Prediksi Hasil Panen Tanaman Pangan Sumatera dengan Metode Machine Learning

Abstract

Pertanian di Indonesia menjadi sektor yang sangat penting karena bertujuan untuk meningkatkan produksi pangan dan industri serta mendorong produksi ekspor. Indonesia memiliki hasil pertanian bahan pokok seperti padi, jagung, ubi jalar, ubi kayu, kacang tanah dan kedelai. Salah satu wilayah paling produktif yang menghasilkan bahan pangan dalam memenuhi kebutuhan pokok adalah pulau Sumatera. Potensi iklim di pulau Sumatera sangat cocok untuk kegiatan pertanian karena curah hujan yang merata hampir sepanjang tahun. Produksi tanaman pangan di Sumatera meningkat sejak tahun 1993. Perluasan lahan pertanian juga naik signifikan. Sementara itu, hasil pertanian di Sumatera sangat rentan terhadap perubahan iklim global terutama kenaikan suhu dari tahun ke tahun. Prediksi hasil pertanian perlu dilakukan agar memberikan hasil yang maksimal pada produksi bahan pokok di Sumatera. Penelitian ini bertujuan untuk mengetahui algoritma terbaik dalam melakukan prediksi hasil pertanian komoditas tanaman pangan yaitu padi, jagung, kacang tanah, kedelai, ubi kayu dan ubi jalar di pulau Sumatera dengan pendekatan model regresi machine learning. Sehingga, penelitian ini diharapkan dapat menjadi acuan dalam pengembangan penelitian terkait bidang pertanian di pulau Sumatera. Metode yang digunakan adalah Machine Learning, yaitu Random Forest (RF), Decision Tree (DT), Gradient Boosting (GB), Extra Tree (ET), Support Vector Machine (SVM), dan Artificial Neural Network (ANN). Nilai koefisien R² untuk produksi padi masing-masing adalah 0,897; 0,893; 0,957; 0,968; 0,928; dan 0,909. Sedangkan pada produksi bahan pokok lainnya masing-masing adalah 0,754; 0,786; 0,721; 0,913; 0,509; dan 0,90. Model Extra Tree mendapat nilai koefisien R² tertinggi dan lebih akurat dibandingkan model lainnya.