Prediksi Produksi Kelapa Sawit Menggunakan Metode Regresi Linier Berganda

Adji Prasetyo, Salahuddin Salahuddin, Amirullah Amirullah

Abstract


Sektor industri di Indonesia khusunya daerah Kabupaten Aceh Utara banyak didominasi oleh tanaman kelapa sawit, sektor industri tersebut merupakan komoditas utama dalam perekonomian masyarakat. PT. Perkebunan Nusantara I (PTPN I) merupakan perusahaan yang bergerak dalam bidang industri kelapa sawit berupaya untuk meramalkan perencanaan demi menjaga kestabilan serta meningkatkan hasil produksi kelapa sawit. Untuk menunjang upaya tersebut dibutuhkan penentuan kebijakan, pengawasan, serta perencanaan yang baik dalam memprediksi hasil produksi kelapa sawit kedepanya, pembelajaran mesin merupakan salah satu teknik yang dapat diterapkan untuk melakukan prediksi hasil produksi dimasa yang akan datang. Metode peramalan yang digunakan pada penelitian ini adalah Regresi Linier Berganda dengan variabel predictor yang digunakan dalam memprediksi adalah bulan, curah hujan, umur luas lahan, jumlah pokok, jumlah tandan, rerata berat, dengan variabel terikat yaitu hasil produksi kelapa sawit.Sumber dari data yang digunakan berasal dari PT. Perkebunan Nusantara I dan sebuah data eksternal berupa curah hujan yang bersumber dari Badan Meteorologi, Klimatalogi, dan Geofisika. Data training berjumlah 180 dan data testing sebanyak 20% dari data training. Hasil penelitian menunjukan persamaan Regresi Linier Berganda yang didapatkan yaitu Y= -415337,95+ 1073,82208X1 + 3736,68741X2 + -15306,629X3 + -621,89932X4 + 11,7449262X5 + 7,47948459X6 + 33441,5621X7 dengan Mean Absolute Percentage error (MAPE) sebesar 14.28%.

Keywords


Pembelajaran Mesin, Prediksi Produksi Kelapa Sawit, Regresi Linier Berganda.

References


Z. A. Fikriya, M. I. Irawan, and S. Soetrisno., “Implementasi Extreme Learning Machine untuk Pengenalan Objek Citra Digital,” J. Sains dan Seni ITS, vol. 6, no. 1, p. 18, 2017, doi: 10.12962/j23373520.v6i1.21754.

T. Khotimah and R. Nindyasari, “Forecasting Dengan Metode Regresi Linier Pada Sistem Penunjang Keputusan Untuk Memprediksi Jumlah Penjualan Batik (Studi Kasus Kub Sarwo Endah Batik Tulis Lasem),” J. Mantik Penusa, vol. 1, no. 1, pp. 71–92, 2017.

S. A. Alasadi and W. S. Bhaya, “Review of data preprocessing techniques in data mining,” J. Eng. Appl. Sci., vol. 12, no. 16, 2017, doi: 10.3923/jeasci.2017.4102.4107.

J. Adhiva, S. A. Putri, and S. G. Setyorini, “Prediksi Hasil Produksi Kelapa Sawit Menggunakan Model Regresi Pada PT . Perkebunan Nusantara V,” pp. 155–162, 2020.

I. Nabillah and I. Ranggadara, “Mean Absolute Percentage Error untuk Evaluasi Hasil Prediksi Komoditas Laut,” vol. 5, no. 2, pp. 250–255, 2020, doi: 10.33633/joins.v5i2.3900.

Verawati and P. D. Liksha, “Aplikasi Akuntansi Pengolahan Data Jasa Service,” J. Sist. Inf. Akunt., vol. 1, no. 1, p. 3, 2018.




DOI: http://dx.doi.org/10.30811/jim.v6i2.2343

Refbacks

  • There are currently no refbacks.


Copyright (c) 2021 Adji Prasetyo