Prediksi Time Series Produksi Crude Palm Oil Menggunakan Support Vector Regression Dengan Optimasi Particle Swarm Optimization

Prediction of Time Series for Crude Palm Oil Production Using Support Vector Regression with Particle Swarm Optimization

Authors

  • Subhan Panji Cipta Universitas Sari Mulia
  • Mambang Mambang Universitas Sari Mulia
  • Yuslena Sari Program Studi Teknologi Informasi, Universitas Lambung Mangkurat

DOI:

https://doi.org/10.33084/jsakti.v3i2.2237

Keywords:

crude palm oil, support vector regression, particle swarm optimization, time series

Abstract

Minyak sawit merupakan minyak yang paling banyak dikonsumsi di dunia. Indonesia sendiri merupakan negara penghasil minyak sawit terbesar di dunia. Selain itu, perkebunan sawit merupakan komoditas devisa utama negara dan juga menyerap jutaan tenaga kerja. Tujuan dari penelitian ini adalah membuat model prediksi minyak sawit mentah (Crude Palm Oil) dengan menggunakan data produksi time series bulanan di Provinsi Kalimantan Selatan yang diambil karena prediksi produksi merupakan acuan untuk mengetahui keuntungan, biaya dan kebijakan bisnis lainnya. Metode yang digunakan dalam penelitian ini adalah Support Vector Regression dengan optimasi Particle Swarm Optimization. Model yang dihasilkan pada penelitian ini adalah parameter C sebesar 628.88548 dan gamma 410.324 pada kernel RBF yang menghasilkan R2 untuk data uji sebesar 0,999.

Downloads

Download data is not yet available.

Author Biographies

Subhan Panji Cipta, Universitas Sari Mulia

Mambang Mambang, Universitas Sari Mulia

Yuslena Sari, Program Studi Teknologi Informasi, Universitas Lambung Mangkurat

References

Mustakim, Buono, A. and Hermadi, I. (2015) ‘Support Vector Regression Untuk Prediksi Produktivitas Kelapa Sawit Di Provinsi Riau’, Jurnal Sains, Teknologi dan Industri, 12(2), pp. 179–188.
Mustakim, Buono, A. and Hermadi, I. (2016) ‘Performance Comparison Between Support Vector Regression And Artificial Neural Network For Prediction Of Oil Palm Production Mustakim1’, Jurnal Ilmu Komputer dan Informasi (Journal of Computer Science and Information), 9(1), pp. 1–8. doi: 10.7537/marsrsj080716.02.Keywords.
Santosa, E., Sulistyo, H. and Dharmawan, I. (2011) ‘Peramalan produksi kelapa sawit menggunakan peubah agroekologi di Kalimantan Selatan’, J. Agron. Indonesia, 39(3), pp. 193–199.
Smola, A. J., Sch, B. and Schölkopf, B. (2004) ‘A Tutorial on Support Vector Regression’, Statistics and Computing, 14(3), pp. 199–222. doi: 10.1023/B:STCO.0000035301.49549.88.
Tim Riset PASPI (2017) ‘Kebijakan nasional dalam industri sawit menuju Indonesia pada urutan 10 besar dunia’, Monitor PASPI, III(17), pp. 767–778.
Wirahma, S., Seto, T. H. and Athoillah, I. (2014) ‘Pemanfaatan Teknologi Modifikasi Cuaca Untuk Perkebunan Kelapa Sawit’, Jurnal Sains & Teknologi Modifikasi Cuaca, 15(1), p. 39. doi: 10.29122/jstmc.v15i1.2656.

Downloads

Published

2021-05-20

How to Cite

Cipta, S. P., Mambang, M., & Sari, Y. (2021). Prediksi Time Series Produksi Crude Palm Oil Menggunakan Support Vector Regression Dengan Optimasi Particle Swarm Optimization: Prediction of Time Series for Crude Palm Oil Production Using Support Vector Regression with Particle Swarm Optimization. Jurnal Sains Komputer Dan Teknologi Informasi, 3(2), 1–4. https://doi.org/10.33084/jsakti.v3i2.2237