PERBANDINGAN ALGORITMA LINEAR REGRESSION DAN RANDOM FOREST UNTUK PREDIKSI HARGA BERAS PREMIUM (STUDI KASUS: JAWA BARAT)

MUCHTAR, IRFAN RASYID (2024) PERBANDINGAN ALGORITMA LINEAR REGRESSION DAN RANDOM FOREST UNTUK PREDIKSI HARGA BERAS PREMIUM (STUDI KASUS: JAWA BARAT). S1 thesis, Universitas Mercu Buana Jakarta.

[img] Text (TA)
JURNAL 41520010081 IRFAN RASYID.pdf
Restricted to Registered users only
Download (3MB)

Abstract

The staple food commodity that is crucial to the Indonesian society is rice. Rice often experiences fluctuations in prices. These fluctuations can be predicted using machine learning methods. The aim of this research is to evaluate the accuracy of machine learning algorithms in predicting the premium rice prices in the West Java Province, Indonesia. Two methods used in this study are Linear Regression and Random Forest. The dataset used consists of 6096 records from the Indonesian Food Commodity Management Agency. The evaluation results show that the Random Forest algorithm has an accuracy rate of 98.69%, while the Linear Regression algorithm has an accuracy rate of 95.08%. Based on these results, it is concluded that the Random Forest algorithm is more effective in predicting premium rice prices in the West Java Province compared to the Linear Regression algorithm. Kata kunci: Premium Rice Prices, Linear Regression, Random Forest. Komoditas bahan pangan pokok yang sangat penting bagi Masyarakat Indonesia adalah beras. Beras sering kali mengalami kenaikan dan penurunan harga. Hal tersebut dapat diprediksi dengan metode machine learning. Tujuan dari penelitian ini yaitu untuk mengevaluasi tingkat akurasi algoritma machine learning dalam memprediksi harga beras premium di Provinsi Jawa Barat, Indonesia. Dua metode yang digunakan dalam penelitian ini adalah Linear Regression dan Random Forest. Dataset yang digunakan terdiri dari 6096 record data yang berasal dari Instansi Pengelola Bahan Pangan Indonesia. Hasil evaluasi menunjukkan bahwa algoritma Random Forest memiliki tingkat akurasi sebesar 98.69%, sedangkan algoritma Linear Regression memiliki tingkat akurasi sebesar 95.08%. Berdasarkan hasil tersebut, disimpulkan bahwa algoritma Random Forest lebih efektif dalam memprediksi harga beras premium di Provinsi Jawa Barat dibandingkan dengan algoritma Linear Regression. Kata kunci: Harga Beras Premium, Linear Regression, Random Forest

Item Type: Thesis (S1)
Call Number CD: FIK/INFO. 24 157
Call Number: SIK/15/24/116
NIM/NIDN Creators: 41520010081
Uncontrolled Keywords: Harga Beras Premium, Linear Regression, Random Forest
Subjects: 500 Natural Science and Mathematics/Ilmu-ilmu Alam dan Matematika > 510 Mathematics/Matematika > 512 Algebra/Aljabar > 512.5 Linear, Multilinear, Multidimensional Algebra/Aljabar Linear, Multilinear, Aljabar Multidimensional
500 Natural Science and Mathematics/Ilmu-ilmu Alam dan Matematika > 510 Mathematics/Matematika > 518 Numerical Analysis/Analisis Numerik, Analisa Numerik > 518.1 Algorithms/Algoritma
600 Technology/Teknologi > 660 Chemical Engineering and Related Technologies/Teknologi Kimia dan Ilmu yang Berkaitan > 664 Food Technology/Teknologi Pembuatan Makanan Komersial > 664.7 Grains Product/Teknologi Pembuatan Makanan dari Padi dan Biji-bijian
Divisions: Fakultas Ilmu Komputer > Informatika
Depositing User: khalimah
Date Deposited: 14 Aug 2024 09:10
Last Modified: 14 Aug 2024 09:10
URI: http://repository.mercubuana.ac.id/id/eprint/90247

Actions (login required)

View Item View Item
UMB Repository is powered by EPrints 3 which is developed by the School of Electronics and Computer Science at the University of Southampton. More information and software credits.