Machine Learning · Data Science · Agricultural Analytics · 2026
Prediksi Yield Padi Berbasis Data GDHY
Proyek analisis dan prediksi hasil panen padi menggunakan dataset global GDHY. Data berbentuk grid iklim dalam format NetCDF diolah menjadi model prediksi anomali yield. Fokusnya ada di eksplorasi data spasial dan evaluasi model deret waktu.
- 3 metrikEvaluasi modelRMSE, MAE, dan korelasi Pearson
- Validasi temporalStrategi pembagian dataTimeSeriesSplit menjaga urutan waktu
Isi studi kasus
Tujuan
Menganalisis pola hasil panen padi secara global dan membangun model yang bisa memprediksi anomali yield dari data iklim historis.
Hasil dan keterbatasan
Model dievaluasi menggunakan RMSE, MAE, dan korelasi Pearson yang dipetakan secara spasial, serta identifikasi wilayah dengan tingkat kesulitan prediksi tertinggi. Keterbatasan, proyek ini masih tahap eksplorasi dan belum melaporkan angka metrik final secara eksplisit di dokumentasi, dan performa model kemungkinan bervariasi antar wilayah karena karakteristik iklim yang berbeda-beda.
Detail teknis
Buka detail implementasi
Peran dan kontribusi
Mengerjakan seluruh proyek sendiri. Mengolah data NetCDF, melakukan eksplorasi data dan analisis spasial, membangun model regresi, dan mengevaluasi performa model per wilayah.
Metodologi
Mengekstrak dan menggabungkan file NetCDF tahunan menjadi satu struktur data waktu dan lokasi. Membersihkan nilai sentinel dan membatasi nilai yield yang tidak realistis. Melakukan analisis spasial untuk melihat pola produksi global, lalu melatih model regresi dengan validasi TimeSeriesSplit agar sesuai karakteristik data deret waktu.
Teknologi
- Python
- xarray
- pandas
- NumPy
- scikit-learn
- matplotlib
- seaborn
- scipy