Model Prediksi Multikomoditas (Padi, Jagung, dan Umbi-Umbian) Berbasis Faktor Cuaca Menggunakan Algoritma Naïve Bayes

Aurellia, Ainun Nisa and M Riko, Anshori Prasetya and Nurhaeni, Nurhaeni and Subandi, Subandi (2025) Model Prediksi Multikomoditas (Padi, Jagung, dan Umbi-Umbian) Berbasis Faktor Cuaca Menggunakan Algoritma Naïve Bayes. [Karya Dosen UNISM]

Text 1.8423-Article Text-35086-1-10-20251208.pdf Download (610kB)

Abstract

ektor pertanian memiliki peran strategis dalam menopang ketahanan pangan dan ekonomi nasional Indonesia. Produktivitas pertanian di Provinsi Kalimantan Selatan, khususnya Kabupaten Barito Kuala, sangat dipengaruhi oleh dinamika iklim seperti perubahan suhu, curah hujan, dan kelembaban udara. Penelitian ini mengembangkan model prediksi hasil panen tanaman pangan (padi, jagung, dan umbi-umbian) berbasis faktor cuaca menggunakan algoritma Naïve Bayes sebagai sistem pendukung keputusan (Decision Support System) untuk mitigasi risiko gagal panen. Data penelitian diperoleh dari Badan Meteorologi, Klimatologi, dan Geofisika (BMKG) serta Badan Pusat Statistik (BPS) Kabupaten Barito Kuala periode 2018–2023, mencakup variabel suhu udara, curah hujan, kelembaban, lama penyinaran, dan hasil panen. Tahapan penelitian meliputi data preprocessing (pembersihan, imputasi nilai hilang, augmentasi, dan pelabelan), pemodelan machine learning, serta evaluasi performa menggunakan metrik akurasi dan weighted F1-score. Hasil pengujian menunjukkan bahwa model Naïve Bayes mampu mengklasifikasikan kategori hasil panen (tinggi, sedang, rendah) dengan tingkat akurasi sebesar 90% dan nilai weighted F1-score sebesar 0,89. Nilai tersebut menunjukkan performa yang konsisten dan stabil pada berbagai variasi data cuaca. Keunggulan utama penelitian ini terletak pada integrasi data cuaca lokal dengan model machine learning ringan yang efisien dan mudah diimplementasikan pada sistem prediksi pertanian daerah. Hasil penelitian ini memberikan kontribusi nyata terhadap penguatan ketahanan pangan serta pengelolaan risiko pertanian berbasis data di wilayah tropis lembab seperti Kalimantan Selatan.

Actions (login required)

View Item