Prediksi Hasil Panen Padi dengan Metode Multiple Linear Regression dan Particle Swarm Optimization untuk Meningkatkan Produksi Padi di Madura
DOI:
https://doi.org/10.70609/jusifor.v4i1.5857Kata Kunci:
Prediksi, Padi, Metode, Multiple Linear Regression, Particle Swarm OptimizationAbstrak
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.
Referensi
[1] Siti Nurkasanah, Angga Prasetyo, and Moh. Bhanu Setyawan, “IMPLEMENTASI LOGIKA FUZZY UNTUK PREDIKSI HASIL PANEN PADI DENGAN METODE TSUKAMOTO,” Jurnal Rekayasa Teknologi dan Komputasi, vol. 1, pp. 1–11, Aug. 2022.
[2] Heru Wahyu Herwanto, Triyanna Widiyaningtyas, and Poppy Indriana, “Penerapan Algoritme Linear Regression untuk Prediksi Hasil Panen Tanaman Padi,” Jurnal Nasional Teknik Elektro dan Teknologi Informasi, vol. 8, Nov. 2019.
[3] Ahmad Fauza Anshori Tbn and Rakhmat Kurniawan R, “Penerapan Algoritma Backpropagation untuk Prediksi Hasil Panen Padi di Kabupaten Labuhan Batu Utara,” Jurnal Teknologi Sistem Informasi dan Aplikasi, vol. 7, pp. 1–8, Jan. 2024.
[4] Ervan Triyanto, Heri Sismoro, and Arif Dwi Laksito, “IMPLEMENTASI ALGORITMA REGRESI LINEAR BERGANDA UNTUK MEMPREDIKSI PRODUKSI PADI DI KABUPATEN BANTUL,” RABIT: Jurnal Teknologi dan Sistem Informasi Univrab, vol. 4, pp. 1–14, Jul. 2019.
[5] A. M. Andik Adi Suryanto, “PENERAPAN METODE MEAN ABSOLUTE ERROR (MEA) DALAM ALGORITMA REGRESI LINEAR UNTUK PREDIKSI PRODUKSI PADI,” SAINTEKBU: Jurnal Sains dan Teknologi, vol. 11, pp. 1–6, Feb. 2019.
[6] R. Devi Wulandari, “Pemodelan dan Prediksi Produksi Padi Menggunakan Regresi Linear,” Smart Comp, vol. 12, pp. 1–9, Oct. 2023.
[7] Yunan Fauzi Wijaya and Agung Triayudi, “Penerapan Data Mining Pada Prediksi Harga Emas dengan Menggunakan Algoritma Regresi Linear Berganda dan ARIMA,” Journal of Computer System and Informatics (JoSYC, vol. 5, pp. 1–9, Nov. 2023.
[8] Muhammad Labib Mu’tashim, Sekar Ayu Damayant, Hanan Nadia Zaki, Toni Muhayat, and Rio Wirawan, “Analisis Prediksi Harga Rumah Sesuai Spesifikasi Menggunakan Multiple Linear Regression,” jurnal informatika iftk, vol. 17, pp. 1–8, Dec. 2021.
[9] Ani Shabri and Ruhaidah Samsudin, “Crude Oil Price Forecasting Based on Hybridizing Wavelet Multiple Linear Regression Model, Particle Swarm Optimization Techniques, and Principal Component Analysis,” The Scientific World Journal, pp. 1–8, 2014.
[10] Agung Mustika Rizki and Afina Lina Nurlaili, “Algoritme Particle Swarm Optimization (PSO) untuk Optimasi Perencanaan Produksi Agregat Multi-Site pada Industri Tekstil Rumahan,” Journal of Computer, Electronic, and Telecommunication, vol. 1, pp. 1–9, 2019.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2025 Dinah Nuraini, Dina Violina, Devie Rosa Anamisa, Bain Khusnul Khotimah, Achmad Jauhari, Fifin Ayu Mufarroha
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
