The Prediction of Rice Production to Support Food Security in Bogor Regency using Linear Regression and Support Vector Machine (SVM)

Ani Apriani; Nono Carsono; Mas Dadang Enjat Munajat

doi:10.30736/jt.v16i1.1192

Prediksi Produksi Padi untuk Mendukung Ketahanan Pangan di Kabupaten Bogor dengan Menggunakan Regresi Linier dan Support Vector Machine (SVM)

Authors

Ani Apriani Program Studi Magister Inovasi Regional, Sekolah Pasca Sarjana, Universitas Padjadjaran
Nono Carsono Program Studi Agroteknologi, Fakultas Pertanian, Universitas Padjadjaran
Mas Dadang Enjat Munajat Program Studi Magister Inovasi Regional, Sekolah Pasca Sarjana, Universitas Padjadjaran

DOI:

https://doi.org/10.30736/jt.v16i1.1192

Keywords:

Prediksi, Algoritma, SVM, Regresi Linier

Abstract

Prediksi adalah perkiraan mengenai sesuatu yang belum terjadi. Prediksi bertujuan meminimumkan pengaruh ketidakpastian yang dapat meminimalisir kesalahan dalam merencanakan. Kabupaten Bogor merupakan kabupaten yang memiliki jumah penduduk terbesar di Jawa barat, sehingga memerlukan pangan dengan jumlah besar pula. Produksi padi sebagai sumber pangan harus dapat mengimbangi jumlah kebutuhan konsumsi penduduknya. Untuk mengantisipasi potensi kekurangan padi, sekaligus melakukan perencanaan yang lebih efektif, dan mencegah ketergantungan terhadap impor beras, maka perlu dilakukan penelitian untuk memprediksi produksi padi. Tujuan penelitian ini adalah memprediksi produksi padi. Metoda analisis yang digunakan yaitu algoritma Regresi Linier dan Support Vector Machine (SVM). Data yang digunakan berupa data sekunder yang bersumber dari Dinas Tanaman Pangan Hortikultura dan Perkebunan, dan Badan Pusat Statistik Kabupaten Bogor. Hasil penelitian dengan menggunakan metoda algoritma Regresi Linier menghasilkan nilai MSE 236202,323; RMSE 486,007 ; MAE 388,712 dan R2 1,000. Sedangkan metoda algoritma SVM menghasilkan nilai MSE 1461472466,751; RMSE 38229.2,10 ; MAE 303333,535 dan R2 -0,065. Nilai MSE, RMSE, dan MAE dari Regresi Linier lebih kecil dari Supprot Vector Machine. Untuk nilai R2 dari Regresi Linier adalah 1, artinya memiliki akurasi yang baik dibandingkan SVM. Dapat disimpulkan dari penelitian ini adalah metoda algortima Regresi Linier memprediksi lebih baik dibandingkan dengan Support Vector Machine (SVM).

Downloads

Download data is not yet available.

References

Anggarawati, S., & Suwarnata, A. A. E. (2021). Nilai Strategis Komoditas Unggulan Kawasan Perdesaan, Kabupaten Pesisir Selatan, Provinsi Sumatera Barat. Agrisintech (Journal of Agribusiness and Agrotechnology), 1(2), 89. https://doi.org/10.31938/AGRISINTECH.V1I2.287

Atik Nurmasani, E. U., & Fatta, H. Al. (2017). Analisis Support Vector Machine Pada Prediksi Produksi Padi. Jurnal Informasi Interaktif Vol, 2(1). https://core.ac.uk/download/pdf/231289900.pdf

Evrina Budiastuti, Hamzah Ritchi, Y. D. (2023). Pengaruh Dimensi Usability Terhadap Kegunaan Marketplace Pertanian. Sistem Informasi Dan Komputer (Sisfokom, 12(2), 300–308. https://doi.org/https://doi.org/10.32736/sisfokom.v12i2.1678

Fawaiq, M. N., Jazuli, A., & Hakim, M. M. (2019). Prediksi Hasil Pertanian Padi Di Kabupaten Kudus Dengan Metode Brown’S Double Exponential Smoothing. JIPI (Jurnal Ilmiah Penelitian Dan Pembelajaran Informatika), 4(2), 78. https://doi.org/10.29100/jipi.v4i2.1421

G, K. F., Sy, Y. J., & Rahmawati, P. (2023). Implementasi Algoritma K-Means Terhadap Pengelompokan Pembinaan Kelompok Tani Untuk Peningkatan Produksi Jagung. Jurnal Teknika, 15(1), 37–44. https://doi.org/10.30736/jt.v15i1.1012

Katemba, P., & Djoh, R. K. (2017). Prediksi Tingkat Produksi Kopi Menggunakan Regresi Linear. Jurnal Ilmiah Flash, 3(1), 42. https://doi.org/10.32511/flash.v3i1.136

Kurniasari, N. (2018). ARAHAN PEMANFAATAN DAYA DUKUNG LAHAN PERTANIAN DI KABUPATEN BOGOR. Seminar Nasional Geomatika, 2. https://doi.org/10.24895/sng.2017.2-0.409

Marhaeni, A. A. I. N., & Yuliarmi, N. N. (2018). Pertumbuhan Penduduk, Konversi Lahan, dan Ketahanan Pangan di Kabupaten Badung. Jurnal Ekonomi Kuantitatif Terapan, February 2018, 61. https://doi.org/10.24843/jekt.2018.v11.i01.p05

Wulandari, D., & Rumini, R. (2023). Pemodelan dan Prediksi Produksi Padi Menggunakan Regresi Linear. Smart Comp: Jurnalnya Orang Pintar Komputer, 12(4). https://doi.org/10.30591/smartcomp.v12i4.5905

Downloads

PlumX Metrics

Published

2024-04-01

How to Cite

Apriani, A., Carsono, N., & Enjat Munajat, M. D. (2024). Prediksi Produksi Padi untuk Mendukung Ketahanan Pangan di Kabupaten Bogor dengan Menggunakan Regresi Linier dan Support Vector Machine (SVM). Jurnal Teknika, 16(1), 13–18. https://doi.org/10.30736/jt.v16i1.1192

Download Citation

Issue

Vol. 16 No. 1 (2024): MARET

Section

Jurnal Teknika

License

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

Jurnal Teknika dilisensikan di bawah Attribution-ShareAlike 4.0 International (CC BY-SA 4.0). Anda bebas untuk:

Bagikan â€” salin dan distribusikan ulang materi dalam media atau format apa pun
Beradaptasi â€” me-remix, mengubah, dan membangun materi untuk tujuan apa pun, bahkan secara komersial. Lisensi ini dapat diterima untuk Karya Budaya Bebas.

Pemberi lisensi tidak dapat mencabut kebebasan ini selama Anda mengikuti persyaratan lisensi.

Atribusi â€” Anda harus memberikan kredit yang sesuai, memberikan tautan ke lisensi, dan menunjukkan jika ada perubahan. Anda dapat melakukannya dengan cara yang wajar, tetapi tidak dengan cara apa pun yang menunjukkan bahwa pemberi lisensi mendukung Anda atau penggunaan Anda.
ShareAlike â€” Jika Anda me-remix, mengubah, atau membangun materi, Anda harus mendistribusikan kontribusi Anda di bawah lisensi yang sama seperti aslinya.
Tidak ada batasan tambahan â€” Anda tidak boleh menerapkan persyaratan hukum atau tindakan teknologi yang secara hukum membatasi orang lain untuk melakukan apa pun yang diizinkan oleh lisensi.

Hak Cipta

Penulis yang menerbitkan dengan jurnal ini menyetujui persyaratan berikut:

Penulis mempertahankan hak cipta dan memberikan jurnal hak publikasi pertama dengan karya yang dilisensikan secara bersamaan di bawah Attribution-ShareAlike 4.0 International (CC BY-SA 4.0) yang memungkinkan orang lain untuk berbagi karya dengan pengakuan kepenulisan karya dan publikasi awal di jurnal ini .

Penulis dapat membuat pengaturan kontrak tambahan yang terpisah untuk distribusi non-eksklusif dari versi jurnal yang diterbitkan dari karya tersebut (misalnya, mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan publikasi awalnya di jurnal ini.

Penulis diizinkan dan didorong untuk memposting karya mereka secara online (misalnya, di repositori institusional atau di situs web mereka) sebelum dan selama proses pengiriman, karena dapat menghasilkan pertukaran yang produktif, serta kutipan lebih awal dan lebih besar dari karya yang diterbitkan (Lihat Pengaruh Akses Terbuka).