KLASIFIKASI MASA AWAL PANEN SAWIT PADA PT. MUSTIKA SEMBULUH MENGGUNAKAN ALGORITMA CLASSIFICATION AND REGRESSION TREE

Poppy Sulistiawaty; Nurahman Nurahman

doi:10.37600/tekinkom.v6i2.946

Poppy Sulistiawaty Universitas Darwan Ali
Nurahman Nurahman Universitas Darwan Ali

DOI: https://doi.org/10.37600/tekinkom.v6i2.946

Abstract

Permasalahan dalam penentuan masa awal pananen kelapa sawit memberikan dampak terhadap hasil produksi berikutnya. Selain nutrisi yang cukup terhadap pohon kelapa sawit dan banyaknya tangkai pelepah serta kondisi buah yang seimbang pada setiap pohon sawit, maka masa awal panen juga merupakan salah satu hal yang penting. Penentuan masa awal panen kelapa sawit dipengaruhi dengan berbagai variabel diantaranya tahun tanam, luas area, jarak tanam, jenis bibit dan berbagai variabel lainnya. Banyaknya variabel dan data tentunya cukup sulit untuk menentuaan masa awal panen kelapa sawit. Untuk itu, Algoritma klasifikasi dalam data mining dapat membantu untuk menganalisis penentuan masa awal panen kelapa sawit. Salah satu model dari metode klasifikasi yang mudah digunakan oleh siapa saja adalah pohon keputusan atau yang disebut dengan decision tree. Penelitian ini bertujuan untuk membangun suatu model pohon keputusan yang dapat digunakan untuk memprediksi masa awal paen kelapa sawit. Algoritma yang digunakan pada penelitian ini adalah Classification and Regression Tree. Proses pengolahan data dilakukan pengujian klasifikasi terhadapt dataset sebanyak 5 kali. Hasil penelitian menunjukkan bahwa Algoritma Classification and Regression Tree mampu menghasilkan model pohon keputusan dengan nilai performa akurasi tertinggi 96,21%. Node akar pada pohon keputusan dimuai dari variabel tahun tanam dan dilanjutkan dengan variabel yang lainnya.

References

[1] M. Mardiani, “Desain Model Data Mining pada Model SECI untuk Pemetaan dan Ekstraksi Pengetahuan Kompetensi Lulusan,” JATISI (Jurnal Tek. Inform. dan Sist. Informasi), vol. 8, no. 3, 2021, doi: 10.35957/jatisi.v8i3.1349.
[2] C. R. Sari, “Teknik Data Mining Menggunakan Classification Dalam Sistem Penunjang Keputusan Peminatan SMA Negeri 1 Polewali,” IJNS – Indones. J. Netw. Secur., vol. 5, no. 1, 2016.
[3] W. Apriliah, I. Kurniawan, M. Baydhowi, and T. Haryati, “Prediksi Kemungkinan Diabetes pada Tahap Awal Menggunakan Algoritma Klasifikasi Random Forest,” SISTEMASI, vol. 10, no. 1, 2021, doi: 10.32520/stmsi.v10i1.1129.
[4] B. P. T.P and R. D. Indah Sari, “Penerapan Data Mining Untuk Prakiraan Cuaca Di Kota Malang Menggunakan Algoritma Iterative Dichotomiser Tree (ID3),” Jouticla, vol. 2, no. 2, 2017, doi: 10.30736/jti.v2i2.68.
[5] A. Luthfiarta, A. Febriyanto, H. Lestiawan, and W. Wicaksono, “Analisa Prakiraan Cuaca dengan Parameter Suhu, Kelembaban, Tekanan Udara, dan Kecepatan Angin Menggunakan Regresi Linear Berganda,” JOINS (Journal Inf. Syst., vol. 5, no. 1, 2020, doi: 10.33633/joins.v5i1.2760.
[6] S. Rahayu and J. J. Purnama, “Klasifikasi Konsumsi Energi Industri Baja Menggunakan Teknik Data Mining,” J. Teknoinfo, vol. 16, no. 2, 2022, doi: 10.33365/jti.v16i2.1984.
[7] S. R. S. Octavianty, “Implementasi Algoritma Cart Untuk Memprediksi Pembayaran Kredit Customer (Studi Kasus: Pt. Napoleon Light Industries),” Pelita Inform. Inf. dan …, vol. 7, 2019.
[8] A. Rismayana and D. Rosdiana, “Penerapan Algoritma C4.5 Pada Bidang Pertanian,” J. TEDC,13, vol. 13, no. 3, 2019.
[9] E. Novalia and A. Voutama, “Prediction of Rice Field Planted Area with CRISP-DM Using Classification and Regression Tree (Cart) Algorithms,” 2023.
[10] R. Nursyahfitri, A. N. Maharadja, R. A. Farissa, and Y. Umaidah, “Klasifikasi Penentuan Jenis Obat Menggunakan Algoritma Decision Tree,” J. Inform. Polinema, vol. 7, no. 3, 2021, doi: 10.33795/jip.v7i3.629.
[11] P. B. N. Setio, D. R. S. Saputro, and Bowo Winarno, “Klasifikasi dengan Pohon Keputusan Berbasis Algoritme C4.5,” in PRISMA (Prosiding Seminar Nasional Matematika), 2020, vol. 3.
[12] N. Indah Prabawati, Widodo, and H. Ajie, “Kinerja Algoritma Classification And Regression Tree (Cart) dalam Mengklasifikasikan Lama Masa Studi Mahasiswa yang Mengikuti Organisasi di Universitas Negeri Jakarta,” PINTER J. Pendidik. Tek. Inform. dan Komput., vol. 3, no. 2, 2019, doi: 10.21009/pinter.3.2.9.
[13] Y. R. Fajriati and S.- -, “Pengklasifikasian Status Kerja pada Angkatan Kerja di Kabupaten Tanah Datar Menggunakan Metode CART dan Metode CHAID,” J. Math. UNP, vol. 7, no. 3, 2022, doi: 10.24036/unpjomath.v7i3.12720.
[14] A. Y. Sari, “Penerapan Metode Classification and Regression Trees pada Klasifikasi Kelayakan Peserta BPJS-PBI di Kelurahan Meranti Pandak Kota Pekanbaru,” 2020.
[15] M. A. Hasanah, S. Soim, and A. S. Handayani, “Implementasi CRISP-DM Model Menggunakan Metode Decision Tree dengan Algoritma CART untuk Prediksi Curah Hujan Berpotensi Banjir,” J. Appl. Informatics Comput., vol. 5, no. 2, 2021, doi: 10.30871/jaic.v5i2.3200.
[16] LOUIS MADAERDO SOTARJUA and DIAN BUDHI SANTOSO, “Perbandingan Algoritma KNN, Decision Tree, Dan Random Forest Pada Data Imbalanced Class Untuk Klasifikasi Promosi Karyawan,” J. INSTEK (Informatika Sains dan Teknol., vol. 7, no. 2, 2022, doi: 10.24252/instek.v7i2.31385.
[17] Risqianti and B. Ismanto, “Analisis Komparasi Algoritma Naive Bayes Dan C4-5 Untuk Waktu Kelulusan Mahasiswa,” IC-Tech, vol. XII, no. 1, 2017.
[18] W. S. Rejeki, “Implementasi Algoritma C.45 Pada Data Pengolahan Limbah Kelapa Sawit,” BEES Bull. Electr. Electron. Eng., vol. 2, no. 2, 2021, doi: 10.47065/bees.v2i2.696.
[19] A. Nurkholis, Muhaqiqin, and Tr. Susanto, “Analisis Kesesuaian Lahan Padi Gogo Berbasis Sifat Tanah dan Cuaca Menggunakan ID3 Spasial (Land Suitability Analysis for Upland Rice based on Soil and Weather Characteristics using Spatial ID3),” J. Inform., vol. 8, no. 2, 2020.
[20] D. Damayanti, “Implementasi Algoritma C4.5 Prediksi Produksi Komoditas Tanaman Perkebunan Berdasarkan Luas Lahan,” TIN Terap. Inform. Nusant., vol. 2, no. 10, 2022, doi: 10.47065/tin.v2i10.1026.