Prediksi Nilai Tukar Petani (NTP) di Indonesia Menggunakan Linear Regression dan Random Forest

Abstract

Nilai Tukar Petani (NTP) merupakan salah satu indikator penting untuk mengukur tingkat kesejahteraan petani di Indonesia, sehingga kemampuan untuk memprediksi nilai NTP di masa depan sangat bermanfaat bagi pengambilan kebijakan di sektor pertanian. Penelitian ini bertujuan untuk membangun model prediksi NTP per provinsi pada periode 2021–2026 menggunakan algoritma Linear Regression dan Random Forest Regressor. Data yang digunakan berasal dari data NTP bulanan per provinsi yang dipublikasikan oleh Badan Pusat Statistik (BPS), dengan fitur prediktor berupa Tahun, Provinsi, dan Bulan yang telah dikodekan secara numerik. Data dibagi menjadi data latih dan data uji dengan proporsi 80:20, kemudian performa model dievaluasi menggunakan metrik MAE, MSE, RMSE, dan R². Hasil penelitian menunjukkan bahwa model Random Forest memberikan performa yang jauh lebih baik dibandingkan Linear Regression, dengan nilai R² sebesar 0,947 dan RMSE sebesar 4,60, dibandingkan Linear Regression yang hanya memperoleh R² sebesar 0,062 dan RMSE sebesar 19,38. Hasil ini menunjukkan bahwa hubungan antara fitur Tahun, Provinsi, dan Bulan terhadap NTP bersifat non-linear, sehingga model berbasis ensemble tree seperti Random Forest jauh lebih sesuai digunakan dibandingkan model regresi linear sederhana.