EVALUASI MODEL PREDIKSI PRODUKTIVITAS JAGUNG DI INDONESIA MENGGUNAKAN ALGORITMA PEMBELAJARAN MESIN

Hamundu, Ferdinand Murni
Rahman, Gusti Arviana
Tenriawaru, Andi
Rashid Armin

Simtek : Jurnal Sistem Informasi dan Teknik Komputer
Vol. 10 No. 1 (2025): April 2025

Ketahanan pangan merupakan isu global yang mempengaruhi banyak negara berkembang.  Jagung adalah salah satu tanaman pangan terpenting di dunia setelah padi dan gandum. Pada penelitian ini telah diterapkan teknik pembelajaran mesin untuk memprediksi data peramalam produktivitas jagung yang dapat mendukung ketahanan pangan. Algoritma yang digunakan adalah Random Forest, Boosting, dan Bagging. Penelitian ini mengevaluasi beberapa model dengan akurasi sampel. Hasilnya adalah Random forest lebih baik daripada metode yang lain berdasarkan tingkat kesalahan terendah. Hal ini ditunjukkan dengan nilai validitasnya yang paling minimum seperti MSE (6.764), MAPE (9.545), SSE (87570.9), dan R-square (0.8327575). Oleh karena itu, Random Forest dapat diandalkan untuk menyelidiki keakuratan data berkaitan dengan prediksi produktivitas jagung.