Perbandingan Model Random Forest dan Linear Regresion Untuk Memprediksi Harga Nikel

Abstract

Prediksi harga nikel menjadi perhatian penting dalam sektor industri dan investasi karena volatilitasnya yang tinggi dan perannya yang strategis dalam produksi baterai dan baja tahan karat. Penelitian ini bertujuan untuk membandingkan performa dua model machine learning, yaitu Random Forest Regressor dan Linear Regression, dalam memprediksi harga nikel menggunakan perangkat lunak Orange. Data historis harga nikel akan dianalisis dan dievaluasi berdasarkan metrik seperti Mean Absolute Error (MAE), Root Mean Square Error (RMSE), dan koefisien determinasi (R²). Diharapkan penelitian ini dapat mengidentifikasi model prediksi yang paling optimal dan memberikan kontribusi terhadap pengambilan keputusan strategis dalam industry.