UTS | Analisa Data Kesuburan Tanah

UTS | Analisa Data Kesuburan Tanah#

NIM 240411100144#

Nama: Zakaria Mujur Prasetyo#

Mata Kuliah Penambangan Data A#

Dosen Pengampu: Mula’ab, S.Si., M.Kom#

Daftar Isi#

Klik untuk membuka Daftar Isi

  1. Pendahuluan

  2. Informasi Dataset

  3. Workflow KNIME

  4. Penjelasan Setiap Node

  5. Hasil Evaluasi Model

  6. Confusion Matrix

  7. Perhitungan Metrik Evaluasi

  8. Kesimpulan

  9. Referensi

SOAL UTS#

Pendahuluan#

Kesuburan tanah merupakan faktor penentu utama produktivitas pertanian. Analisis ini bertujuan mengklasifikasikan kondisi tanah sebagai Subur atau Tidak Subur menggunakan algoritma K-Nearest Neighbors (KNN) berdasarkan parameter fisik dan kimia tanah.

Tujuan UTS

  1. Melakukan pemrosesan data menggunakan KNIME (Excel Reader, Column Filter, Missing Value, dll.)

  2. Menangani missing values pada dataset

  3. Melakukan klasifikasi dengan algoritma KNN

  4. Menghitung metrik evaluasi: Accuracy, Precision, Recall, dan F1-Score

Informasi Dataset#

Deskripsi Umum#

Atribut

Keterangan

Jumlah Sampel

2.000 baris

Jumlah Fitur

10 fitur (9 numerik, 1 kategorikal)

Jumlah Kelas

2 kelas

Target / Label

Subur / Tidak Subur

Missing Values

Ada (beberapa kolom)

Distribusi Kelas#

Subur        : 1.000 sampel (50%)
Tidak Subur  : 1.000 sampel (50%)
Total        : 2.000 sampel

Dataset ini balanced (seimbang) - tidak ada bias jumlah kelas.

Penjelasan Fitur#

No

Fitur

Satuan

Deskripsi

Nilai Subur

Nilai Tidak Subur

1

pH Tanah

Skala 0-14

Keasaman/kebasaan tanah

6,0 - 7,5

< 5,4 atau > 7,6

2

N Total

%

Kandungan nitrogen total

0,21 - 0,50%

0,01 - 0,20%

3

P Tersedia

ppm

Fosfor tersedia

15 - 60 ppm

1 - 14 ppm

4

K Tersedia

meq/100g

Kalium tersedia

0,30 - 0,80

0,05 - 0,29

5

C Organik

%

Karbon organik

2,0 - 5,0%

0,2 - 1,9%

6

KTK

meq/100g

Kapasitas Tukar Kation

20 - 45

5 - 19

7

Kejenuhan Basa

%

Persentase kation basa

60 - 100%

10 - 59%

8

Tekstur Tanah

Kategorikal

Komposisi partikel tanah

Lempung, dll

Pasir, Liat, dll

9

Kadar Air

%

Persentase kadar air

25 - 45%

< 20% atau > 55%

10

Bulk Density

g/cm3

Kerapatan tanah

0,9 - 1,2

1,4 - 1,9

Definisi Kelas#

Label

Deskripsi

Subur

Tanah dengan kondisi fisik, kimia, dan biologi optimal: pH seimbang, unsur hara cukup, tekstur ideal, struktur tanah baik.

Tidak Subur

Tanah dengan satu atau lebih kondisi pembatas: pH ekstrem, kekurangan unsur hara, tekstur buruk, kadar air tidak ideal, atau bulk density tinggi.

Jawaban UTS#

Nama: Zakaria Mujur Prasetyo NIM: 240411100144 Kelas: Penambangan Data A

Workflow KNIME#

Untuk mengerjakan soal ini, saya menggunakan KNIME Analytics Platform dengan menyusun node-node berikut secara berurutan:

Excel Reader -> Column Filter -> Missing Value -> One to Many -> Normalizer -> Table Partitioner -> K Nearest Neighbor -> Scorer -> Table View

Penjelasan Setiap Node#

1. Excel Reader#

Node pertama yang saya gunakan adalah Excel Reader. Saya pakai node ini karena dataset yang diberikan berformat .xlsx, jadi saya load langsung dari file Excel ke dalam KNIME.

Setelah saya konfigurasi path file-nya, node ini menghasilkan tabel data mentah berisi 2.000 baris dengan 11 kolom, yaitu 10 fitur dan 1 kolom label. Dari sini saya bisa lihat bahwa beberapa kolom masih ada yang kosong, tanda dataset memang punya missing value yang perlu ditangani.

Tampilan node Excel Reader setelah berhasil membaca dataset kesuburan tanah

Dari gambar di atas, saya bisa konfirmasi bahwa data sudah berhasil masuk ke KNIME. Semua kolom fitur seperti pH Tanah, N Total, P Tersedia, dan lainnya sudah terbaca dengan tipe data yang sesuai.

2. Column Filter#

Setelah data berhasil dibaca, saya sambungkan ke node Column Filter. Tujuannya satu: membuang kolom ID yang tidak saya butuhkan dalam proses klasifikasi.

Kolom ID itu cuma nomor urut baris, tidak ada informasi yang relevan soal kondisi tanah di sana. Kalau saya biarkan masuk ke model KNN, jaraknya bisa terganggu karena model akan ikut mempertimbangkan angka urut yang tidak ada hubungannya dengan kesuburan tanah.

Kolom yang saya pertahankan di panel Includes:

  • pH Tanah

  • N Total (%)

  • P Tersedia (ppm)

  • K Tersedia (meq/100g)

  • C Organik (%)

  • KTK (meq/100g)

  • Kejenuhan Basa (%)

  • Tekstur Tanah

  • Kadar Air (%)

  • Bulk Density (g/cm3)

  • Label

Konfigurasi node Column Filter, kolom ID sudah dipindah ke panel Excludes

Dari gambar di atas terlihat kolom ID sudah berhasil saya pindahkan ke panel Excludes, jadi tidak akan ikut ke proses selanjutnya.

3. Missing Value#

Setelah kolom ID dibuang, saya sambungkan ke node Missing Value untuk menangani data yang hilang. Dari hasil eksplorasi awal, saya menemukan missing value di beberapa kolom, yaitu:

  • N Total (%)

  • P Tersedia (ppm)

  • K Tersedia (meq/100g)

  • C Organik (%)

  • Tekstur Tanah

  • Kadar Air (%)

  • Bulk Density (g/cm3)

Untuk mengisinya, saya menggunakan dua pendekatan:

  • Kolom numerik: saya isi dengan nilai mean (rata-rata) dari kolom tersebut.

  • Kolom kategorikal yaitu Tekstur Tanah: saya isi dengan nilai yang paling sering muncul (most frequent value).

Konfigurasi node Missing Value untuk menangani data kosong

Setelah node ini selesai dijalankan, semua baris data sudah bersih dari nilai kosong dan siap saya proses ke tahap berikutnya.

4. One to Many#

Selanjutnya saya tambahkan node One to Many untuk mengubah kolom kategorikal menjadi representasi numerik berupa kolom-kolom biner (dummy variable).

Kolom yang saya ubah adalah Tekstur Tanah, yang berisi nilai seperti:

  • Lempung

  • Lempung Berpasir

  • Lempung Berliat

  • Pasir

  • Liat

  • Debu

Saya perlu melakukan ini karena algoritma KNN bekerja dengan menghitung jarak antar titik data, sedangkan nilai teks tidak bisa langsung dihitung jaraknya. Dengan node One to Many, satu kolom Tekstur Tanah saya pecah menjadi beberapa kolom biner, misalnya:

Tekstur Tanah_Lempung

Tekstur Tanah_Pasir

Tekstur Tanah_Liat

…

1

0

0

…

0

1

0

…

Konfigurasi node One to Many untuk mengubah Tekstur Tanah menjadi kolom biner

Dengan begitu, fitur Tekstur Tanah sudah bisa ikut masuk ke perhitungan jarak dalam KNN.

5. Normalizer#

Setelah semua fitur sudah berbentuk numerik, saya tambahkan node Normalizer untuk menyeragamkan skala semua fitur menggunakan metode Min-Max Normalization.

Rumus yang digunakan:

\[ x' = \frac{x - x_{min}}{x_{max} - x_{min}} \]

Kenapa saya perlu normalisasi? Karena setiap fitur punya satuan dan rentang nilai yang berbeda. Misalnya, P Tersedia nilainya bisa puluhan (ppm), sementara N Total hanya berkisar antara 0,01 sampai 0,50 (%). Kalau tidak saya samakan skalanya, fitur dengan angka besar akan terlalu mendominasi perhitungan jarak, sementara fitur yang nilainya kecil jadi kurang diperhitungkan.

Setelah normalisasi, semua nilai fitur berada di rentang 0 sampai 1, jadi pengaruh setiap fitur lebih seimbang.

Konfigurasi node Normalizer dengan metode Min-Max

6. Table Partitioner#

Sebelum saya masukkan data ke model KNN, saya membagi data terlebih dahulu menggunakan node Table Partitioner.

Konfigurasi yang saya pakai:

  • First partition type: Relative (%)

  • Relative size: 80

  • Sampling strategy: Random

Dari total 2.000 data, hasil pembagiannya adalah:

  • 1.600 data masuk ke partisi pertama sebagai data latih (training)

  • 400 data masuk ke partisi kedua sebagai data uji (testing)

Konfigurasi Table Partitioner dengan pembagian 80% training dan 20% testing

Saya membagi data seperti ini agar saat saya evaluasi model nanti, data yang diuji adalah data yang belum pernah dilihat model, sehingga hasilnya lebih objektif.

7. K Nearest Neighbor#

Ini adalah node utama yang saya pakai untuk melakukan klasifikasi. Node K Nearest Neighbor melatih model menggunakan 1.600 data latih dari partisi pertama, lalu memprediksi kelas pada 400 data uji dari partisi kedua.

Konfigurasi yang saya set:

  • Column with class labels: Label

  • Number of neighbors (k): 5

Cara kerja KNN yang saya pahami: setiap data uji akan dicari sebanyak k data paling dekat dari data latih. Kelas yang paling banyak muncul di antara k tetangga tersebut akan menjadi hasil prediksi. Di sini saya pakai k = 5, artinya saya lihat 5 tetangga terdekat untuk menentukan apakah tanah tersebut Subur atau Tidak Subur.

Rumus jarak yang dipakai adalah Euclidean Distance:

\[ d(x, y) = \sqrt{\sum_{i=1}^{n}(x_i - y_i)^2} \]

Konfigurasi node K Nearest Neighbor dengan k = 5

Setelah node ini selesai, output-nya berupa tabel lengkap dengan tambahan kolom Class [kNN] yang berisi hasil prediksi kelas untuk setiap baris data uji.

8. Scorer#

Setelah model selesai berjalan, saya sambungkan ke node Scorer untuk mengukur seberapa baik prediksi model dibandingkan dengan label aslinya.

Dari node ini saya mendapatkan:

  • Confusion matrix

  • Accuracy statistics

  • Nilai Precision, Recall, dan F-measure

Perlu saya catat bahwa di KNIME, F1-Score ditampilkan dengan nama F-measure, bukan F1-Score seperti yang umum dikenal.

Output node Scorer menampilkan confusion matrix dan statistik evaluasi

9. Table View#

Node terakhir yang saya tambahkan adalah Table View. Saya pakai node ini untuk menampilkan hasil evaluasi akhir dalam bentuk tabel yang lebih mudah saya baca.

Kolom yang ditampilkan:

  • Recall

  • Precision

  • F-measure

  • Accuracy

Tampilan Table View menampilkan hasil metrik evaluasi akhir

Hasil Evaluasi Model#

Berdasarkan output yang saya peroleh dari node Scorer dan Table View, hasil evaluasi model KNN pada dataset kesuburan tanah ini adalah:

Metrik

Nilai

Accuracy

1.00 (100%)

Precision

1.00 (100%)

Recall

1.00 (100%)

F1-Score (F-measure)

1.00 (100%)

Confusion Matrix#

Dari hasil node Scorer, saya mendapatkan confusion matrix sebagai berikut:

Aktual / Prediksi

Tidak Subur

Subur

Tidak Subur

200

0

Subur

0

200

Artinya:

  • 200 data yang aslinya Tidak Subur berhasil saya prediksi dengan benar sebagai Tidak Subur

  • 200 data yang aslinya Subur berhasil saya prediksi dengan benar sebagai Subur

  • Tidak ada satupun data yang salah prediksi

Perhitungan Metrik Evaluasi#

Berikut saya hitung masing-masing metrik secara manual. Saya anggap kelas positif adalah Subur.

Nilai dari confusion matrix yang saya dapat:

  • TP (True Positive) = 200, yaitu data yang saya prediksi Subur dan memang aslinya Subur

  • TN (True Negative) = 200, yaitu data yang saya prediksi Tidak Subur dan memang aslinya Tidak Subur

  • FP (False Positive) = 0, tidak ada data Tidak Subur yang salah saya prediksi sebagai Subur

  • FN (False Negative) = 0, tidak ada data Subur yang salah saya prediksi sebagai Tidak Subur

Accuracy#

Rumus:

\[ Accuracy = \frac{TP + TN}{TP + TN + FP + FN} \]

Saya substitusikan nilainya:

\[ Accuracy = \frac{200 + 200}{200 + 200 + 0 + 0} = \frac{400}{400} = 1.00 \]

Hasil: Accuracy = 100%

Precision#

Rumus:

\[ Precision = \frac{TP}{TP + FP} \]

Saya substitusikan:

\[ Precision = \frac{200}{200 + 0} = 1.00 \]

Hasil: Precision = 100%

Recall#

Rumus:

\[ Recall = \frac{TP}{TP + FN} \]

Saya substitusikan:

\[ Recall = \frac{200}{200 + 0} = 1.00 \]

Hasil: Recall = 100%

F1-Score#

Rumus:

\[ F1\text{-}Score = \frac{2 \times Precision \times Recall}{Precision + Recall} \]

Saya substitusikan:

\[ F1\text{-}Score = \frac{2 \times 1.00 \times 1.00}{1.00 + 1.00} = \frac{2}{2} = 1.00 \]

Hasil: F1-Score = 100%

Interpretasi Hasil#

Dari hasil evaluasi yang saya peroleh, model KNN yang saya bangun berhasil memprediksi semua 400 data uji dengan benar tanpa ada satupun kesalahan klasifikasi.

Semua metrik, yaitu accuracy, precision, recall, dan F1-score, semuanya mencapai nilai 1.00 atau 100%. Menurut saya hal ini terjadi karena pola perbedaan antara tanah yang Subur dan Tidak Subur pada dataset ini cukup jelas dan terpisah, sehingga KNN dengan k = 5 bisa menangkapnya dengan sangat baik.

Kesimpulan#

Dari workflow KNIME yang saya buat, saya berhasil menyelesaikan analisis data kesuburan tanah secara end-to-end mulai dari membaca data sampai mendapatkan hasil evaluasi model. Berikut rangkuman tahapan yang saya kerjakan:

  1. Excel Reader: saya baca dataset dari file .xlsx langsung ke KNIME

  2. Column Filter: saya buang kolom ID karena tidak relevan untuk klasifikasi

  3. Missing Value: saya isi nilai kosong, pakai mean untuk kolom numerik dan most frequent value untuk kolom Tekstur Tanah

  4. One to Many: saya ubah kolom Tekstur Tanah dari kategorikal menjadi kolom-kolom biner agar bisa diproses KNN

  5. Normalizer: saya samakan skala semua fitur numerik ke rentang 0 sampai 1 menggunakan Min-Max Normalization

  6. Table Partitioner: saya bagi data menjadi 80% training (1.600 data) dan 20% testing (400 data)

  7. K Nearest Neighbor: saya latih model KNN dengan k = 5

  8. Scorer: saya bandingkan label asli dengan prediksi model untuk mendapatkan metrik evaluasi

  9. Table View: saya tampilkan hasil evaluasi akhir dalam bentuk tabel

Kesimpulan#

Model KNN dengan k = 5 yang saya bangun menghasilkan nilai Accuracy, Precision, Recall, dan F1-Score masing-masing sebesar 100%. Hasil ini menunjukkan bahwa model berhasil mengklasifikasikan seluruh 400 data uji dengan benar tanpa ada satupun kesalahan.

Referensi#

  1. Cover, T., Hart, P., 1967. Nearest Neighbor Pattern Classification. IEEE Transactions on Information Theory, 13(1): 21-27.

  2. Soil Science Society of America. Soil Fertility and Plant Nutrition. Madison, WI: SSSA, 2012.

  3. Dataset Kesuburan Tanah - Google Spreadsheet

  4. Soal UTS - HackMD

  5. Han, J., Kamber, M., Pei, J., 2011. Data Mining: Concepts and Techniques (3rd ed.). Morgan Kaufmann.

  6. KNIME Analytics Platform Documentation

  7. Mulaab - Data Mining

Contents