1Program Studi Ilmu Pengelolaan Sumberdaya Alam dan Lingkungan, Sekolah Pascasarjana, IPB University, Bogor 16144, Indonesia, Indonesia
2Departemen Silvikultur, Fakultas Kehutanan dan Lingkungan, IPB University, Bogor 16680, Indonesia, Indonesia
3Departemen Ilmu Ekonomi, Fakultas Ekonomi dan Manajemen, IPB University, Bogor 16680, Indonesia, Indonesia
BibTex Citation Data :
@article{JIL48124, author = {Patria Kusumadiya and Omo Rusdiana and Sri Mulatsih}, title = {Pemodelan Ensemble Prediksi Distribusi Ekologis Padi (Oryza sativa) di Provinsi Kalimatan Utara}, journal = {Jurnal Ilmu Lingkungan}, volume = {22}, number = {2}, year = {2024}, keywords = {Ensemble; Model distribusi spesies; Regresi; Pembelajaran mesin; Kesesuaian lahan padi.}, abstract = { Pemerintah Provinsi Kalimantan Utara berusaha mencapai ketahanan pangan dengan prinsip kemandirian pangan melalui perluasan lahan pertanian. Penilaian kesesuaian lahan pertanian, terutama untuk padi, dilakukan menggunakan pendekatan pemodelan ensemble yang melibatkan lima algoritma pembelajaran mesin. Model-model ini dibangun menggunakan paket species distribution modeling (SDM) di RStudio dengan pembagian data pelatihan dan pengujian 70:30 serta pengaturan parameter termasuk bootstrapping dan tiga kali pengulangan. Hasil penelitian menunjukkan variasi dalam respons variabel prediktor antara algoritma. Variabel NDVI memiliki pengaruh tertinggi pada SVM dan BRT (masing-masing 48,1% dan 36,6%), sementara variabel jarak dari jalan paling berpengaruh pada GLM, MARS, dan RF (masing-masing 44,6%, 27,6%, dan 26,5%). Distribusi padi (sawah) bervariasi antara model, dengan RF memiliki persentase tertinggi (6,34%). Evaluasi kinerja model-model ini menunjukkan bahwa model RF memiliki akurasi terbaik, sementara GLM memiliki akurasi buruk dalam nilai Kappa Cohen. Model ensemble memperoleh akurasi yang dapat diterima dengan nilai masing-masing 0,96; 0,70; dan 0,71 untuk AUC, TSS, dan Kappa. Dengan demikian, pendekatan pemodelan multi-algoritma dengan model ensemble memungkinkan penilaian yang lebih baik terhadap variabilitas dalam kinerja algoritma dan menghasilkan peta kesesuaian distribusi padi yang lebih baik daripada algoritma tunggal. }, pages = {313--325} doi = {10.14710/jil.22.2.313-325}, url = {https://ejournal.undip.ac.id/index.php/ilmulingkungan/article/view/48124} }
Refworks Citation Data :
Pemerintah Provinsi Kalimantan Utara berusaha mencapai ketahanan pangan dengan prinsip kemandirian pangan melalui perluasan lahan pertanian. Penilaian kesesuaian lahan pertanian, terutama untuk padi, dilakukan menggunakan pendekatan pemodelan ensemble yang melibatkan lima algoritma pembelajaran mesin. Model-model ini dibangun menggunakan paket species distribution modeling (SDM) di RStudio dengan pembagian data pelatihan dan pengujian 70:30 serta pengaturan parameter termasuk bootstrapping dan tiga kali pengulangan. Hasil penelitian menunjukkan variasi dalam respons variabel prediktor antara algoritma. Variabel NDVI memiliki pengaruh tertinggi pada SVM dan BRT (masing-masing 48,1% dan 36,6%), sementara variabel jarak dari jalan paling berpengaruh pada GLM, MARS, dan RF (masing-masing 44,6%, 27,6%, dan 26,5%). Distribusi padi (sawah) bervariasi antara model, dengan RF memiliki persentase tertinggi (6,34%). Evaluasi kinerja model-model ini menunjukkan bahwa model RF memiliki akurasi terbaik, sementara GLM memiliki akurasi buruk dalam nilai Kappa Cohen. Model ensemble memperoleh akurasi yang dapat diterima dengan nilai masing-masing 0,96; 0,70; dan 0,71 untuk AUC, TSS, dan Kappa. Dengan demikian, pendekatan pemodelan multi-algoritma dengan model ensemble memungkinkan penilaian yang lebih baik terhadap variabilitas dalam kinerja algoritma dan menghasilkan peta kesesuaian distribusi padi yang lebih baik daripada algoritma tunggal.
Article Metrics:
Last update:
Last update: 2024-11-02 11:27:13
View My Stats
JURNAL ILMU LINGKUNGAN ISSN:1829-8907 by Graduate Program of Environmental Studies, School of Postgraduate Studies is licensed under a Creative Commons Attribution 4.0 International License. Based on a work at www.undip.ac.id.