HARAHAP, TAUFAN ABDILLAH (2023) PENERAPAN ALGORITMA HOLT-WINTERS EXPONENTIAL SMOOTHING UNTUK PREDIKSI PRODUKSI KELAPA SAWIT (Studi Kasus : PT Perkebunan Sumatera Utara Perseroda). S1 thesis, Universitas Mercu Buana Jakarta.
|
Text (HAL COVER)
01 Cover.pdf Download (773kB) | Preview |
|
|
Text (ABSTRAK)
02 Abstrak.pdf Download (138kB) | Preview |
|
![[img]](https://repository.mercubuana.ac.id/style/images/fileicons/text.png) |
Text (BAB I)
03 Bab 1.pdf Restricted to Registered users only Download (105kB) |
|
|
Text (BAB II)
04 Bab 2.pdf Restricted to Registered users only Download (1MB) |
|
|
Text (BAB III)
05 Bab 3.pdf Restricted to Registered users only Download (1MB) |
|
|
Text (BAB IV)
06 Bab 4.pdf Restricted to Registered users only Download (1MB) |
|
|
Text (BAB V)
07 Bab 5.pdf Restricted to Registered users only Download (97kB) |
|
|
Text (DAFTAR PUSTAKA)
08 Daftar Pustaka.pdf Restricted to Registered users only Download (87kB) |
|
|
Text (LAMPIRAN)
09 Lampiran.pdf Restricted to Registered users only Download (915kB) |
Abstract
Palm oil has an important effect on the Indonesian economy exporting commodities for the purpose of earning foreign exchange. Indonesia is a major contributor to palmoil due to around 85% of the world's commodity production itself and 23% of oil andfat production. To get good production results, good maintenance of oil palm plants is needed. Information technology such as Machine Learning can play a role in this oil palm production by predicting production. With PT Perkebunan Sumatera Utara not having a data analysis system such as production predictions, it can help companies maintain oil palm plants by getting an overview of these predictions. For this reason, one of the algorithms or models that can make this prediction is the Holt-Winters Exponential Smoothing which is very suitable for predicting data such as oil palmthat is trending and seasonal. By using the Holt-Winters Exponential Smoothingmethod, the model can predict with actual data and can perform forecasting for palmoil production which has a MAPE value of 8.41% and RMSE 2030.022502. Of courseerrors can occur such as overfitting which in this study requires more data to adddata that can be trained to predict patterns of fluctuations in seasonal variations inPT Perkebunan Sumatera Utara's oil palm production data. Keywords: time series, holt-winters exponential smoothing, palm-oil, danprediction Kelapa sawit berpengaruh penting untuk perekonomian Indonesia mengekspor komoditas untuk tujuan mendapatkan devisa. Indonesia merupakan kontributor utamakelapa sawit dikarenakan sekitar 85% dari produksi komoditas dunia itu sendiri dan23% dari produksi minyak dan lemak . Untuk mendapatkan hasil produksi yang baikdiperlukan pemeliharaan tanaman kelapa sawit yang baik, Teknologi informasi seperti Machine Learning bisa berperan dalam produksi kelapa sawit ini denganmelakukan prediksi produksi . Dengan PT Perkebunan Sumatera Utara yang belummempunyai sistem analisa data seperti prediksi produksi dapat membantu perusahaandalam melakukan pemeliharaan tanaman sawit dengan mendapat gambaran prediksi tersebut. Untuk itu salah satu Algoritma atau model yang dapat melakukan prediksi ini adalah Holt-Winters Exponential Smoothing yang sangat cocok untukmemprediksi data seperti kelapa sawit yang bersifat trend dan musiman.Denganmenggunakan metode Holt-Winters Exponential Smoothing model dapat memprediksi dengan data aktual dan dapat melakukan peramalan untuk produksi kelapa sawit yang mempunyai nilai MAPE sebesar 8.41% dan RMSE 2030.022502. Tentu saja bisa terjadi kesalahan seperti overfitting dimana dalam penelitian ini membutuhkan lebih banyak data untuk menambah data yang dapat dilatih untukmemprediksi pola dari fluktuasi variasi musiman data produksi kelapa sawit PTPerkebunan Sumatera Utara. Katakunci : time series, holt-winters exponential smoothing, kelapa sawit, danprediksi
Actions (login required)
 |
View Item |
