<![CDATA[Masalah utama yang diangkat adalah keterbatasan alat bantu prediksi yang akurat sekaligus mudah dipahami pengguna dalam pengambilan keputusan budidaya. Penelitian ini bertujuan mengembangkan dashboard visualisasi yang terintegrasi dalam Decision Support System (DSS) untuk mendukung prediksi hasil panen padi berbasis pembelajaran mesin (supervised learning). Penelitian menggunakan pendekatan kuantitatif dengan desain analitik–eksperimen berbasis data sekunder historis dari lima wilayah pertanian. Variabel yang dianalisis mencakup faktor cuaca (curah hujan, suhu, kelembapan), jenis tanah, dan praktik pertanian sebagai prediktor, dengan hasil panen padi sebagai variabel dependen. Model prediksi utama menggunakan regresi linear berganda sebagai pendekatan pembelajaran terawasi yang dapat diinterpretasi, diikuti integrasi hasil prediksi dan indikator statistik ke dalam dashboard web interaktif. Hasil analisis menunjukkan bahwa curah hujan dan suhu berpengaruh signifikan terhadap hasil panen padi, sementara jenis tanah juga berkontribusi terhadap variasi hasil panen. Dashboard yang dikembangkan menyajikan ringkasan metrik model, tren historis, dan komponen perbandingan prediksi–aktual sehingga memudahkan interpretasi bagi pengguna. Temuan ini mengindikasikan bahwa DSS berbasis model prediktif dan visualisasi data berpotensi meningkatkan ketepatan pengambilan keputusan pada sektor pertanian.]]>
Copyrights © 2025
