Prediksi Kelayakan Panen Kelapa Sawit Menggunakan Naïve Bayes

Authors

  • Nuraisana STMIK Pelita Nusantara
  • Agustina Simangunsong STMIK Pelita Nusantara
  • Penda Sudarto Hasugian STMIK Pelita Nusantara
  • Muhammad Rizal Muhaimin STMIK Pelita Nusantara
  • Akbar Maulana STMIK Pelita Nusantara

DOI:

https://doi.org/10.53513/jursi.v5i1.12481

Keywords:

Kelapa Sawit, Prediksi Panen, Data Mining, Naive Bayes, Iklim

Abstract

Kelapa sawit merupakan komoditas unggulan nasional yang berperan penting dalam sektor perkebunan dan ekonomi Indonesia. Namun, hasil panen sering berfluktuasi akibat faktor iklim, pupuk, dan usia tanaman, sementara penentuan kelayakan panen masih dilakukan secara manual dan subjektif. Penelitian ini bertujuan untuk membangun sistem prediksi kelayakan panen kelapa sawit dengan Naïve Bayes guna membantu pengambilan keputusan yang lebih objektif dan efisien. Data yang digunakan meliputi curah hujan, suhu, kelembapan, usia tanaman, dan penggunaan pupuk. Metode Naïve Bayes dipilih karena kemampuannya dalam melakukan klasifikasi cepat dan akurat berdasarkan probabilitas. Hasil penelitian diharapkan menghasilkan sistem pendukung keputusan yang mampu memberikan prediksi kelayakan panen secara akurat, sehingga dapat meningkatkan efisiensi produksi dan produktivitas perkebunan kelapa sawit.

References

F. A. Fauzi, M. T. Furqon, and N. Yudistira, “Klasifikasi Jenis Tanaman Tembakau di Indonesia menggunakan Naïve Bayes dengan Seleksi Fitur Information Gain,” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 5, no. 2, pp. 698–703, 2021, [Online]. Available: http://j-ptiik.ub.ac.id

S. Junisthia, Y. I. Mukti, and D. Gusmaliza, “Integrasi Particle Swarm Optmization Dengan Naïve Bayes Untuk Memprediksi Tanaman Cabai,” J. Pustaka AI (Pusat Akses Kaji. Teknol. Artif. Intell., vol. 3, no. 1, pp. 42–46, 2023, doi: 10.55382/jurnalpustakaai.v3i1.542.

B. Imran, H. Hambali, A. Subki, Z. Zaeniah, A. Yani, and M. R. Alfian, “Data Mining Using Random Forest, Naïve Bayes, and Adaboost Models for Prediction and Classification of Benign and Malignant Breast Cancer,” J. Pilar Nusa Mandiri, vol. 18, no. 1, pp. 37–46, 2022, doi: 10.33480/pilar.v18i1.2912.

J. Teknologi et al., “Sistem Pendukung Keputusan Pemilihan Bibit Kelapa Sawit Menggunakan Metode MOORA Jurnal Teknologi Sistem Informasi dan Sistem Komputer TGD,” vol. 6, pp. 668–677, 2023.

Elsa Damayanti, Barry Ceasar Octariadi, and Rachmat Wahid Saleh Insani, “Klasifikasi Pemilihan Bibit Unggul Kelapa Sawit Menggunakan Algoritma Naïve Bayes,” Jural Ris. Rumpun Ilmu Tek., vol. 4, no. 1, pp. 392–411, 2025, doi: 10.55606/jurritek.v4i1.4991.

A. Rahmawati, M. Akbar, and D. Nurdiansyah, “KLASIFIKASI TINGKAT KEMATANGAN PADA BUAH KELAPA SAWIT Keywords — Classification ; Deep Learning ; CNN ; Palm Oil . Penelitian ini bertujuan untuk menghadirkan solusi alternatif bagi pengelola dan petani kelapa sawit dalam proses klasifikasi tingkat kemata,” 2025.

M. A. Wardana and S. Suherman, “Penerapan Data Mining Pengelompokan Data Penjualan Motor di PT. Nusantara Surya Sakti Soppeng Menggunakan Metode K-Means Clustering,” J. Ilm. Sist. Inf. dan Tek. Inform., vol. 8, no. 1, pp. 123–132, 2025, doi: 10.57093/jisti.v8i1.282.

A. Syatriawan, Fadlisyah, and Kurniawati, “Penerapan Metode Decision Tree Cart Untuk Klasifikasi Penyakit Pada Tanaman Kelapa Sawit,” Rabit J. Teknol. dan Sist. Inf. Univrab, vol. 10, no. 2, pp. 1191–1199, 2025, doi: 10.36341/rabit.v10i2.6544.

D. A. Punkastyo, F. Septian, and A. Syaripudin, “Implementasi Data Mining Menggunakan Algoritma Naïve Bayes Untuk Prediksi Kelulusan Siswa,” J. Syst. Comput. Eng., vol. 5, no. 1, pp. 24–35, 2024, doi: 10.61628/jsce.v5i1.1073.

J. M. Polgan et al., “SYSTEMATIC LITERATURE REVIEW : PENERAPAN ALGORITMA NAIVES,” vol. 11, no. September, pp. 7–13, 2022.

S. Sukriadi, I. Ismail, and A. M. Andzar, “Penerapan Text Mining Dalam Klasifikasi Judul Skripsi Yang Diusulkan Mahasiswa Menggunakan Metode Naïve Bayes,” J. Ilm. Sist. Inf. dan Tek. Inform., vol. 6, no. 2, pp. 184–196, 2023, doi: 10.57093/jisti.v6i2.174.

M. Afriansyah, Joni Saputra, V. Y. P. Ardhana, and Yuan Sa’adati, “Algoritma Naive Bayes Yang Efisien M. Afriansyah, Joni Saputra, Ardhana, V. Y. P., & Yuan Sa’adati. (2024). Algoritma Naive Bayes Yang Efisien Untuk Klasifikasi Buah Pisang Raja Berdasarkan Fitur Warna. Journal of Information Systems Management and Digita,” J. Inf. Syst. Manag. Digit. Bus., vol. 1, no. 2, pp. 236–248, 2024.

Downloads

Published

2026-01-28

Issue

Vol. 5 No. 1 (2026): EDISI JANUARI 2026

Section

Articles

License

Copyright (c) 2026 Jurnal Sistem Informasi Triguna Dharma (JURSI TGD)

Creative Commons License

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