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 Hasil ini menunjukkan bahwa kombinasi MLP Classifier dan TF-IDF dapat mengatasi keterbatasan dataset hingga tingkat tertentu dibandingkan metode baseline.Hasil ini menunjukkan bahwa kombinasi MLP Classifier dan TF-IDF dapat mengatasi keterbatasan dataset hingga tingkat tertentu dibandingkan metode baseline.
IRPIIRPI Riset ini memberikan gambaran praktis kepada konten kreator dan konten marketing dalam merancang produksi konten yang lebih optimal. Model prediksi iniRiset ini memberikan gambaran praktis kepada konten kreator dan konten marketing dalam merancang produksi konten yang lebih optimal. Model prediksi ini
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 Hasil menunjukkan bahwa pengintegrasian teknologi IoT dengan komputasi awan dan algoritma machine learning berhasil menciptakan sistem pemantauan yangHasil menunjukkan bahwa pengintegrasian teknologi IoT dengan komputasi awan dan algoritma machine learning berhasil menciptakan sistem pemantauan yang
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 Aplikasi dilengkapi dengan fitur seperti pendaftaran produk, pemindaian barcode untuk barang masuk dan keluar, serta pencatatan riwayat transaksi secaraAplikasi dilengkapi dengan fitur seperti pendaftaran produk, pemindaian barcode untuk barang masuk dan keluar, serta pencatatan riwayat transaksi secara
IRPIIRPI Model CNN yang dikembangkan mencapai akurasi 91% pada pelatihan namun menurun menjadi 75% saat diterapkan pada data nyata karena variasi kondisi pencahayaan,Model CNN yang dikembangkan mencapai akurasi 91% pada pelatihan namun menurun menjadi 75% saat diterapkan pada data nyata karena variasi kondisi pencahayaan,
IRPIIRPI Hasil evaluasi menunjukkan bahwa metode RF mencapai akurasi tertinggi sebesar 89,48%, sedikit lebih unggul dari LSTM yang memperoleh 88,52%. Kedua metodeHasil evaluasi menunjukkan bahwa metode RF mencapai akurasi tertinggi sebesar 89,48%, sedikit lebih unggul dari LSTM yang memperoleh 88,52%. Kedua metode
Useful /
JOURNAL IASSSFJOURNAL IASSSF Latar belakang: Sampah merupakan masalah serius yang berdampak negatif pada lingkungan dan sekitarnya; di Bekasi jumlah sampah mencapai 6 juta ton perLatar belakang: Sampah merupakan masalah serius yang berdampak negatif pada lingkungan dan sekitarnya; di Bekasi jumlah sampah mencapai 6 juta ton per
JOURNAL IASSSFJOURNAL IASSSF Memahami faktor perilaku dan struktural yang memengaruhi kepatuhan penting untuk merumuskan intervensi kebijakan pajak yang efektif. Metode: PenelitianMemahami faktor perilaku dan struktural yang memengaruhi kepatuhan penting untuk merumuskan intervensi kebijakan pajak yang efektif. Metode: Penelitian
UNISTIUNISTI Dengan menggunakan metode pooled data (2017–2020), diperoleh jumlah observasi (n) sebanyak 168. Metode analisis data yang digunakan adalah regresi linearDengan menggunakan metode pooled data (2017–2020), diperoleh jumlah observasi (n) sebanyak 168. Metode analisis data yang digunakan adalah regresi linear
UNISTIUNISTI Dari hasil analisis regresi linear berganda diperoleh variabel Kepercayaan (X1) sebesar 0,555 dan Kemudahan (X2) sebesar 0,408. Hal ini menunjukkan bahwaDari hasil analisis regresi linear berganda diperoleh variabel Kepercayaan (X1) sebesar 0,555 dan Kemudahan (X2) sebesar 0,408. Hal ini menunjukkan bahwa