Prediksi Produksi Kopi di Indonesia Berdasarkan Variabilitas Iklim Berbasis Deep Learning

Abstract

Produksi kopi di Indonesia sempat mengalami fluktuasi, salah satu penyebabnya yaitu dikarenakan oleh variabilitas iklim. Kondisi tersebut menjadikan prediksi produksi kopi berdasarkan variabilitias iklim bisa digunakan sebagai dasar dalam mendukung pengambilan keputusan di sektor pertanian. Penelitian ini bertujuan untuk memprediksi produksi kopi di Indonesia berdasarkan variabilitas iklim menggunakan metode Long Short-Term Memory (LSTM) serta menginterpretasikan kontribusi setiap variabel menggunakan SHapley Additive exPlanations (SHAP). Dataset yang digunakan berupa data time-series bulanan periode Januari 2011 hingga Desember 2025 yang terdiri atas data produksi kopi, suhu, curah hujan, dan kelembaban. Tahapan penelitian meliputi preprocessing data, Exploratory Data Analysis (EDA), feature engineering, pembagian data menggunakan time-series split, normalisasi Min-Max Scaling, pembentukan data menggunakan sliding window selama 12 bulan, pembangunan dan pelatihan model LSTM, evaluasi model menggunakan MAE, RMSE, MAPE, dan koefisien determinasi (R²), serta interpretasi model menggunakan SHAP. Hasil penelitian menunjukkan bahwa model LSTM mampu memprediksi produksi kopi dengan cukup baik, ditunjukkan oleh nilai koefisien determinasi (R²) sebesar 0,8435 pada data pengujian. Selain itu, hasil prediksi secara umum masih mampu mengikuti pola data aktual meskipun terdapat beberapa perbedaan pada beberapa periode. Hasil interpretasi SHAP menunjukkan bahwa produksi historis merupakan faktor yang paling dominan dalam proses prediksi. Pada analisis yang difokuskan pada variabel iklim, kelembaban memberikan kontribusi terbesar terhadap hasil prediksi, diikuti oleh curah hujan, sedangkan suhu memiliki kontribusi paling rendah. Hasil penelitian menunjukkan bahwa kombinasi metode LSTM dan SHAP tidak hanya mampu menghasilkan prediksi produksi kopi yang baik, tetapi juga memberikan interpretasi mengenai kontribusi masing-masing variabel terhadap hasil prediksi

Description

Finalisasi Repository/HASYIM Agustus 2026

Citation

Endorsement

Review

Supplemented By

Referenced By