Hsb, Rizvika 'Azima (2025) PREDIKSI HASIL PRODUKSI HORTIKULTURA KOMODITAS SAYUR-SAYURAN MENGGUNAKAN ALGORITMA SUPPORT VECTOR REGRESSION ATAU SIMPLE LINEAR REGRESSION DI KABUPATEN PADANG LAWAS. S1 thesis, Universitas Malikussaleh.

	Text COVER Rizvika.pdf Download (272kB)
	Text ABSTRAK Rizvika.pdf Download (602kB)
	Text BAB 1 Rizvika.pdf Download (626kB)
	Text DAPUS Rizvika.pdf Download (567kB)
	Text SKRIPSI Rizvika Azima Hsb.pdf Restricted to Registered users only Download (4MB)

Abstract

Seiring pertumbuhan ekonomi dan peningkatan pengetahuan masyarakat mengenai pentingnya gizi yang baik, ditambah dengan tren gaya hidup “back to nature” memicu peningkatan permintaan terhadap produksi hortikultura khususnya sayur-sayuran. Di Kabupaten Padang Lawas, tanaman hortikultura komoditas sayur-sayuran menjadi salah satu hasil unggulan sektor pertanian. Namun, data menunjukkan bahwa produksi tanaman ini mengalami penurunan pada tahun 2024. Salah satu tanaman yang paling terdampak adalah cabai keriting yang merupakan komoditi dengan produksi terbesar di pertanian mengalami penurunan produksi berkisar hingga 41% dibandingkan tahun sebelumnya. Penelitian ini bertujuan untuk memprediksi hasil produksi hortikultura komoditas sayuran menggunakan perbandingan algoritma Support Vector Regression (SVR) dan Simple Linear Regression (SLR), serta membandingkan performa keduanya untuk memperoleh model prediksi yang paling akurat. Data yang digunakan berupa data hasil produksi 10 jenis sayuran semusim dari tahun 2019 hingga 2024 yang diperoleh dari Badan Pusat Statistik (BPS) Kabupaten Padang Lawas. Penelitian ini menggunakan bahasa pemrograman Python dengan tools Google Colaboratory untuk pemrosesan data, pelatihan model, dan evaluasi hasil prediksi. Evaluasi hasil model dilakukan menggunakan metrik Mean Absolute Percentage Error (MAPE) dan Root Mean Square Error (RMSE). Hasil penelitian menunjukkan bahwa algoritma SVR dengan kernel linear menghasilkan RMSE sebesar 2072,35 dan MAPE sebesar 26,03%, sedangkan SLR memiliki RMSE sebesar 2634,88 dan MAPE sebesar 34,83%. Dengan demikian, SVR lebih efektif dalam menangkap pola data produksi hortikultura yang kompleks. Pola dan tren produksi sayuran hortikultura berdasarkan hasil prediksi untuk tahun mendatang yaitu 2025 hingga 2027 menunjukkan kecenderungan yang bervariasi antar komoditas, namun secara umum memperlihatkan tren yang relatif stabil. Hasil dari penelitian ini diharapkan dapat menjadi acuan dalam mengambil kebijakan untuk meningkatkan produktivitas yang lebih baik kedepannya.

Item Type:	Thesis (S1)
Subjects:	Q Science > Q Science (General) Q Science > QA Mathematics Q Science > QA Mathematics > QA75 Electronic computers. Computer science Q Science > QA Mathematics > QA76 Computer software
Divisions:	Fakultas Teknik > 57201 - Jurusan Sistem Informasi
Depositing User:	Rizvika 'Azima Hsb
Date Deposited:	02 Sep 2025 02:08
Last Modified:	02 Sep 2025 02:08
URI:	https://rama.unimal.ac.id/id/eprint/14722

Actions (login required)

View Item