Article Per Year (5 Year)
p-Index From 2020 - 2025
0.23
P-Index
This Author published in this journals
All Journal Jurnal Manajemen Informatika dan Sistem Informasi
Arif Rohmadi
Unknown Affiliation
Computer Science & IT

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

Found 1 Documents
Search

 1 
SISTEM PREDIKSI PRODUKSI PADI DI SUMATERA MENGGUNAKAN REGRESI LINEAR Yudha, Ery Permana; Arif Rohmadi; Agung Teguh Setyadi
Jurnal Manajemen Informatika dan Sistem Informasi Vol. 8 No. 1 (2025): MISI Januari 2025
Publisher : LPPM STMIK Lombok

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.36595/misi.v8i1.1411

Abstract

Pulau Sumatera merupakan salah satu pulau yang menjadi lumbung padi nasional karena sebagai salah satu daerah penghasil padi terbesar di Indonesia. Namun, produktivitas yang tinggi di pulau Sumatera juga terdapat beberapa tantangan seperti perubahan iklim yang tidak menentu, luas lahan, curah hujan, kelembapan, dan suhu rata-rata. Untuk mengatasi permasalahan tersebut perlu strategi yang inovatif dan berbasis data. Salah satu strategi tersebut dengan menerapkan pengolahan data untuk menghasilkan model prediksi produktivitas padi. Teknik ini melibatkan algoritma dan pembelajaran mesin untuk menganalisis pola dan tren dalam pertanian. Model ini mempermudah stakeholder terkait untuk mempersiapkan kebutuhan pangan nasional agar selalu terpenuhi. Pada penelitian ini, diusulkan sebuah metode prediksi produktivitas padi di Sumatera menggunakan metode regresi linear. Penelitian ini menghasilkan model prediksi masing-masing di setiap provinsi di Sumatera. Secara umum, tahapan yang dilakukan yaitu preprocessing, seleksi fitur, training dan testing, dan evaluasi. Uji coba yang dilakukan dengan menghitung nilai Mean Squarred Error (MSE). Beberapa algoritma yaitu Regresi Linear, Support Vector Regression (SVR), Random Forest Regression (RFR) menghasilkan nilai rata-rata MSE sebesar 0,022; 0,075; 0,026. Regresi linear mampu menghasilkan model yang lebih baik dibandingkan metode SVR dan RFR.
Co-Authors Agung Teguh Setyadi Yudha, Ery Permana