IDENTIFIKASI PARAMETER KARAKTERISTIK LAHAN SAWAH MENGGUNAKAN RANDOM FOREST SECARA PARSIAL (Studi Kasus : Kabupaten Indramayu dan Majalengka) TESIS Karya tulis sebagai salah satu syarat untuk memperoleh gelar Magister dari Institut Teknologi Bandung Oleh Rd MYCKO NAPOLEON MANGKU CLUNY NIM: 25121024 (Program Studi Magister Teknik Geodesi dan Geomatika) INSTITUT TEKNOLOGI BANDUNG 2024 ABSTRAK IDENTIFIKASI PARAMETER KARAKTERISTIK LAHAN SAWAH MENGGUNAKAN RANDOM FOREST SECARA PARSIAL (Studi Kasus : Kabupaten Indramayu dan Majalengka) Oleh Rd MYCKO NAPOLEON MANGKU CLUNY NIM: 25121024 (Program Studi Magister Teknik Geodesi dan Geomatika) Menilai karakteristik lahan padi merupakan langkah awal dalam perencanaan lahan untuk meningkatkan produksi maksimal dan merencanakan sistem pertanian berkelanjutan. Namun, informasi tersebut umumnya sangat sulit dilakukan di Indonesia karena karakter yang sangat beragam dan wilayah indonesia yang sangat luas. Karakteristik lahan padi yang dilakukan didasarkan pada parameter fisik dari kementrian pertanian. Parameter karakteristik ini akan di identifikasi menggunakan Machine Learning Random Forest dimana penentuan jumlah sample menggunakan metode Slovin dan pendistribusian menggunakan Stratified Random Sampling. Wilayah yang menjadi lokasi penelitian adalah Kabupaten Indramayu dan Kabupaten Majalengka di Provinsi Jawa Barat, dikarenakan kondisi fisik wilayah yang berbeda. Berdasarkan hasil analisis model testing didapatkan nilai overall accuracy di Kabupaten Indramayu dengan skor 71% pada pohon ke 450, dan pada hasil testing di Kabupaten Majalengka nilai overall accuracy sebesar 68% pada pohon ke 500, serta pada scope global (gabungan Kabupaten Indramayu dan Kabupaten Majalengka) hasil overall accuracy model testing sebesar 62% pada pohon ke 200. Hasil analisis pada tiga wilayah yang ada menunjukkan parameter karakteristik sawah paling berpengaruh yaitu suhu, tekstur, dan pH tanah. Berdasarkan seluruh analisis yang dilakukan, model Random Forest berjalan lebih baik pada wilayah scope lokal dibandingkan pada scope yang lebih luas atau global. Kata kunci: Machine Learning, Random Forest, Lahan Sawah, Slovin, Stratified Random Sampling, Indramayu, Majalengka ABSTRACT IDENTIFICATION OF PADDY LAND CHARACTERISTIC PARAMETERS USING RANDOM FOREST PARTIALLY By Rd Mycko Napoleon Mangku Clunhy NIM: 25121024 (Master’s Program in Geodetic and Geomatics Engineering) Evaluating the characteristics of rice land is a preliminary step in land planning to maximize production and devise sustainable agricultural systems. However, this information is generally difficult to obtain in Indonesia due to the highly diverse characteristics and the vast area of the country. The characteristics of rice land are assessed based on physical parameters from the Ministry of Agriculture. These characteristic parameters will be identified using Machine Learning with Random Forest, where the sample size is determined using the Slovin method and distribution is done through Stratified Random Sampling. The research locations are Indramayu Regency and Majalengka Regency in West Java Province, due to their different physical conditions. Based on the analysis of model testing, an overall accuracy of 71% was obtained in Indramayu Regency at the 450th tree, while in the testing results for Majalengka Regency, the overall accuracy was 68% at the 500th tree. Moreover, at the global scope (combining Indramayu and Majalengka regencies), the overall accuracy of the model testing reached 62% at the 200th tree. The analysis across the three regions indicates that the most influential parameters for paddy field characteristics are temperature, texture, and soil pH. Based on all analyses conducted, the Random Forest model performs better at a local scope compared to a wider or global scope. Keywords: Machine Learning, Random Forest, Paddy Fields, Slovin, Stratified Random Sampling, Indramayu, Majalengka IDENTIFIKASI PARAMETER KARAKTERISTIK LAHAN SAWAH MENGGUNAKAN RANDOM FOREST SECARA PARSIAL (Studi Kasus : Kabupaten Indramayu dan Majalengka) HALAMAN PENGESAHAN Oleh Rd Mycko Napoleon Mangku Cluny NIM: 25121024 (Program Studi Magister Teknik Geodesi dan Geomatika) Institut Teknologi Bandung Menyetujui Pembimbing 09 Januari 2025 Pembimbing I Prof. Dr. Albertus Deliar, S.T, M.T.