Prediksi Harga Beras di Provinsi Jawa Timur Menggunakan Algoritma Random Forest Regression Berbasis Website
Tahun 2026 · Penulis: Awal Nur Linda
Faculty of Computer Science, Universitas Jember
Tautan: https://repository.unej.ac.id/handle/123456789/11793
Abstrak
Teks yang dipakai untuk pengindeksan BM25 dan IndoSBERT
Beras merupakan bahan pokok bagi sebagian besar masyarakat dengan tingkat konsumsi yang tinggi. Menyadari pentingnya komoditas ini, maka diperlukan perhatian khusus terhadap daerah sentra produksi beras, seperti Provinsi Jawa Timur. Namun, harga beras di provinsi Jawa Timur masih berfluktuasi dan menjadi tantangan tersendiri bagi masyarakat. Oleh karena itu, diperlukan sebuah sistem prediksi dengan pendekatan berbasis data yang mampu memperkirakan harga beras di masa mendatang dan mudah diakses oleh pengguna untuk mendukung pengambilan keputusan. Penelitian ini bertujuan untuk mengembangkan sistem prediksi harga beras di Provinsi Jawa Timur menggunakan algoritma Random Forest Regression berbasis website sebagai solusi untuk mengatasi permasalahan tersebut. Penelitian ini dilakukan dengan mengumpulkan data harian harga beras di Provinsi Jawa Timur dengan kualitas super, medium, dan bawah yang diperoleh dari Pusat Informasi Harga Pangan Strategis Nasional dengan periode Juli 2020 hingga Juni 2025. Selanjutnya, dilakukan preprocessing data dengan memeriksa dan menangani missing value, memeriksa baris data duplikat, mengekstraksi variabel waktu, serta membuat fitur lag 1, lag 7, dan lag 14. Kemudian, dilakukan pembagian data dengan skenario 70:30, 80:20, serta 90:10 dan dilanjutkan dengan pembangunan model Random Forest Regression dengan hyperparameter tuning menggunakan metode Random Search. Hasil evaluasi model menunjukkan bahwa performa paling optimal untuk beras kualitas super diperoleh dengan R² 0,91 dan MAE 19,79, beras kualitas medium diperoleh dengan R² 0,94 dan MAE 33,72, serta beras kualitas bawah diperoleh dengan R² 0,92 dan MAE 31,75. Selanjutnya, dilakukan pengembangan sistem dimana ketiga model dengan performa paling optimal tersebut diintegrasikan ke dalam sistem berbasis website yang dikembangkan menggunakan framework Flask. Hasil evaluasi sistem menggunakan metode black box testing menunjukkan bahwa seluruh fitur sistem berhasil beroperasi dengan baik sesuai yang diharapkan.
Dokumen Serupa
Berdasarkan kemiripan vektor embedding IndoSBERT (cosine similarity).
- Cosine 0,843
Tahun 2024 · Penulis: Rafi Rosyadi
Peramalan Harga Komoditas Pangan di Kabupaten Jember Dengan Support Vector Regression (SVR)
Komoditas pangan merupakan kebutuhan dasar yang berguna untuk meningkatkan hidup manusia. Harga komoditas pangan di Indonesia selalu berfluktuasi, salah satunya pada harga beras. Beras menjadi salah satu pangan utama dan menjadi penyumbang terbesar dalam laju
- Cosine 0,827
Tahun 2025 · Penulis: Sinta Nurul Qomaria
Peramalan Time Series Produksi Jagung DI Kabupaten Jember Dengan Arima Dan Model H2O Automl
Produksi jagung di Kabupaten Jember memiliki peran strategis dalam sektor pertanian dan ketahanan pangan nasional. Sebagai salah satu komoditas utama, jagung banyak digunakan untuk bahan pangan, pakan ternak, dan industri. Namun, produksi jagung mengalami fluk
- Cosine 0,813
Tahun 2025 · Penulis: Donny Eko Saputro
Sistem Prediksi Ketersediaan Cabai Rawit Menggunakan Metode Stgcn-LSTM di Kabupaten Jember
Skripsi berjudul “Prediksi Ketersediaan Cabai Rawit Menggunakan Metode STGCN-LSTM di Kabupaten Jember” Cabai rawit merupakan komoditas penting di Kabupaten Jember yang sering mengalami fluktuasi ketersediaan akibat faktor cuaca dan iklim. Penelitian ini bertuj