Support Vector Machine Untuk Prediksi Produksi Tanman Pangan di Provinsi Gorontalo

  • Ivo Colanus Rally Drajana Universitas Pohuwato
  • Andi Bode Universitas Ichsan Gorontalo
Abstract views: 12 , PDF (Bahasa Indonesia) downloads: 17
Keywords: Prediksi, Support Vector Machine, Tanaman Pangan

Abstract

Sektor pertanian sudah menjadi peranan penting bagi masyarakat pada daerah yang memiliki lahan luas dan tanah yang subur. Pertanian sangat penting dalam peningkatan suatu daerah serta perekonomian daerah itu sendiri. Dinas Pertanian Provinsi Gorontalo adalah sebuah instansi yang bergerak diberbagai bidang pertanian, dalam kegiatan tahunan melakukan pencatatan hasil produksi tanaman pangan. Hasil yang didapatkan setiap tahunnya sering mengalami perubahan, maka diperlukan suatu sistem untuk melakukan prediksi, tujuannya yaitu untuk mengetahui hasil produksi tanaman pangan. Dengan penerapan algoritma support vector machine (SVM) telah berhasil dilakukan. Maka hasil dari prediski tersebut dapat digunakan untuk bahan pertimbangan atau kebijakan didalam pengambilan keputusan. Tingkat error paling terkecil yaitu 207. Model yang diusulkan mendekati nilai kesempurnaan, karena perbandingan hasil eksperimen prediksi produksi tanaman pangan dengan data set yang ada menghasilkan nilai keakuratan kisaran 70% - 100%. Dengan demikian metode yang diusulkan dinyatakan berhasil.

References

Ariyanto, R., Puspitasari, D., & Ericawati, F. (2017). Penerapan Metode Double Exponential Smoothing Pada Peramalan Produksi Tanaman Pangan. Jurnal Informatika Polinema, 4(1), 57-57.

Bode, A. (2018). Support Vector Machine Menggunakan Forward Selection untuk Prediksi Penjualan Obat. JURNAL TECNOSCIENZA, 3(1), 15-28.

Drajana, I. C. R. (2017). Metode support vector machine dan forward selection prediksi pembayaran pembelian bahan baku kopra. ILKOM Jurnal Ilmiah, 9(2), 116-123.

Hudaningsih, N., Utami, S. F., & Jabbar, W. A. A. (2020). Perbandingan Peramalan Penjualan Produk Aknil Pt. sunthi Sepurimengguanakan Metode Single Moving Average dan Single Exponential Smooting. Jurnal Informatika Teknologi dan Sains, 2(1), 15-22.

Hutabarat, M. A. P., Julham, M., & Wanto, A. (2018). Penerapan algoritma backpropagation dalam memprediksi produksi tanaman padi sawah menurut Kabupaten/Kota di Sumatera Utara. semanTIK, 4(1), 77-86.

Kaunang, F. J., Rotikan, R., & Tulung, G. S. (2018). Pemodelan Sistem Prediksi Tanaman Pangan Menggunakan Algoritma Decision Tree. CogITo Smart Journal, 4(1), 213-218.

Maesaroh, S., & Kusrini, K. (2017). Sistem Prediksi Produktifitas Pertanian Padi Menggunakan Data Mining. Energy, 7(2), 25-30.

Pramayudha, M. G. (2018). Prediksi hasil panen tanaman pangan dengan metode single moving average dan single exponential smoothing (Doctoral dissertation, Universitas Islam Negeri Maulana Malik Ibrahim).

Sitorus, N. S., Siagian, Y., & Aulia, R. (2021). Penerapan Metode SMA Untuk Peramalan Tingkat Produksi Tanaman Pangan di Dinas Pertanian. J-Com (Journal of Computer), 1(1), 27-32.

Yunita, F. (2018). Penerapan Data Mining Menggunkan Algoritma K-Means Clustring Pada Penerimaan Mahasiswa Baru. Sistemasi: Jurnal Sistem Informasi, 7(3), 238-249.
Published
2021-11-11
How to Cite
Drajana, I. C. R., & Bode, A. (2021). Support Vector Machine Untuk Prediksi Produksi Tanman Pangan di Provinsi Gorontalo. Nusantara of Engineering, 4(2), 104 - 111. https://doi.org/10.29407/noe.v4i2.16757

Most read articles by the same author(s)