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

Abstract

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.