%I Universitas AMIKOM Yogyakarta
%D 2026
%K Prediksi Produksi Tomat, Regresi Linear, Support Vector Regression,
Random Forest Regressor, Open Government Data, Tomato Production Prediction.
%T ANALISIS DAN IMPLEMENTASI MODEL REGRESI UNTUK
MEMPREDIKSI PRODUKSI TOMAT DI PROVINSI JAWA BARAT
BERBASIS DATA OPEN GOVERNMENT
%A Destyan Yoga Anggriawan
%L universitasamikomyogyakarta31998
%X Produksi tomat di Provinsi Jawa Barat memiliki peran penting dalam mendukung
ketahanan pangan dan sektor hortikultura, namun jumlah produksinya cenderung
mengalami fluktuasi dari tahun ke tahun. Ketidakakuratan dalam memprediksi produksi
tomat dapat berdampak pada ketidakseimbangan pasokan, perencanaan distribusi yang
kurang optimal, serta potensi kerugian bagi petani dan pemangku kepentingan. Oleh
karena itu, diperlukan pendekatan berbasis data untuk memprediksi produksi tomat secara
lebih akurat dan objektif dengan memanfaatkan data historis yang tersedia. 
Penelitian ini bertujuan untuk memprediksi produksi tomat di Provinsi Jawa Barat
menggunakan algoritma Regresi Linear, Support Vector Regression (SVR), dan Random
Forest Regressor berbasis data Open Government Data dari Open Data Jabar periode
2013–2024. Data diproses melalui tahapan pembersihan data, penggabungan dataset, dan
normalisasi fitur, kemudian dibagi menjadi data latih dan data uji dengan rasio 80:20.
Evaluasi model dilakukan menggunakan K-fold Cross Validation (K=5) dengan metrik
R², MSE, dan MAE. Hasil penelitian menunjukkan bahwa model Regresi Linear
memberikan performa terbaik dibandingkan SVR dan Random Forest Regressor, dengan
nilai R² pada data uji sebesar 0,912, yang menunjukkan bahwa 91,2% variasi produksi
tomat dapat dijelaskan oleh variabel dalam model. Temuan ini mengindikasikan bahwa
hubungan antar variabel dalam dataset cenderung bersifat linier setelah proses
pembersihan data dilakukan, serta menunjukkan bahwa Regresi Linear efektif digunakan
sebagai model prediksi produksi tomat di Provinsi Jawa Barat.