Analisis Perbandingan Algoritma Machine Learning Pada Prediksi Produksi Buah di Aceh

Prediksi produksi buah merupakan aspek penting dalam mendukung perencanaan dan pengelolaan sektor pertanian. Penelitian ini membandingkan performa dua algoritma Machine Learning, yaitu Random Forest dan Support Vector Machine (SVM), dalam memprediksi produksi buah di Provinsi Aceh menggunakan data produksi dari Badan Pusat Statistik (BPS) periode 2018–2023. Data telah melalui proses Preprocessing termasuk penanganan missing values, outliers, serta transformasi variabel kategori. Evaluasi model menggunakan metrik Mean Squared Error (MSE), Mean Absolute Error (MAE), dan R² Score menunjukkan bahwa Random Forest memberikan hasil prediksi yang lebih akurat dibandingkan SVM. Penambahan fitur eksternal seperti curah hujan, jenis pupuk, dan metode budidaya yang disimulasikan tidak memberikan peningkatan signifikan pada performa model. Penelitian ini merekomendasikan penggunaan Random Forest untuk prediksi produksi buah di Aceh dan menyarankan pengumpulan data eksternal yang lebih lengkap untuk meningkatkan akurasi prediksi di masa depan.

Kata Kunci : Prediksi Produksi Buah, Random Forest, Support Vector Machine, Machine Learning, Preprocessing Data, Aceh, Evaluasi Model