LEARNING VECTOR QUANTIZATION UNTUK PREDIKSI PRODUKSI KELAPA SAWIT PADA PT. PERKEBUNAN NUSANTARA I PULAU TIGA

Dedy Arisandi, Opim Salim Sitompul, Edgar Audela Batubara

Abstrak

Abstrak
Kelapa sawit merupakan salah satu komoditas ekspor perkebunan terbesar di Indonesia karena Indonesia mempunyai struktur tanah serta curah hujan yang cocok untuk perkebunan komoditi ini. Sebagai tanaman yang bernilai ekonomi dan sejalan dengan meningkatnya kebutuhan kelapa sawit di pasar dunia, maka pada lingkup perkebunan negara, tiap tahunnya akan diadakan Rencana Kerja dan Anggaran Perusahaan (RKAP). Ini dilakukan untuk merencanakan target produksi dan anggaran yang akan digunakan untuk tahun berikutnya. Pada PT. Perkebunan Nusantara I (PTPN I) pulau tiga, target produksi dilakukan secara manual dengan melihat hasil produksi tahun-tahun sebelumnya. Namun sering sekali rencana hasil produksi yang telah ditargetkan berbeda dengan realisasi hasil produksi. Untuk itu adalah sangat penting untuk dimilikinya sebuah alat prediksi hasil produksi yang lebih akurat. Dalam makalah ini, diajukan algoritma Learning vector quantization (LVQ) untuk memprediksi hasil produksi kelapa sawit. Hasil penelitian yang diperoleh menunjukkan bahwa algoritma LVQ mampu memprediksi hasil produksi kelapa sawit dengan lebih akurat dibandingkan hasil prediksi yang dilakukan secara manual. Input yang diberikan kepada algoritma LVQ adalah berupa tahun produksi, tahun tanam, jumlah pokok, luas, umur, bulan, jumlah pupuk, jumlah hari panen dan jumlah produksi. Hasil prediksi terbaik diperoleh dari prediksi produksi kelapa sawit tahun 2014 dengan epoch 5000 dan learning rate 0.06 yakni pada bulan Januari, Maret, April, Mei, Juni, September, Oktober.
Kata Kunci : Prediksi kelapa sawit, Learning Vector Quantization, perkebunan nusantara, Pulau Tiga.

Teks Lengkap:

PDF

Refbacks

  • Saat ini tidak ada refbacks.