Ringkasan Analitik & Kondisi Pangan
Statistik ringkas dataset harga pangan, tren harga bulanan terpadu, dan gambaran performa model machine learning.
Sekilas Performa Model Machine Learning
Random Forest Regressor memberikan prediksi harga pangan paling presisi di tingkat regional.
Decision Tree & Random Forest memetakan anomali lonjakan harga secara cepat & tepat.
Algoritma K-Means mengelompokkan wilayah dan komoditas ke dalam 4 cluster dengan pola konsisten.
Multi-Layer Perceptron neural network berhasil memodelkan hubungan non-linier kompleks.
Tren Harga Pangan Rata-Rata Bulanan (Nasional)
Perubahan pergerakan harga rata-rata gabungan seluruh komoditas pangan nasional secara historis.
Daftar Komoditas Pangan Termahal
10 Komoditas pangan dengan tingkat harga rata-rata tertinggi nasional.
Provinsi dengan Harga Pangan Termahal
10 Wilayah provinsi dengan tingkat harga rata-rata tertinggi nasional.
Analisis Makro Ketahanan Pangan Nasional
Berdasarkan data historis gabungan dari Badan Pangan Nasional (Bapanas), ditemukan disparitas harga spasial yang signifikan antara wilayah produsen utama pangan (seperti Jawa Timur dan Jawa Tengah) dengan wilayah konsumen perkotaan atau logistik terpencil (seperti DKI Jakarta dan Kalimantan Timur).
Komoditas hewani seperti daging ayam ras dan komoditas hortikultura musiman seperti cabai rawit merah menjadi pendorong utama fluktuasi indeks stabilitas pangan bulanan. Melalui K-Means clustering, wilayah dipetakan secara objektif guna memisahkan daerah surplus yang butuh fasilitasi distribusi dari daerah defisit rawan pangan yang mendesak memerlukan program Gerakan Pangan Murah (GPM).