Prediksi Hasil Panen Kakao Di Desa Minanga Menggunakan Algoritma Random Forest Regression

Abstract

Hasil produksi tanaman kakao di Desa Minanga sering mengalami fluktuasi, baik dalam bentuk penurunan maupun peningkatan yang tidak menentu disetiap musimnya. Kondisi ini berdampak pada ketidakpastian pendapatan, sehingga para petani kesulitan dalam merencanakan keuangan mereka dengan baik. Penelitian ini menggunakan algoritma random forest regression dengan tujuan untuk membantu dalam memprediksi hasil panen kakao pada petani Desa Minanga, dengan menggunakan kriteria luas lahan, jumlah tanaman kakao, jenis bibit, jenis pupuk, hama dan penyakit, penanggulangan hama dan penyakit, tingkat curah hujan, tenaga kerja, dan hasil. Data yang digunakan dalam penelitian ini merupakan data hasil panen kakao dari tahun 2019 hingga 2023, dengan total 2980 data yang akan diolah. Berdasarkan hasil pengujian jumlah pohon yang paling optimal adalah 100 pohon, dengan tingkat akurasi sebesar 98.95% dengan nilai Mean Absolute Percentage Error (MAPE) diperoleh adalah 1.04%, Root Mean Square Error (RMSE) yaitu 6.26 dan Koefisien Determinasi (R2) sebesar 0.99 pada rasio data 80:20. Variabel yang memiliki nilai importance paling tinggi yaitu variabel hama dan penyakit.