Kecerdasan Buatan Untuk Pertanian Berkelanjutan: Prediksi Kualitas Tanah Dan Mitigasi Dampak Lingkungan Menggunakan Data Komprehensif Multidimensi: Implementasi Dan Evaluasi

Abstract

Kualitas tanah yang terus menurun menjadi salah satu tantangan utama dalam pembangunan pertanian berkelanjutan. Perubahan iklim, penggunaan pupuk kimia berlebih, dan praktik budidaya yang tidak ramah lingkungan memperparah degradasi tanah. Untuk menjawab tantangan ini, teknologi kecerdasan buatan (AI) muncul sebagai solusi inovatif dalam memantau dan memprediksi kualitas tanah secara presisi dan berkelanjutan. Penelitian ini bertujuan untuk menerapkan model AI berbasis machine learning untuk memprediksi parameter kualitas tanah seperti pH, kelembapan, karbon organik, dan jenis tekstur tanah, serta mengkaji peran teknologi ini dalam mitigasi dampak lingkungan. Studi dilakukan menggunakan dua dataset terbuka dari Kaggle yang mencakup lebih dari 10.000 entri data tanah pertanian. Tiga algoritma AI diterapkan, yaitu Random Forest, Support Vector Machine, dan Gradient Boosting. Evaluasi performa model dilakukan menggunakan metrik akurasi, MAE (Mean Absolute Error), dan RMSE (Root Mean Square Error). Hasil menunjukkan bahwa model Random Forest memberikan performa terbaik dengan akurasi 92% dalam klasifikasi tekstur tanah serta RMSE 0.12 dalam prediksi pH. Analisis fitur juga mengungkap bahwa kelembapan dan karbon organik memiliki pengaruh terbesar dalam menentukan kualitas tanah. Temuan ini menegaskan bahwa AI berpotensi besar dalam mendukung sistem pertanian presisi, pengambilan keputusan berbasis data, serta pengelolaan lahan yang lebih efisien dan ramah lingkungan. Dengan demikian, integrasi teknologi AI dalam pengelolaan tanah dapat menjadi strategi kunci dalam mewujudkan pertanian yang lebih adaptif dan berkelanjutan di masa depan.