Article Per Year (5 Year)
p-Index From 2021 - 2026
1.633
P-Index
This Author published in this journals
All Journal Jurnal Simetris Conference on Innovation and Application of Science and Technology (CIASTECH) Jurnal Teknologi Terpadu Building of Informatics, Technology and Science Technologia: Jurnal Ilmiah Journal of Computer Networks, Architecture and High Performance Computing Jurnal Media Informatika Indonesia Journal of Midwifery Sciences Innovative: Journal Of Social Science Research Jurnal PETISI (Pendidikan Teknologi Informasi)
Nurlaelasari, Euis
Unknown Affiliation
Agriculture, Biological Sciences & Forestry Humanities Computer Science & IT Education Engineering Health Professions Law, Crime, Criminology & Criminal Justice Nursing Public Health Social Sciences Other

Published : 11 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 11 Documents
Search

 1   2 
Pemodelan Prediksi Ekspor Kopi Indonesia Berbasis Algoritma Machine learning Novita, Hilda Yulia; Rohana, Tatang; Nurlaelasari, Euis; Awal, Elsa Elvira
Jurnal Media Informatika Vol. 6 No. 6 (2025): Edisi Nopember - Desember 2025
Publisher : Lembaga Dongan Dosen

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.55338/jumin.v6i6.7097

Abstract

Penelitian ini bertujuan untuk membangun model prediksi ekspor kopi di Indonesia dengan menggunakan tiga algoritma machine learning, yaitu regresi inier, neural networks, dan gradient boosting. Data yang digunakan berasal dari data historis ekspor kopi Indonesia. Penelitian dilakukan melalui tahapan pra-pemrosesan data, pemodelan, dan evaluasi kinerja masing-masing algoritma. Hasil penelitian menunjukkan bahwa ketiga algoritma mampu memprediksi ekspor kopi dengan performa yang cukup baik. Algoritma Linear Regression memberikan hasil terbaik dengan nilai mean squared error (MSE) sebesar 0.0000867, mean absolute error (MAE) sebesar 0.00766, dan skor R² sebesar 95%. neural networks menghasilkan MSE sebesar 0.000171, MAE sebesar 0.01196, dan skor R² sebesar 91%. Sementara itu, gradient boosting menunjukkan performa terendah dengan MSE sebesar 0.01918 dan skor R² sebesar 74%. Temuan ini menunjukkan bahwa pendekatan machine learning dapat digunakan sebagai alat bantu dalam memprediksi tren ekspor komoditas secara akurat.
Co-Authors Amansyah, Ilham Awal, Elsa Elvira Bagus Setiawan Baihaqi, Kiki Ahmad Fauzi, Rifqi Arul Hanny Hikmayanti Handayani Indra, Jamaludin Juwita, Ayu Ratna Laurentzia, Rini Beatrix Lenggana, U. Tresna Meriyana, Putri Munzi, Gugy Guztaman Novita, Hilda Yulia Nurdin, Cherry Januar Nurlaila, Diah Rahmat Rahmat Ratna Juwita, Ayu rizky pratama, adi Rohana, Tatang Supriyadi Supriyadi Tri Vicika, Vikha Wahiddin, Deden