Prediksi ketahanan pangan komoditas padi Kabupaten Lamongan menggunakan algoritma support vector machine (SVM)

INDONESIA:

Ketahanan pangan merupakan kondisi terpenuhinya kebutuhan pangan masyarakat yang dipengaruhi oleh keseimbangan antara jumlah penduduk dan kapasitas produksi pertanian. Peningkatan jumlah penduduk serta perubahan luas lahan pertanian menjadi tantangan dalam menjaga ketersediaan pangan, khususnya komoditas padi di Kabupaten Lamongan. Oleh karena itu, diperlukan suatu sistem yang mampu membantu memprediksi kondisi ketahanan pangan secara cepat dan akurat sebagai dasar pengambilan keputusan. Penelitian ini bertujuan mengembangkan sistem prediksi ketahanan pangan komoditas padi Kabupaten Lamongan menggunakan algoritma Support Vector Machine (SVM). Dataset yang digunakan berasal dari Badan Pusat Statistik (BPS) dan Dinas Ketahanan Pangan dan Pertanian Kabupaten Lamongan periode 2020–2024 dengan atribut jumlah penduduk, panen padi, produksi padi, dan luas lahan. Tahapan penelitian meliputi preprocessing data, normalisasi, pelabelan kategori ketahanan pangan menjadi empat kelas, pembagian data latih dan data uji, serta pelatihan model menggunakan kernel Radial Basis Function (RBF). Hasil pengujian menunjukkan bahwa konfigurasi terbaik diperoleh pada rasio data latih dan data uji 80:20 dengan kernel RBF menggunakan parameter C = 100 dan gamma = 0,01 menghasilkan akurasi sebesar 92,59%. Model mampu mengklasifikasikan kondisi ketahanan pangan ke dalam kategori tidak tahan pangan, kurang tahan pangan, tahan pangan, dan sangat tahan pangan dengan performa yang baik pada sebagian besar kelas. Hasil penelitian menunjukkan bahwa algoritma SVM dengan kernel RBF efektif diterapkan dalam sistem prediksi ketahanan pangan komoditas padi dan dapat dimanfaatkan sebagai pendukung perencanaan pangan daerah berbasis data.

ENGLISH:

Food security is a condition in which the population’s food needs are met, influenced by the balance between population size and agricultural production capacity. Population growth and changes in the area of agricultural land pose challenges to maintaining food availability, particularly for rice in Lamongan Regency. Therefore, a system is needed that can help predict food security conditions quickly and accurately to serve as a basis for decision-making. This study aims to develop a food security prediction system for rice in Lamongan Regency using the Support Vector Machine (SVM) algorithm. The dataset used comes from the Central Statistics Agency (BPS) and the Lamongan Regency Food Security and Agriculture Office for the 2020–2024 period, with attributes including population size, rice harvest, rice production, and land area. The research stages included data preprocessing, normalization, labeling food security categories into four classes, splitting the data into training and test sets, and training the model using a Radial Basis Function (RBF) kernel. Test results show that the best configuration was achieved with a training-to-test data ratio of 80:20; using an RBF kernel with parameters C = 100 and gamma = 0.01 yielded an accuracy of 92.59%. The model was able to classify food security conditions into the categories of “not food secure,” “somewhat food secure,” “food secure,” and “highly food secure,” with good performance across most classes. The results of this study indicate that the SVM algorithm with an RBF kernel is effective for predicting the food security of rice and can be utilized to support data-driven regional food planning.

ARABIC:

الأمن الغذائي هو حالة تلبية احتياجات الغذاء للمجتمع والتي تتأثر بالتوازن بين عدد السكان وقدرة الإنتاج الزراعي. إن زيادة عدد السكان وتغير مساحة الأراضي الزراعية يشكلان تحديًا في الحفاظ على توفر الغذاء، وخاصة محصول الأرز في مقاطعة لامونجان. لذلك، هناك حاجة إلى نظام قادر على المساعدة في التنبؤ بحالة الأمن الغذائي بسرعة ودقة كأساس لاتخاذ القرارات. هدف هذا البحث إلى تطوير نظام للتنبؤ بالأمن الغذائي لمحصول الأرز في مقاطعة لامونجان باستخدام خوارزمية آلة المتجه الداعم (SVM). البيانات المستخدمة مأخوذة من الهيئة المركزية للإحصاء ومكتب الأمن الغذائي والزراعة في مقاطعة لامونجان للفترة 2020–2024، وتشمل السمات عدد السكان، محصول الأرز، إنتاج الأرز، ومساحة الأراضي. تشمل مراحل البحث معالجة البيانات المبدئية، التطبيع، تصنيف فئات الأمن الغذائي إلى أربع فئات، وتقسيم بيانات التدريب وبيانات الاختبار، وكذلك تدريب النموذج باستخدام نواة دالة الأساس الشعاعي (RBF). أظهرت نتائج الاختبار أن أفضل تكوين تم الحصول عليه عند نسبة بيانات التدريب إلى بيانات الاختبار 80:20 مع نواة RBF باستخدام المعلمة C = 100 وgamma = 0.01، مما أدى إلى دقة بلغت 92.59%. النموذج قادر على تصنيف حالة الأمن الغذائي إلى فئات غير آمن غذائياً، أقل أماناً، آمن غذائياً، وآمن جداً مع أداء جيد في معظم الفئات. أظهرت نتائج البحث أن خوارزمية SVM باستخدام نواة RBF فعالة في تطبيقها على نظام التنبؤ بالأمن الغذائي لمحصول الأرز ويمكن الاستفادة منها كداعم لتخطيط الغذاء الإقليمي المعتمد على البيانات.