<![CDATA[Produksi padi merupakan komponen strategis dalam ketahanan pangan nasional, khususnya di wilayah Sumatera yang menjadi salah satu lumbung padi Indonesia. Namun, proses prediksi produksi padi di wilayah ini masih didominasi oleh metode regresi linear yang memiliki keterbatasan dalam menangkap hubungan non-linier antar variabel agriklim. Hal ini menyebabkan akurasi prediksi menjadi rendah, terutama pada wilayah dengan variabilitas data yang tinggi. Penelitian ini bertujuan untuk membangun model prediksi produksi padi berbasis Artificial Neural Network (ANN) menggunakan parameter agriklim seperti curah hujan, suhu rata-rata, kelembapan, dan luas panen. Dataset yang digunakan berasal dari Kaggle dan mencakup data deret waktu tahun 1993–2020 dari delapan provinsi di Sumatera. Penelitian ini terdiri dari enam tahap, yaitu: akuisisi data, pra-pemrosesan, seleksi fitur dengan multicollinearity (VIF), pelatihan model ANN per provinsi menggunakan MLPRegressor, serta evaluasi menggunakan Mean Squared Error (MSE). Hasil pengujian menunjukkan bahwa metode ANN menghasilkan nilai rata-rata MSE paling rendah (0,0138) dibandingkan metode regresi linear (0,035) dan GLM (0,053), yang menandakan keunggulan ANN dalam memodelkan hubungan non-linier pada data produksi padi. Temuan ini menunjukkan bahwa ANN cocok diimplementasikan dalam prediksi hasil panen padi berskala regional dengan kompleksitas data yang tinggi.]]>
Copyrights © 2025
