IMPLEMENTASI OPTIMASI RANDOM FOREST DALAM PREDIKSI PENENTUAN HARGA PANGAN
Pangan adalah kebutuhan dasar manusia yang vital dan strategis, dengan permintaan yang terus meningkat seiring pertumbuhan penduduk dan berkurangnya lahan pertanian produktif. Ketidakmerataan distribusi pangan sering kali menyebabkan kenaikan harga yang dipengaruhi oleh penawaran dan permintaan. Random Forest, sebagai pengembangan dari metode Decision Tree, menawarkan berbagai keunggulan, termasuk peningkatan akurasi prediksi, penanganan data hilang, dan efisiensi penyimpanan. Metode ini juga unggul dalam seleksi fitur dan mampu bekerja secara efektif dengan big data yang kompleks. Penelitian terdahulu menunjukkan bahwa Random Forest mencapai tingkat akurasi yang tinggi dalam prediksi harga berbagai komoditas. Berdasarkan latar belakang ini, penelitian ini bertujuan untuk mengimplementasikan optimasi Random Forest dalam prediksi penentuan harga pangan, dengan harapan menghasilkan prediksi yang lebih cepat dan andal, serta mendukung distribusi pangan yang merata di Indonesia.