Keadaan iklim dan cuaca yang berubah ubah sehingga mempengaruhi jumlah produksi tanaman pangan. Selain itu, jumlah penduduk yang bertambah akan membawa konsekuensi terhadap ketersediaan lahan. Pada penelitian ini, kami mengajukan suatu algoritma baru dengan memanfaatkan data data yang berkaitan dengan pertanian dalam beberapa tahun terakhir, dibuat aplikasi yang memanfaatkan Linear Regression, Moving Average Artificial Neural Network, dan Support Vector Machine untuk membuat prediksi produksi tanaman pangan. Aplikasi yang dibangun untuk menyajikan data yang tepat dan akurat mengenai panen tanaman pangan dan konsumsi pangan masyarakat indonesia. Selain itu dapat dijadikan referensi bagi pemerintah untuk menentukan pengambilan keputusan mengenai import tanaman pangan berdasarkan hasil prediksi panen yang dibandingkan dengan konsumsi masyarakat. Proses awal dalam sistem akan dimulai dengan pengumpulan data dari Kementrian Pertanian dan Badan Pusat Statistik. Kemudian data akan diolah menggunakan Linear Regression, Moving Average dan Artificial Neural Network, Support Vector Machine sehingga menghasilkan nilai prediksi untuk panen kedepannya. Hasil prediksi ini dievaluasi dengan RMSE dan Rsquared sehingga dapat diketahui metode dengan hasil prediksi terbaik. Dari hasil prediksi disimpulkan bahwa Machine Learning memiliki akurasi yang lebih baik, namun Metode statistik memiliki proses penghitungan yang lebih simpel dan cepat.