Implementasi Algoritma Random Forest dalam Mengklasifikasian Wilayah Rawan Pangan Kabupaten Berau

Abstract

Kerawanan pangan terjadi ketika wilayah atau individu tidak dapat memenuhi kebutuhan pangan minimum untuk hidup berkelanjutan. Pemerintah memantau data dan informasi pangan melalui Food Security and Vulnerability Atlas (FSVA), yang disusun oleh Badan Ketahanan Pangan (BKP) dan Program Pangan Dunia (WFP) sejak 2002. Pada tahun 2019, FSVA disusun di tingkat nasional, provinsi, dan kabupaten, mencakup analisis kabupaten, kecamatan, dan desa. Dinas Pangan Kabupaten Berau telah menyusun peta FSVA untuk melaporkan indikator rawan pangan. Namun, proses ini memerlukan waktu lama, sehingga dibutuhkan teknik machine learning untuk mempercepat pengelompokan wilayah rawan pangan menggunakan algoritma Random Forest. Penelitian ini menggunakan data dari 110 desa di Kabupaten Berau dengan 14 kolom data. Analisis dilakukan dengan Python dan library scikit-learn. Model dievaluasi menggunakan Confusion Matrix dengan hasil akurasi 95%, presisi 96%, recall 95%, dan F1-Score 95% dengan pembagian data latih dan data uji sebesar 80:20.