Algoritma Shapley Additive Explanations untuk Analisis Kejadian Rawan Pangan Rumah Tangga di Kalimantan Barat

Abstract

Kerawanan pangan merujuk pada situasi di mana individu atau kelompok tidak memiliki akses yang cukup terhadap makanan bergizi dalam periode tertentu di suatu wilayah. Masalah ini merupakan tantangan signifikan baik di skala global maupun nasional, termasuk di Indonesia. Penanganan kerawanan pangan memerlukan penerapan berbagai strategi, termasuk pengembangan model klasifikasi untuk insiden kerawanan pangan di tingkat rumah tangga atau individu. Penelitian ini bertujuan untuk menjelaskan model Support Vector Machine (SVM) Nonlinier dengan pendekatan Shapley Additive Explanations dalam memodelkan kerawanan pangan di tingkat rumah tangga, serta untuk mengidentifikasi kontribusi masing-masing variabel prediktor dari data Riset Sosial Ekonomi Nasional (SUSENAS) tahun 2023, yang diperoleh dari Badan Pusat Statistik, terhadap kejadian kerawanan pangan di Provinsi Kalimantan Barat. Temuan penelitian menunjukkan bahwa variabel-variabel signifikan yang memengaruhi kerawanan pangan mencakup luas lantai rumah, tingkat pendidikan kepala keluarga, jumlah tabungan, ketersediaan air bersih, akses internet, sumber air minum, dan jenis lantai. Hasil evaluasi terhadap model yang diterapkan pada data kejadian rawan pangan di Provinsi Kalimantan Barat menunjukkan bahwa model Support Vector Machine (SVM) memiliki kinerja yang cukup baik dalam klasifikasi rumah tangga yang mengalami kerawanan pangan. Parameter optimal dicapai melalui penggunaan kernel radially symmetric basis function (RBF), dan algoritma SHAP dengan metode interpretasi Permutation Explainer dapat secara efektif menjelaskan model SVM nonlinier yang digunakan.