PREDIKSI PANEN KELAPA SAWIT MENGGUNAKAN METODE RANDOM FOREST REGRESSION

Abstract

Tanaman kelapa sawit termasuk dalam komoditas perkebunan unggulan yang memiliki kontribusi signifikan terhadap pertumbuhan ekonomi, sehingga dibutuhkan strategi perencanaan panen yang tepat guna mengoptimalkan pemanfaatan sumber daya yang tersedia. Kelompok Tani "ASRI" hingga saat ini belum memiliki sistem yang mampu memperkirakan hasil panen secara tepat, sehingga proses perencanaan masih bergantung pada cara konvensional. Penelitian ini bertujuan membangun sebuah sistem prediksi hasil panen kelapa sawit dengan menggunakan metode Random Forest Regression yang berlandaskan data historis panen. Variabel yang digunakan mencakup tahun panen, bulan panen, usia tanaman, jenis tanah, pemberian pupuk, kondisi musim, dan luas areal tanam. Alur penelitian meliputi pengumpulan data, tahap preprocessing yang terdiri dari pembersihan data, penanganan data pencilan, normalisasi, dan label encoding, kemudian dilanjutkan dengan pemisahan data menjadi data latih dan data uji, pelatihan model Random Forest Regression, serta evaluasi kinerja model menggunakan Mean Absolute Error (MAE) dan Root Mean Squared Error (RMSE). Berdasarkan hasil pengujian, model menghasilkan nilai MAE sebesar 869,75 kg/bulan dan RMSE sebesar 1111,89 kg/bulan, yang menunjukkan bahwa model mampu menghasilkan prediksi hasil panen dengan tingkat deviasi yang tergolong rendah. Model yang telah dikembangkan selanjutnya diimplementasikan dalam bentuk aplikasi berbasis Streamlit sebagai alat bantu dalam perencanaan panen dan proses pengambilan keputusan di Kelompok Tani "ASRI".