Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Tekinkom (Teknik Informasi dan Komputer)
Poppy Sulistiawaty
Universitas Darwan Ali
Computer Science & IT

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

Found 1 Documents
Search

 1 
KLASIFIKASI MASA AWAL PANEN SAWIT PADA PT. MUSTIKA SEMBULUH MENGGUNAKAN ALGORITMA CLASSIFICATION AND REGRESSION TREE Poppy Sulistiawaty; Nurahman Nurahman
Jurnal Tekinkom (Teknik Informasi dan Komputer) Vol 6 No 2 (2023)
Publisher : Politeknik Bisnis Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37600/tekinkom.v6i2.946

Abstract

Permasalahan dalam penentuan masa awal pananen kelapa sawit memberikan dampak terhadap hasil produksi berikutnya. Selain nutrisi yang cukup terhadap pohon kelapa sawit dan banyaknya tangkai pelepah serta kondisi buah yang seimbang pada setiap pohon sawit, maka masa awal panen juga merupakan salah satu hal yang penting. Penentuan masa awal panen kelapa sawit dipengaruhi dengan berbagai variabel diantaranya tahun tanam, luas area, jarak tanam, jenis bibit dan berbagai variabel lainnya. Banyaknya variabel dan data tentunya cukup sulit untuk menentuaan masa awal panen kelapa sawit. Untuk itu, Algoritma klasifikasi dalam data mining dapat membantu untuk menganalisis penentuan masa awal panen kelapa sawit. Salah satu model dari metode klasifikasi yang mudah digunakan oleh siapa saja adalah pohon keputusan atau yang disebut dengan decision tree. Penelitian ini bertujuan untuk membangun suatu model pohon keputusan yang dapat digunakan untuk memprediksi masa awal paen kelapa sawit. Algoritma yang digunakan pada penelitian ini adalah Classification and Regression Tree. Proses pengolahan data dilakukan pengujian klasifikasi terhadapt dataset sebanyak 5 kali. Hasil penelitian menunjukkan bahwa Algoritma Classification and Regression Tree mampu menghasilkan model pohon keputusan dengan nilai performa akurasi tertinggi 96,21%. Node akar pada pohon keputusan dimuai dari variabel tahun tanam dan dilanjutkan dengan variabel yang lainnya.
Co-Authors Nurahman