<![CDATA[Abstrak:Kabupaten Simalungun merupakan salah satu daerah penghasil padi utama di Indonesia, yang kadang menghadapi fluktuasi hasil panen. Rendahnya hasil panen padi dapat menurunkan nilai jual dan keuntungan petani, sehingga diperlukan analisis data yang mampu memprediksi hasil panen secara akurat agar lebih efektif dan berkelanjutan. Penelitian ini mengembangkan sistem informasi geografis (SIG) berbasis web untuk memetakan hasil panen padi di Kabupaten Simalungun, menggunakan Algoritma C4.5 sebagai metode prediksi. Data yang diolah mencakup hasil panen padi tahun 2023-2024 dengan 1.000 sampel dan lima atribut utama, seperti luas lahan dan curah hujan, yang menghasilkan tingkat akurasi prediksi sebesar 85%. Sistem ini dirancang menggunakan XAMPP, MySQL, dan Framework Laravel, serta visualisasi peta dilakukan melalui Leaflet.js. Kontribusi utama penelitian ini adalah memberikan alat berbasis SIG yang tidak hanya mempermudah pemetaan hasil panen secara visual, tetapi juga meningkatkan efektivitas pengambilan keputusan Dinas Pertanian, seperti mengidentifikasi kecamatan dengan hasil panen rendah untuk prioritas bantuan dan membantu petani memantau perkembangan hasil panen secara spasial. Dengan prediksi yang lebih akurat, sistem ini berpotensi mendukung peningkatan efisiensi alokasi sumber daya dan kebijakan pertanian berbasis data.=============================Abstract: Simalungun Regency is one of Indonesia's major rice-producing regions, often facing fluctuations in harvest yields. Low rice yields can reduce sales value and farmers' profits, necessitating a data-driven analysis to accurately predict harvests for more effective and sustainable agricultural planning. This study developed a web-based Geographic Information System (GIS) to map rice harvest yields in Simalungun Regency, utilizing the C4.5 algorithm as a prediction method. The processed data included rice harvest results for 2023-2024, consisting of 1,000 samples and five key attributes, such as land size and rainfall, achieving a prediction accuracy rate of 85%. The system was built using XAMPP, MySQL, and the Laravel Framework, with harvest mapping visualized through Leaflet.js. The primary contribution of this study is providing a GIS-based tool that not only simplifies the visual mapping of harvest results but also enhances the effectiveness of decision-making by the Department of Agriculture. This includes identifying sub-districts with low harvest yields for prioritized aid and assisting farmers in monitoring harvest progress spatially. With more accurate predictions, this system has the potential to support efficient resource allocation and data-driven agricultural policies.]]>
