Produktivitas padi merupakan faktor penting dalam mendukung ketahanan
pangan, namun variasi hasil panen antarpetani masih cukup tinggi. Perbedaan
tersebut dipengaruhi oleh berbagai faktor seperti penggunaan input produksi,
karakteristik petani, serta kondisi lahan dan lingkungan. Identifikasi faktor-faktor
yang paling berpengaruh terhadap hasil panen menjadi penting untuk mendukung
pengambilan keputusan dalam pengelolaan budidaya padi. Namun, hubungan
antara berbagai variabel budidaya dan hasil panen seringkali bersifat kompleks
sehingga sulit dianalisis menggunakan pendekatan statistik konvensional.
Penelitian ini bertujuan untuk membangun model prediksi hasil panen padi
serta mengidentifikasi faktor-faktor yang paling berpengaruh terhadap
produktivitas menggunakan pendekatan machine learning. Data penelitian
diperoleh dari kuesioner terhadap 395 petani padi di Kabupaten Nagekeo yang
mencakup informasi mengenai karakteristik petani, penggunaan input produksi,
serta kondisi lahan. Model yang digunakan dalam penelitian ini meliputi Regresi
Linear Berganda, Random Forest, Gradient Boosting Tree (GBM), dan Extreme
Gradient Boosting (XGBoost). Evaluasi performa model dilakukan menggunakan
metrik RMSE, MAE, dan R², serta uji statistik Friedman Test dan Wilcoxon Signed-
Rank Test untuk menguji signifikansi perbedaan performa antar model.
Hasil penelitian menunjukkan bahwa model XGBoost memberikan performa
prediksi terbaik dengan nilai RMSE sebesar 0,9255, MAE sebesar 0,6426, dan R²
sebesar 0,8396 pada data uji. Analisis feature importance menunjukkan bahwa
terdapat 15 variabel dominan yang memengaruhi hasil panen, dengan variabel
paling berpengaruh adalah luas lahan kategori 1–2 hektar, penggunaan benih per
hektar, total pupuk per hektar, serta biaya pupuk. Secara agregat, faktor internal
budidaya memberikan kontribusi sebesar 55,8%, sedangkan faktor eksternal
menyumbang sekitar 44,2% terhadap variasi hasil panen.