.png)
Email this article Support Vector Regression untuk Prediksi Produktivitas Kelapa Sawit di Provinsi Riau
Abstract
Krisis energi yang melanda wilayah Provinsi Riau dan sekitarnya memberikan dampak penurunan nilai ekonomi masyarakat, hal tersebut disebabkan salah satunya adalah negara selalu bergantung kepada sumber energi fosil. Upaya pemerintah untuk mengatasi krisis energi telah dilakukan dengan mengganti energi fosil dengan energi alternatif terbarukan dari limbah kelapa sawit. Produksi dan produktifitas kelapa sawit di Provinsi Riau memiliki peringkat terbesar di Indonesia, hal ini menjadi gambaran akan terwujudnya energi alternatif masa depan di Riau. Penelitian ini melakukan prediksi produksi dan produktifitas untuk kedepannya dengan menggunakan metode Support Vector Regression. Dari hasil percobaan yang dilakukan, diperoleh nilai prediksi untuk kedepannya mengalami penurunan hingga 52% dan hanya mengalami kenaikan 5 dari 74 lokasi sebesar 8% . Kernel SVR terbaik dari kombinasi percobaan ini adalah Radial Basis Function dengan koefisien determinasi (R2) sebesar 95% dan nilai error galat (MSE) sebesar 6% terdapat pada fold 1 dengan rentang γ=20 dan C 23.
Keywords
Full Text:
PDFReferences
Adhani, G., Buono, A., Faqih, A., Support Vector Regression modelling for rainfall prediction in dry season based on Southern Oscillation Index and NINO3.4, International Conference on Advanced Computer Science and Information Systems, 2013, pp:315-320.
Apriani, I., Pemanfaatan Limbah Cair Pabrik Minyak Kelapa Sawit Sebagai Energi Alternatif Terbaharukan (Biogas), Tesis, Program Studi Teknologi Mesin Bioinformatika, Institut Pertanian Bogor, Bogor, 2009.
Buono, A., Agmalaro, M. A., Faqih, M., Statistical Downscaling Model Based-on Support Vector Regression to Predict Monthly Rainfall: A Case Study in Indramayu District, Converence Asian Federation for Information Technology in Agriculture, 2013.
Badan Pusat Statistik Provinsi Riau, Riau Dalam Angka 2006-2013 dan Kabupaten Dalam Angka 2006-2013. 2013.
Elinur, Analisis Konsumsi dan Penyediaan Energi dalam Perekonomian Indonesia, Tesis, Program Studi Teknologi Industri Pertanian, Institut Pertanian Bogor, Bogor, 2011.
Gunawan, H., Seleksi Hyperspectral Band Menggunakan Recursive Feature Elimination untuk Prediksi Produksi Padi dengan Support Vector Regression, Tesis, Program Studi Ilmu Komputer, Institut Pertanian Bogor, Bogor, 2012.
Hermantoro, R. W. P., Prediksi Produksi Kelapa Sawit Berdasarkan Kualitas Lahan Menggunakan Model Artificial Neural Nettwork (ANN), Jurnal Agroteknose, 4(2), 2009.
Hidayat, R., Sistem Prediksi Status Gizi Balita dengan Menggunakan Support Vector Regression, Skripsi, Program Studi Ilmu Komputer, Institut Pertanian Bogor, Bogor, 2013.
Ibrahim, N., Wibowo, A., Support Vector Regression with Missing Data Treatment Based Variables Selection for Water Level Prediction of Galas River in Kelantan Malaysia, Wseas Transactions on Mathematics, 13(1), 2014, E-ISSN: 2224-2880.
Jain, Y. K., Bhandare, S. K., Min Max Normalization Based Data Perturbation Method for Privacy Protection, International Journal of Computer & communication Technology, 2(8), 2011.
Kusdiana, D., Kondisi Rill Kebutuhan Energi di Indonesia dan Sumber-sumber Energi Alternatif Terbarukan, Diektorat Jendral Listrik dan Pemanfaatan Energi Departemen Energi dan Sumber Daya Mineral, 2008.
Kusuma, I. P., Studi Pemanfaatan Biomassa Limbah Kelapa Sawit Sebagai Bahan Bakar Pembangkit Listrik Tenaga Uap di Kalimantan Selatan (Studi Kasus Kabupaten Tanah Laut). Prociding Seminar Nasional Teknologi Industri. 2011.
Mahajoeno, E., Pengembangan Energi Terbarukan Dari Limbah Cair Pabrik Minyak Kelapa Sawit, Tesis, Program Studi Teknologi Industri Pertanian, Institut Pertanian Bogor, Bogor, 2008.
Patel, V. R., Mehta, R. G., Impact of Outlier Removal and Normalization Approach in Modified K-Means Clustering Algorithm, IJCSI International Journal of Computer Science Issues. 8(5), 2011.
Paz, J. F., A Support Vector Regression Approach to Predict Carbon Dioxide Exchange, A.P. de Leon F. de Carvalho et al. (Eds.): Distrib. Computing & Artif. Intell., AISC 79, 2010, pp. 157–164.
Piantari, E., Feature Selection Data Hiperspektral Untuk Prediksi Produktivitas Padi dengan Algoritme Genetika Support Vector Regression, Skripsi, Program Studi Teknologi Ilmu Komputer, Institut Pertanian Bogor, Bogor,2011.
Pintoasari, A. P., Penentuan Alokasi Check-In Counter Terminal Bandara untuk 10 Tahun kedepan dengan Metode Support Vector Regession, Tesis, Program Studi Ilmu Komputer, Universitas Indonesia, Depok, Indonesia. 2010.
Pudyantoro A. R., Dampak Kebijakan Fiskal dan Sektor Hulu Migas Terhadap Perekonomian Provinsi Riau, Tesis, Program Studi Teknologi Industri Pertanian, Institut Pertanian Bogor, Bogor, 2013.
Rao, S. S., Engineering Optimization: Theory and Practice, 2009, John Wiley and Sons, Newyork.
Saepudin, A., Energi Terbarukan (Biogas) dari Limbah Kelapa Sawit, Pusat Penelitian Tenaga Listrik dan Mekatronik, Lembaga Ilmu Pengetahuan Indonesia (LIPI), 2010.
Santosa, B., Data Mining Teknik Pemanfaatan Data untuk Keperluan Bisnis. 2007. Graha Ilmu. Yogyakarta.
Smola, A., Schölkopf , B., “A Tutorial on Support Vector Regression”, NeuroCOLT, Technical Report NC-TR-98-030, Royal Holloway College, University of London UK, 2003.
DOI: http://dx.doi.org/10.24014/sitekin.v12i2.990
Refbacks
- There are currently no refbacks.
Copyright (c) 2015 Jurnal Sains dan Teknologi Industri
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
 | Editorial Address: FAKULTAS SAINS DAN TEKNOLOGI UIN SULTAN SYARIF KASIM RIAU Kampus Raja Ali Haji Gedung Fakultas Sains & Teknologi UIN Suska Riau Jl.H.R.Soebrantas No.155 KM 18 Simpang Baru Panam, Pekanbaru 28293  Email: sitekin@uin-suska.ac.id© 2023 SITEKIN, ISSN 2407-0939 |
Whatsapp (Direct Chat)SITEKIN Journal Indexing:
Google Scholar | Garuda | Moraref | IndexCopernicus | SINTA
SITEKIN by http://ejournal.uin-suska.ac.id/index.php