PREDIKSI HASIL PANEN BAWANG MENGGUNAKAN METODE SUPPORT VECTOR REGRESSION (STUDI KASUS : FOOD ESTATE KABUPATEN TAPANULI UTARA)”.

Detail Cantuman

Text

PREDIKSI HASIL PANEN BAWANG MENGGUNAKAN METODE SUPPORT VECTOR REGRESSION (STUDI KASUS : FOOD ESTATE KABUPATEN TAPANULI UTARA)”.

XML

ABSTRAK

Produksi bawang merah merupakan salah satu komoditas hortikultura yang
penting dalam sektor pertanian di Indonesia. Ketidakpastian kondisi lingkungan
seperti curah hujan, suhu udara, dan kelembapan sering memengaruhi hasil panen
sehingga petani membutuhkan sistem prediksi yang dapat membantu dalam
perencanaan produksi. Penelitian ini bertujuan untuk memprediksi hasil panen
bawang merah di kawasan Food Estate Kabupaten Tapanuli Utara dengan
menggunakan metode Support Vector Regression (SVR). Variabel yang
digunakan dalam penelitian ini meliputi curah hujan, suhu udara, kelembapan
udara, dan luas lahan sebagai faktor yang memengaruhi hasil panen. Metode
Support Vector Regression dipilih karena memiliki kemampuan yang baik dalam
memodelkan hubungan non-linear dan menghasilkan prediksi yang akurat pada
data berukuran terbatas. Data penelitian diperoleh dari Dinas Pertanian Kabupaten
Tapanuli Utara yang kemudian melalui tahap preprocessing, pelatihan model, dan
pengujian untuk menghasilkan model prediksi yang optimal. Hasil dari penelitian
ini diimplementasikan dalam sebuah sistem berbasis web menggunakan bahasa
pemrograman PHP dengan framework Laravel sebagai backend sehingga dapat
memudahkan pengguna dalam mengakses informasi prediksi hasil panen. Hasil
penelitian menunjukkan bahwa metode Support Vector Regression dapat
digunakan untuk memprediksi hasil panen bawang merah berdasarkan faktor
curah hujan, suhu udara, kelembapan udara, dan luas lahan. Sistem prediksi yang
dibangun diharapkan dapat membantu petani dan pihak terkait dalam melakukan
perencanaan pertanian serta pengambilan keputusan yang lebih tepat guna
meningkatkan produktivitas bawang merah di Kabupaten Tapanuli Utara.
Kata kunci: Prediksi, Bawang Merah, Support Vector Regression, Machine
Learning, Laravel.

Detail Information

Item Type
Skripsi (S1)
Penulis
Aswin Nazaruddin Sinaga - Personal Name
Student ID
220510049
Dosen Pembimbing
Imelda Sri Dumayanti, S.Si, M.Kom, - - Dosen Pembimbing 1
Doli Hasibuan, SE, M.Kom - - Dosen Pembimbing 2
Penguji
Kode Prodi PDDIKTI
57401
Edisi
Published
Departement
Kontributor
Bahasa
Indonesia
Penerbit Universitas Methodist Indonesia : Medan.,
Edisi
Published
Subyek
No Panggil
Copyright
Fakultas Ilmu Komputer Universitas Methodist Indonesia
Doi

Lampiran Berkas

LOADING LIST...



Informasi

DETAIL CANTUMAN

Kembali ke sebelumnya  XML Detail