IRPIIRPI
MALCOM: Indonesian Journal of Machine Learning and Computer ScienceMALCOM: Indonesian Journal of Machine Learning and Computer SciencePerubahan iklim memberikan dampak signifikan terhadap ketahanan pangan global, terutama di wilayah yang sangat bergantung pada sektor agrikultur. Fenomena seperti curah hujan ekstrem, kenaikan suhu, dan perubahan pola angin telah memengaruhi produktivitas pertanian secara signifikan. Urgensi penelitian ini terletak pada pentingnya pengembangan model prediktif berbasis data untuk mengantisipasi dampak perubahan iklim terhadap ketahanan pangan, sehingga strategi adaptasi dapat dirancang secara tepat oleh pembuat kebijakan. Penelitian ini bertujuan mengembangkan model prediksi dampak perubahan iklim terhadap ketahanan pangan dengan memanfaatkan algoritma Support Vector Machine (SVM) dan K-Nearest Neighbors (K-NN). Dataset yang digunakan meliputi data meteorologi harian, seperti curah hujan (precipitation), suhu maksimum (temp_max), suhu minimum (temp_min), dan kecepatan angin (wind), yang diperoleh dari Kaggle (Seattle weather). Model SVM diterapkan untuk menangkap hubungan non-linear antara parameter iklim dengan indikator ketahanan pangan, sedangkan K‑NN digunakan untuk menganalisis pola serupa pada data historis. Hasil penelitian menunjukkan bahwa SVM memiliki akurasi prediksi sebesar 78 %, lebih unggul dibandingkan K‑NN yang mencapai akurasi 74 %. Temuan ini membuktikan bahwa SVM lebih efektif dalam memodelkan keterkaitan antara variabel iklim dan ketahanan pangan. Dengan demikian, penelitian ini berhasil mencapai tujuannya dan memberikan kontribusi penting dalam pengembangan sistem prediksi berbasis machine learning untuk mendukung kebijakan pangan yang adaptif terhadap perubahan iklim.
Penelitian ini mengembangkan model prediksi dampak perubahan iklim terhadap ketahanan pangan dengan algoritma SVM dan K‑NN, menunjukkan SVM mencapai akurasi 78 % dibandingkan K‑NN 74 % meskipun keduanya kesulitan mengklasifikasikan kelas minoritas.Analisis mengidentifikasi curah hujan ekstrem dan suhu maksimum sebagai variabel paling berpengaruh pada kedua model, sehingga menjadi faktor kritis dalam perumusan kebijakan adaptasi.Dengan performa yang lebih tinggi, model SVM dapat dijadikan alat bantu bagi pembuat kebijakan untuk merancang strategi mitigasi perubahan iklim di sektor pertanian.
Penelitian selanjutnya dapat mengeksplorasi penggunaan algoritma ensemble seperti Random Forest atau XGBoost untuk meningkatkan akurasi prediksi dan mengatasi keterbatasan pada klasifikasi kelas minoritas; selanjutnya, studi dapat memperluas cakupan data dengan memasukkan variabel sosial‑ekonomi serta data meteorologi dari wilayah Indonesia guna meningkatkan relevansi model pada konteks lokal; terakhir, pengembangan sistem peringatan dini berbasis web yang mengintegrasikan model SVM dengan teknik penyeimbangan data seperti SMOTE dapat menyediakan dasbor interaktif real‑time bagi pembuat kebijakan dalam merespons perubahan iklim secara cepat dan efektif.
- Problematika Evaluasi Pembelajaran dalam Mencapai Tujuan Pendidikan di Masa Merdeka Belajar | JIIP -... jiip.stkipyapisdompu.ac.id/jiip/index.php/JIIP/article/view/1954Problematika Evaluasi Pembelajaran dalam Mencapai Tujuan Pendidikan di Masa Merdeka Belajar JIIP jiip stkipyapisdompu ac jiip index php JIIP article view 1954
- Towards Food Security: the Prediction of Climatic Factors in Nigeria using Random Forest Approach | Journal... jcsitech-upiyptk.org/ojs/index.php/jcsitech/article/view/15Towards Food Security the Prediction of Climatic Factors in Nigeria using Random Forest Approach Journal jcsitech upiyptk ojs index php jcsitech article view 15
- Penerapan Metode Support Vector Machine (SVM) Dalam Klasifikasi Produktivitas Padi | Journal of Computer... doi.org/10.47065/josyc.v5i1.4538Penerapan Metode Support Vector Machine SVM Dalam Klasifikasi Produktivitas Padi Journal of Computer doi 10 47065 josyc v5i1 4538
- Analisis Sistem Agrometeorologi dalam Meningkatkan Ketahanan Pangan saat Kemarau | Jurnal Geosains West... wnj.westsciences.com/index.php/jgws/article/view/720Analisis Sistem Agrometeorologi dalam Meningkatkan Ketahanan Pangan saat Kemarau Jurnal Geosains West wnj westsciences index php jgws article view 720
| File size | 520.73 KB |
| Pages | 11 |
| DMCA | Report |
Related /
IRPIIRPI Penelitian ini juga memberikan wawasan tentang optimasi klasifikasi sentimen dalam kondisi data terbatas, yang dapat diterapkan pada topik lain denganPenelitian ini juga memberikan wawasan tentang optimasi klasifikasi sentimen dalam kondisi data terbatas, yang dapat diterapkan pada topik lain dengan
IRPIIRPI Model prediksi yang dibangun menunjukkan akurasi tinggi dengan MSE dan RMSE rendah, memberikan wawasan berharga bagi pembuat konten dan pemasar untuk mengoptimalkanModel prediksi yang dibangun menunjukkan akurasi tinggi dengan MSE dan RMSE rendah, memberikan wawasan berharga bagi pembuat konten dan pemasar untuk mengoptimalkan
IRPIIRPI Platform ini terutama menargetkan acara korporat, termasuk lokakarya, peluncuran produk, dan rapat bisnis. Misalnya, sistem ini berhasil diterapkan selamaPlatform ini terutama menargetkan acara korporat, termasuk lokakarya, peluncuran produk, dan rapat bisnis. Misalnya, sistem ini berhasil diterapkan selama
IRPIIRPI Pendekatan Class Weighted (WC) berkontribusi besar terhadap peningkatan akurasi, sedangkan teknik Data Augmentation (DA) tidak memberikan hasil yang diharapkan.Pendekatan Class Weighted (WC) berkontribusi besar terhadap peningkatan akurasi, sedangkan teknik Data Augmentation (DA) tidak memberikan hasil yang diharapkan.
IRPIIRPI Hasil penelitian ini dapat digunakan sebagai acuan dalam perencanaan kebijakan pendidikan yang lebih merata dan tepat sasaran. Penelitian ini menunjukkanHasil penelitian ini dapat digunakan sebagai acuan dalam perencanaan kebijakan pendidikan yang lebih merata dan tepat sasaran. Penelitian ini menunjukkan
IRPIIRPI Pengelolaan stok di gudang sering menghadapi tantangan seperti kesalahan pencatatan, inefisiensi proses, dan kurangnya transparansi data. Untuk mengatasinya,Pengelolaan stok di gudang sering menghadapi tantangan seperti kesalahan pencatatan, inefisiensi proses, dan kurangnya transparansi data. Untuk mengatasinya,
IRPIIRPI Computer Vision banyak diterapkan dalam bidang pertanian untuk mendeteksi penyakit tanaman secara otomatis. Penelitian ini mengembangkan aplikasi berbasisComputer Vision banyak diterapkan dalam bidang pertanian untuk mendeteksi penyakit tanaman secara otomatis. Penelitian ini mengembangkan aplikasi berbasis
NINETYJOURNALNINETYJOURNAL Rumusan masalah yang diangkat adalah bagaimana tingkat kepuasan pengguna terhadap sistem ini, serta faktor-faktor apa saja yang memengaruhinya berdasarkanRumusan masalah yang diangkat adalah bagaimana tingkat kepuasan pengguna terhadap sistem ini, serta faktor-faktor apa saja yang memengaruhinya berdasarkan
Useful /
JOURNAL IASSSFJOURNAL IASSSF Pemanfaatan strategi Komunikasi, Informasi, dan Edukasi memperkuat sinergi antara pemerintah dan masyarakat untuk mengurangi permasalahan lingkungan. OctopusPemanfaatan strategi Komunikasi, Informasi, dan Edukasi memperkuat sinergi antara pemerintah dan masyarakat untuk mengurangi permasalahan lingkungan. Octopus
JOURNAL IASSSFJOURNAL IASSSF Metode: Solusi berbasis IoT dikembangkan menggunakan mikrokontroler Arduino Uno dan NodeMCU ESP8266, yang digabungkan dengan sensor suhu dan kelembabanMetode: Solusi berbasis IoT dikembangkan menggunakan mikrokontroler Arduino Uno dan NodeMCU ESP8266, yang digabungkan dengan sensor suhu dan kelembaban
NINETYJOURNALNINETYJOURNAL Hasil penelitian menunjukkan bahwa CNN memberikan performa terbaik dengan akurasi mencapai 92%, berkat kemampuannya menangkap pola non-linear dalam citra.Hasil penelitian menunjukkan bahwa CNN memberikan performa terbaik dengan akurasi mencapai 92%, berkat kemampuannya menangkap pola non-linear dalam citra.
NINETYJOURNALNINETYJOURNAL Melakukan pemodelan dengan persamaan regresi linear sederhana yang terdiri dari variabel bebas (x) dan terikat (y). Hasil dari analisis ini diharapkanMelakukan pemodelan dengan persamaan regresi linear sederhana yang terdiri dari variabel bebas (x) dan terikat (y). Hasil dari analisis ini diharapkan