PERBANDINGAN ALGORITMA CATBOOST DAN EXTRA TREES CLASSIFIER UNTUK PREDIKSI TINGKAT KEBERHASILAN PANEN PADI BERDASARKAN FAKTOR CUACA DAN KONDISI TANAH

Abstract

Produksi padi merupakan salah satu faktor penting dalam menjaga ketahanan pangan, khususnya di Indonesia yang menjadikan beras sebagai bahan pangan utama. Namun, hasil panen padi sering dipengaruhi oleh berbagai faktor lingkungan seperti curah hujan, suhu, kelembapan, pH tanah, serta kandungan unsur hara tanah seperti nitrogen, fosfor, dan kalium. Ketidakpastian kondisi lingkungan tersebut menyebabkan petani kesulitan dalam memprediksi potensi hasil panen secara akurat. Oleh karena itu, diperlukan suatu sistem yang mampu membantu memprediksi hasil panen padi berdasarkan kondisi lingkungan dan tanah secara cepat dan akurat. Penelitian ini bertujuan untuk membangun sistem prediksi hasil panen padi berbasis machine learning dengan menggunakan algoritma CatBoost dan ExtraTrees, serta mengimplementasikan Explainable Artificial Intelligence (XAI) menggunakan metode SHAP (SHapley Additive Explanations) untuk memberikan interpretasi terhadap hasil prediksi model. Dataset yang digunakan terdiri dari 1500 data yang memuat variabel curah hujan, suhu, kelembapan, pH tanah, nitrogen, fosfor, dan kalium dengan tiga kelas hasil panen yaitu rendah, sedang, dan tinggi. Data kemudian diproses menggunakan metode train-test split dengan proporsi 80% data pelatihan dan 20% data pengujian. Hasil penelitian menunjukkan bahwa algoritma CatBoost memiliki performa yang lebih baik dibandingkan ExtraTrees dengan nilai akurasi yang lebih tinggi. Berdasarkan evaluasi menggunakan ROC Curve, model CatBoost memperoleh nilai AUC sebesar 0,99 pada kelas rendah, 0,98 pada kelas sedang, dan 0,99 pada kelas tinggi, yang termasuk dalam kategori excellent classification. Sementara itu, model ExtraTrees memperoleh nilai AUC sebesar 0,96 pada kelas rendah, 0,81 pada kelas sedang, dan 0,93 pada kelas tinggi. Analisis menggunakan metode SHAP menunjukkan bahwa faktor yang paling berpengaruh terhadap hasil prediksi panen adalah nitrogen, pH tanah, dan kelembapan. Sistem yang dibangun juga x diimplementasikan dalam bentuk aplikasi web berbasis Laravel yang dapat digunakan untuk melakukan prediksi dan memberikan analisis kondisi lahan secara otomatis. Dengan adanya sistem ini diharapkan dapat membantu petani atau pengguna dalam mengetahui potensi hasil panen padi serta memahami faktor-faktor lingkungan yang mempengaruhi hasil panen sehingga dapat menjadi alat bantu pengambilan keputusan (decision support system) dalam pengelolaan lahan pertanian.