SYADWINA, NADA (2026) PERBANDINGAN PREDIKSI PENJUALAN BIJI KOPI DI KOPERASI PEDAGANG KOPI (KOPEPI) KETIARA MENGGUNAKAN METODE REGRESSION LINEAR DAN RANDOM FOREST. S1 thesis, UNIVERSITAS MALIKUSSALEH.

	Text COVER.pdf Download (195kB)
	Text ABSTRAK NADA.pdf Download (172kB)
	Text BAB 1.pdf Download (233kB)
	Text DAFTAR PUSTAKA.pdf Download (152kB)
	Text SKRIPSI NADA SYADZWINA.pdf Restricted to Registered users only Download (22MB)

Abstract

Sebagian besar lahan Indonesia digunakan untuk pertanian serta perkebunan karena itu adalah negara agraris. Hasil panen atau produk pertanian dapat diekspor untuk membantu pemulihan ekonomi negara. Kopi tanaman tropis paling banyak diperdagangkan di dunia merupakan salah satu komoditas bernilai tinggi. Industri kopi Indonesia terus mengalami pertumbuhan tahunan yang signifikan. Untuk mengoptimalkan produksi serta distribusi mereka produsen kopi Indonesia harus memahami tren penjualan biji kopi. Koperasi Pedagang Kopi Ketiara adalah koperasi yang berlokasi di Aceh Tengah dikenal sebagai koperasi yang baik dalam mengelola gudang kopi serta memiliki unit usaha Ketiara Kopi. Koperasi ini didirikan pada tahun 2009 dengan tujuan meningkatkan kesejahteraan petani kopi di Aceh dan telah mengekspor kopi pertamanya ke Eropa pada tahun 2013. Penelitian ini bertujuan untuk melakukan perbandingan antara kedua metode dalam memprediksi penjualan biji kopi di Koperasi KOPEPI Ketiara Aceh Tengah menggunakan metode Regresi Linear dengan Random Forest. Variabel metode yang digunakan menggunakan metode pengumpulan data serta metode perancangan sistem. Hasil penelitian menunjukkan perbandingan metode Regresi Linear dengan Random Forest dalam memprediksi ekspor serta harga biji kopi. Regresi Linear memberikan akurasi baik pada harga (MAPE 3.89%-4.78%, MAE 6113-7071) namun error tinggi pada ekspor (MAPE 65.85%-75.89%, MAE 4243- 7674). Sebaliknya, Random Forest unggul signifikan pada ekspor Konvensional (MAPE 45.05% vs 75.89%, MAE 1806 vs 4243) dan FTO (MAPE 31.10% vs 65.85%), serta konsisten akurat untuk harga (MAPE <5.1%). Secara keseluruhan, Random Forest merupakan model terbaik karena superioritas prediksi ekspor utama serta kestabilan harga dibandingkan Regresi Linear.

Item Type:	Thesis (S1)
Subjects:	Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software T Technology > T Technology (General)
Divisions:	Fakultas Teknik > 55201 - Jurusan Teknik Informatika
Depositing User:	Nada Syadzwina
Date Deposited:	05 Mar 2026 06:57
Last Modified:	05 Mar 2026 06:57
URI:	https://rama.unimal.ac.id/id/eprint/18853

Actions (login required)

View Item