1. Home
  2. Vol 20, No 1
  3. Hermansyah

Penerapan Metode Regresi Linier Berganda Untuk Memprediksi Panen Kelapa Sawit

Hermansyah Hermansyah(1*),Asrul Abdullah(2),Putri Yuli Utami(3)
(1) Universitas Muhammadiyah Pontianak
(2) Universitas Muhammadiyah Pontianak
(3) Universitas Muhammadiyah Pontianak
(*) Corresponding Author
DOI : 10.35889/progresif.v20i1.1816

Abstract

Perkebunan Nusantara XIII Kebun Rimba Belian requires effective planning and strategies to increase production yields. This research aims to apply the multiple linear regression method to predict palm oil production results in these plantations. The research uses a multiple linear regression method by observing patterns of increase or decrease in production results and predicting production results in the next few months. The results of the research show that the multiple linear regression method is effectively used to predict oil palm harvest at Perkebunan Nusantara XIII Kebun Rimba Belian. Analysis shows that the model has a high level of accuracy, with a Root Mean Squared Error (RMSE) value of 0.0698 and an R-squared (R2) Score of 0.9306. This indicates that the model has good abilities in predicting target values and explaining data variations well. As a result, this model can be a useful tool in planning plant care and pest control activities to increase oil palm production yields.Keywords: Data mining; Palm oil; Production prediction; Multiple linear regression.

 

Abstrak

Perkebunan Nusantara XIII Kebun Rimba Belian memerlukan perencanaan dan strategi yang efektif untuk meningkatan hasil produksi. Penelitian ini bertujuan untuk menerapkan metode regresi linier berganda untuk memprediksi hasil produksi kelapa sawit di perkebunan tersebut. Penelitian menggunakan metode regresi linier berganda dengan mengamati pola peningkatan atau penurunan hasil produksi dan memprediksi hasil produksi beberapa bulan ke depan. Hasil penelitian menunjukkan bahwa metode regresi linier berganda efektif digunakan untuk memprediksi panen kelapa sawit di Perkebunan Nusantara XIII Kebun Rimba Belian. Analisis menunjukkan bahwa model memiliki tingkat akurasi yang tinggi, dengan nilai Root Mean Squared Error (RMSE) sebesar 0.0698 dan R-squared (R2) Score sebesar 0.9306. Hal ini menandakan bahwa model memiliki kemampuan baik dalam memprediksi nilai target dan menjelaskan variasi data dengan baik. Sebagai hasilnya, model ini dapat menjadi alat yang berguna dalam merencanakan kegiatan perawatan tanaman dan pengendalian hama untuk meningkatkan hasil produksi kelapa sawit.

Kata Kunci: Data mining; Kelapa sawit; Prediksi produksi; regresi linier berganda.

References


Sulardi, Budidaya Tanaman Kelapa Sawit Buku Ajar, Pertama. PT Dewangga Energi Internasional Anggota IKAPI (403/JBA/2021), 2022.

A. A.-F. Nur Wahyudin, A. Primajaya, and A. S. Y. Irawan, “Penerapan Algoritma Regresi Linear Berganda Pada Estimasi Penjualan Mobil Astra Isuzu,” Techno.Com, vol. 19, no. 4, pp. 364–374, 2020, doi: 10.33633/tc.v19i4.3834.

E. Rahayu, I. Parlina, and Z. A. Siregar, “Application of Multiple Linear Regression Algorithm for Motorcycle Sales Estimation,” Jomlai J. Mach. Learn. Artif. Intell., vol. 1, no. 1, pp. 1–10, 2022, doi: 10.55123/jomlai.v1i1.142.

N. Rusmilawati and P. T. Prasetyaningrum, “Implementation of Data Mining in the Prediction of Palm Oil Production for PT Borneo Ketapang Indah Using the Linear Regression Method,” J. Inf. Syst. Artif. Intell., vol. 1, no. 2, pp. 1–7, 2021.

M. Adha, E. Utami, and H. Hanafi, “Prediksi Produksi Jagung Menggunakan Algoritma Apriori Dan Regresi Linear Berganda (Studi Kasus : Dinas Pertanian Kabupaten Dompu),” JIPI (Jurnal Ilm. Penelit. dan Pembelajaran Inform., vol. 7, no. 3, pp. 803–820, 2022, doi: 10.29100/jipi.v7i3.3139.

I. Solihat, J. Jasmi, and F. Fachruddin, “Prediksi Jumlah Produksi Kelapa Sawit Dengan Regresi,” Snastikom, vol. 1, no. 1, pp. 17–26, 2020.

H. W. Herwanto, T. Widiyaningtyas, and P. Indriana, “Penerapan Algoritme Linear Regression untuk Prediksi Hasil Panen Tanaman Padi,” J. Nas. Tek. Elektro dan Teknol. Inf., vol. 8, no. 4, p. 364, 2019, doi: 10.22146/jnteti.v8i4.537.

Y. Suhanda, I. Kurniati, & S. Norma, “Penerapan Metode Crisp-DM Dengan Algoritma K-Means Clustering Untuk Segmentasi Mahasiswa Berdasarkan Kualitas Akademik. Jurnal Teknologi Informatika dan Komputer, vol. 6, no. 2, pp. 12-20, 2020.

A. N. Maharadja, I. Maulana, and B. A. Dermawan, “Penerapan Metode Regresi Linear Berganda untuk Prediksi Kerugian Negara Berdasarkan Kasus Tindak Pidana Korupsi,” J. Appl. Informatics Comput., vol. 5, no. 1, pp. 95–102, 2021, doi: 10.30871/jaic.v5i1.3184.

R. Puspasari, S. Effendi, H. Kurniawan, M. Ayoe, and E. Nasution, “Penentuan Prediksi Hasil Panen Kelapa Sawit Menggunakan Metode Regresi Linier,” Pros. Semin. Nas. Ris. Dan Inf. Sci., vol. 4, pp. 91–98, 2022.

T. Indarwati, T. Irawati, and E. Rimawati, “Penggunaan Metode Linear Regression Untuk Prediksi Penjualan Smartphone,” J. Teknol. Inf. dan Komun., vol. 6, no. 2, pp. 2–7, 2019, doi: 10.30646/tikomsin.v6i2.369.

T. Chai and R. R. Draxler, “Root mean square error (RMSE) or mean absolute error (MAE)? -Arguments against avoiding RMSE in the literature,” Geosci. Model Dev., vol. 7, no. 3, pp. 1247–1250, 2014, doi: 10.5194/gmd-7-1247-2014.

A. Pranata, M. Akbar Hsb, T. Akhdansyah, and S. Anwar, “Penerapan Metode Pemulusan Eksponensial Ganda dan Tripel Untuk Meramalkan Kunjungan Wisatawan Mancanegara ke Indonesia,” J. Data Anal., vol. 1, no. 1, pp. 32–41, 2018, doi: 10.24815/jda.v1i1.11873.


How To Cite This :

Refbacks

  • There are currently no refbacks.