Permodelan dan Prediksi Produksi Padi Di Sumatera Menggunakan Temporal Convolutional Network (TCN) Berbasis Data Iklim

Abstract

Produksi padi di Sumatera dipengaruhi oleh kombinasi luas panen dan faktor iklim seperti curah hujan, kelembapan, dan suhu rata-rata, yang berhubungan secara non-linear dan bersifat dinamis dari tahun ke tahun. Penelitian ini bertujuan membangun model permodelan dan prediksi produksi padi menggunakan Temporal Convolutional Network (TCN), sebuah arsitektur deep learning berbasis dilated causal convolution yang belum banyak digunakan pada kasus permodelan pertanian di Indonesia. Data yang digunakan berasal dari delapan provinsi di Sumatera periode 1993-2020, mencakup produksi, luas panen, curah hujan, kelembapan, dan suhu rata-rata. Data dinormalisasi per provinsi kemudian dibentuk menjadi sekuens empat tahun untuk memprediksi produksi tahun berikutnya, dengan lima tahun terakhir tiap provinsi dijadikan data uji. Model TCN yang dibangun terdiri atas tiga blok residual dengan dilated convolution dan dilatih menggunakan optimizer Adam selama 200 epoch. Hasil pengujian menunjukkan model mampu menjelaskan variasi produksi padi antarprovinsi dengan nilai R-squared sebesar 0,70, RMSE sebesar 770.702 ton, dan MAPE sebesar 37,17 persen, meskipun akurasi pada beberapa provinsi dengan fluktuasi tinggi masih terbatas akibat jumlah data uji yang kecil. Temuan ini menunjukkan bahwa TCN merupakan alternatif yang layak untuk permodelan produksi pertanian berbasis data iklim dan dapat dikembangkan lebih lanjut dengan menambah panjang historis data atau variabel pendukung lain.