<![CDATA[Perkebunan kelapa sawit merupakan salah satu jenis perkebunan yang menempati posisi penting dalam sektor pertanian atau perkebunan. Penelitian sistem prediksi hasil panen kelapa sawit menggunakan metode Long Short-Term Memory (LSTM) untuk membantu petani dalam merencanakan dan mengelola perkebunannya secara lebih efektif. Sebelum adanya sistem tersebut, petani sering kali menghadapi tantangan besar dalam memperkirakan hasil panen secara akurat, sehingga mengakibatkan penggunaan sumber daya yang tidak efisien dan kerugian ekonomi. Data yang digunakan dalam penelitian ini dikumpulkan dari hasil wawancara dan catatan petani kelapa sawit selama kurun waktu Januari 2023 sampai dengan Januari 2024. Sistem yang diusulkan melibatkan beberapa tahapan, meliputi pengumpulan dan pra-pemrosesan data, pembangunan dan pelatihan model LSTM, serta evaluasi kinerja model. Hasil penelitian menunjukkan bahwa model LSTM mampu memberikan prediksi yang lebih akurat dibandingkan metode sebelumnya, dengan nilai Mean Absolute Error (MAE) yang rendah. Sementara itu, pada proses pembuatan model, presentase data latih dan data uji sebesar 80%:20% dengan nilai sequence data sebesar 640. Parameter yang digunakan sebanyak 128 hidden unit, dan jumlah epoch sebanyak 150, sehingga menghasilkan nilai MSE sebesar 5,3968. Diharapkan dengan diterapkannya sistem ini dapat membantu petani dalam meningkatkan efisiensi dan efektivitas pengelolaan perkebunan serta memanfaatkan peluang pasar secara optimal.]]>
Copyrights © 2024
