Respiro 2 - Data Harian - Analisis Machine Learning

Dashboard Prediksi Laju Respirasi CO2 Tanah

Dashboard ini menampilkan data harian respirasi CO2, ringkasan variabel lingkungan, serta hasil analisis Random Forest dan XGBoost.

Analisis Machine Learning Data 1-60 HST Forecast 61-115 HST
Dataset
Ringkasan Pengamatan
Pengamatan- HST
Ulangan-
Total baris-
Perlakuan-

Tim Peneliti

Program Studi Pengelolaan Tanah dan Air, Fakultas Pertanian, Universitas Brawijaya

Prof. Dr. Ir. Zaenal Kusuma, S.U.
Prof. Dr. Ir. Zaenal Kusuma, S.U.

Pembimbing Utama

Prof. Cahyo Prayogo, S.P., M.P., Ph.D.
Prof. Cahyo Prayogo, S.P., M.P., Ph.D.

Pembimbing Pendamping

Muhamad Afif Akbar
Muhamad Afif Akbar, S.P.

Peneliti & Pengembang Sistem

Monitoring harian

Data Harian Pengamatan

Pilih HST dan perlakuan untuk melihat ringkasan data harian sebelum analisis machine learning dijalankan.

Respirasi CO2 rata-rata

-mg CO2/m2/jam

Suhu udara rata-rata

-°C

Suhu tanah rata-rata

-°C

Kadar air tanah rata-rata

-%

Grafik Respirasi CO2 Aktual 1-60 HST
Pilih variabel untuk melihat dinamika data harian per perlakuan.
Grafik diambil dari file daily_by_treatment.csv yang diekstrak dari database Excel.
Tabel Data Harian Terpilih
Kode perlakuan
BBiochar 30 ton/ha
KPupuk kandang ayam 40 ton/ha
BK1Biochar 30 ton/ha + pupuk kandang ayam 20 ton/ha
BK2Biochar 15 ton/ha + pupuk kandang ayam 40 ton/ha
HST Perlakuan Respirasi
mg CO2/m2/jam		 Suhu Udara
°C		 Suhu Tanah
°C		 Kelembapan Tanah
%		 C-organik
%		 N-total
%		 Rasio C/N pH Tinggi Tanaman
cm		 Jumlah Daun
helai
Memuat data...
Model prediktif

Analisis Machine Learning

Random Forest dan XGBoost digunakan untuk mengevaluasi dan memvisualisasikan prediksi laju respirasi CO2 tanah.

Pipeline Analisis
1
Data harianRespirasi CO2, perlakuan, ulangan, dan HST.
2
Fitur deret waktuPembentukan fitur lag dan rolling statistics.
3
Evaluasi modelRandom Forest dan XGBoost.
Hasil ML belum ditampilkan

Klik tombol Jalankan Analisis ML untuk menampilkan metrik, grafik, dan tabel hasil.