Food Security and Vulnerability (FSVA) merupakan sebuah peta Ketahanan dan Kerawanan Pangan di Indonesia yang merupakan peta pembaharuan dari peta sebelumnya yaitu Food Insecurity Atlas (FIA). Dalam FSVA terjadi perubahan pada beberapa indikator yang digunakan. Pemetaan dalam menentukan wilayah yang rentan dan rawan terhadap pangan sangat penting dilakukan agar dapat membantu Pemerintah dalam menentukan daerah dan alokasi sumber daya untuk menanggulangi kerawanan pangan di daerah yang termasuk rentan. Dalam penelitian ini akan menggunakan metode Principal Component Analysis (PCA), yang akan mereduksi data awal menjadi data baru yang lebih sedikit tanpa mengurangi variansi data yang ada. Penggunaan PCA dapat membantu dalam mengoptimalkan komponen utama dan hubungan antar variabel. Kemudian data reduksi akan dirotasi dengan menggunakan matrik rotasi Varimax untuk menentukan nilai bobotnya, penggunaan Varimax dapat mempermudah dalam menginterpretasikan hasil dari PCA sehingga membuatnya lebih mudah untuk dimengerti. Hasil akhir kemudian akan dipetakan dengan Sistem Informasi Geografis menggunakan Google Maps API dengan variansi warna berdasarkan nilai Composite Food Security Index (CFSI) yang diperoleh. Dengan adanya penelitian dapat menyediakan sarana bagi para Pemerintah setempat untuk menentukan sasaran dan memberikan rekomendasi daerah mana saja yang merupakan daerah rawan yang perlu diprioritaskan terlebih dahulu untuk ditanggulangi.


Deskripsi Lain

Food Security and Vulnerability ( FSVA ) is a map of Food Security and Vulnerability in Indonesia, which a map of the renewal of the previous map Food Insecurity Atlas ( FIA ). In FSVA there’s some changes on some of the indicators used . Mapping to determine areas that are vulnerable and prone to food is very important in order to assist the Government in determining areas and allocation of resources to overcome food insecurity in areas that are prone . This research will use the methods of Principal Component Analysis ( PCA ) and Varimax rotation matrix to calculate weights of food vulnerability indicators . Using PCA can helps in PCA can help in data reduction the main components and optimize the relationship between variables. Then, the reduction result will be rotation using Varimax rotation to decided the weight value, factor rotation with Varimax can make more easily to interpretation the result of PCA so that making it easier to to understand. The final result will be mapped with Geographic Information Systems using the Google Maps API with a color variance based on values obtained CFSI . This system can gives provide to local governments to set goals and make recommendations which areas are prone to be prioritized to be addressed first.

• PENGGUNAAN METODE FUZZY DALAM SISTEM REKOMENDASI PADA APLIKASI MANAJEMEN OBAT
• SISTEM INFORMASI KEPEGAWAIAN MENGGUNAKAN METODE ANALYTICAL HIERARCHY PROCESS (AHP) BERBASIS WEB DI KOPERASI PEGAWAI TELKOM CITRA RAJAWALI PAMEKASAN
• SISTEM INFORMASI KEPEGAWAIAN BERBASIS WEB DI DINAS PENDIDIKAN KABUPATEN SUMENEP
• EKSTRAKSI FITUR PRINCIPAL COMPONENT ANALYSIS (PCA) UNTUK PENGENALAN HURUF ABJAD BAHASA ISYARAT PADA SISTEM ISYARAT BAHASA INDONESIA (SIBI)
• PENGELOMPOKAN KECAMATAN BERDASARKAN INDIKATOR PEMERATAAN PENDIDIKAN MENGGUNAKAN PARTITION AROUND MEDOIDS (PAM)