IMPLEMENTASI ALGORITMA SUPPORT VECTOR REGRESSION DALAM MEMPREDIKSI HARGA SAYURAN KOMODITAS
STUDI KASUS : DESA HEGARMANAH
Abstract
Fluktuasi harga sayuran akibat kondisi cuaca dapat menyebabkan ketidakstabilan produksi dan kerugian bagi petani di Desa Hegarmanah. Penelitian ini menggunakan Support Vector Regression (SVR) untuk memprediksi harga sayuran berdasarkan data dari tahun 2021 hingga 2023. SVR memanfaatkan ruang fitur berdimensi tinggi untuk membangun model prediksi yang akurat, sehingga dapat membantu dalam menangani variabilitas data yang kompleks. Metode CRISP-DM diterapkan dalam penelitian ini, meliputi pemahaman bisnis, pemahaman data, pemrosesan data, pemodelan, evaluasi, dan deployment, yang memastikan pendekatan sistematis dan terstruktur dalam analisis data. Evaluasi kinerja model menggunakan metrik MAE, RMSE, MSE, dan R-Squared menunjukkan bahwa SVR mampu memberikan prediksi harga yang cukup akurat, dengan hasil yang menunjukkan ketepatan dan konsistensi dalam berbagai kondisi. Selain itu, sistem rekomendasi yang dikembangkan dapat membantu petani dalam memilih jenis tanaman yang tepat berdasarkan prediksi harga, sehingga mengoptimalkan pendapatan dan mengurangi risiko kerugian.
Downloads
Copyright (c) 2024 JATI (Jurnal Mahasiswa Teknik Informatika)
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.