Search for collections on Universitas Islam Negeri Sultan Syarif Kasim Riau Repository

PREDIKSI PRODUKSI KELAPA SAWIT MENGGUNAKAN ALGORTIMA SUPPORT VECTOR REGRESSION DAN RECURRENT NEURAL NETWORK

REZKY ALFAKHRI, - PREDIKSI PRODUKSI KELAPA SAWIT MENGGUNAKAN ALGORTIMA SUPPORT VECTOR REGRESSION DAN RECURRENT NEURAL NETWORK. Building of Informatics, Technology and Science (BITS). (Submitted)

[img]
Preview
Text (Tugas Akhir)
TA - REZKY.pdf

Download (7MB) | Preview

Abstract

Kelapa sawit adalah salah satu jenis tanaman perkebunan yang penting dan menjadi komoditas unggulan di Indonesia. PT. XYZ merupakan perusahaan yang bergerak dalam bidang penerimaan Tandan Buah Segar (TBS) untuk kemudian diolah menjadi Crude Palm Oil (CPO) dan Palm Kernel (PK). Selama ini, perusahaan melakukan analisis statistik dengan nilai koreksi 5% - 12% pada hasil produksi setiap bulannya dalam menargetkan hasil produksi. Namun, metode ini masih kurang, karena menggunakan perhitungan manual dan mempertimbangkan perkiraan dari pengalaman pribadi. Oleh karena itu, penelitian ini mengusulkan teknik data mining dengan algoritma Support Vector Regression (SVR) dan Recurrent Neural Network (RNN) untuk memprediksi hasil produksi dengan tepat. Pada penelitian ini, dilakukan pengujian pada hyperparameter SVR yaitu Kernel, C, Gamma, dan Epsilon. Sedangkan pada RNN, dilakukan pengujian pada optimizer, dan lerarning rate. Selain, itu window size juga ditetapkan melalui rangkaian percobaan yaitu 3, 5, dan 7. Hasil perbandingan menunjukkan model RNN mengungguli SVR dengan nilai RMSE sebesar 0.0928, MAPE sebesar 14.32%, dan R2 sebesar 0.6164. Model RNN kemudian diimplementasikan untuk memprediksi periode 3 bulan berikutnya. Hasil prediksi menunjukkan akan terjadi kenaikan produksi yang cukup signifikan di bulan pertama, kemudian mengalami sedikit penurunan dibulan kedua, dan mengalami kenaikan kembali dibulan ketiga.

Item Type: Article
Contributors:
ContributionNameNIDN/NIDKEmail
Thesis advisorInggih Permana, -2010128801inggih.permana@uin-suska.ac.id
Subjects: 000 Karya Umum
Divisions: Fakultas Sains dan Teknologi > Sistem Informasi
Depositing User: fsains -
Date Deposited: 23 Jan 2025 08:25
Last Modified: 23 Jan 2025 08:26
URI: http://repository.uin-suska.ac.id/id/eprint/86242

Actions (login required)

View Item View Item