Journal Article
Forecasting Climate Change Patterns to Improving Rice Harvest Using SVR for Achieving Green Economy
Abstract
This study focuses on forecasting climate change patterns to improve rice harvest as part of efforts to support a green economy. Support Vector Regression (SVR) is employed to model the complex, non-linear relationships between climate variables and rice production. By leveraging historical climate data and rice yield records, the proposed approach aims to provide more accurate predictions that can help stakeholders optimize agricultural planning and mitigate the negative impacts of climate variability.
Overview
Penelitian ini memanfaatkan Support Vector Regression (SVR) untuk memodelkan hubungan kompleks antara variabel iklim dan hasil panen padi dalam konteks perubahan iklim.
Pendekatan yang digunakan berfokus pada pemanfaatan data historis iklim dan produksi padi untuk meningkatkan akurasi peramalan demi mendukung pengambilan keputusan menuju green economy.
Key Contributions
- Mengusulkan model peramalan hasil panen padi berbasis Support Vector Regression (SVR) yang mempertimbangkan pola perubahan iklim.
- Memanfaatkan data historis iklim dan hasil panen untuk membangun model prediksi yang lebih akurat dan relevan bagi pemangku kepentingan di sektor pertanian.
- Memberikan wawasan mengenai bagaimana perubahan pola iklim dapat memengaruhi produksi padi dan implikasinya terhadap strategi green economy.
- Menyediakan dasar teknis bagi pengembangan sistem pendukung keputusan di bidang pertanian yang berorientasi pada keberlanjutan dan ketahanan pangan.