Implementasi Algoritma Learning Vector Quantization (LVQ) Pada Prediksi Produksi Tandan Buah Segar Pada Perkebunan Kelapa Sawit

Mawaddah Harahap, Ade Mutia, David Benny Martulus Simatupang, Benyamin Sahputra Gurning, Adinda Utari Putri

Abstract


Saat ini, kelapa sawit Indonesia telah berkembang menjadi bagian yang paling penting di dunia. Dari 64 juta ton produksi sawit dunia, Indonesia menyumbang lebih dari setengahnya yaitu 35 juta ton. Produksi tandan buah segar (TBS) kelapa sawit memerlukan anggaran biaya dalam masa tanam, pemanenan, pengangkutan serta pengolahannya. Agar anggaran dapat disiapkan dengan optimal, maka perusahaan harus dapat mengetahui jumlah produksi yang akan dikelola. Namun kendala terjadi karena hasil produksi rencana yang telah ditargetkan berbeda dengan hasil produksi realisasi. Atas dasar hal ini, prediksi kelapa sawit sangatlah penting. Hasil penelitian bahwa algoritma LVQ mampu memprediksi hasil produksi kelapa sawit sehingga hasil prediksi dapat digunakan untuk menjadi acuan target produksi perusahaan. Hasil prediksi terbaik diperoleh pada Epoch 5000 pada tahun 2015 dan tahun 2016 dengan hasil 7 bulan pengujian yang sukses yakni pada bulan Februari, April, Mei, Juni, Juli, Agustus, September, Oktober, dan November

Keywords


Learning Vector Quantization (LVQ) Prediksi Produksi Tandan Perkebunan Kelapa Sawit

Full Text:

PDF

References


pse.litbang.pertanian.go.id. (2017). Kelapa Sawit Indonesia Semakin Menjadi Andalan Ekonomi Nasional. Diakses pada 03 Agustus 2021, dari https://pse.litbang.pertanian.go.id/ind/index.php/22-informasi-berita/228-kelapa-sawit-indonesia-semakin-menjadi-andalan-ekonomi-nasional

kontan.co.id. (2020). Ini target produksi komoditas perkebunan di 2021. Diakses pada 03 Agustus 2021, dari https://industri.kontan.co.id/news/ini-target-produksi-komoditas-perkebunan-di-2021

Aini, H., Haviluddin, H., Budiman, E., Wati, M., & Puspitasari, N. (2019). Prediksi Produksi Minyak Kelapa Sawit Menggunakan Metode Backpropagation Neural Network. Sains, Aplikasi, Komputasi dan Teknologi Informasi, 1(1), 24-33.

Suleman, S., & Pakaya, R. (2018). Prediksi Hasil Produksi Ikan Tuna Menggunakan Algoritma Neural Network Berbasis Forward Selection. Jurnal Technopreneur (JTech), 6(1), 1-10.

Panjaitan, W. T., Utami, E., & Al Fatta, H. (2018). Prediksi Panen Padi Menggunakan Algoritma k-Nearest Neigbour. SNATIF, 5(1).

Sulistyono, S., & Sulistiyowati, W. (2018). Peramalan produksi dengan metode regresi linier berganda. PROZIMA (Productivity, Optimization and Manufacturing System Engineering), 1(2), 82-89.

Fraticasari, S. Y. (2017). Optimasi pemodelan regresi linier berganda pada prediksi jumlah kecelakaan sepeda motor dengan algoritme genetika (Doctoral dissertation, Universitas Brawijaya).

Insani, F., & Harani, I. (2019, November). Peramalan Produksi Tandan Buah Segar (TBS) Kelapa Sawit Dengan Regresi Linear Dan Algoritma Genetika (Studi Kasus: PT. Peputra Masterindo). In Seminar Nasional Teknologi Informasi Komunikasi dan Industri (pp. 262-269).

Saragih, J. R., Hartama, D., & Wanto, A. (2020). Prediksi Produksi Susu Segar Di Indonesia Menggunakan Algoritma Backpropagation. Jurnal Ilmiah Informatika, 8(01), 58-65.

Hendriyani, Y. (2020). Perbandingan Algoritma Backpropagation Dan Learning Vector Quantization (LVQ) dalam Pengenalan Pola Bangun Ruang Geometri. INVOTEK: Jurnal Inovasi Vokasional dan Teknologi, 20(2), 59-66

Hamidi, R., Furqon, M. T., & Rahayudi, B. (2017). Implementasi Learning Vector Quantization (LVQ) untuk Klasifikasi Kualitas Air Sungai. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer e-ISSN, 2548, 964X

Meliawati, R., Soesanto, O., & Kartini, D. (2016). Penerapan Metode Learning Vector Quantization (LVQ) Pada Prediksi Jurusan Di SMA PGRI 1 Banjarbaru. KLIK-KUMPULAN JURNAL ILMU KOMPUTER, 3(1), 11-20.

Saputra, I., & Rizki, S. W. Penerapan Metode Learning Vector Quantization Pada Prediksi Intensitas Curah Hujan Di Kota Pontianak. BIMASTER, 8(4).

Harliana, H., & Kirono, S. (2019). Penerapan Learning Vector Quantization Dalam Memprediksi Jumlah Rumah Tangga Miskin. Jurnal Sains dan Informatika, 5(2), 118-127.

Fitriani, R. R., Ernastuti, E., & Swedia, E. R. (2019). Algoritma Learning Vector Quantization Dan Fuzzy K-Nn Untuk Prediksi Saham Berdasarkan Pesaing. Jurnal Ilmiah Teknologi dan Rekayasa, 24(1), 1-9.

Usman, W., Damanik, I. S., & Hardinata, J. T. (2020, September). Jaringan Syaraf Tiruan dengan Metode Learning Vector Quantization (LVQ) dalam Menentukan Klasifikasi Jenis Tilang Berdasarkan Kendaraan. In Prosiding Seminar Nasional Riset Information Science (SENARIS) (Vol. 1, pp. 780-787).




DOI: https://doi.org/10.53513/jis.v20i2.3757

Refbacks

  • There are currently no refbacks.


Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

Jurnal SAINTIKOM

 Sekolah Tinggi Manajemen dan Informatika Komputer (STMIK) Triguna Dharma

Website : https://www.trigunadharma.ac.id/
Email : [email protected]