<![CDATA[Indonesia sebagai negara dengan jumlah penduduk Muslim terbesar di dunia menghadapi tantangan dalam pengelolaan pendaftaran haji yang terus meningkat setiap tahunnya. Penelitian ini bertujuan untuk memprediksi jumlah pendaftaran haji menggunakan algoritma Random Forest dan XGBoost, yang dikenal memiliki tingkat akurasi yang tinggi dalam analisis data berskala besar dan bersifat nonlinier. Dengan menggunakan data historis pendaftaran haji, model ini dirancang untuk mengidentifikasi pola dan faktor-faktor utama yang memengaruhi jumlah pendaftaran. Hasil evaluasi model menunjukkan bahwa Random Forest memberikan performa yang jauh lebih unggul dibandingkan XGBoost, dengan nilai R-squared sebesar 0,93 yang menunjukkan kemampuan model dalam menjelaskan variasi data, serta nilai Mean Absolute Error (MAE) dan Mean Squared Error (MSE) yang lebih rendah. Sebaliknya, XGBoost menunjukkan performa yang kurang optimal dengan nilai R-squared sebesar 0,40. Temuan ini memberikan informasi penting bagi pemerintah untuk mengoptimalkan perencanaan dan pengelolaan kuota haji sehingga pelayanan kepada calon jamaah dapat menjadi lebih efisien dan tepat sasaran.]]>
Copyrights © 2026
