Penelitian ini bertujuan untuk menerapkan algoritma Regresi Linear dan Random Forest dalam memprediksi nilai FOB, menganalisis hasil prediksi, serta membandingkan performa kedua algoritma untuk menentukan model terbaik. Penelitian ini menggunakan metode Knowledge Discovery in Databases (KDD) yang meliputi data selection, preprocessing, transformation, data mining, evaluation, dan interpretation. Data yang digunakan merupakan data sekunder berupa transaksi ekspor periode Februari–April 2025 yang diperoleh dari dokumen administrasi kepabeanan. Variabel penelitian terdiri atas log_Qty dan log_Asuransi sebagai variabel independen serta nilai FOB_USD sebagai variabel dependen. Model yang digunakan adalah Regresi Linear dan Random Forest dengan evaluasi menggunakan Mean Absolute Error (MAE), Root Mean Squared Error (RMSE), dan koefisien determinasi (R2). Hasil penelitian menunjukkan bahwa Random Forest memberikan performa yang lebih baik dibandingkan Regresi Linear, dengan nilai MAE sebesar 3.569,59 USD, RMSE sebesar 5.347,21 USD, dan R2 sebesar 0,7549. Sementara itu, Regresi Linear memperoleh nilai MAE sebesar 4.871,98 USD, RMSE sebesar 6.234,15 USD, dan R2 sebesar 0,6668. Berdasarkan hasil evaluasi tersebut, Random Forest merupakan model terbaik dalam memprediksi nilai Free on Board (FOB) berdasarkan data transaksi ekspor pada penelitian ini.

S12664

INF 0186 2026

Bekasi

Tersedia