KOMPARASI REGRESI LINEAR BERGANDA DAN SUPPORT VECTOR MACHINE UNTUK PREDIKSI KOPI ROBUSTA PAGAR ALAM
DOI:
https://doi.org/10.36050/betrik.v14i03%20DESEMBER.191Keywords:
comparison, robusta coffee, multiple linear regression, support vector machine.Abstract
Abstrak: Kopi merupakan tanaman perkebunan yang menjadi sumber pendapatan masyarakat. Upaya peningkatan kopi sudah dilakukan pemerintah dengan beberapa cara namun lemahnya teknologi pendukung menjadi salah satu kendala peningkatan produksi kopi. Tujuan penelitian ini adalah untuk menerapkan dan melakukan analisis komparasi dua model machine learning yaitu regresi linear berganda dan Support Vector Machine dan memilih algoritma terbaik untuk melakukan prediksi kopi robusta pagar alam dengan evaluasi mode menggunakan RMSE, MAPE, R2 dan T-Test. Hasil penelitian didapatkan algoritma regresi linear berganda memiliki nilai RMSE terkecil yaitu 0,24 , MAPE : 0,06 dan R2 : 90 % dan nilai signifikansi uji-t secara simultan sebesar 0,04. Sedangkan nilai dari Support Vector Machine melalui perhitungan menggunakan pemrograman python menggunakan GoogleColab didapat nilai RMSE 0,62, MAPE : 0,18 dan R2 : 34 % dan nilai signifikansi uji-t secara simultan sebesar 0,03. Komparasi hasil pengujian dua algoritma machine learning yaitu regresi linear berganda dan support vector machine didapatkan bahwa algoritma regresi linear berganda lebih unggul dalam melakukan prediksi dibandingkan dengan menggunakan algoritma Support vector machine, namun secara umum, kedua algoritma tersebut dapat digunakan dalam melakukan prediksi produksi kopi robusta pagar alam karena perbedaan hasil modelnya yang kecil.
Kata kunci : komparasi, kopi robusta, regresi linear berganda, support vector machine.
References
Rahardjo, “Panduan Budidaya Kopi Arabika dan Robusta (D. T. Q (Ed.); 1st Ed.).” Penebar Sriwijaya.
Damatta, F. M., & Cochicho Ramalho, J. D., “Impacts Of Drought And Temperature Stress On Coffee Physiology And Production: A Review. Brazilian Journal Of Plant Physiology, 18(1), 55-81. Https://Doi.Org/10.1590/S1677-04202006000100006
Dolly, R. “Memuliakan Kopi Pagaralam.” Antara. 2020b. Https://Www.Antaranews.Com/Berita/1859644/Memuliakan-Kopi-Pagaralam
Dolly, R.,“Kopi Pagar Alam Raih Pengakuan Internasional atas Citarasa Uniknya di Avpa-Paris 2020.” Antarasumsel. Https://Sumsel.Antaranews.Com/Berita/510916/Kopi-Pagaralam-Raih-Pengakuan-Internasional-Atas-Citarasa-Uniknya-Di-Avpa-Paris-2020.
Dolly, R., & Samino, N, “Upaya Mendongkrak Produksi Kopi Sumsel,” Antarlampung. 2021. Https://Lampung.Antaranews.Com/Berita/546849/Upaya-Mendongkrak-Produksi-Kopi-Sumsel.
Roihan, A., Sunarya, P.A., & Rafika, A.S., “Pemanfaatan Machine Learning Dalam Berbagai Bidang :Review Paper.” 75-82. April. 2020.
Triyanto, E., Sismoro, H., & Laksito, A. D., “Implementasi Algoritma Regresi Linear Berganda untuk Memprediksi Produksi Padi di Kabupaten Bantul.” Rabit: Jurnal Teknologi. 2019. Http://Jurnal.Univrab.Ac.Id/Index.Php/Rabit/Article/View/666
Abroungi, K., Gabsi, K., Mercatoris, B., Khemis, C., Amami, R., & Chehaibi, S., “Prediction Of Organic Potato Yield Using Tillage System And Soil Properties By Artificial Neural Network (Ann) And Multiple Linear Regressions (Mlr).” Soil and Tillage Research, 190, 202-208. 2019. Https://Doi.Org/10.1016/J.Still.2019.01.011
Sunariadi, N. M., Intan, P. K., Candra, D., Novitasari, R., & Hariningsih, Y, “Prediksi Produksi Bawang Merah Di Kabupaten Nganjuk Dengan Metode Seasonal Arima ( Sarima ),” Vol. 6, No. 1, 49-60. 2022. Https://Doi.Org/10.36526/Tr.V
Yanto, B., Rouza, E., Saputra, E., Studi, P., Informatika, T., Ilmu, F., Universitas, K., & Pengaraian, P., “Penerapan Metode Inferensi Fuzzy Takagi Sugeno-Kang Untuk Prediksi Hasil Panen Kelapa Sawit”, Vol. 2, No. 2, 51-55 2019.
Amrin, “Data Mining dengan Regresi Linier Berganda untuk Peramalan Tingkat
Inflasi,” Techno Nusa Mandiri: Journal Of Computing. 2016.Http://Ejournal.Nusamandiri.Ac.Id/Index.Php/Techno/Article/View/220
Adha, M., Utami, E., & Hanafi, H. “Prediksi Produksi Jagung Menggunakan Algoritma Apriori Dan Regresi Linear Berganda (Studi Kasus : Dinas Pertanian Kabupaten Dompu).” Jipi (Jurnal Ilmiah Penelitian Dan Pembelajaran Informatika), Vol. 7, No. 3, 803-8202022. Https://Doi.Org/10.29100/Jipi.V7i3.3139
Sulistiani, H., Utami, Y. T., Informatika, J., & Indonesia, U. T., “Penerapan Algoritma Klasifikasi Sebagai Pendukung Keputusan Pemberian Beasiswa Mahasiswa.”300-305. 2018.
Katemba, P., & Djoh, R. K., “Prediksi Tingkat Produksi Kopi Menggunakan Regresi Linear,” 42-52. 2015.
Adi, S., “Komparasi Metode Support Vector Machine (Svm), K-Nearest Neighbors (Knn), Dan Random Forest (Rf) Untuk Prediksi Penyakit Gagal Jantung,” Jurnal Ilmiah Matematika, Vol. 10, No. 2, 258–268. 2022.
Suhardjono, Ganda, W., & Abdul, H. “Prediksi Waktu Kelulusan Mahasiswa Menggunakan Svm Berbasis Pso”. Bianglala Informatika, Vol. 7, No. 2, 97-101. 2019.
Rifa’I, A., “Pengantar Metodologi Penelitian. In Antasari Press (1st Ed.),” Suka-suka Press Uin Sunan Kalijaga. 2020.
Saputri Marheni. Wawancara, 1-29. 2020.
Haddi, E., Liu, X., & Shi, Y, “The Role Of Text Pre-Processing In Sentiment Analysis,”Procedia Computer Science, 17, 26–32, 2013. Https://Doi.Org/10.1016/J.Procs.2013.05.005.
Susanti, I., & Atmini, N. D., “Pengaruh Kedisiplinan Siswa Terhadap Prestasi Belajar Siswa Kelas Iv Sd Menggunakan Metode Angket Dengan Teknik Cluster Sampling.” Jurnal Ilmiah Ekonomi Dan Bisnis, Vol. 15, No. 2, 330–336. 2022. Syaputra, A. (2022). Analisis Kombinasi Metode Algoritma MFEP dan AHP Pada Pemilihan Bibit Unggul Kopi Robusta. Komputika: Jurnal Sistem Komputer, 11(2), 185-192.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2023 Nurmaleni, Alfis Arif
This work is licensed under a Creative Commons Attribution 4.0 International License.
