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