Wahyu Fuadi
Teknik Informatika, Universitas Malikussaleh

Published : 2 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 2 Documents
Search

PREDIKSI NILAI ZONA TANAH DI KECAMATAN IDI RAYEUK ACEH TIMUR MENGGUNAKAN METODE RANDOM FOREST REGRESSION BERBASIS SISTEM INFORMASI GEOGRAFIS Muhammad Iqbal; Wahyu Fuadi; Nunsina Nunsina
Jurnal Teknologi Terapan and Sains 4.0 Vol 7 No 2 (2026): Jurnal Teknologi Terapan & Sains
Publisher : Universitas Malikussaleh

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.29103/tts.v7i2.28115

Abstract

Penelitian ini bertujuan untuk memprediksi Nilai Zona Tanah (NZT) di Kecamatan Idi Rayeuk, Kabupaten Aceh Timur, dengan menerapkan metode Random Forest Regression berbasis Sistem Informasi Geografis. Data yang digunakan merupakan data zona tanah periode 2023–2025 yang mencakup variabel spasial dan nonspasial, seperti koordinat geografis, karakteristik fisik lahan, faktor aksesibilitas, dan kondisi sosial wilayah. Tahapan penelitian meliputi pengolahan dan pra-pemrosesan data, feature engineering, pembagian data pelatihan dan pengujian, pelatihan model, serta evaluasi kinerja model menggunakan metrik Mean Absolute Error (MAE), Mean Absolute Percentage Error (MAPE), Root Mean Squared Error (RMSE), dan koefisien determinasi (R-squared). Hasil penelitian menunjukkan bahwa model Random Forest Regression mampu memberikan prediksi nilai tanah dengan tingkat akurasi yang sangat baik, ditunjukkan oleh nilai R-squared sebesar 0,9864, MAE sebesar Rp 9.774, RMSE sebesar Rp 13.761, dan MAPE sebesar 4,95 persen. Selain itu, analisis feature importance menunjukkan bahwa variabel aksesibilitas dan kedekatan terhadap fasilitas umum memiliki pengaruh dominan terhadap nilai tanah. Hasil prediksi dan analisis divisualisasikan dalam sistem berbasis web Flask yang terintegrasi dengan Sistem Informasi Geografis, sehingga dapat digunakan sebagai alat pendukung pengambilan keputusan dalam pengelolaan dan perencanaan pertanahan di Kecamatan Idi Rayeuk. Kata kunci: Random Forest Regression, Sistem Informasi Geografis, Nilai Zona Tanah, Prediksi, Pertanahan
APPLICATION OF DOUBLE MOVING AVERAGE METHOD TO FORECAST PALM OIL PRODUCTION IN PLANTATION INDUSTRY Pingkan Nurhani Nasution; Asrianda; Lidya Rosnita; Wahyu Fuadi; Cut Agusniar
Jurnal Dinamika Informatika Vol. 15 No. 2 (2026): Vol. 15 No. 2 (2026)
Publisher : Program Studi Informatika Universitas PGRI Yogyakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.31316/jdi.v15i2.453

Abstract

Indonesia merupakan salah satu negara pemimpin dalam produksi minyak sawit global, di mana peramalan yang akurat sangat krusial untuk mendukung perencanaan strategis dalam industri perkebunan. Penelitian ini menerapkan metode Double Moving Average (DMA) untuk memprediksi produksi minyak sawit menggunakan data internal historis dari PT Perkebunan Nusantara IV Pabatu periode 2019–2024. Cakrawala peramalan ditetapkan untuk lima tahun ke depan (2025–2029) guna memberikan dukungan perencanaan jangka menengah bagi industri. Validasi model dilakukan dengan membagi dataset menjadi data latih (training) periode 2019–2022 dan data uji (testing) periode 2023–2024, dengan akurasi yang diukur menggunakan MAPE, RMSE, dan MPE. Hasil penelitian menunjukkan bahwa model DMA menghasilkan nilai MAPE sebesar 9,23% untuk total produksi dan 6,67% untuk produktivitas per hektar, yang menunjukkan tingkat akurasi peramalan yang tinggi (<10%). Meskipun teridentifikasi adanya sedikit bias peramalan yang lebih rendah dari nilai aktual (underprediction)—yang dapat berimplikasi pada potensi kekurangan pasokan jika tidak dikelola dengan baik—model ini tetap memberikan wawasan berharga mengenai tren produksi. Hasil peramalan ini dapat membantu perusahaan mengoptimalkan alokasi sumber daya, memperbaiki penjadwalan panen, serta mendukung pengambilan keputusan dalam strategi bisnis jangka menengah. Namun, model ini memiliki keterbatasan, terutama saat menghadapi guncangan eksternal seperti cuaca ekstrem atau volatilitas pasar global. Penelitian selanjutnya direkomendasikan untuk membandingkan metode DMA dengan metode alternatif seperti Exponential Smoothing atau ARIMA guna meningkatkan kekokohan (robustness) hasil peramalan