Komparasi Metode Random Forest Regression Dan Multiple Linear Regression Dalam Memprediksi Stok Benih Jagung Di PT XYZ Banyuwangi

Dewi, Mutiara Ayu Candra (2026) Komparasi Metode Random Forest Regression Dan Multiple Linear Regression Dalam Memprediksi Stok Benih Jagung Di PT XYZ Banyuwangi. Undergraduate thesis, Politeknik Negeri Jember.

	Text (Ringkasan/Abstract) Abstract.pdf - Submitted Version Available under License Creative Commons Attribution Share Alike. Download (170kB)
	Text (Bab 1 Pendahuluan) Bab 1 Pendahuluan.pdf - Submitted Version Available under License Creative Commons Attribution Share Alike. Download (168kB)
	Text (Daftar Pustaka) Daftar Pustaka.pdf - Submitted Version Available under License Creative Commons Attribution Share Alike. Download (188kB)
	Text (Laporan Lengkap) Laporan Lengkap.pdf - Submitted Version Restricted to Registered users only Download (9MB) | Request a copy

Abstract

Penelitian ini bertujuan untuk membandingkan kinerja metode Random Forest Regression dan Multiple Linear Regression dalam memprediksi hasil panen jagung sebagai dasar estimasi stok benih jagung di PT XYZ. Model prediksi menggunakan variabel pra-panen, meliputi luas lahan, varietas benih, curah hujan, suhu, tanggal tanam, dan kadar air, berdasarkan data historis produksi tahun 2021 hingga 2025. Metodologi penelitian meliputi preprocessing data, feature engineering, pelatihan model, serta evaluasi menggunakan metrik MAE, RMSE, MAPE, dan R². Hasil penelitian menunjukkan bahwa Random Forest Regression memiliki performa yang lebih baik dibandingkan Multiple Linear Regression dalam memprediksi hasil panen jagung. Random Forest menghasilkan nilai R² sebesar 0,9561 pada data uji, dengan MAE sebesar 112,06 kg, RMSE sebesar 189,79 kg, dan MAPE sebesar 12,54%, yang menunjukkan tingkat akurasi tinggi serta kemampuan generalisasi yang baik. Sementara itu, Multiple Linear Regression menghasilkan nilai R² sebesar 0,8657, dengan MAE sebesar 215,45 kg, RMSE sebesar 332,06 kg, dan MAPE sebesar 27,05%, yang menunjukkan tingkat kesalahan prediksi yang lebih tinggi. Selanjutnya, hasil prediksi panen dikonversi menjadi estimasi stok benih melalui proses pascapanen, meliputi sortasi, pengeringan, perontokan, dan grading, untuk memperoleh jumlah akhir benih siap kemas dalam ukuran 1 kg dan 5 kg. Sistem yang dikembangkan diimplementasikan dalam bentuk aplikasi berbasis web yang mendukung proses prediksi, monitoring, dan perencanaan stok. Sistem ini diharapkan dapat membantu perusahaan dalam meningkatkan pengambilan keputusan terkait perencanaan produksi dan manajemen persediaan.

Actions (login required)

View Item