EUVIMEDEUVIMED entdecken
Open Access · CC BY 4.0

Prediksi Tingkat Realisasi Pupuk Bersubsidi Menggunakan Support Vector Machine (SVM)

Muhamad Zaril Akbar, Dadang Priyanto, Ria Rismayati

RIGGS: Journal of Artificial Intelligence and Digital Business · 31.07.2026 · 5 (2) · 23690-23699

DOI: 10.31004/riggs.v5i2.12397 ↗

Kurz gefasst

Fachartikel in der Zeitschrift RIGGS: Journal of Artificial Intelligence and Digital Business, online erschienen am 31.07.2026. Verfasst von Muhamad Zaril Akbar und 2 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Ketidaksesuaian antara alokasi dan realisasi penyaluran pupuk bersubsidi di Provinsi Nusa Tenggara Barat (NTB) menjadi tantangan utama dalam menjaga efektivitas distribusi serta keberlanjutan produksi sektor pertanian daerah. Penelitian ini bertujuan untuk mengembangkan dan mengevaluasi model prediksi realisasi pupuk bersubsidi menggunakan algoritma Support Vector Regression (SVR) berbasis kernel Radial Basis Function (RBF). Dataset sekunder yang digunakan mencakup 1.081 data historis alokasi dan realisasi penyaluran lima jenis pupuk bersubsidi (Urea, NPK, SP-36, ZA, dan Organik) periode Januari 2017 hingga Desember 2025 di Kabupaten Lombok Barat. Tahapan metodologi meliputi pembersihan data, seleksi variabel input (tahun, bulan, RDKK, dan alokasi), serta normalisasi data menggunakan metode StandardScaler. Pembagian dataset dilakukan dengan rasio 80% data latih dan 20% data uji. Kinerja model dievaluasi menggunakan metrik Mean Absolute Error (MAE), Root Mean Squared Error (RMSE), dan koefisien determinasi (R2). Hasil pemodelan menunjukkan bahwa algoritma SVR dengan kernel RBF mampu memodelkan hubungan nonlinier antarvariabel dengan sangat baik. Performa terbaik dicapai pada prediksi pupuk NPK dengan nilai R2sebesar 0,9607, MAE sebesar 0,13, dan RMSE sebesar 0,21, disusul SP-36 (R2 = 0,9558) dan Urea (R2 = 0,6911). Selain itu, model SVR diintegrasikan ke dalam aplikasi berbasis web yang dilengkapi fitur Early Warning System untuk membatasi rekomendasi alokasi agar tidak melampaui kuota. Penelitian ini terbukti efektif memberikan estimasi realisasi distribusi pupuk yang akurat sebagai alat pendukung keputusan bagi pengambil kebijakan pertanian daerah.

Zitieren

APA

Akbar, M. Z., Priyanto, D., & Rismayati, R. (2026). Prediksi Tingkat Realisasi Pupuk Bersubsidi Menggunakan Support Vector Machine (SVM). RIGGS: Journal of Artificial Intelligence and Digital Business, 5(2), 23690-23699. https://doi.org/10.31004/riggs.v5i2.12397

Vancouver

Akbar MZ, Priyanto D, Rismayati R. Prediksi Tingkat Realisasi Pupuk Bersubsidi Menggunakan Support Vector Machine (SVM). RIGGS: Journal of Artificial Intelligence and Digital Business. 2026;5(2):23690-23699. doi:10.31004/riggs.v5i2.12397

BibTeX
@article{Akbar2026,
  author = {Akbar, Muhamad Zaril and Priyanto, Dadang and Rismayati, Ria},
  title = {Prediksi Tingkat Realisasi Pupuk Bersubsidi Menggunakan Support Vector Machine (SVM)},
  journal = {RIGGS: Journal of Artificial Intelligence and Digital Business},
  year = {2026},
  volume = {5},
  number = {2},
  pages = {23690--23699},
  doi = {10.31004/riggs.v5i2.12397}
}
Kostenlos starten →