Klasifikasi Kelayakan Tanah Pada Tanaman Jagung Menggunakan Metode K-Nearest Neighbor (KNN) Berdasarkan Data Sensor Tanah

Penentuan kelayakan tanah untuk tanaman jagung memerlukan analisis beberapa parameter lingkungan dan tanah agar proses budidaya dapat dilakukan secara optimal. Proses penilaian secara manual cenderung membutuhkan waktu lebih lama dan memiliki tingkat subjektivitas yang tinggi sehingga diperlukan sistem klasifikasi berbasis data untuk membantu dalam pengambilan keputusan. Penelitian ini bertujuan untuk melakukan klasifikasi kelayakan tanah pada tanaman jagung menggunakan metode K-Nearest Neighbor (KNN) berdasarkan hasil pembacaan sensor berbasis mikrokontroler Arduino UNO. Dataset yang digunakan terdiri dari 4.201 data dengan parameter pH tanah, kelembapan tanah (%), suhu udara (oC), dan kelembapan udara (%). Tahapan penelitian meliputi preprocessing data, analisis distribusi data, pengecekan outlier, normalisasi menggunakan metode Min-Max Normalization, pembagian data training dan data testing dengan skenario 80:20, serta proses klasifikasi dengan menggunakan metode K-Nearest Neighbor (KNN). Pengujian dilakukan dengan menggunakan variasi nilai K yaitu K=3, K=5, dan K=7 untuk menentukan nilai K terbaik. Evaluasi model dilakukan dengan menggunakan confusion matrix dengan metrik akurasi, precision, recall, dan f1-score. Berdasarkan hasil penelitian diperoleh bahwa nilai K=3 menghasilkan performa terbaik dengan nilai akurasi sebesar 100%, serta nilai precision, recall, dan f1-score sebesar 1,00 pada masing-masing kelas. Hasil confusion matrix menunjukkan bahwa seluruh data berhasil diklasifikasikan dengan benar tanpa adanya kesalahan klasifikasi pada kelas “Layak” dan “Tidak Layak”. Hasil penelitian menunjukkan bahwa metode K-Nearest Neighbor (KNN) mampu melakukan klasifikasi kelayakan tanah tanaman jagung berdasarkan parameter hasil pembacaan sensor.