Indonesia
sebagai negara agraris memiliki potensi besar dalam sektor pertanian, yang
ditandai dengan keanekaragaman komoditas utama di berbagai wilayah. Dalam
rangka mendukung kebijakan swasembada pangan nasional, diperlukan pemetaan
wilayah berbasis produktivitas utama pertanian. Penelitian ini bertujuan untuk
mengelompokkan 130 kabupaten/kota di Indonesia berdasarkan produktivitas padi,
jagung, dan kedelai menggunakan metode Gaussian
Mixture Model (GMM). GMM dipilih karena pendekatannya yang fleksibel dalam
memodelkan distribusi data yang kompleks dan heterogen secara probabilistik.
Estimasi parameter dilakukan melalui metode
Maximum Likelihood Estimation (MLE) yang dioptimalkan dengan algoritma Expectation-Maximization (EM). Model
terbaik dipilih berdasarkan nilai Bayesian
Information Criterion (BIC) terendah, yaitu model dengan dua cluster. Hasil analisis menunjukkan bahwa Cluster 1 terdiri dari 93 kabupaten/kota
dengan produktivitas tinggi yang umumnya terletak di Pulau Jawa, sebagian
Sumatera, dan Sulawesi Selatan. Sementara itu, Cluster 2 terdiri dari 37 kabupaten/kota dengan produktivitas
rendah hingga sedang, mayoritas berada di Indonesia bagian timur dan Kalimantan
Timur. Temuan ini diharapkan dapat memberikan kontribusi dalam perumusan
kebijakan pengembangan pertanian, dengan fokus pada hilirisasi dan ekspansi di
wilayah claster 1 serta intervensi
pembangunan infrastruktur, teknologi, dan peningkatan kapasitas petani di
wilayah cluster 2.
