Pemetaan Lahan Pertanian Padi Berbasis Machine Learning untuk Mendukung Ketahanan Pangan Kabupaten Soppeng

Abstract

Penelitian ini mengembangkan pendekatan pemetaan lahan padi berbasis machine learning untuk memperkuat perencanaan ketahanan pangan di Kabupaten Soppeng. Studi memanfaatkan citra satelit resolusi menengah, indeks vegetasi time-series, dan fitur spasial-temporal (curah hujan, elevasi, tekstur spektral) guna mengklasifikasikan tutupan lahan padi serta memetakan dinamika luas tanam dan pola musim. Model utama membandingkan algoritma terawasi (Random Forest, SVM) dan arsitektur deep learning berbasis segmentasi, dengan strategi validasi silang spasial dan verifikasi lapangan terbatas. Keluaran penelitian berupa peta probabilistik lahan padi, layer intensitas tanam musiman, serta estimasi indikatif produktivitas berbasis proxy vegetasi. Hasil menunjukkan peningkatan akurasi klasifikasi dan konsistensi spasial pada model yang menggabungkan fitur time-series dan data iklim, sekaligus menurunkan kebutuhan label melalui skema active learning. Temuan ini diintegrasikan ke dalam prototipe dashboard spasial untuk mendukung pengambilan keputusan yaitu penetapan target intervensi irigasi, penjadwalan tanam-panen, dan antisipasi risiko kekeringan. Pendekatan ini memberikan kerangka replikasi berbiaya efisien bagi pemerintah daerah, dengan potensi integrasi data resmi statistik pertanian dan perluasan ke skala kecamatan/desa untuk perencanaan pangan yang lebih adaptif dan berbasis bukti