Machine Learning untuk Memprediksi Jumlah Penjualan, Stok dan Jumlah Tanam Hasil Pertanian Hidroponik

Frira Sesilia
Viktor Handrianus Pranatawijaya
Ressa Priskila

Konstelasi: Konvergensi Teknologi dan Sistem Informasi
Vol. 4 No. 1 (2024): Juni 2024

Hidroponik Tilung Farm, usaha budidaya tanaman di Palangka Raya, sering mengalami kesulitan dalam memprediksi data stok, transaksi, dan jumlah tanam yang optimal. Sebelumnya, data ini hanya digunakan untuk melihat hasil penjualan. Penelitian ini bertujuan untuk memprediksi data tersebut dengan akurat menggunakan machine learning. Metode penelitian meliputi pengumpulan data dengan studi pustaka, wawancara, dan observasi. Data stok, transaksi, dan jumlah tanam diolah dengan machine learning menggunakan algoritma regresi linear dan support vector machine. Hasil penelitian menunjukkan bahwa algoritma regresi linear menghasilkan nilai terkecil untuk MSE, MAE, dan MAPE dalam memprediksi data stok, transaksi, dan jumlah tanam. Kesimpulannya, algoritma regresi linear lebih baik dalam memprediksi data tersebut dibandingkan dengan algoritma support vector machine. Penelitian ini membantu Hidroponik Tilung Farm dalam mengelola stok, transaksi, dan jumlah tanam secara optimal, sehingga meningkatkan efisiensi dan keuntungan. Tilung Farm Hydroponics, a plant cultivation business in Palangka Raya, often experiences difficulties in predicting optimal stock data, transactions, and planting quantities. Previously, this data was only used to view sales results. This research aims to predict this data accurately using machine learning. Research methods include data collection by literature study, interviews, and observation. Stock, transaction, and number of planting data are processed using machine learning using linear regression algorithms and support vector machines. The research results show that the linear regression algorithm produces the smallest values ​​for MSE, MAE, and MAPE in predicting stock, transaction, and number of planting data. In conclusion, the linear regression algorithm is better at predicting this data compared to the support vector machine algorithm. This research helps Tilung Farm Hydroponics in managing stock, transactions and planting quantities optimally, thereby increasing efficiency and profits.