DESVITA HENDRI, - (2025) PERBANDINGAN PERFORMA ALGORITMA SVR, LSTM, DAN SARIMA DALAM PERAMALAN PRODUKSI KELAPA SAWIT. Building of Informatics, Technology and Science (BITS), 7 (1). pp. 54-62. ISSN ISSN 2684-8910 (media cetak) ISSN 2685-3310 (media online)

Preview	Text (JURNAL ARTIKEL) SKRIPSI-DESVITA HENDRI - DESVITA HENDRI SISTEM INFORMASI.pdf - Published Version Download (3MB) | Preview
Preview	Text (PERNYATAAN PUBLIKASI) Surat pernyataan (1) - DESVITA HENDRI SISTEM INFORMASI.pdf - Published Version Download (242kB) | Preview

Abstract

Produksi kelapa sawit di Indonesia mengalami fluktuasi yang signifikan akibat berbagai faktor seperti cuaca, kesuburan tanah, dan kondisi tandan buah. Perubahan ini berdampak pada stabilitas harga, pasokan, dan perencanaan industri kelapa sawit. Oleh karena itu, untuk meningkatkan pengambilan keputusan di industri ini diperlukan metode peramalan yang akurat untuk meningkatkan pengambilan keputusan yang tepat mengenai distribusi. Penelitian ini bertujuan membandingkan kinerja tiga metode peramalan berbasis machine learning, yaitu Support Vector Regression (SVR), Long Short-Term Memory (LSTM), dan Seasonal Autoregressive Integrated Moving Average (SARIMA), dalam memprediksi produksi kelapa sawit berdasarkan data historis selama 10 tahun terakhir yang diperoleh dari PTPN V Riau. Hasil evaluasi menunjukkan bahwa model SVR dengan kernel linear memberikan performa terbaik dengan nilai MSE 4.1718, RMSE 0.0020, MAE 0.0018, MAPE 0.2014% dan R2 0.9988. Model SVR memberikan hasil prediksi yang lebih unggul dibandingkan dengan LSTM dan SARIMA dalam peramalan produksi kelapa sawit. Penelitian ini diharapkan dapat memberikan kontribusi nyata dalam pengembangan sistem prediksi produksi yang lebih andal, sehingga mendukung efisiensi operasional dan stabilitas industri kelapa sawit di Indonesia.

Actions (login required)

View Item