<![CDATA[Isu ketahanan pangan global semakin mendesak akibat pertumbuhan populasi, urbanisasi, dan perubahan iklim. Hidroponik, sebagai metode pertanian inovatif yang tidak memerlukan tanah, menawarkan efisiensi penggunaan air yang lebih baik dibandingkan metode tradisional. Namun, tantangan dalam manajemen stok, termasuk fluktuasi permintaan dan risiko kerusakan tanaman, dapat mengganggu efisiensi dan keuntungan. Penelitian ini bertujuan untuk menerapkan algoritma pembelajaran mesin, seperti Regresi Linier, LSTM, Random Forest, dan XGBoost—untuk memprediksi hasil panen, stok, dan penjualan di kebun hidroponik yang dikenal sebagai 'XYZ'. Hasil evaluasi menunjukkan bahwa model regresi linier memiliki akurasi tertinggi, dengan Mean Absolute Error (MAE) 0.0029 dan Root Mean Squared Error (RMSE) 0.0039, sementara model LSTM, Random Forest, dan XGBoost menunjukkan kinerja lebih rendah. Regresi linier dianggap dapat diandalkan untuk perencanaan manajemen stok dan hasil panen. Temuan ini berkontribusi terhadap pengembangan pertanian berkelanjutan dan menunjukkan potensi pembelajaran mesin dalam mendukung pengelolaan stok dan pengambilan keputusan yang lebih baik bagi petani hidroponik.]]>
Copyrights © 2025
