Prediksi Produksi Padi Sulawesi Tenggara

Dapatkan estimasi produksi padi tahunan di Sulawesi Tenggara secara akurat menggunakan teknologi kecerdasan buatan (AI). Sistem ini dibangun dengan model Long Short-Term Memory (LSTM) untuk menganalisis pola data historis dan memprediksi tren produksi di masa depan.

Produksi padi adalah kunci utama dalam menjaga ketahanan pangan di daerah. Melalui platform ini, Anda dapat melihat prediksi produksi padi tahunan yang dihasilkan dari analisis data time series beberapa tahun terakhir. Kami menggunakan teknologi Long Short-Term Memory (LSTM), sebuah metode kecerdasan buatan yang mampu mengenali pola jangka panjang dan fluktuasi musiman pada data pertanian. Dengan pendekatan ini, prediksi menjadi lebih akurat dan dapat diandalkan untuk mendukung keputusan di sektor pertanian.

Hasil Produksi Padi (GKG) di Sulawesi Tenggara
(Ribu Ton-GKG)
Bobot LSTM Hasil Training
Parameter Nilai
Wf [2.8522, 0.00897, 0.07277, -0.2814, -0.03351, 0.61421]
Wi [3.3112, -0.31703, -0.07123, -0.4474, -0.25451, -0.26579]
Wo [3.3332, 0.11597, 0.15377, 0.1006, -0.18551, -0.01979]
Wc [2.7972, 0.60497, -0.16823, 0.1966, 0.19349, -0.07179]
Uf -1.25265
Ui -1.25265
Uo -1.25265
Uc -1.25265
bf -0.17089
bi -0.17089
bo -0.17089
bc -0.17089
Log Perhitungan Manual LSTM (Step-by-Step)

Menampilkan hasil perhitungan gate, cell state, hidden state, dan prediksi untuk setiap bulan.

Bulan Input Asli Input Norm Forget Gate (ft) Input Gate (it) Output Gate (ot) c_hat Cell State (c) Hidden (h) Xmax-xmin Xmin Pred (Denorm)
Jan Produksi: 21921
Luas: 6346.87
Hujan: 181.46
Lembap: 81.33
Suhu: 28.21
Tekan: 1008.71
 x1 = 0.06733
x2 = 0.11496
x3 = 0.26694
x4 = 0.62344
x5 = 0.62743
x6 = 0.43729
 0.5036 0.34128 0.48656 0.15409 0.14238 0.06881 286270.14 2646.72 22345.74
Feb Produksi: 22345.74
Luas: 3631.21
Hujan: 235.26
Lembap: 82.46
Suhu: 27.81
Tekan: 1009.53
 x1 = 0.06881
x2 = 0.05701
x3 = 0.34607
x4 = 0.68343
x5 = 0.54212
x6 = 0.50815
 0.51662 0.34282 0.49756 0.11395 0.11262 0.0558 286270.14 2646.72 18620.4
Mar Produksi: 18620.4
Luas: 4636
Hujan: 273.99
Lembap: 83.87
Suhu: 27.7
Tekan: 1009.56
 x1 = 0.0558
x2 = 0.07845
x3 = 0.40304
x4 = 0.75839
x5 = 0.51836
x6 = 0.51084
 0.50784 0.32814 0.49658 0.10727 0.09239 0.04575 286270.14 2646.72 15743.35
Apr Produksi: 15743.35
Luas: 14842.46
Hujan: 211.29
Lembap: 84.15
Suhu: 27.75
Tekan: 1009.5
 x1 = 0.04575
x2 = 0.29624
x3 = 0.31081
x4 = 0.77342
x5 = 0.52916
x6 = 0.50538
 0.50065 0.30836 0.49402 0.24008 0.12029 0.05914 286270.14 2646.72 19576.61
Mei Produksi: 19576.61
Luas: 24347.95
Hujan: 278.56
Lembap: 85.12
Suhu: 27.46
Tekan: 1010.22
 x1 = 0.05914
x2 = 0.49907
x3 = 0.40977
x4 = 0.82531
x5 = 0.46566
x6 = 0.56826
 0.51479 0.29414 0.5146 0.34961 0.16476 0.08403 286270.14 2646.72 26701.01
Jun Produksi: 26701.01
Luas: 20339.64
Hujan: 299.69
Lembap: 85.04
Suhu: 26.67
Tekan: 1010.77
 x1 = 0.08403
x2 = 0.41354
x3 = 0.44085
x4 = 0.82072
x5 = 0.29633
x6 = 0.61561
 0.53408 0.3172 0.53372 0.29989 0.18312 0.09666 286270.14 2646.72 30317.03
Jul Produksi: 30317.03
Luas: 9723.63
Hujan: 182.06
Lembap: 82.92
Suhu: 26.36
Tekan: 1011.24
 x1 = 0.09666
x2 = 0.18701
x3 = 0.26782
x4 = 0.70783
x5 = 0.22937
x6 = 0.65672
 0.55018 0.35437 0.52716 0.18087 0.16484 0.08612 286270.14 2646.72 27300.43
Agu Produksi: 27300.43
Luas: 7478.02
Hujan: 96.06
Lembap: 78.27
Suhu: 26.49
Tekan: 1011.72
 x1 = 0.08612
x2 = 0.1391
x3 = 0.1413
x4 = 0.46047
x5 = 0.2568
x6 = 0.69783
 0.56681 0.37646 0.50775 0.11215 0.13565 0.06846 286270.14 2646.72 22244.77
Sep Produksi: 22244.77
Luas: 8574.12
Hujan: 80.07
Lembap: 76.82
Suhu: 26.93
Tekan: 1010.3
 x1 = 0.06846
x2 = 0.16249
x3 = 0.11778
x4 = 0.383
x5 = 0.3514
x6 = 0.5752
 0.54547 0.37671 0.49262 0.11483 0.11725 0.0575 286270.14 2646.72 19106.29
Okt Produksi: 19106.29
Luas: 23834.85
Hujan: 72.86
Lembap: 76.75
Suhu: 28.07
Tekan: 1010.33
 x1 = 0.0575
x2 = 0.48812
x3 = 0.10718
x4 = 0.37949
x5 = 0.59762
x6 = 0.57762
 0.54022 0.33396 0.48443 0.331 0.17388 0.0834 286270.14 2646.72 26520.48
Nov Produksi: 26520.48
Luas: 16476.62
Hujan: 131.64
Lembap: 78
Suhu: 28.65
Tekan: 1009.06
 x1 = 0.0834
x2 = 0.33111
x3 = 0.19364
x4 = 0.44566
x5 = 0.72311
x6 = 0.46722
 0.52919 0.34851 0.49306 0.30919 0.19977 0.09721 286270.14 2646.72 30475.04
Des Produksi: 30475.04
Luas: 8811.99
Hujan: 240.24
Lembap: 80.66
Suhu: 28.48
Tekan: 1008.53
 x1 = 0.09721
x2 = 0.16756
x3 = 0.3534
x4 = 0.58785
x5 = 0.68575
x6 = 0.42142
 0.52055 0.35466 0.50718 0.23472 0.18724 0.09387 286270.14 2646.72 29518.56
Catatan: Prediksi (denorm) adalah hasil akhir dalam skala produksi asli (jml_produksi).
Matriks Evaluasi Prediksi LSTM
No Bulan Aktual Prediksi RMSE MAE MAPE (%)
1 Jan 26944.86 22345.74 21151904.77 4599.12 17.07
2 Feb 28692.46 18620.4 101446392.64 10072.06 35.1
3 Mar 5323.89 15743.35 108565146.69 10419.46 195.71
4 Apr 34198.08 19576.61 213787384.96 14621.47 42.76
5 Mei 91113.88 26701.01 4149017821.64 64412.87 70.69
6 Jun 67208.89 30317.03 1361009334.26 36891.86 54.89
7 Jul 40074.86 27300.43 163186061.82 12774.43 31.88
8 Agu 45698.96 22244.77 550099028.56 23454.19 51.32
9 Sep 39287.55 19106.29 407283255.19 20181.26 51.37
10 Okt 96779.72 26520.48 4936360805.38 70259.24 72.6
11 Nov 47110.55 30475.04 276740192.96 16635.51 35.31
12 Des 31536.85 29518.56 4073494.52 2018.29 6.4
Jumlah 12292720823.4 286339.76 665.1
Rata-rata 32006.15 23861.65 55.43
Akurasi Model Prediksi
Metode Akurasi (%)
Akurasi berbasis RMSE 36.09%
Akurasi berbasis MAE 52.35%
Akurasi dihitung menggunakan pendekatan (1 − Error / rata-rata nilai aktual) × 100%.
RMSE, MAE, dan MAPE dihitung per bulan, lalu dirata-ratakan.