Implementasi Hyperparameter Tuning Grid Search CV Pada Prediksi Produksi Pada Menggunakan Algoritma Linear Regresi dan Decision Tree

Padi merupakan salah satu tanaman utama di Indonesia yang menghasilkan makanan pokok terebesar yaitu komoditi beras. Beras merupakan makanan pokok yang dikonsumsi oleh hampir 98% masyarakat Indonesa. Penelitian ini bertujuan untuk membandingkan Algoritma Linear Regression dan Decision Tre e dalam upaya menemukan algoritma yang paling sesuai untuk memprediksi data produksi padi. Linear Regression masih merupakan model yang berguna, terutama jika data memiliki hubungan non-linear yang tidak dapat ditangkap oleh Linear Regression. Maka dapat disimpulkan bahwa Algoritma Linear Regression dengan optimalisasi hyperparameter tunning grid search cv mampu memprediksi produksi padi lebih baik dibanding Algoritma Decision Tree dengan nilai R2-score 86.895666, MAE 261049.168107, dan MSE 160199780301.226318.
.
Kata kunci: Algoritma Linear Regression, Decision Tree, padi, Grid Search Cv, Hyperparameter Tuning