Desarrollo de un sistema de análisis y predicción de condiciones agronómicas para optimizar el rendimiento en la cosecha de banano en la bananera "La Fortuna".
No Thumbnail Available
Date
2026-10-16
Advisors
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad Técnica de Cotopaxi (UTC). La Mana. Sistemas de Información
Abstract
Banana cultivation is one of the main pillars of the Ecuadorian economy; however, in many farms productivity is still limited by traditional agronomic monitoring practices, fragmented records, and inefficient administrative processes. In this context, the objective of this research was to implement a comprehensive web-based system for the analysis and prediction of agronomic conditions in order to optimize crop yield at the "La Fortuna" farm, located in Valencia canton. The study followed a mixed, applied, and descriptive approach and was supported by the Scrum framework to organize the technological development process. During the diagnostic stage, 15 strategic stakeholders from the farm participated, enabling the identification of operational needs, the standardization of 18 critical variables climatic, edaphic, nutritional, phytosanitary, productive, and management and the integration of information into a single platform. A Ridge Regression model was implemented for yield prediction, reaching a coefficient of determination of R² = 0.70 and a Mean Absolute Percentage Error of 17.9%, values that demonstrate adequate predictive capacity to support operational planning. The platform reduced by 93% the administrative time required to generate reports measured through real-time chronometry before and after implementation and achieved a user acceptance rate of 96.7%, assessed through a five-point Likert scale. The integration of data analytics, digital traceability, and automated prediction strengthens decision-making and promotes more precise, timely, and sustainable agronomic management.
Description
El cultivo de banano constituye uno de los pilares de la economía ecuatoriana; sin embargo, en muchas fincas su productividad sigue condicionada por prácticas tradicionales de seguimiento agronómico, registros dispersos y procesos administrativos poco eficientes. En este contexto, la presente investigación tuvo como objetivo implementar un sistema web integral de análisis y predicción de condiciones agronómicas para optimizar el rendimiento del cultivo en la hacienda "La Fortuna", ubicada en el cantón Valencia. El estudio se desarrolló con un enfoque mixto, de tipo aplicado y descriptivo, y se apoyó en el marco ágil Scrum para organizar el proceso de construcción tecnológica. Durante la fase de diagnóstico se trabajó con 15 actores estratégicos de la hacienda, lo que permitió identificar necesidades operativas, estandarizar 18 variables críticas climáticas, edáficas, nutricionales, fitosanitarias, productivas y de gestión e integrar información en una sola plataforma. Como resultado, se implementó un modelo de Regresión Ridge para la predicción del rendimiento, el cual alcanzó un coeficiente de determinación R² de 0.70 y un Error Porcentual Absoluto Medio de 17.9%, valores que evidencian una capacidad predictiva adecuada para apoyar la planificación operativa. La plataforma redujo en un 93% el tiempo administrativo destinado a la generación de reportes medido mediante cronometraje en condiciones reales antes y después de la implementación y obtuvo una aceptación del 96.7% por parte de los usuarios evaluados a través de una escala de Likert de cinco puntos. La integración de analítica de datos, la trazabilidad digital y la predicción automatizada fortalecen la toma de decisiones y favorecen una gestión agronómica más precisa, oportuna y sostenible.
Keywords
AGRICULTURA DE PRECISIÓN, APRENDIZAJE AUTOMÁTICO, RENDIMIENTO DE CULTIVOS
Citation
Vinces Manzaba, L. A. ., Macías Cajamarca, D. A. ., Najarro Quintero, R. ., & Bajaña Zajia, J. X. (2026). Desarrollo de un Sistema de Análisis y Predicción de Condiciones Agronómicas para Optimizar el Rendimiento en la Cosecha de Banano en la Bananera "La Fortuna" . Revista Científica Arbitrada Multidisciplinaria PENTACIENCIAS, 8(3), 204–212. https://doi.org/10.59169/pentaciencias.v8i3.1859