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 /
OJS INDONESIAOJS INDONESIA This study demonstrates that the guessing game technique is an effective method for enhancing students vocabulary knowledge. The implementation of guessingThis study demonstrates that the guessing game technique is an effective method for enhancing students vocabulary knowledge. The implementation of guessing
IRPIIRPI Untuk penelitian lanjutan, disarankan penggunaan dataset yang lebih besar dan beragam serta eksplorasi metode pemrosesan teks canggih seperti deep learningUntuk penelitian lanjutan, disarankan penggunaan dataset yang lebih besar dan beragam serta eksplorasi metode pemrosesan teks canggih seperti deep learning
IRPIIRPI Hasil evaluasi model membuktikan bahwa model regresi menunjukkan kinerja prediktif yang sangat baik, dengan nilai R² Squared sebesar 0,978, RMSE sebesarHasil evaluasi model membuktikan bahwa model regresi menunjukkan kinerja prediktif yang sangat baik, dengan nilai R² Squared sebesar 0,978, RMSE sebesar
IRPIIRPI Sistem yang dikembangkan mencapai akurasi 92,5% dalam klasifikasi niat dan skor F1 lebih dari 89% dalam pengenalan entitas, hasil yang diperoleh dari validasiSistem yang dikembangkan mencapai akurasi 92,5% dalam klasifikasi niat dan skor F1 lebih dari 89% dalam pengenalan entitas, hasil yang diperoleh dari validasi
IRPIIRPI Model mencapai akurasi maksimal selama proses pelatihan, dengan kemampuan prediksi yang menjanjikan dalam penerapan nyata. Temuan utama penelitian iniModel mencapai akurasi maksimal selama proses pelatihan, dengan kemampuan prediksi yang menjanjikan dalam penerapan nyata. Temuan utama penelitian ini
IRPIIRPI Penelitian ini menunjukkan bahwa algoritma K-Medoids memberikan performa lebih baik dibandingkan K-Means dalam mengelompokkan sekolah di Provinsi RiauPenelitian ini menunjukkan bahwa algoritma K-Medoids memberikan performa lebih baik dibandingkan K-Means dalam mengelompokkan sekolah di Provinsi Riau
IRPIIRPI Namun, aplikasi masih memiliki kelemahan pada antarmuka yang kurang intuitif dan keterbatasan dalam mengelola kategori barang yang kompleks. PengembanganNamun, aplikasi masih memiliki kelemahan pada antarmuka yang kurang intuitif dan keterbatasan dalam mengelola kategori barang yang kompleks. Pengembangan
AIRAAIRA Sistem yang dikembangkan memiliki antarmuka yang mudah digunakan, gateway pembayaran yang aman, dan desain yang responsif untuk meningkatkan aksesibilitasSistem yang dikembangkan memiliki antarmuka yang mudah digunakan, gateway pembayaran yang aman, dan desain yang responsif untuk meningkatkan aksesibilitas
Useful /
STKIP SINGKAWANGSTKIP SINGKAWANG Penelitian ini merupakan kombinasi penelitian deskriptif dan pra-eksperimen dengan desain satu kelompok pre‑test‑post‑test. Kesimpulan penelitianPenelitian ini merupakan kombinasi penelitian deskriptif dan pra-eksperimen dengan desain satu kelompok pre‑test‑post‑test. Kesimpulan penelitian
IRPIIRPI Sementara pada Tomat Late Blight mendapatkan skor terendah pada Recall 0. 7594 dan F1-Score 0. 8510, menunjukkan tantangan dalam klasifikasi. AnalisisSementara pada Tomat Late Blight mendapatkan skor terendah pada Recall 0. 7594 dan F1-Score 0. 8510, menunjukkan tantangan dalam klasifikasi. Analisis
UNISTIUNISTI Harga dan ketersediaan produk mempengaruhi keputusan pembelian konsumen di Toko Sembako Sheza Jaya Sentosa. Toko disarankan untuk meningkatkan harga kompetitifHarga dan ketersediaan produk mempengaruhi keputusan pembelian konsumen di Toko Sembako Sheza Jaya Sentosa. Toko disarankan untuk meningkatkan harga kompetitif
AIRAAIRA Model pengenalan wajah dilatih menggunakan algoritma convolutional neural network (CNN) yang dioptimalkan untuk meningkatkan akurasi. Hasil penelitianModel pengenalan wajah dilatih menggunakan algoritma convolutional neural network (CNN) yang dioptimalkan untuk meningkatkan akurasi. Hasil penelitian