<![CDATA[Penelitian ini membandingkan kinerja dua algoritma klasifikasi, yaitu Logistic Regression dan Decision Tree, dalam memprediksi tingkat produksi padi di delapan provinsi di Sumatera. Data yang digunakan mencakup kurun waktu 1993 hingga 2020 dan melibatkan variabel seperti curah hujan, suhu, kelembapan, dan luas panen. Seluruh data diproses melalui tahap praproses dan transformasi untuk menghasilkan model klasifikasi multi-kelas: Rendah, Sedang, dan Tinggi. Hasil evaluasi menunjukkan bahwa kedua model memiliki akurasi yang sama sebesar 79,41%. Namun, Decision Tree menunjukkan F1-score tertimbang yang sedikit lebih tinggi, yaitu 0,7815 dibandingkan dengan 0,7760 pada Logistic Regression. Hal ini mengindikasikan bahwa Decision Tree lebih efektif dalam mengenali pola data yang kompleks dan tidak seimbang. Temuan ini menunjukkan bahwa pemilihan algoritma yang sesuai sangat penting dalam mendukung keputusan strategis di sektor pertanian. Penelitian ini dapat dikembangkan lebih lanjut dengan melibatkan fitur tambahan dan algoritma prediktif lain untuk meningkatkan akurasi model.]]>
Copyrights © 2025
