Perbandingan Performa Algoritma Linear Regresi dan Random Forest untuk Prediksi Harga Bawang Merah di Kota Samarinda

Abstract

Sebagai komponen penting dari perekonomian, pertanian membutuhkan prediksi harga yang akurat untuk memberi tahu pemerintah dan pelaku industri. Fokus penelitian ini adalah untuk membandingkan kinerja dua algoritma mesin learnig, Linear Regresi dan Random Forest, dalam memprediksi harga bawang merah di Kota Samarinda dengan mempertimbangkan variabel harga pasar, nilai rata-rata, nilai rata-rata sebelumnya, dan tingkat inflasi. Dataset historis dikumpulkan, yang mencakup harga pasar bawang merah di berbagai lokasi di Kota Samarinda. Sementara Random Forest mengumpulkan pola kompleks dan interaksi dalam data, linear regresi mengevaluasi hubungan linear antara variabel input dan output. Hasil penelitian menunjukkan bahwa Linear Regresi membuat prediksi yang lebih akurat dalam situasi hubungan linear antara variabel input dan output adalah fluktuasi harga yang dipengaruhi oleh faktor pasar dan tingkat inflasi. Dengan mempertimbangkan pasar, nilai rata-rata, nilai rata-rata sebelumnya, dan tingkat inflasi Kota Samarinda, hasil RMSE Linear Regresi adalah 53.74842694081432 dan hasil RMSE Random Forest adalah 841.1322301347325. Studi ini memberikan pemahaman lebih mendalam tentang bagaimana kinerja algoritma mesin learning dapat dipengaruhi oleh variasi faktor saat meramalkan harga bawang merah. Penelitian ini dapat membantu para pemangku kepentingan mengelola dan mengantisipasi perubahan harga bawang merah di pasar lokal Samarinda.