Prediksi Harga kopi Robusta Kabupaten Muara enim Tahun 2025 Menggunakan Metode Random Forest, Svm dan Tree
DOI:
https://doi.org/10.71200/qgmea904Keywords:
Prediksi, Data Mining, Software Orenge, Kopi Robusta, Random Forest, SVM, Decision TreeAbstract
Penelitian ini bertujuan untuk memprediksi harga kopi robusta di Kabupaten Muara Enim pada tahun 2025 dengan menggunakan pendekatan data mining berbasis algoritma Random Forest, Support Vector Machine (SVM), dan Decision Tree. Harga kopi sebagai salah satu komoditas unggulan Indonesia mengalami fluktuasi yang signifikan sehingga dibutuhkan metode prediktif yang akurat guna membantu petani, pengusaha, dan pemangku kebijakan dalam menentukan strategi pasar. Penelitian dilakukan dengan mengumpulkan data harga kopi dari bulan Januari hingga April 2025 yang diperoleh langsung dari para pengumpul kopi di Muara Enim. Data tersebut diolah menggunakan perangkat lunak Orange Data Mining dan dibagi menjadi data training dan testing. Hasil analisis menunjukkan bahwa ketiga algoritma memiliki tingkat akurasi yang bervariasi, di mana algoritma Random Forest memberikan hasil prediksi paling stabil. Penelitian ini membuktikan bahwa penggunaan teknologi machine learning dapat membantu dalam meramalkan harga komoditas secara efektif
Downloads
References
Yallah, H., Darwis, M., & Henrowati, R. (2024). PENERAPAN ALGORITMA ID3 MELALUI APLIKASI ORANGE UNTUK PREDIKSI AKURASI AKREDITASI SEKOLAH DASAR DI DEPOK. Jurnal Manajemen Informatika dan Sistem Informasi, 7(2), 131-141.
Hikmah, I. R., & Yasa, R. N. (2021). Perbandingan Hasil Prediksi Diagnosis pada Indian Liver Patient Dataset (ILPD) dengan Teknik Supervised Learning Menggunakan Software Orange. Jurnal Telematika, 16(2), 69-76.
Mardiani, E., Rahmansyah, N., Ningsih, S., Lantana, D. A., Wirawan, A. S. P., Wijaya, S. A., & Putri, D. N. (2023). Komparasi Metode Knn, Naive Bayes, Decision Tree, Ensemble, Linear Regression Terhadap Analisis Performa Pelajar Sma. Innovative: Journal Of Social Science Research, 3(2), 13880-13892.
Putri, A. J., Syafira, A. S., Purbaya, M. E., & Purnomo, D. (2022). Analisis sentimen e-commerce lazada pada jejaring sosial twitter menggunakan algoritma support vector machine. Jurnal TRINISTIK: Jurnal Teknik Industri, Bisnis Digital, dan Teknik Logistik, 1(1), 16-21.
Nurhafida, S. I., & Sembiring, F. (2021, September). Analisis Text Clustering Masyarakat Di Twiter Mengenai Mcdonald’Sxbts Menggunakan Orange Data Mining. In Prosiding Seminar Nasional Sistem Informasi Dan Manajemen Informatika Universitas Nusa Putra (Vol. 1, pp. 28-35).
Indriyanti, I., Ichsan, N., Fatah, H., Wahyuni, T., & Ermawati, E. (2022). Implementasi Orange Data Mining Untuk Prediksi Harga Bitcoin. Jurnal Responsif: Riset Sains dan Informatika, 4(2), 118-125.
Punkastyo, D. A., Septian, F., & Syaripudin, A. (2024). Implementasi data mining menggunakan algoritma Naïve Bayes untuk prediksi kelulusan siswa. Journal of System and Computer Engineering, 5(1), 24-35.
Zulfikri, M. R., Wiriasto, G. W., & Al Sasongko, S. M. PERANCANGAN SISTEM KLASIFIKASI JENIS CACAT PADA BIJI KOPI ARABIKA MENGGUNAKAN ARSITEKTUR MOBILENETV2 BERBASIS ANDROID.
Lubis, R. A., Hasibuan, K. S., Sari, N., Lubis, S. H., & Ramadani, P. (2022). Pengaruh Nilai Tukar Rupiah dan Harga Kopi Internasional Terhadap Nilai Ekspor Kopi Indonesia Tahun 2004-2021. Jurnal Penelitian Ekonomi Manajemen dan Bisnis, 1(4), 226-240.
Kurniawan, D., Apriani, S., & Pujianto. (2024). Prediksi angka kemiskinan di Kabupaten Ogan Komering Ulu menggunakan metode data mining berbasis SVM, Neural Network & SGD. JITET (Jurnal Informatika dan Teknik Elektro Terapan), 13(1)
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Jurnal Inovasi Komputer (INOKOM)
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.
