ALGORITMA MACHINE LEARNING UNTUK PREDIKSI PRODUKSI TANAMAN PADI DI PULAU SUMATERA
Kata Kunci:
Gradient Boosting Regression, Lasso Regression, Machine Learning, Optimasi Produksi Padi, Prediksi, Random Forest Regression, Tanaman PadiAbstrak
Pulau Sumatera memiliki lebih dari 50 persen lahan pertanian di setiap provinsi dengan komoditas pangan utama yang paling dominan adalah beras, sedangkan komoditas minor lainnya adalah jagung, kacang tanah, dan ubi jalar. Hasil pertanian di Pulau Sumatera sangat rentan terhadap perubahan iklim dan dampak negatifnya dapat mempengaruhi pola tanam, waktu penanaman, produksi, dan kualitas hasil panen. Selain itu, peningkatan suhu bumi akibat dampak pemanasan global akan memengaruhi pola presipitasi, penguapan, aliran air, kelembaban tanah, dan variasi iklim yang sangat fluktuatif secara keseluruhan dapat mengancam keberhasilan produksi pertanian. Berdasarkan konteks ini, diperlukan prediksi produksi tanaman padi menggunakan algoritma machine learning. Dalam penelitian ini, tiga metode regresi yang digunakan adalah Lasso Regression, Random Forest Regression, dan Gradient Boosting Regression. Data yang digunakan ini berjumlah 224 data dan terkait catatan informasi dari tahun 1993 hingga 2020 yang mencakup 8 provinsi di Pulau Sumatera, yaitu Nanggroe Aceh Darussalam, Sumatera Utara, Sumatera Barat, Riau, Jambi, Sumatera Selatan, Bengkulu, dan Lampung. Berdasarkan pengujian yang dilakukan didapatkan bahwa algoritma Gradient Boosting Regression mampu menghasilkan nilai r2 score terbaik dengan nilai sebesar 86,92%. Hasil dari studi ini diharapkan dapat memberikan informasi yang berguna bagi para petani dalam meningkatkan produktivitas tanaman padi.
