Prediksi Produksi Kelapa di Kabupaten Banyuwangi Dengan Algoritma Neural Network

  • Teguh Herlambang Universitas Nahdlatul Ulama Surabaya
  • Hendro Nurhadi Institut Teknologi Sepuluh Nopember
  • Dini Ermavitalini Institut Teknologi Sepuluh Nopember
  • Miftahul Huda
  • Lucky Oktavianto
  • Triono Bagus Saputro Institut Teknologi Sepuluh Nopember
  • M. Romli Arief
Keywords: Banyuwangi, Kelapa, Prediksi, Neural Network

Abstract

Salah satu daerah penghasil kelapa terbesar di Indonesia adalah Banyuwangi, yang terletak di ujung timur Pulau Jawa. Perkebunan kelapa di Banyuwangi tidak hanya meningkatkan pendapatan petani, tetapi juga memajukan industri pengolahan lokal. Banyuwangi memiliki area potensial yang akan membantu pertumbuhan bisnis kelapa dan agroindustri lainnya. Potensi budidaya kelapa tersebar di berbagai wilayah Banyuwangi, dengan beberapa kecamatan yang menonjol dalam hal produksi dan pengolahan kelapa. Banyuwangi juga memiliki tanah yang subur, iklim yang mendukung, dan sumber daya manusia yang berpengalaman dalam budidaya kelapa Tujuan dari penelitian ini adalah untuk meramalkan produksi kelapa di Kabupaten Banyuwangi dan memberikan informasi yang akurat tentang perkiraan jumlah produksi di masa depan. Diharapkan hasil ini akan membantu petani dan pemangku kebijakan membuat keputusan yang tepat tentang manajemen produksi, distribusi, dan pengembangan industri kelapa di daerah tersebut untuk meningkatkan keberlanjutan, keuntungan, dan efisiensi. Pada penelitian ini menggunakan algoritma Neural Network guna menunjukkan kinerja terbaik pada pengujian dengan pembagian data pelatihan (Tr) sebesar 70%, 80%, dan 90%, serta data pengujian (Ts) sebesar 30%, 20%, dan 10%. Hasil pada implementasi algoritma Neural Network sebagai peramalan produksi kelapa pada banyuwangi menghasilkan RMSE berturut-turut sebesar 0,039, 0,036, dan 0,036.

Downloads

Download data is not yet available.

References

COCONUT OIL (VCO) DI UD. MINYAK KELAPA MURNI DESA SUMBEREJO KECAMATAN BANYUPUTIH KABUPATEN SITUBONDO. PRIMA EKSAKTA, 1(2), 76-83. Retrieved from https://unars.ac.id/ojs/index.php/pe/article/view/5051

Bode, A. (2019). Perbandingan metode prediksi support vector machine dan linear regression menggunakan backward elimination pada produksi minyak kelapa. Simtek: jurnal sistem informasi dan teknik komputer, 4(2), 104-107. https://doi.org/10.51876/simtek.v4i2.57

Hendrawan, Y., & Dewi, S. R. (2018). Optimasi Nilai Rendemen Dalam Pembuatan Virgin Coconut Oil (VCO) Menggunakan Pemanasan Suhu Rendah dan Kecepatan Sentrifugasi Dengan Response Surface Methodology (RSM). Journal of Tropical Agricultural Engineering and Biosystems-Jurnal Keteknikan Pertanian Tropis dan Biosistem, 6(3), 218-228.

Sari, N. M. O. W. S., Elindra, H., & Saputra, A. H. (2024). Prediksi Karbon Monoksida Menggunakan Model Machine Learning Berdasarkan Perbandingan Model Time Series Studi Kasus DKI Jakarta. Jurnal Kolaboratif Sains, 7(3), 1116-1128.

Rozi, F., & Junianto, M. B. S. (2023). Penerapan Machine Learning Untuk Prediksi Harga Saham PT. Telekomunikasi Indonesia Tbk Menggunakan Algoritma K-Nearest Neighbors. Jurnal Informatika MULTI, 1(1), 18-24. Retrieved from https://jurnal.publikasitecno.id/index.php/multi/article/view/4

Sihombing, D. M., & Setiafindari, W. (2023). Peramalan Produksi Crude Palm Oil Dengan Algoritma Backpropagation Neural Network. Industri Inovatif: Jurnal Teknik Industri, 13(1), 27-31. https://doi.org/10.36040/industri.v13i1.4887

Ridla, M. A., & Rahma, E. N. (2024). Prediksi Produksi Gula Tebu Berdasarkan Kualitas Menggunakan Metode Neural Network. Jurnal Janitra Informatika dan Sistem Informasi, 4(1), 54-61. https://doi.org/10.59395/janitra.v4i1.183

Putra, M. S. T., & Azhar, Y. (2021). Perbandingan Model Logistic Regression dan Artificial Neural Network pada Prediksi Pembatalan Hotel. JISKA (Jurnal Informatika Sunan Kalijaga), 6(1), 29-37. https://doi.org/10.14421/jiska.2021.61-04

Asy'ari, V., Anshori, M. Y., Herlambang, T., Farid, I. W., Karya, D. F., & Adinugroho, M. (2023, November). Forecasting average room rate using k-nearest neighbor at Hotel S. In 2023 International Conference on Advanced Mechatronics, Intelligent Manufacture and Industrial Automation (ICAMIMIA) (pp. 496-500). IEEE. 10.1109/ICAMIMIA60881.2023.10427942

Novita, D., Herlambang, T., Asy’ari, V., Alimudin, A., & Arof, H. (2024). COMPARISON OF K-NEAREST NEIGHBOR AND NEURAL NETWORK FOR PREDICTION INTERNATIONAL VISITOR IN EAST JAVA. BAREKENG: Jurnal Ilmu Matematika dan Terapan, 18(3), 2057-2070. https://doi.org/10.30598/barekengvol18iss3pp2057-2070

Anshori, M. Y., Asy'Ari, V., Herlambang, T., & Farid, I. W. (2023, November). Forecasting occupancy rate using neural network at Hotel R. In 2023 International Conference on Advanced Mechatronics, Intelligent Manufacture and Industrial Automation (ICAMIMIA) (pp. 347-351). IEEE. 10.1109/ICAMIMIA60881.2023.10427752

Susanto, F. A., Anshori, M. Y., Rahmalia, D., Oktafianto, K., Adzkiya, D., Katias, P., & Herlambang, T. (2022). Estimation of Closed Hotels and Restaurants in Jakarta as Impact of Corona Virus Disease (Covid-19) Spread Using Backpropagation Neural Network. Nonlinear Dynamics and Systems Theory: An International Journal of Research and Surveys, 22(4), 457-467. http://www.e-ndst.kiev.ua/v22n4/11(84)a.pdf

Anshori, M. Y., Shawyun, T., Madrigal, D. V., Rahmalia, D., Susanto, F. A., Herlambang, T., & Adzkiya, D. (2022). Estimation of closed hotels and restaurants in Jakarta as impact of corona virus disease spread using adaptive neuro fuzzy inference system. IAES International Journal of Artificial Intelligence (IJ-AI), 11(2), 462-472. https://ijai.iaescore.com/index.php/IJAI/article/v...

Article Metrics

Abstract view : 96 times
Published
2024-11-30
How to Cite
Herlambang, T., Nurhadi, H., Ermavitalini, D., Huda, M., Oktavianto, L., Saputro, T., & Arief, M. R. (2024). Prediksi Produksi Kelapa di Kabupaten Banyuwangi Dengan Algoritma Neural Network. Zeta - Math Journal, 9(2), 90-96. https://doi.org/10.31102/zeta.2024.9.2.90-96