ANALISIS POTENSI KEKERINGAN LAHAN MENGGUNAKAN KOMBINASI INDEKS PRESIPITASI TERSTANDARISASI (SPI) DAN ALGORITMA RANDOM FOREST

Abstract

Kekeringan lahan merupakan bencana hidrometeorologi yang berkembang secara perlahan namun berdampak luas terhadap sektor pertanian, khususnya di wilayah beriklim tropis dengan pola curah hujan musiman seperti Kabupaten Padang Lawas, Sumatera Utara. Penelitian ini bertujuan menganalisis potensi kekeringan lahan menggunakan kombinasi Standardized Precipitation Index (SPI) dan algoritma Random Forest. Data curah hujan bulanan dari lima stasiun pengamatan periode 2014-2023 diolah menjadi indeks SPI-3 dan SPI-12 melalui pendekatan fungsi distribusi gamma. Nilai SPI kemudian dikombinasikan dengan variabel iklim pendukung (suhu udara, kelembapan, evapotranspirasi, dan indeks vegetasi) sebagai fitur untuk memprediksi status kekeringan bulan berikutnya menggunakan algoritma Random Forest. Model diuji menggunakan skema pembagian data latih dan data uji sebesar 75:25. Hasil penelitian menunjukkan model Random Forest mampu memprediksi status kekeringan dengan akurasi 85,19% dan nilai AUC 0,88, dengan SPI-3 dan suhu udara sebagai fitur paling berpengaruh. Analisis spasial menunjukkan Kecamatan Barumun Tengah memiliki kecenderungan defisit curah hujan tertinggi dibandingkan kecamatan lain. Hasil ini menunjukkan bahwa kombinasi SPI dan Random Forest dapat menjadi alat bantu pengambilan keputusan mitigasi kekeringan lahan berbasis data.