Article Per Year (5 Year)
p-Index From 2020 - 2025
0.408
P-Index
This Author published in this journals
All Journal Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Jurnal Inovasi Komputer
Agustina, Desti
Unknown Affiliation
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mechanical Engineering Physics

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search
Journal : Prosiding Seminar Nasional Teknologi Informasi dan Bisnis

 1 
Perbandingan Metode Random Forest, Linier Regression, SVM Untuk Memprediksi Harga Beras Premium Saputra, Doni; Raihan Trinadi, Dio; Agustina, Desti; Pujianto, Pujianto
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2025
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.47701/yqx4ss53

Abstract

Di Indonesia beras merupakan bahan pokok utama yang sangat mempengaruhi per ekonomian dan kesejahteraan masyarakat. Oleh karena itu, prediksi harga beras menjadi sangat penting dalam memembantu pemerintah mengambil keputusan kedepan untuk menjaga stabilitas ekonomi negara dan menjaga kesejahteraan masyarakat. Penelitian ini bertujuan untuk memprediksi harga beras premium menggunakan algoritma Random Forest, Linier Regression dan SVM melakukan perbandingan metode manakah yang lebih akurat dalam memprediksi harga beras di hari yang akan datang. Data yang di gunakan dalam penelitian ini bersumber dari compas.com dari tahun 2024 – 2025 untuk memprediksi harga beras di tahun 2026. Model diuji menggunakan pendekatan supervised learning dengan validasi silang untuk memastikan keandalan hasil. Berdasarkan hasil pengujian yang di lakukan dengan algoritma Random Forest, Linier Regression, dan SVM memberikan hasil evaluasi bahwa metode Random Forest lah yang paling akurat hasilnya, karena berdasarkan evaluasi MAE (mean absolute error) nilai rata-rata terkecilah yang paling akurat untuk prediksi harga beras, maka dalam hal prediksi harga beras metode Random Forestlah yang sangat cocok untuk di gunakan para peneliti.
Co-Authors Abdul Rahman Citra, Erma Julia Doni saputra Fahlewi, Fria FAHRIZAL Prasetio, Dicky Pujianto Pujianto Raihan Trinadi, Dio Yuniar, Reski Ovi