Оптимізація вибору земельних ділянок для вирощування часнику з використанням методу головних компонентів та K-середніх підходів у просторовій інтелектуальній системі
DOI:
https://doi.org/10.15587/1729-4061.2025.325340Ключові слова:
просторові землі, вирощування часнику, машинне навчання, метод головних компонент, k-середніАнотація
Об'єктом цього дослідження є сільськогосподарські угіддя у високогірних районах, які мають потенціал для вирощування часнику. Основна проблема, яку вирішують, полягає у складності визначення та вибору оптимальної землі для ефективного та об'єктивного вирощування часнику, особливо на великих та географічно складних територіях. Особлива увага приділяється даним та просторовим параметрам, які впливають на добробут земель. Крім того, вирощування часнику може бути перспективною бізнес-можливістю, особливо в районах з екологічними умовами, що сприяють його зростанню. Однак виробництво часнику в Індонезії часто не в змозі задовольнити ринковий попит, що призводить до залежності від імпорту. Це поширена проблема, яка може збільшити ціну часнику на ринку. Це дослідження має на меті підвищити врожайність сільськогосподарських культур та ефективність використання ресурсів, а також запропонувати адаптивні рішення для кліматичних проблем та підтримати національну продовольчу безпеку за допомогою методу головних компонентів (МГК) та K-середніх. Дослідники використовують метод головних компонентів (МГК) для зменшення розмірності даних або спрощення складних вхідних змінних, таких як висота над рівнем моря, кількість опадів, температура, тип ґрунту та інші, без втрати важливої інформації. Після цього було використано алгоритм кластеризації K-середніх для групування територій у кілька класів придатності земель на основі результатів зменшення розмірності за допомогою МГК. Методи МГК та K-середніх допомагають у прийнятті рішень на основі даних для більш ефективного освоєння сільськогосподарських угідь. Результати кластеризації можуть бути використані фермерами, урядами та агробізнес-компаніями для визначення найбільш підходящих місць для посадки часнику. Результати просторового дослідження земель під вирощування часнику з використанням МГК та K-середніх успішно визначили просторові землі шляхом проведення класифікаційного тесту з точністю тесту за допомогою Inerta 0,49% та за допомогою тесту Silhouette Score 0,89%
Посилання
- Selvia, A., Dharanib, D., Gobikac, T., Harinid, S., Nithya, N. (2021). Onion Yield Prediction Based on Machine Learning. Turkish Journal of Computer and Mathematics Education (TURCOMAT), 12 (2). https://doi.org/10.17762/turcomat.v12i2.1972
- Choi, J., Cho, S., Choi, S., Jung, M., Lim, Y., Lee, E. et al. (2024). Genotype-Driven Phenotype Prediction in Onion Breeding: Machine Learning Models for Enhanced Bulb Weight Selection. Agriculture, 14 (12), 2239. https://doi.org/10.3390/agriculture14122239
- Tori, H., Dyanasari, Kholil, A. Y. (2023). Prospect Analysis of Onion (allium cepa L) Production in Indonesia. Indonesian Journal of Agriculture and Environmental Analytics, 2 (1), 1–14. https://doi.org/10.55927/ijaea.v2i1.2705
- Sugiartini, E., Eris, F. R., Pancaningsih, E., Nurviani, O., Herawati, N. (2021). Studies on Cultivation of Several Varieties of Onion (Allium ascalonicum L.) under Plastic Shade during Rainy Season in Jakarta. IOP Conference Series: Earth and Environmental Science, 715 (1), 012044. https://doi.org/10.1088/1755-1315/715/1/012044
- Utami, I. R. P., Roessali, W., Gayatri, S. (2023). Sustainability Analysis Of Onion Cultivation In Demak District, Central Java Province. Agrisocionomics: Jurnal Sosial Ekonomi Pertanian, 7 (3), 660–670. https://doi.org/10.14710/agrisocionomics.v7i3.17401
- Razali, Nasution, Z., Rahmawaty, Hanum, C. (2023). Effect of Soil Texture on the Productivity of Two Shallot Varieties. Indonesian Journal of Agricultural Research, 6 (01), 43–50. https://doi.org/10.32734/injar.v6i01.8217
- Gomes, J. D. J., Widaryanto, E., Ariffin, Wicaksono, K. P. (2019). The Test of Genotype Adaptation of Several Garlic Varieties on the Highland. OnLine Journal of Biological Sciences, 19 (4), 203–212. https://doi.org/10.3844/ojbsci.2019.203.212
- Mukhibah, D., Sitanggang, I. S., -, A. (2023). Classification of Garlic Land Based on Growth Phase using Convolutional Neural Network. International Journal of Advanced Computer Science and Applications, 14 (6). https://doi.org/10.14569/ijacsa.2023.01406100
- Ugarkovic, A., Oreski, D. (2022). Supervised and Unsupervised Machine Learning Approaches on Class Imbalanced Data. 2022 International Conference on Smart Systems and Technologies (SST), 159–162. https://doi.org/10.1109/sst55530.2022.9954646
- Nurjulaiha, S., Kurniawan, R., Dikananda, A. R., Suprapti, T. (2025). Optimizing Naïve Bayes Algorithm Through Principal Component Analysis To Improve Dengue Fever Patient Classification Model. Journal of Artificial Intelligence and Engineering Applications (JAIEA), 4 (2), 1005–1015. https://doi.org/10.59934/jaiea.v4i2.798
- Abed Mohammed, A., Sumari, P., Attabi, kassem. (2024). Hybrid K-means and Principal Component Analysis (PCA) for Diabetes Prediction. International Journal of Computing and Digital Systems, 15 (1), 1719–1728. https://doi.org/10.12785/ijcds/1501121
- Jansson, N. F., Allen, R. L., Skogsmo, G., Tavakoli, S. (2022). Principal component analysis and K-means clustering as tools during exploration for Zn skarn deposits and industrial carbonates, Sala area, Sweden. Journal of Geochemical Exploration, 233, 106909. https://doi.org/10.1016/j.gexplo.2021.106909
- Rafrin, M., Muh. Agus, Putri Ayu Maharani (2024). IoT-Based Irrigation System Using Machine Learning for Precision Shallot Farming. Jurnal RESTI (Rekayasa Sistem Dan Teknologi Informasi), 8 (2), 216–222. https://doi.org/10.29207/resti.v8i2.5579
- Kalpana, P., Smitha, L., Madhavi, D., Nabi, S. A., Kalpana, G., Kodati, S. (2024). A Smart Irrigation System Using the IoT and Advanced Machine Learning Model. International Journal of Computational and Experimental Science and Engineering, 10 (4). https://doi.org/10.22399/ijcesen.526
- Wulandari, E., Al Hakim, R. R., Saputri, L. D., Syahdiar, I. A., Pangestu, A., Jaenul, A. (2021). Mr. Rytem, An IoT-Based Smart Irrigation System Application Design for Cultivation Engineering of Allium sativum Garlic in Lowland Conditions. Prosiding Seminar Nasional Teknik Elektro, Sistem Informasi, dan Teknik Informatika. Available at: https://www.researchgate.net/publication/351270518_Mr_Rytem_An_IoT-Based_Smart_Irrigation_System_Application_Design_for_Cultivation_Engineering_of_Allium_sativum_Garlic_in_Lowland_Conditions
- Liu, J., Yuan, J., Cui, J., Liu, Y., Liu, X. (2022). Contour Resampling-Based Garlic Clove Bud Orientation Recognition for High-Speed Precision Seeding. Agriculture, 12 (9), 1334. https://doi.org/10.3390/agriculture12091334
- Sitanggang, I. S., Nurkholis, A., Annisa, Agmalaro, M. A. (2019). Garlic Land Suitability System based on Spatial Decision Tree. Proceedings of the International Conferences on Information System and Technology, 206–210. https://doi.org/10.5220/0009908002060210
- Jiang, Y., Wang, T., Zhao, H., Shao, X., Cui, W., Huang, K., Li, L. (2019). Big Data Analysis Applied in Agricultural Planting Layout Optimization. Applied Engineering in Agriculture, 35 (2), 147–162. https://doi.org/10.13031/aea.12790
- Rathor, A. S., Choudhury, S., Sharma, A., Nautiyal, P., Shah, G. (2024). Empowering vertical farming through IoT and AI-Driven technologies: A comprehensive review. Heliyon, 10 (15), e34998. https://doi.org/10.1016/j.heliyon.2024.e34998
- Mohammed, M. A., Akawee, M. M., Saleh, Z. H., Hasan, R. A., Ali, A. H., Sutikno, T. (2023). The effectiveness of big data classification control based on principal component analysis. Bulletin of Electrical Engineering and Informatics, 12 (1), 427–434. https://doi.org/10.11591/eei.v12i1.4405
- Iliyas, I. I., Boukari, S., Gital, A. Y. (2024). A Proposed Multilayer Perceptron Model and Kernel Principal Analysis Component for the Prediction of Chronic Kidney Disease. International Journal of Artificial Intelligence, 11 (2), 99–113. https://doi.org/10.36079/lamintang.ijai-01102.783
- Ahmad, I. A., Jawad Al-Nayar, M. M., Mahmood, A. M. (2023). A comparative study of Gaussian mixture algorithm and K-means algorithm for efficient energy clustering in MWSN. Bulletin of Electrical Engineering and Informatics, 12 (6), 3727–3735. https://doi.org/10.11591/eei.v12i6.5707
- Oti, E. U., Olusola, M. O., Eze, F. C., Enogwe, S. U. (2021). Comprehensive Review of K-Means Clustering Algorithms. International Journal of Advances in Scientific Research and Engineering, 07 (08), 64–69. https://doi.org/10.31695/ijasre.2021.34050
- Guslendra, G., Defit, S., Bastola, R. (2021). K-Means and K-NN Methods For Determining Student Interest. International Journal of Artificial Intelligence Research, 6 (1). https://doi.org/10.29099/ijair.v6i1.222
- Astorino, A., Gorgone, E., Gaudioso, M., Pallaschke, D. (2011). Data preprocessing in semi-supervised SVM classification. Optimization, 60 (1-2), 143–151. https://doi.org/10.1080/02331931003692557
- Sami, O., Elsheikh, Y., Almasalha, F. (2021). The Role of Data Pre-processing Techniques in Improving Machine Learning Accuracy for Predicting Coronary Heart Disease. International Journal of Advanced Computer Science and Applications, 12 (6). https://doi.org/10.14569/ijacsa.2021.0120695
- Park, H.-J., Koo, Y.-S., Yang, H.-Y., Han, Y.-S., Nam, C.-S. (2024). Study on Data Preprocessing for Machine Learning Based on Semiconductor Manufacturing Processes. Sensors, 24 (17), 5461. https://doi.org/10.3390/s24175461
##submission.downloads##
Опубліковано
Як цитувати
Номер
Розділ
Ліцензія
Авторське право (c) 2025 Desilia Selvida, Annisa Fadhillah Pulungan, Ade Sarah Huzaifah
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.
Закріплення та умови передачі авторських прав (ідентифікація авторства) здійснюється у Ліцензійному договорі. Зокрема, автори залишають за собою право на авторство свого рукопису та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY. При цьому вони мають право укладати самостійно додаткові угоди, що стосуються неексклюзивного поширення роботи у тому вигляді, в якому вона була опублікована цим журналом, але за умови збереження посилання на першу публікацію статті в цьому журналі.
Ліцензійний договір – це документ, в якому автор гарантує, що володіє усіма авторськими правами на твір (рукопис, статтю, тощо).
Автори, підписуючи Ліцензійний договір з ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР», мають усі права на подальше використання свого твору за умови посилання на наше видання, в якому твір опублікований. Відповідно до умов Ліцензійного договору, Видавець ПП «ТЕХНОЛОГІЧНИЙ ЦЕНТР» не забирає ваші авторські права та отримує від авторів дозвіл на використання та розповсюдження публікації через світові наукові ресурси (власні електронні ресурси, наукометричні бази даних, репозитарії, бібліотеки тощо).
За відсутності підписаного Ліцензійного договору або за відсутністю вказаних в цьому договорі ідентифікаторів, що дають змогу ідентифікувати особу автора, редакція не має права працювати з рукописом.
Важливо пам’ятати, що існує і інший тип угоди між авторами та видавцями – коли авторські права передаються від авторів до видавця. В такому разі автори втрачають права власності на свій твір та не можуть його використовувати в будь-який спосіб.
