Update Artikelilmiah: 49528

CHARINTA CANDRAKANTI DEWI

NIM

Judul Artikel

Abstrak (Bhs. Indonesia)

Sektor pertanian memiliki kerentanan terhadap perubahan iklim, salah satunya faktor cuaca seperti suhu, kelembaban, curah hujan, dan kecepatan angin. Kondisi cuaca yang ekstrem dapat meningkatkan risiko persebaran hama. Sebagai salah satu makanan pokok Indonesia, padi merupakan komoditas yang paling terdampak oleh serangan hama. Kurangnya persiapan terhadap serangan hama yang akan terjadi membuat produktivitas padi menurun. Oleh karena itu, dibuat sistem untuk memprediksi serangan hama padi berdasarkan cuaca dengan mengintegrasikan sistem pakar dan xgboost. Tujuan penelitian ini adalah untuk memberikan peringatan dini kepada petani terhadap potensi serangan hama yang akan muncul. Output dari penelitian ini berupa website agar mudah diakses pengguna. Pengembangan sistem dilakukan dengan metode Expert System Development Life Cycle (ESDLC) dan diuji dengan confusion matrix. Hasil dari penelitian ini menunjukkan tingkat akurasi 82% dan dapat memberikan hasil prediksi serangan hama penggerek batang padi, wereng batang coklat, hama putih palsu, walang sangit, dan tidak ada serangan pada tanggal yang dipilih. Hasil prediksi yaitu dapat memberikan peringatan pada petani maksimal 3 hari lebih awal. Selain memberikan prediksi, sistem juga dapat menampilkan potensi datangnya hama yang akan menyerang selain prediksi utama model. Hal tersebut membuktikan bahwa penelitian ini dapat memberikan peringatan dini kepada petani dalam mengatasi serangan hama.

Abtrak (Bhs. Inggris)

The agricultural sector is vulnerable to climate change, particularly due to weather factors such as temperature, humidity, rainfall, and wind speed. Extreme weather conditions can increase the risk of pest outbreaks. As a primary staple food in Indonesia, rice is the commodity most affected by pest attacks. A lack of preparation for potential pest attacks leads to decreased rice productivity. Therefore, a system was developed to predict rice pest attacks based on weather by integrating an expert system with XGBoost. The objective of this research is to provide an early warning to farmers regarding potential pest outbreaks. The output of this research is a website to ensure easy access for users. The system was developed using the Expert System Development Life Cycle (ESDLC) and evaluated with a confusion matrix. The results of this research show an accuracy rate of 82%. The model can predict attacks by rice stem borer, brown planthopper, rice leaf folder, and rice stink bug, as well as periods of no attack, for a selected date. The prediction results can provide farmers with a warning up to three days in advance. In addition to the main prediction, the system also displays the potential risk of other pests. This demonstrates that the research's objective to provide an early warning for farmers, has been successfully achieved.

Kata kunci

Pembimbing 1

Pembimbing 2

Pembimbing 3

Tahun

Jumlah Halaman