<![CDATA[Cabai (Capsicum) merupakan komoditas hortikultura yang memiliki peranan sangat krusial di Indonesia. Namun, produksi cabai ini sangat rentan dan sering kali tidak konsisten akibat perubahan iklim seperti tingginya curah hujan dan suhu. Studi ini menghadapi tantangan tersebut dengan menggunakan metode eksperimental kuantitatif, serta memanfaatkan kumpulan data multi-variabel (tempat penanaman, tahun, luas area, curah hujan, kelembaban, dan suhu rata-rata) dari tahun 2015 hingga 2025. Data mengalami proses Normalisasi Min-Max untuk menyeimbangkan skala fitur dan dibagi berdasarkan waktu (data latih 2015–2023, data uji 2024–2025). Metode K-Nearest Neighbors (KNN) digunakan untuk memprediksi hasil cabai, dengan pengujian parameter menunjukkan bahwa K=3 merupakan nilai terbaik untuk mengenali pola lokal. Hasil evaluasi model KNN yang konsisten memperlihatkan nilai R2 sebesar 95,32%, yang membuktikan bahwa model ini sangat cocok dalam menjelaskan variasi data yang sebenarnya. Selain itu, nilai Root Mean Squared Error (RMSE) yang rendah yaitu 168. 4282 kg menunjukkan bahwa rata-rata kesalahan dalam prediksi sangat kecil. Dengan tingkat ketepatan ini, sistem ramalan hasil panen cabai terbukti sah dan dapat mendukung petani dalam pengelolaan, perencanaan, serta peningkatan produktivitas pertanian yang berdasarkan data.]]>
Copyrights © 2025
