ABSTRAK

Putri Uswatun Hasana, Implementasi Algoritma XGBOOST Hasil Pertanian Padi Dikabupaten Wajo (dibimbing oleh Nuraida Latif dan Tatik Maslihatin)

Pertanian padi merupakan sektor penting di Kabupaten Wajo, namun fluktuasi hasil panen dari tahun ke tahun menimbulkan tantangan bagi petani dalam perencanaan produksi. Penelitian ini bertujuan untuk membangun model prediksi hasil panen padi menggunakan algoritma Extreme Gradient Boosting (XGBoost) dengan memanfaatkan data historis pertanian tahun 2020–2024. Metode penelitian meliputi preprocessing data, pembagian data latih dan uji, pelatihan model, prediksi, serta evaluasi performa menggunakan metrik Mean Absolute Error (MAE), Root
Mean Squared Error (RMSE), dan koefisien determinasi (R²). Hasil penelitian menunjukkan bahwa model XGBoost mampu menghasilkan prediksi dengan tingkat kesalahan rata-rata (MAE) sebesar 3,17, RMSE sebesar 4,56, dan nilai R² sebesar – 0,13. Nilai evaluasi tersebut mengindikasikan bahwa kinerja model masih perlu ditingkatkan, terutama dalam menjelaskan variasi data aktual. Analisis feature importance memperlihatkan bahwa faktor wilayah (kecamatan) merupakan variabel yang paling dominan dalam memengaruhi hasil prediksi, diikuti oleh variabel teknis
seperti luas panen, produksi, dan puso.

Kata Kunci: Prediksi Hasil Panen, XGBoost, Machine Learning.