PENERAPAN DATA MINING UNTUK PREDIKSI HASIL PANEN BUDIDAYA PERIKANAN DARI MITRA PANEN MENGGUNAKAN ALGORITMA SUPPORT VECTOR REGRESSION
Studi Kasus : PT. Adma Digital Solusi
-
Claudia Millennia Suprapto(1)
Universitas Pembangunan Nasional "Veteran" Jawa Timur
-
Wahyu Syaifullah Jauharis Saputra(2)
Universitas Pembangunan Nasioanal “Veteran” Jawa Timur
-
Firza Prima Aditiawan(3*)
Universitas Pembangunan Nasioanal “Veteran” Jawa Timur
(*) Corresponding Author
Abstrak
PT. Adma Digital Solusi merupakan perusahaan memangku pembudidaya mitra panen pada bidang pertanian, peternakan, dan perikanan yang dignakan untuk perencanaan dan pengendalian hasil rantai pasok. Perencanaan dan pengendalian hasil rantai pasok perikanan PT. Adma Digital Sousi di era digital perlu memanfaatkan berbagai teknologi dan sistem informasi. Hal ini bertujuan agar perencanaan dan pengendalian sumber daya ikan memenuhi aspek efektivitas dan efisiensi dalam pengambilan keputusan. Pada penelitian kali ini akan diimplementasikan metode mechine learning menggunakan algoritma Support Vector Regression (SVR) untuk prediksi hasil panen budidaya perikanan mitra panen PT. Adma Digital Solusi. Algoritma SVR merupakan teori yang digunakan untuk memecahkan sebuah masalah klasifikasi regresi menggunakan Support Vector Machine (SVM). Proses peramalan SVR menggunakan model SVR() dengan mengisi parameter yaitu kernel menggunakan polynomial, C diisi dengan nilai 100, gamma diisi dengan auto, degree diisi dengan nilai tiga, epsilon diisi dengan nilai 0.1, dan terakhir coef0 diisi dengan nilai satu. Kemudian, menggunakan function fit untuk melakukan pelatihan model menggunakan data x train dan y train hingga menghasilkan nilai error rate MAPE sebesar 0.12865018182566176 dan nilai R2 sebesar 0.9998831470091238 dengan kemampuan prediksi yang sangat baik dan akurat. Dengan mengetahui hasil panen budidaya perikanan yang diperkirakan, manfaat yang didapatkan mitra panen yaitu menyesuaikan strategi produksi serta pemasaran untuk memaksimalkan keuntungan. Serta dapat membantu mitra panen dalam mengelola risiko, karena mereka dapat mempersiapkan diri dengan baik untuk situasi di mana hasil panen tidak sesuai dengan perkiraan.
##plugins.generic.usageStats.downloads##
Referensi
Arfan, A., & Etp, L., “Perbandingan Algoritma Long Short-Term Memory dengan SVR Pada Prediksi Harga Saham di Indonesia,” PETIR, vol. 13, no.1, pp. 33–43. 2020, doi: https://doi.org/10.33322/petir.v13i1.858.
Dini, R., Setiawan, B. D., & Dewi, C., “Prediksi Hasil Panen Benih Tanaman Kenaf Menggunakan Metode Support Vector Regression (SVR) Pada Balai Penelitian Tanaman Pemanis dan Serat Balittas,” Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, vol. 2, no. 12. Pp. 6519–6526. 2018. [Online]. Available: https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/3645.
Fahrizal, A., & Nasir, M., “Pengaruh Penambahan Probiotik Dengan Dosis Berbeda Pada Pakan Terhadap Pertumbuhan Dan Rasio Konversi Pakan (Fcr) Ikan Nila (Oreochromis Niloticus),” Median, vol. 9, no. 1, pp. 69-80, Des. 2018, doi: https://doi.org/10.33506/md.v9i1.310.
Fajrin, R., “Pengembangan Sistem Informasi Geografis Berbasis Node.JS untuk Pemetaan Mesin dan Tracking Engineer dengan Pemanfaatan Geolocation pada PT IBM Indonesia,” Jurnal Informatika, vol. 11, no. 2, pp. 40-47. 2017, doi: https://doi.org/10.26555/jifo.v11i2.a6090.
Fajrul Falah, R., & Komarudin, M., “Perancangan Microservice Berbasis Rest API Pada Google Cloud Platform Menggunakan Nodejs Dan Python,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 11, no. 3s1, pp. 1103-1112. 2023, doi: https://doi.org/10.23960/jitet.v11i3s1.3506.
Fausten N, G., & Ocsa N S, P., “Implementasi Flask Pada Sistem Penentuan Minimal Order Untuk Tiap Item Barang Di Distribution Center Pada PT XYZ Berbasis Website,” Jurnal Mnemonic, vol. 5, no. 2, pp. 81–85. 2022, doi: https://doi.org/10.36040/mnemonic.v5i2.4670.
Juliastoro, W. P., Cholissodin, I., & Bachtiar, F. A., “Sistem Prediksi Hasil Produksi Udang Vaname menggunakan Algoritma Multiple Linear Regression (MLR) Kombinasi Gradient Descent (GD) dengan Apache Spark,” Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, vol. 5, no. 11, pp. 4920–4928. 2021. [Online]. Available: https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/10145.
Mardhika, D. A., Setiawan, B. D., & Wihandika, R. C., “Penerapan Algoritma Support Vector Regression Pada Peramalan Hasil Panen Padi Studi Kasus Kabupaten Malang,” Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, vol. 3, no. 10, pp. 9402–9412. 2019. [Online]. Available: https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/6438.
Maricar, M. A., “Analisa Perbandingan Nilai Akurasi Moving Average dan Exponential Smoothing untuk Sistem Peramalan Pendapatan pada Perusahaan XYZ,” Jurnal Sistem dan Informatika (JSI), vol. 13, no.2, pp. 36-45. 2019. [Online]. Available: https://jsi.stikom-bali.ac.id/index.php/jsi/article/view/193.
Mudatsir, M. R., & Melangi, S., “Prediksi Jumlah Produksi Ikan Asin Menggunakan Metode Regresi Linear Sederhana,” Jurnal Balok, vol.1, no. 2, pp. 118-124. 2022. [Online]. Available: https://ejurnal.unisan.ac.id/index.php/balok/article/view/143/98.
Muntafiah, I., “Analisis Pakan pada Budidaya Ikan Lele (Clarias Sp.) di Mranggen,” Jurnal Riset Sains dan Teknologi, vol. 4, no.1, pp. 35-39. 2020, doi: https://doi.org/10.30595/jrst.v4i1.6129.
Pamungkas, A., Thesiana, L., & Adiyana, K., “Implementasi Peramalan Dalam Indutrialisasi Perikanan (review),” in Prosiding SNAST 2021. 2021. [Online]. Available: https://ejournal.akprind.ac.id/index.php/snast/article/view/3336.
Parlika, R., Nisaa’, T. A., Ningrum, S. M., & Haque, B. A., “Studi Literatur Kekurangan dan Kelebihan Pengujian Black Box,” Teknomatika (Jurnal Teknologi dan Informatika), vol. 10, no. 2, pp. 131-140. 2020. [Online]. Available: https://ojs.palcomtech.ac.id/index.php/teknomatika/article/view/490.
Triyanti, R., & Shafitri, N., “Kajian Pemasaran Ikan Lele (Clarias Sp) Dalam Mendukung Industri Perikanan Budidaya (Studi Kasus di Kabupaten Boyolali, Jawa Tengah),” Jurnal Sosial Ekonomi Kelautan dan Perikanan, vol. 7, no. 2, pp. 177-191. 2012, doi: https://doi.org/10.15578/jsekp.v7i2.5684.
Triyanto, E., Sismoro, H., & Laksito, A. D., “Implementasi Algoritma Regresi Linear Berganda Untuk Memprediksi Produksi Padi Di Kabupaten Bantul,” Rabit: Jurnal Teknologi dan Sistem Informasi Univrab, vol. 4, no. 2, pp. 66–75. 2019, doi: https://doi.org/10.36341/rabit.v4i2.666.
##submission.copyrightStatement##
##submission.license.cc.by4.footer##Penulis yang mengirimkan naskah harus memahami dan menyetujui bahwa jika diterima untuk diterbitkan, penulis memiliki hak cipta dan memberikan jurnal hak publikasi pertama dengan karya yang dilisensikan secara bersamaan di bawah Creative Commons Attribution (CC-BY) 4.0 License yang memungkinkan orang lain untuk berbagi karya dengan pengakuan kepenulisan karya dan publikasi awal dalam jurnal ini.
