IRPIIRPI

MALCOM: Indonesian Journal of Machine Learning and Computer ScienceMALCOM: Indonesian Journal of Machine Learning and Computer Science

Perubahan 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.

  1. 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
  2. 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
  3. 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
  4. 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
  1. #support vector machine#support vector machine
  2. #model random forest#model random forest
Read onlineRead online
File size520.73 KB
Pages11
DMCAReportReport

Related /

juris Perbandingan Performa Metode Klasifikasi Teks Multilabel Hadis Terjemahan Bukhari Menggunakan Support Vector Machine dan Long Short Term Memory 2025More at 2025

IRPIIRPI Berdasarkan hasil penelitian, metode LSTM mengungguli SVM pada label Larangan dan Anjuran dengan nilai Macro F1-score masing-masing 82,66% dan 71,04%,Berdasarkan hasil penelitian, metode LSTM mengungguli SVM pada label Larangan dan Anjuran dengan nilai Macro F1-score masing-masing 82,66% dan 71,04%,

juris Perbandingan Performa Random Forest dan Long Short Term Memory dalam Klasifikasi Teks Multilabel Terjemahan Hadits Bukhari 2025More at 2025

IRPIIRPI Berdasarkan hasil penelitian, model Random Forest (RF) memiliki sedikit keunggulan dalam akurasi dibandingkan dengan model Long Short-Term Memory (LSTM).meskipunBerdasarkan hasil penelitian, model Random Forest (RF) memiliki sedikit keunggulan dalam akurasi dibandingkan dengan model Long Short-Term Memory (LSTM).meskipun

juris Revolutionizing Corporate Event Planning with AI A Cost Efficiency Strategy for BuatEvent 2025More at 2025

IRPIIRPI Penelitian ini berhasil mendemonstrasikan integrasi kecerdasan buatan dalam perencanaan acara korporat melalui teknik pemrosesan bahasa alami dan optimasiPenelitian ini berhasil mendemonstrasikan integrasi kecerdasan buatan dalam perencanaan acara korporat melalui teknik pemrosesan bahasa alami dan optimasi

juris Sentiment Analysis of Customer Satisfaction of Shopee Service Quality 2024More at 2024

UNAIUNAI Penelitian ini menunjukkan bahwa analisis sentimen dengan tiga algoritma pembelajaran mesin—Random Forest, k‑NN, dan SVM—dapat digunakan untuk menilaiPenelitian ini menunjukkan bahwa analisis sentimen dengan tiga algoritma pembelajaran mesin—Random Forest, k‑NN, dan SVM—dapat digunakan untuk menilai

Useful /

juris Empowering waste recycling through technology A case study of the octopus social movement 2025More at 2025

JOURNAL IASSSFJOURNAL IASSSF Orisinalitas: Kebaruan penelitian ini terletak pada pemanfaatan teknologi oleh Octopus dalam membangun keterlibatan komunitas. Penelitian menunjukkan bahwaOrisinalitas: Kebaruan penelitian ini terletak pada pemanfaatan teknologi oleh Octopus dalam membangun keterlibatan komunitas. Penelitian menunjukkan bahwa

juris Analisis Faktor Faktor yang Mempengaruhi Engagement Video di Platform TikTok Menggunakan Multiple Linear Regression 2025More at 2025

IRPIIRPI Variabel yang dianalisis meliputi durasi video, jumlah tayangan, komentar, like, share, dan download. Setelah melalui tahap preprocessing data, seleksiVariabel yang dianalisis meliputi durasi video, jumlah tayangan, komentar, like, share, dan download. Setelah melalui tahap preprocessing data, seleksi

juris Pengunaan Barcode dalam Sistem Inventory Modern untuk Meningkatkan Akurasi dan Kecepatan Operasional 2025More at 2025

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

juris Perbandingan Kinerja Algoritma Clustering K Means dan K Medoids dalam Pengelompokan Sekolah di Provinsi Riau Berdasarkan Ketersediaan Sarana dan Prasarana 2025More at 2025

IRPIIRPI Hasil pengelompokan ini dapat dijadikan dasar perumusan kebijakan pendidikan yang lebih merata, seperti alokasi anggaran, distribusi guru, dan pembangunanHasil pengelompokan ini dapat dijadikan dasar perumusan kebijakan pendidikan yang lebih merata, seperti alokasi anggaran, distribusi guru, dan pembangunan

ads-block-test