Sistem Informasi Pemetaan Komoditas Pertanian Di Sulawesi Selatan

• Tim Peneliti Iska Nurwana
• Jurnal Link Jurnal
• Share on

Sulawesi Selatan merupakan salah satu provinsi dengan mayoritas penduduknya bermata pencaharian di bidang pertanian. Namun, fluktuasi hasil produksi pertanian, perubahan iklim yang tidak teratur, dan ketidakstabilan harga komoditas dapat memengaruhi harga komoditi. Oleh karena itu, penduduk yang bekerja di bidang pertanian memerlukan suatu sistem informasi yang dapat memprediksi kapan harga komoditas sering mengalami fluktuasi. Algoritma Random Forest Regression adalah suatu Algoritma yang dapat membuat model prediksi yang akurat, dengan menggabungkan informasi tentang cuaca, hasil produksi, dan harga komoditas untuk memetakan komoditas pertanian seperti bawang merah, cabai, kentang, dan wortel di Kabupaten Gowa, Enrekang, dan Bantaeng. Data yang digunakan untuk melatih model Random Forest Regresion yaitu data historis yang mencakup 10 tahun terakhir. Hasil penelitian menunjukkan bahwa model ini memiliki tingkat akurasi yang akurat, dengan nilai rata-rata akurasi sebesar 90% dan nilai Mean Squared Error (MSE) yang rendah. Beberapa parameter yang mempengaruhi akurasi dari model ini meliputi jumlah pohon (n_estimator), proses hypertunning dan jumlah K pada k-fold cross-validation. Hasil prediksi yang dihasilkan dari model ini menjadi sumber acuan untuk memahami pola harga dan memetakan komoditas pertanian yang dapat diakses oleh pengguna.