IMPLEMENTASI ALGORITMA K-NEAREST NEIGHBOR (KNN) UNTUK PREDIKSI PRODUKTIVITAS PANEN KELAPA DI KABUPATEN SIGI

Prediksi produktivitas panen kelapa yang akurat sangat penting untuk mendukung
perencanaan pertanian dan pengambilan keputusan berbasis data di Kabupaten Sigi.
Penelitian ini bertujuan untuk mengimplementasikan algoritma K-Nearest
Neighbor (KNN) dalam memprediksi produktivitas panen kelapa serta
menganalisis tingkat akurasinya berdasarkan data historis. Data sekunder yang
digunakan mencakup periode 2016–2025 dari 13 kecamatan di Kabupaten Sigi
dengan variabel luas lahan, curah hujan, suhu, dan produksi tahun sebelumnya.
Tahapan penelitian meliputi preprocessing data (pembuatan fitur produksi tahun
sebelumnya, normalisasi Min-Max, dan pembagian data latih uji dengan proporsi
80:20), penentuan nilai k optimal melalui 5-fold cross-validation, implementasi
KNN regresi menggunakan Euclidean distance, serta evaluasi model dengan metrik
MAE, MSE, RMSE, dan R². Hasil penelitian menunjukkan bahwa nilai k optimal
adalah 9 dengan RMSE cross-validation sebesar 91,7 ton. Pada data uji (23
sampel), model KNN mencapai MAE sebesar 0,366 ton, MSE sebesar 0,292 ton²,
RMSE sebesar 0,540 ton, dan koefisien determinasi (R²) sebesar 0,999996. Nilai
R² yang mendekati 1 mengindikasikan bahwa model mampu menjelaskan
99,9996% variasi data produksi kelapa. Dengan demikian, algoritma K-Nearest
Neighbor terbukti sangat akurat dan dapat diandalkan untuk memprediksi
produktivitas panen kelapa di Kabupaten Sigi, sehingga berpotensi menjadi alat
bantu bagi petani dan dinas terkait dalam perencanaan produksi pertanian.
Kata Kunci: Prediksi produktivitas kelapa, K-Nearest Neighbor, Kabupaten Sigi,
machine learning, evaluasi model