Prediksi hasil panen padi menggunakan Artificial Neural Network berdasarkan faktor cuaca dan kondisi tanah

ABSTRAK

Indonesia merupakan salah satu negara agraris terbesar di dunia yang sangat bergantung pada produksi padi sebagai sumber pangan utama bagi penduduknya. Namun, perubahan iklim yang tidak menentu dan variasi kondisi tanah di berbagai daerah menjadi tantangan besar dalam menjamin kestabilan hasil panen padi. Ketidakpastian tersebut mempersulit petani dalam merencanakan waktu tanam dan pengelolaan lahan yang optimal. Oleh karena itu, diperlukan pendekatan yang inovatif dan berbasis teknologi untuk memprediksi hasil panen secara lebih akurat. Penelitian ini bertujuan untuk membangun model prediksi hasil panen padi dengan menggunakan Artificial Neural Network (ANN), khususnya arsitektur Multilayer Perceptron (MLP), yang mampu memodelkan hubungan non-linear antara faktor-faktor lingkungan dengan hasil produksi padi. Model ANN dirancang dengan memasukkan variabel-variabel cuaca seperti curah hujan, suhu udara, dan kelembapan, serta kondisi tanah seperti pH, kelembapan tanah, dan kandungan nutrisi sebagai input utama. Data diperoleh dari Badan Meteorologi, Klimatologi, dan Geofisika (BMKG) serta Badan Pusat Statistik (BPS) Wilayah Malang dalam rentang waktu 2009 hingga 2024. Proses data preprocessing meliputi normalisasi data dengan metode Z-Score serta penanganan nilai hilang untuk memastikan kualitas input yang optimal. Selain itu, proses hyperparameter tuning diterapkan menggunakan metode Grid Search untuk meningkatkan performa dan stabilitas model, serta meminimalisir risiko overfitting dan underfitting. Evaluasi dilakukan menggunakan metrik Mean Absolute Error (MAE), Root Mean Squared Error (RMSE), dan R-Squared (R²). Hasil yang diperoleh diharapkan tidak hanya memberikan prediksi yang akurat, tetapi juga dapat digunakan sebagai dasar dalam pengambilan keputusan dalam perencanaan ketahanan pangan yang adaptif dan berbasis data. Dengan demikian, penelitian ini berkontribusi pada pengembangan pertanian presisi di Indonesia yang lebih modern, efisien, dan berkelanjutan.

مستخلص البحث

إندونيسيا هي واحدة من أكبر البلدان الزراعية في العالم التي تعتمد بشكل كبير على إنتاج األرز كمصدر رئيسي للغذاء لسكانها. ومع ذلك، فإن تغير المناخ غير المنتظم والتغيرات في ظروف التربة في مختلف المناطق تشكل تحديا رئيسيا في ضمان استقرار محاصيل األرز. يجعل عدم اليقين هذا من الصعب على المزارعين التخطيط لوقت الزراعة األمثل وإدارة األراضي. لذلك ، هناك حاجة إلى نهج مبتكر وقائم على التكنولوجيا للتنبؤ بغلة المحاصيل بشكل أكثر دقة. تهدف هذه الدراسة إلى بناء نموذج تنبؤي لمحصول األرز باستخدام الشبكة العصبية االصطناعية )ANN( ، وخاصة بنية Perceptron متعدد الطبقات )MLP( ، والتي تكون قادرة على نمذجة العالقة غير الخطية بين العوامل البيئية وإنتاج األرز. تم تصميم نموذج ANN من خالل دمج متغيرات الطقس مثل هطول األمطار ودرجة حرارة الهواء والرطوبة ، باإلضافة إلى ظروف التربة مثل درجة الحموضة ورطوبة التربة ومحتوى المغذيات كمدخالت رئيسية. تم الحصول على البيانات من وكالة األرصاد الجوية وعلم المناخ والجيوفيزياء )BMKG( ووكالة اإلحصاء المركزية )BPS( لمنطقة ماالنج في الفترة من 2009 إلى .2024 تتضمن عملية المعالجة المسبقة للبيانات تطبيع البيانات باستخدام طريقة Z-Score باإلضافة إلى معالجة القيمة المفقودة لضمان جودة اإلدخال المثلى. باإلضافة إلى ذلك ، يتم تطبيق عملية ضبط المعلمة الفائقة باستخدام طريقة Grid Search لتحسين أداء النموذج واستقراره ، باإلضافة إلى تقليل مخاطر اإلفراط في التجهيز وعدم التجهيز. تم إجراء التقييم باستخدام مقاييس متوسط الخطأ المطلق )MAE( ، وجذر متوسط الخطأ التربيعي )RMSE( ، و .R-Squared )R²( ومن المتوقع أال توفر النتائج التي تم الحصول عليها تنبؤات دقيقة فحسب، بل أن تستخدم أيضا كأساس التخاذ القرارات في تخطيط األمن الغذائي التكيفي والقائم على البيانات. وبالتالي ، يساهم هذا البحث في تطوير الزراعة الدقيقة في إندونيسيا التي تكون أكثر حداثة وكفاءة واستدامة.

ABSTRACT

Indonesia is one of the largest agrarian countries in the world that relies heavily on rice production as the main source of food for its population. However, erratic climate change and variations in soil conditions in various regions are a major challenge in ensuring the stability of rice crops. This uncertainty makes it difficult for farmers to plan optimal planting time and land management. Therefore, an innovative and technology-based approach is needed to predict crop yields more accurately. This study aims to build a predictive model of rice yield using Artificial Neural Network (ANN), especially Multilayer Perceptron (MLP) architecture, which is able to model the non-linear relationship between environmental factors and rice production. The ANN model is designed by incorporating weather variables such as Rainfall, air Temperature, and Humidity, as well as soil conditions such as pH, soil moisture, and nutrient content as the main inputs. Data was obtained from the Meteorology, Climatology, and Geophysics Agency (BMKG) and the Central Statistics Agency (BPS) of the Malang Region in the period 2009 to 2024. The data preprocessing process includes data normalization with the Z-Score method as well as missing value handling to ensure optimal input quality. In addition, the hyperparameter tuning process is applied using the Grid Search method to improve model performance and stability, as well as minimize the risk of overfitting and underfitting. The evaluation was conducted using the Mean Absolute Error (MAE), Root Mean Squared Error (RMSE), and R-Squared (R²) metrics. The results obtained are expected not only to provide accurate predictions, but also to be used as a basis for decision-making in adaptive and data-driven food security plANNing. Thus, this research contributes to the development of precision agriculture in Indonesia that is more modern, efficient, and sustainable.