Prediksi > Jagung

Prediksi Produksi Jagung Optimasi XGBoost

Aplikasi ini menggunakan optimasi algoritma XGBoost Regressor dengan proses hyperparameter tuning untuk meningkatkan performa model prediksi. Optimasi dilakukan agar model mampu menghasilkan prediksi yang lebih akurat, stabil, dan optimal dalam menganalisis data produksi pertanian.

Melalui proses optimasi, model XGBoost dapat mempelajari hubungan kompleks antara variabel iklim seperti Suhu, Curah Hujan, Kelembaban, ONI, dan LPM terhadap perubahan hasil produksi pertanian.

← Kembali ke Pilihan Komoditas
Perbandingan Data Aktual dan Prediksi Produksi Jagung (2020–2024)
Grafik Akurasi Produksi Jagung

Informasi Grafik

Grafik di samping menunjukkan perbandingan antara data hasil panen aktual yang diperoleh dari Dinas Pertanian Kabupaten Cilacap dengan hasil prediksi yang dihasilkan oleh model machine learning XGBoost yang telah dioptimasi, sehingga pengguna dapat melihat tingkat akurasi serta performa model dalam melakukan estimasi hasil panen.

🔵 Data Aktual: Hasil Data Dinas Pertanian

🟠 Prediksi: Hasil Estimasi Optimasi Model XGBoost

Masukkan Variabel untuk Prediksi

Silakan inputkan nilai variabel berikut secara berurutan ke bawah.

Pilih Tahun...
  • 2024
  • 2025
  • 2026
  • 2027
Tahun waktu tanam jagung.
Pilih Bulan...
  • Januari
  • Februari
  • Maret
  • April
  • Mei
  • Juni
  • Juli
  • Agustus
  • September
  • Oktober
  • November
  • Desember
Bulan waktu tanam jagung.
%
Lama penyinaran matahari rata-rata dalam sebulan.
mm
Jumlah total curah hujan dalam sebulan.
°C
Rata-rata suhu udara dalam sebulan.
%
Rata-rata kelembaban udara dalam sebulan.
Kondisi fenomena ENSO waktu tanam.
Hasil Estimasi Produksi

Belum ada data hasil prediksi. Silakan isi form di sebelah kiri dan klik tombol Hitung Prediksi.

Catatan: Hasil prediksi ini adalah estimasi berdasarkan model machine learning dan data historis. Hasil aktual dapat berbeda tergantung kondisi lapangan.