<![CDATA[Produksi padi merupakan indikator penting dalam mendukung ketahanan pangan daerah, termasuk di Kabupaten Bandung. Penelitian ini bertujuan membandingkan performa empat algoritma machine learning, yaitu Linear Regression, Support Vector Regression (SVR), Random Forest, dan XGBoost, dalam memprediksi produksi padi berdasarkan data luas panen dan produktivitas periode 2018-2025. Data penelitian diproses melalui pemeriksaan nilai kosong, pengurutan data berdasarkan tahun, serta feature engineering berupa lag produksi, rolling mean, dan interaksi antara luas panen dan produktivitas. Validasi model dilakukan menggunakan Leave-One-Out Cross Validation (LOO-CV) karena jumlah data yang digunakan terbatas, yaitu delapan observasi tahunan. Evaluasi model menggunakan Mean Absolute Error (MAE), Root Mean Squared Error (RMSE), Mean Absolute Percentage Error (MAPE), dan koefisien determinasi (R²). Hasil penelitian menunjukkan bahwa Linear Regression memperoleh performa terbaik dengan MAE 75.277 ton, RMSE 207.530 ton, MAPE 0,24%, dan R² 0,9931. Random Forest berada pada urutan kedua dengan MAPE 4,45% dan R² 0,5508. XGBoost menghasilkan MAPE 5,08% dan R² 0,4810, sedangkan SVR menunjukkan performa terendah dengan MAPE 7,36% dan R² -0,1583. Prediksi produksi padi periode 2026-2030 menunjukkan kecenderungan stabil pada kisaran 31,28-35,37 juta ton, bergantung pada model yang digunakan. Hasil penelitian ini dapat menjadi dasar awal dalam pengembangan sistem prediksi produksi padi berbasis data di tingkat kabupaten.]]>
Copyrights © 2026
