan peluang baru dalam menganalisis tanah dengan lebih mendalam. Penelitian ini bertujuan untuk mengembangkan sebuah sistem klasifikasi tanah subur menggunakan metode Convolutional Neural Networks berdasarkan analisis citra gambar. Penelitian ini dimulai dengan mengumpulkan dataset berupa gambar sampel tanah dari berbagai jenis dan kondisi. Dataset ini diannotasi dan digunakan sebagai data latihan untuk melatih model Convolutional Neural Networks. Proses pelatihan ini memungkinkan model untuk mengidentifikasi ciri-ciri visual yang membedakan tanah subur dan tidak subur. Metode ini diimplementasikan dalam sebuah sistem AI yang mampu mendeteksi kesuburan tanah melalui foto. Hasil penelitian menunjukkan bahwa model CNN berhasil mengklasifikasikan tanah argosol (subur) dan tanah laterit (tidak subur) dengan akurasi yang  tinggi, mencapai 99-100%. Sistem  yang dikembangkan juga memungkinkan penggunaan webcam untuk mendeteksi kesuburan tanah secara langsung. Informasi yang ditampilkan yaitu informasi akurasi, tampilan webcam, keterangan mengenai nama tanah, persentase kepercayaan, dan pengertian tanah yang terkait.