Tentang Kami

Tentang Proyek

Membangun Ketahanan Pangan Melalui Kecerdasan Buatan

RVI adalah inisiatif berbasis data untuk melindungi petani dari ancaman gagal panen yang disebabkan oleh perubahan iklim dan cuaca ekstrem.

Tujuan Proyek

Menyediakan Sistem Peringatan Dini (Early Warning System) yang proaktif. Sistem ini membantu petani dan pembuat kebijakan untuk mengetahui kapan risiko gagal panen atau ledakan populasi hama bakal terjadi di Kabupaten Ciamis.

  • Meminimalisir kerugian petani akibat cuaca ekstrem.
  • Meningkatkan akurasi pengambilan keputusan panen.

Latar Belakang

Cuaca yang tidak menentu (anomali) seperti curah hujan tinggi yang disertai suhu lembab merupakan pemicu utama munculnya hama merusak seperti Tikus, Wereng, dan Penggerek Batang.

"Dengan memprediksi cuaca, kita bisa memprediksi datangnya hama. Dengan memprediksi hama, kita menyelamatkan ketahanan pangan."

Sumber Data Kami

Data historis yang valid adalah kunci dari akurasi kecerdasan buatan.

Transparansi Data (2014 - 2026)

Kami membagi data menjadi dua kelompok utama: Data Riil (2014-2023) yang didapatkan secara langsung dari BPS dan BMKG, dan Data Prediksi (2024-2026) yang dihasilkan oleh model AI kami. Seluruh fokus analisis saat ini dikhususkan pada wilayah Kabupaten Ciamis, Jawa Barat.

Frequently Asked Questions

Pertanyaan yang sering diajukan seputar RVI.

RVI adalah Sistem Cerdas Peringatan Dini (Early Warning System) yang dirancang khusus untuk memprediksi tingkat kerentanan pertanian dan estimasi produksi padi di suatu daerah berdasarkan data iklim dan sosial ekonomi masa lalu.
Kami menggunakan algoritma Machine Learning (Random Forest) yang dilatih menggunakan data historis dari tahun 2014 hingga 2023. AI mempelajari pola hubungan antara curah hujan, suhu, dan faktor lainnya terhadap hasil panen, untuk memprediksi kondisi di masa depan (2024-2026).
Data dari tahun 2014 hingga 2023 adalah data riil (nyata) yang dikumpulkan dari lembaga resmi. Sedangkan data untuk tahun 2024 hingga 2026 merupakan hasil prediksi (forecasting) dari model Machine Learning kami dengan tingkat akurasi (R²) mencapai ~94%.
Aplikasi ini dirancang untuk membantu para Petani, Dinas Pertanian, dan Pembuat Kebijakan (Pemerintah) agar dapat mengambil langkah preventif sebelum gagal panen atau serangan hama terjadi.