Model Prediksi Dampak Perubahan Iklim pada Ketahanan Pangan Menggunakan Algoritma Support Vector Machine and K-Nearest Neighbors: Prediction Model for the Impact of Climate Change on Food Security Using the Support Vector Machine and K-Nearest Neighbors Algorithms

Devi Puspita Sari; Risman Risman; Fitra Maulana; Lusiana Efrizoni; Rahmaddeni Rahmaddeni

doi:10.57152/malcom.v5i3.1975

Authors

Devi Puspita Sari Universitas Sains dan Teknologi Indonesia
Risman Risman Universitas Sains dan Teknologi Indonesia
Fitra Maulana Universitas Sains dan Teknologi Indonesia
Lusiana Efrizoni Universitas Sains dan Teknologi Indonesia
Rahmaddeni Rahmaddeni Universitas Sains dan Teknologi Indonesia

DOI:

https://doi.org/10.57152/malcom.v5i3.1975

Keywords:

Ketahanan Pangan, K-Nearest Neighbors, Pertanian, Perubahan Iklim, Support Vector Machine

Abstract

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 (KNN). 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 KNN digunakan untuk menganalisis pola serupa pada data historis. Hasil penelitian menunjukkan bahwa SVM memiliki akurasi prediksi sebesar 78%, lebih unggul dibandingkan KNN 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.

Downloads

Download data is not yet available.

References

I. M. I. Agastya, R. P. D. Julianto, and M. Marwoto, “Review?: Pengaruh Pemanasan Global Terhadap Intensitas Serangan Kutu Kebul (Bemisia Tabbaci Genn ) Dan Cara Pengendaliannya Pada Tanaman Kedelai,” Buana Sains, vol. 20, no. 1, pp. 99–110, 2020, doi: 10.33366/bs.v20i1.1935.

A. Nurhidayat, A. K. T. Difa, F. Nasrullah, F. H. Anwar, and D. O. Radianto, “Pengaruh Perubahan Iklim Terhadap Produktivitas Pertanian Padi di Daerah Tropis,” Sains Student Res. , vol. 2, no. 2, pp. 111–117, 2024.

Rosidin, D. A. Sulaeman, Sukarsa, A. Kohar, and M. I. Habibi, “Pengembangan Algoritma Pemrosesan Bahasa Alami Untuk Aplikasi Chatbot Dalam Pelayanan Pelanggan,” J. Rev. Pendidik. dan Pengajaran, vol. 7, no. 3, pp. 7409–7414, 2024.

A. Ninasari, “Analisis Dampak Perubahan Iklim Terhadap Pola Pertumbuhan dan Produktivitas Tanaman Gandum,” J. Rev. Pendidik. dan Pengajaran, vol. 7, no. 3, pp. 8022–8028, 2024.

O. Simon, H. Raharusun, and A. Hasibuan, “Sistem Prediksi Produksi Beras Menggunakan Multiple Linear Regression untuk Optimalisasi Ketahanan Pangan di Kabupaten Minahasa,” no. 225, pp. 36–40, 2024.

A. M. Ashari, “Dampak Perubahan Iklim terhadap Ketahanan Pangan dan Adaptasinya oleh Masyarakat Pesisir,” Empiricism J., vol. 4, no. 2, pp. 426–431, 2023, doi: 10.36312/ej.v4i2.1611.

L. N. Aziza, R. Y. Astuti, B. A. Maulana, and N. Hidayati, “Penerapan Algoritma K-Nearest Neighbor untuk Klasifikasi Ketahanan Pangan di Provinsi Jawa Tengah,” MALCOM Indones. J. Mach. Learn. Comput. Sci., vol. 4, no. 2, pp. 404–412, 2024, doi: 10.57152/malcom.v4i2.1201.

Arifah, Megawati, and N. Bando, “Climate Change Impact and Household Food Security?:,” Pros. Semin. Sustain. Environ. Agric. Syst. Safety, Heal. Secur. Hum. Life, pp. 659–664, 2021.

B. Nurwenda, “Analisis Dampak Perubahan Iklim Terhadap Ketahanan Pangan Petani Jagung Lokal Di Kecamatan Kabawo Kabupaten Muna,” vol. 4, 2024.

K. A. Harvian and R. J. Yuhan, “Kajian Perubahan Iklim Terhadap Ketahanan Pangan,” Semin. Nas. Off. Stat., vol. 2020, no. 1, pp. 1052–1061, 2021, doi: 10.34123/semnasoffstat.v2020i1.593.

G. Rusmayadi, U. Salawati, and D. O. Suparwata, “Analisis Sistem Agrometeorologi dalam Meningkatkan Ketahanan Pangan saat Kemarau,” J. Geosains West Sci., vol. 1, no. 03, pp. 143–150, 2023, doi: 10.58812/jgws.v1i03.720.

A. M. Argina, “Penerapan Metode Klasifikasi K-Nearest Neigbor pada Dataset Penderita Penyakit Diabetes,” Indones. J. Data Sci., vol. 1, no. 2, pp. 29–33, 2020, doi: 10.33096/ijodas.v1i2.11.

R. Puspita and A. Widodo, “Perbandingan Metode KNN, Decision Tree, dan Naïve Bayes Terhadap Analisis Sentimen Pengguna Layanan BPJS,” J. Inform. Univ. Pamulang, vol. 5, no. 4, p. 646, 2021, doi: 10.32493/informatika.v5i4.7622.

R. A. Saputra et al., “Detecting Alzheimer’s Disease by the Decision Tree Methods Based on Particle Swarm Optimization,” J. Phys. Conf. Ser., vol. 1641, no. 1, pp. 61–67, 2020, doi: 10.1088/1742-6596/1641/1/012025.

F. H. Hasibuan, “Website: https://j-innovative.org/index.php/Innovative Klasifikasi Data Material Pending Pada Perusahaan dengan Metode SVM,” Innov. J. Soc. Sci. Res., vol. 4, pp. 5080–5090, 2024, [Online]. Available: https://j-innovative.org/index.php/Innovative

C. O. Egbunu, M. T. Ogedengbe, T. S. Yange, M. A. Rufai, and H. I. Muhammed, “Towards Food Security: the Prediction of Climatic Factors in Nigeria using Random Forest Approach,” J. Comput. Scine Inf. Technol., vol. 7, no. December 2018, pp. 70–81, 2021, doi: 10.35134/jcsitech.v7i4.15.

A. T. Akbar, N. Yudistira, and A. Ridok, “Identifikasi Gagal Ginjal Kronis dengan Mengimplementasikan Metode Support Vector Machine beserta K-Nearest Neighbour (SVM-KNN),” J. Teknol. Inf. dan Ilmu Komput., vol. 10, no. 2, pp. 301–308, 2023, doi: 10.25126/jtiik.20231026059.

R. Kurniawan, A. Halim, and H. Melisa, “Prediksi Hasil Panen Pertanian Salak di Daerah Tapanuli Selatan Menggunakan Algoritma SVM (Support Vector Machine),” KLIK Kaji. Ilm. Inform. dan Komput., vol. 4, no. 2, pp. 903–912, 2023, doi: 10.30865/klik.v4i2.1246.

H. Tohari, S. Harini, M. A. Yaqin, I. B. Santoso, and C. Crysdian, “Penerapan Metode Support Vector Machine (SVM) Dalam Klasifikasi Produktivitas Padi,” J. Comput. Syst. Informatics, vol. 5, no. 1, pp. 175–183, 2023, doi: 10.47065/josyc.v5i1.4538.

D. Wahyudi Rustanto, F. Liantoni, and N. Pradana Taufik Prakisya, “Identifikasi Penyakit Daun pada Tanaman Padi Menggunakan Ekstraksi Fitur Gray Level Co-occurrence Matrix (GLCM) dan Metode K-Nearest Neighbour (KNN),” J. Sist. dan Teknol. Inf., vol. 12, no. 1, pp. 100–106, 2024, doi: 10.26418/justin.v12i1.69752.

H. Basri, P. Purnawansyah, H. Darwis, and F. Umar, “Klasifikasi Daun Herbal Menggunakan K-Nearest Neighbor dan Convolutional Neural Network dengan Ekstraksi Fourier Descriptor,” J. Teknol. dan Manaj. Inform., vol. 9, no. 2, pp. 79–90, 2023, doi: 10.26905/jtmi.v9i2.10350.

Farhanuddin, Sarah Ennola Karina Sihombing, and Yahfizham, “Komparasi Multiple Linear Regression dan Random Forest Regression Dalam Memprediksi Anggaran Biaya Manajemen Proyek Sistem Informasi,” J. Comput. Digit. Bus., vol. 3, no. 2, pp. 86–97, 2024, doi: 10.56427/jcbd.v3i2.408.

K. B. Sirait, M. N. Ermawati, N. Casie, P. Studi Teknik Informatika, S. AMIK Riau, and C. Author, “SENTIMAS: Seminar Nasional Penelitian dan Pengabdian Masyarakat Grouping of Egg Production in West Java Province Using the K-Means Algorithm Pengelompokan Produksi Telur di Provinsi Jawa Barat dengan Menggunakan Algoritma K-Means,” Semin. Nas. Penelit. dan Pengabdi. Masy., pp. 207–217, 2022, [Online]. Available: https://journal.irpi.or.id/index.php/sentimas

F. Putra, H. F. Tahiyat, and R. M. Ihsan, “Application of K-Nearest Neighbor Algorithm Using Wrapper as Preprocessing for Determination of Human Weight Information Penerapan Algoritma K-Nearest Neighbor Menggunakan Wrapper Sebagai Preprocessing untuk Penentuan Keterangan Berat Badan Manusia,” vol. 4, no. January, pp. 273–281, 2024.

J. Lee, D. Park, and C. Lee, “Feature selection algorithm for intrusions detection system using sequential forward search and random forest classifier,” KSII Trans. Internet Inf. Syst., vol. 11, no. 10, pp. 5132–5148, 2017, doi: 10.3837/tiis.2017.10.024.

M. S. Bahri, “Problematika Evaluasi Pembelajaran dalam Mencapai Tujuan Pendidikan di Masa Merdeka Belajar,” JIIP - J. Ilm. Ilmu Pendidik., vol. 6, no. 4, pp. 2871–2880, 2023, doi: 10.54371/jiip.v6i4.1954.

Y. K. Zamil, S. A. Ali, and M. A. Naser, “Spam image email filtering using K-NN and SVM,” Int. J. Electr. Comput. Eng., vol. 9, no. 1, pp. 245–254, 2019, doi: 10.11591/ijece.v9i1.pp245-254.

R. A. Sucipto and B. K. Khotimah, “Tubuh Menggunakan Metode Support Vector Machine Dan K-Nearest Neighbors,” vol. 13, no. 1, pp. 795–803, 2025.

M. Susilo and A. Gunaryati, “Pendekatan Knowledge Management System Berbasis Framework Laravel dan Container untuk Kinerja Helpdesk pada BMKG Pusat Meteorologi Penerbangan,” J. Teknol. Inform. dan Komput., vol. 9, no. 2, pp. 630–644, 2023, doi: 10.37012/jtik.v9i2.1672.