Claim Missing Document
Check
Articles

Found 3 Documents
Search

Forecasting of Rice Harvest Results Using SVR Modeling Techniques Anamisa, Devie Rosa; Khotimah, Bain Khusnul; Hariyawan, Mohammad Yanuar; Irhamni, Firli; Jauhari, Achmad; Mufarroha, Fifin Ayu; Violina, Dina; Nuraini, Dinah
Jambura Journal of Mathematics Vol 7, No 1: February 2025
Publisher : Department of Mathematics, Universitas Negeri Gorontalo

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.37905/jjom.v7i1.30592

Abstract

Forecasting is an activity that predicts future values {}{}by utilizing existing track record data. The object of this study is rice plants because they are the primary food source for the Indonesian people. Every year, the Government strives for rice farmers throughout Indonesia to produce abundant rice harvests to meet the community's food needs. Therefore, rice farmers need a system that can predict their rice harvests to obtain information about future harvests to find out whether their harvests have decreased or increased so that they can determine efforts that can be made in the future and can be used as a policy maker for the Government in maintaining the national food security chain. This study uses time series data on rice harvests in Pamekasan, Madura, for 2007-2023 using the Support Vector Regression (SVR) model. The results of several trials have shown that the application of the SVR model for forecasting rice harvests in 2024 has produced good accuracy with a relatively low MAPE error rate of 3.97\%, and the rice harvest has reached an average prediction of 15470.08 tons with an average actual data of 7937.884 tons. Therefore, applying this SVR model can be recommended for predicting future rice harvests. 
Prediksi Hasil Panen Padi dengan Metode Multiple Linear Regression dan Particle Swarm Optimization untuk Meningkatkan Produksi Padi di Madura Nuraini, Dinah; Violina, Dina; Anamisa, Devie Rosa; Khotimah, Bain Khusnul; Jauhari, Achmad; Mufarroha, Fifin Ayu
JUSIFOR : Jurnal Sistem Informasi dan Informatika Vol 4 No 1 (2025): JUSIFOR - Juni 2025
Publisher : Fakultas Sains Dan Teknologi, Universitas Raden Rahmat Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70609/jusifor.v4i1.5857

Abstract

Pertanian memegang peran penting dalam perekonomian Indonesia, khususnya sektor pertanian padi yang menjadi sumber pangan utama bagi sebagian besar penduduk. Meskipun Indonesia memiliki potensi besar dalam sektor ini, produksi padi seringkali mengalami fluktuasi yang memengaruhi ketahanan pangan. Oleh karena itu, prediksi produksi padi sangat penting untuk merencanakan kebijakan pertanian dan memastikan ketahanan pangan. Metode yang digunakan adalah Multiple Linear Regression (MLR) yang dioptimalkan dengan Particle Swarm Optimization (PSO) untuk memprediksi produksi padi di Pulau Madura. Data yang digunakan meliputi variabel terikat (produksi padi) dan variabel bebas seperti luas tanam, luas panen, dan produktivitas. Mean Absolute Percentage Error (MAPE) digunakan dalam menghiung kesalahan error model. Hasil pengujian menunjukkan bahwa pembagian data 50% untuk pelatihan dan 50% untuk pengujian menghasilkan hasil terbaik dengan MAPE sebesar 7,04%, yang lebih rendah dibandingkan dengan rasio data lainnya.
Prediksi Panen Padi Di Madura Dengan Triple Exponential Smoothing (TES) dan Algoritma Genetika Violina, Dina; Nuraini, Dinah; Anamisa, Devie Rosa; Khotimah, Bain Khusnul; Jauhari, Achmad; Mufarroha, Fifin Ayu
JUSIFOR : Jurnal Sistem Informasi dan Informatika Vol 4 No 1 (2025): JUSIFOR - Juni 2025
Publisher : Fakultas Sains Dan Teknologi, Universitas Raden Rahmat Malang

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.70609/jusifor.v4i1.5860

Abstract

Dikenalnya Indonesia sebagai negara agraris karena sebagian besar wilayahnya digunakan untuk budidaya pertanian. Dengan keberhasilan panen padi sebesar 34.6 juta ton, Indonesia mampu menduduki peringkat keempat dunia untuk produksi padi Perannya sebagai sumber utama karbohidrat menjadikan padi banyak dipilih sebagai makanan sehari-hari di dunia, termasuk Indonesia. Khususnya di Madura, seiring bertambahnya jumlah pendudduk setiap tahunnya, kebutuhan pangan ikut bertambah. DI sisi lain, produksi padi yang terjadi di Madura setiap tahunnya mengalami fluktuasi. Oleh karena itu, untuk mengatasi permasalahan tersebut pada penelitian ini memanfaatkan teknologi sebagai upaya membantu petani dan pemerintah dalam menangani permasalahan agar tidak terjadi kekurangan. Penelitian ini dirancang dengan menerapkan metode Triple Exponential Smoothing (TES) yang memiliki tiga parameter (alpha, betha, dan gamma). Pemilihan parameter sangat berpengaruh pada  hasil akurasi, sehingga dalam penelitian ini ditambahkan Algoritma Genetika sebagai metode optimasi yang telah terbukti memberikan hasil yang baik pada beberapa penelitian. Algoritma Genetika pada penelitian ini digunakan untuk mengoptimalkan tiga parameter Triple Exponential Smoothing yang diperoleh hasil MAPE 9.74% dengan rasio data pelatihan 90% dan data pengujian 10%.