ANALISIS PENGARUH LUAS PANEN DAN FAKTOR IKLIM TERHADAP PRODUKSI PADI DI PULAU SUMATRA MENGGUNAKAN ALGORITMA GRADIENT BOOSTING REGRESSION

Wahyuni, Siti (2025) ANALISIS PENGARUH LUAS PANEN DAN FAKTOR IKLIM TERHADAP PRODUKSI PADI DI PULAU SUMATRA MENGGUNAKAN ALGORITMA GRADIENT BOOSTING REGRESSION. S1 - Sarjana thesis, Universitas AMIKOM Yogyakarta.

[img] Text (COVER-ABSTRAK)
COVER.pdf
Download (1MB)
[img] Text (BAB I)
BAB I.pdf
Download (168kB)
[img] Text (BAB II)
BAB II.pdf
Restricted to Registered users only
Download (614kB)
[img] Text (BAB III)
BAB III.pdf
Restricted to Registered users only
Download (422kB)
[img] Text (BAB IV)
BAB IV.pdf
Restricted to Registered users only
Download (1MB)
[img] Text (BAB V)
BAB V.pdf
Download (88kB)
[img] Text (PUBLIKASI)
Publikasi.pdf
Restricted to Repository staff only
Download (694kB)

Abstract

Penelitian ini bertujuan untuk menganalisis pengaruh luas panen dan faktor iklim (seperti curah hujan, kelembapan, dan suhu rata-rata) terhadap produksi padi di Pulau Sumatra dengan menggunakan algoritma Gradient Boosting Regression (GBR). Data yang digunakan dalam penelitian ini diperoleh dari platform Kaggle, yang mencakup data produksi padi dari tahun 1993 hingga 2020 di delapan provinsi di Sumatra. Padi merupakan produksi tanaman di Indonesia yang menempati posisi ketiga di dunia, karena upaya untuk meningkatkan produksi pangan dan industri serta meningkatkan produksi ekspor, pertanian di Indonesia menjadi sektor yang sangat penting. Untuk melakukan analisis produksi padi, peneliti menggunakan metode penelitian eksperimental. Pengumpulan data di dapatkan melalui observasi terkait produksi padi dan faktor iklim yang memepengaruhinya, berupa dataset yang di dapatkan dari kaggle. Dataset yang didapatkan di analisis menggunakan algoritma Gradient Boosting Regression, karena kemampuannya untuk membuat model analasis yang akurat. Faktor produksi padi sangat dipengaruhi oleh sejumlah variabel, seperti luas panen dan kondisi iklim. Hasil penelitian menunjukkan bahwa model GBR yang dioptimalkan dengan hyperparameter tuning mampu memprediksi produksi padi dengan akurasi yang cukup baik. Nilai R²-score yang diperoleh adalah 86.21%, yang menunjukkan bahwa model mampu menjelaskan 86.21% variasi dalam data. Nilai MAE sebesar 265.742 dan MSE sebesar 168.603 menunjukkan adanya kesalahan prediksi yang cukup besar, terutama karena sensitivitas MSE terhadap outlier.

Item Type: Thesis (S1 - Sarjana)
Contributor:
Pembimbing
Dahlan, Ahmad
Uncontrolled Keywords: Machine Learning, Produksi Padi, Luas Panen, Faktor Iklim, Gradient Boosting Regression
Subjects: 000 - Komputer, Informasi dan Referensi Umum > 000 Ilmu komputer, ilmu pengetahuan dan sistem-sistem > 006 Metode komputer khusus
Divisions: Fakultas Ilmu Komputer > Informatika
Depositing User: RC Universitas AMIKOM Yogyakarta
Date Deposited: 19 Sep 2025 04:14
Last Modified: 19 Sep 2025 04:14
URI: http://eprints.amikom.ac.id/id/eprint/30819

Actions (login required)

View Item View Item