Clustering Karakteristik Tanah Berdasarkan Kesesuaian Lahan Tanaman Melon Kantalup (Cucumis melo L.) dengan Algoritma Fuzzy C-Means

Tanaman melon kantalup (Cucumis melo L.) merupakan komoditas hortikultura bernilai ekonomi tinggi yang memerlukan kondisi tanah spesifik untuk mendukung pertumbuhan optimal. Variasi sifat fisik dan kimia tanah, seperti pH, kandungan unsur hara NPK, tekstur tanah, dan kelembapan tanah, menyebabkan tingkat kesesuaian lahan bersifat gradual dan tidak memiliki batas kelas yang tegas. Pendekatan evaluasi lahan konvensional yang bersifat deterministik dinilai kurang mampu merepresentasikan ketidakpastian tersebut. Penelitian ini bertujuan untuk mengelompokkan karakteristik tanah berdasarkan tingkat kesesuaian lahan tanaman melon kantalup menggunakan algoritma Fuzzy C-Means. Data penelitian diperoleh dari pengukuran parameter tanah menggunakan sensor tanah sebagai data primer, serta kriteria kesesuaian lahan tanaman melon kantalup sebagai data pendukung. Parameter yang dianalisis meliputi pH tanah, kandungan NPK, tekstur tanah, dan kondisi kelembapan tanah. Tahapan penelitian mencakup pengumpulan data, praproses data, normalisasi, serta proses clustering menggunakan Fuzzy C-Means. Kebaruan penelitian ini terletak pada penerapan metode soft clustering Fuzzy C-Means yang dikombinasikan dengan data sensor tanah, sehingga setiap satuan lahan memiliki derajat keanggotaan pada lebih dari satu kelas kesesuaian. Pendekatan ini diharapkan mampu menghasilkan rekomendasi kesesuaian lahan yang lebih adaptif, realistis, dan mendukung pengambilan keputusan dalam pengelolaan lahan pertanian berbasis data. Hasil penelitian menunjukkan bahwa algoritma Fuzzy C-Means berhasil mengelompokkan 30 data lahan ke dalam tiga cluster yang kemudian diinterpretasikan sebagai kategori kesesuaian lahan S1 (sangat sesuai), S2 (cukup sesuai), dan N (tidak sesuai). Berdasarkan hasil interpretasi diperoleh 9 lahan berkategori S1, 14 lahan berkategori S2, dan 7 lahan berkategori N. Evaluasi kualitas clustering menggunakan Partition Coefficient (PC), Classification Entropy (CE), dan Xie-Beni Index (XB) menghasilkan nilai masing-masing sebesar 0,631; 0,653; dan 0,358, yang menunjukkan bahwa model mampu membentuk cluster dengan tingkat kejelasan, kekompakan, dan pemisahan yang baik sehingga layak digunakan sebagai pendukung pengambilan keputusan dalam evaluasi kesesuaian lahan tanaman melon kantalup.

=================================================================================

Cantaloupe melon plants (Cucumis melo L.) are a high-value horticultural commodity that requires specific soil conditions for optimal growth. Variations in the physical and chemical properties of soil, such as pH, NPK nutrient content, soil texture, and soil moisture, result in gradual land suitability levels and lack clear class boundaries. The conventional deterministic land evaluation approach is considered less capable of representing that uncertainty. This research aims to classify soil characteristics according to their suitability for cantaloupe melon cultivation using the Fuzzy C-Means algorithm. The research data were obtained from soil parameter measurements using soil sensors as the primary data and from suitability criteria for cantaloupe melon cultivation as supporting data. The parameters analyzed include soil pH, NPK content, soil texture, and soil moisture conditions. The research stages include data collection, data preprocessing, normalization, and the clustering process using Fuzzy C-Means. The novelty of this research lies in the application of the soft clustering method, Fuzzy C-Means, combined with soil sensor data, so that each land unit has a degree of membership in more than one suitability class. This approach is expected to produce land suitability recommendations that are more adaptive, realistic, and supportive of decision-making in data-based agricultural land management. The results of the study show that the Fuzzy C-Means algorithm successfully grouped 30 land data points into three clusters, which were then interpreted as land suitability categories S1 (highly suitable), S2 (moderately suitable), and N (unsuitable). Based on the interpretation results, 9 plots were categorized as S1, 14 as S2, and 7 as N. Evaluation of clustering quality using the Partition Coefficient (PC), Classification Entropy (CE), and Xie-Beni Index (XB) yielded values of 0.631, 0.653, and 0.358, respectively, indicating that the model is capable of forming clusters with good distinctiveness, cohesion, and separation, making it suitable for use as a decision-making tool in evaluating land suitability for cantaloupe cultivation.