VISUALISASI PREDIKSI WILAYAH PENYAKIT BLACK SIGATOKA MENGGUNAKAN LONG SHORT-TERM MEMORY DAN GEOGRAPHIC INFORMATION SYSTEM
Penyakit black Sigatoka merupakan penyakit bercak hitam yang menyerang daun tanaman pisang. Penyakit black Sigatoka sangat berpengaruh dalam proses fotosintesis tanaman sehingga dapat menurunkan produksi pisang. Penyebaran penyakit black Sigatoka disebabkan oleh faktor cuaca seperti kelembaban, kecepatan angin, dan suhu. Penelitian ini bertujuan untuk membuat visualisasi prediksi pemetaan tingkat penyebaran penyakit daun pisang menggunakan Long Short-Term Memory dan Geographic Information System. Metode Long Short-Term Memory akan memprediksi tingkat persentase masing-masing tahapan penyakit Black sigatoka dengan menganalisis pola berdasarkan histori waktu dan Geographic Information System akan membuat pemetaan bentuk wilayah tanaman pisang menggunakan titik koordinat. Data visualisasi dan prediksi pemetaan selanjutnya akan di input dalam website menggunakan aplikasi visual studio code untuk memudahkan akses data informasi untuk penelitian ini. Hasil penelitian menunjukkan bahwa model terbaik didapatkan dengan hyperparameter menggunakan epoch 100 kali literasi, MSE 0.0008 dan MAPE 1.54%. Berdasarkan analisis nilai MSE prediksi yang menunjukkan performa terbaik yaitu dengan nilai 0.0005 pada keseluruhan data.
Kata kunci: Sigatoka, Machine learning, GIS, Visual studio code
URI
https://repository.itera.ac.id/depan/submission/SB2411260011
Keyword
Sigatoka, Machine learning, GIS, Visual studio cod