Article Per Year (5 Year)
p-Index From 2021 - 2026
0.23
P-Index
This Author published in this journals
All Journal Prosiding Seminar Nasional Teknologi Informasi dan Bisnis
Fajar Andrea Mukti
Fakultas Teknik dan Ilmu Komputer, Universitas Baturaja Ogan Komering Ulu, Sumatera Selatan, Indonesia
Computer Science & IT Control & Systems Engineering Decision Sciences, Operations Research & Management Economics, Econometrics & Finance Electrical & Electronics Engineering Engineering Industrial & Manufacturing Engineering Mechanical Engineering Physics

Published : 1 Documents Claim Missing Document
Claim Missing Document
Check
Articles

Found 1 Documents
Search

 1 
Prediksi Produksi Tanaman Perkebunan di Sumatera Selatan Menggunakan Algoritma Linear Regression Aria Juantito; M. Eka Wahyudi; Fajar Andrea Mukti; Pujianto
Prosiding Seminar Nasional Teknologi Informasi dan Bisnis Prosiding Seminar Nasional Teknologi Informasi dan Bisnis (SENATIB) 2026
Publisher : Fakultas Ilmu Komputer Universitas Duta Bangsa Surakarta

Show Abstract | Download Original | Original Source | Check in Google Scholar

Abstract

Sektor perkebunan merupakan salah satu sektor penting yang berkontribusi terhadap perekonomian Provinsi Sumatera Selatan melalui komoditas utama seperti kelapa sawit, karet, kelapa, kopi, dan kakao. Variasi produksi yang terjadi setiap tahun menyebabkan perlunya prediksi produksi sebagai dasar dalam mendukung perencanaan dan pengambilan keputusan di bidang pertanian. Penelitian ini bertujuan untuk memprediksi produksi tanaman perkebunan di 17 kabupaten/kota di Provinsi Sumatera Selatan menggunakan algoritma Linear Regression. Data yang digunakan merupakan data historis produksi tanaman perkebunan periode 2021–2025. Tahapan penelitian mengikuti metode Knowledge Discovery in Databases (KDD) yang meliputi seleksi data, praproses, transformasi, pemodelan, dan evaluasi. Proses pemodelan dilakukan menggunakan aplikasi Orange Data Mining dengan skema evaluasi 10-Fold Cross Validation. Hasil evaluasi menunjukkan bahwa model Linear Regression menghasilkan nilai koefisien determinasi (R²) sebesar 1,000, Root Mean Square Error (RMSE) sebesar 0,373, dan Mean Absolute Error (MAE) sebesar 0,249. Nilai evaluasi tersebut menunjukkan bahwa model mampu mengikuti pola data yang digunakan dengan tingkat kesalahan prediksi yang rendah. Hasil penelitian ini menunjukkan bahwa algoritma Linear Regression dapat digunakan sebagai salah satu pendekatan untuk memprediksi produksi tanaman perkebunan di Provinsi Sumatera Selatan berdasarkan data historis yang tersedia.
Co-Authors Aria Juantito M. Eka Wahyudi Pujianto