IMPLEMENTASI ALGORITMA K-NEAREST NEIGHBOR UNTUK PREDIKSI PRODUKSI PADI NASIONAL: STUDI KASUS PADA DATA PRODUKSI PADI INDONESIA

Muhammad Ady Nugroho; Pratiwi Cahyaningtiyas; Rizqi Aufa Eka Prathama; Rengga Arga Deva; Arif Setiawan

doi:10.24127/jmsi.v6i2.9112

Muhammad Ady Nugroho Universitas Muria Kudus
Pratiwi Cahyaningtiyas Universitas Muria Kudus
Rizqi Aufa Eka Prathama Universitas Muria Kudus
Rengga Arga Deva Universitas Muria Kudus
Arif Setiawan Universitas Muria Kudus

DOI: https://doi.org/10.24127/jmsi.v6i2.9112

Keywords: prediksi produksi padi, machine learning, KNN, data BPS, pertanian digital

Abstract

Ketersediaan data yang akurat mengenai produksi beras sangat mempengaruhi ketahanan pangan nasional. Studi ini mengusulkan pendekatan prediktif menggunakan algoritma K-Nearest Neighbor (KNN) dan data produksi historis dari BPS dari tahun 2018 hingga 2023. Model ini dibuat dengan K sama dengan 2 dan fitur waktu, yaitu waktu mutlak dan relatif, yang telah dinormalisasi. Metode evaluasi model menunjukkan bahwa kinerja model memuaskan dengan R² sebesar 0,88. Untuk prediksi 2024 dan 2025, tren produksi terlihat relatif stabil. Berdasarkan hasil tersebut, studi ini menyimpulkan bahwa KNN memang merupakan alternatif yang baik sebagai teknik prediksi yang sederhana dan efektif yang dapat secara aktif membantu keputusan kebijakan berbasis data di sektor pertanian