Prediksi waktu Panen Tanaman Kelapa Sawit untuk mempermudah pengepulan Dengan Menggunakan Metode Machine Learning (STUDI KASUS DESA RAMAN FAJAR)

YOGA PRATAMA, ANGGA and SABITA, HARY (2023) Prediksi waktu Panen Tanaman Kelapa Sawit untuk mempermudah pengepulan Dengan Menggunakan Metode Machine Learning (STUDI KASUS DESA RAMAN FAJAR). Skripsi thesis, Institut Informatika dan Bisnis Darmajaya.

[img] Text
COVER.pdf

Download (135kB)
[img] Text
DAFTAR ISI.pdf

Download (171kB)
[img] Text
ABSTRAK.pdf

Download (11kB)
[img] Text
HALAMAN PENGESAHAN.pdf

Download (195kB)
[img] Text
HALAMAN PERSETUJUAN.pdf

Download (198kB)
[img] Text
BAB I.pdf

Download (116kB)
[img] Text
BAB II.pdf

Download (314kB)
[img] Text
BAB III.pdf

Download (534kB)
[img] Text
BAB IV.pdf

Download (563kB)
[img] Text
BAB V.pdf

Download (10kB)
[img] Text
DAFTAR PUSTAKA.pdf

Download (209kB)
[img] Text
LAMPIRAN.pdf

Download (1MB)

Abstract

Desa Raman Fajar adalah sebuah desa yang terletak di kecamatan Raman Utara, Kabupaten Lampung Timur, Provinsi Lampung. Penduduknya memiliki mata pencaharian yang beragam. Berdasarkan data yang dimiliki oleh pemerintah desa setempat, setidaknya 60% warganya berprofesi sebagai petani. Umumnya mereka menjadi petani padi, jagung dan kelapa sawit. Metode yang akan digunakan adalah metode FishBone. Diagram fishbone adalah alat penemuan sebab-akibat yang membantu mencari tahu berbagai alasan terjadinya kegagalan atau kerusakan dalam suatu proses. Dapat dikatakan pula, analisis fishbone adalah metode untuk membantu memecahkan suatu masalah di setiap lapisan hingga potensi akar penyebab yang berkontribusi pada efeknya. Diagram ini diperkenalkan oleh profesor teknik dari Jepang, bernama Kaoru Ishikawa. Algoritma SVM (Support Vector Mechine) telah banyak digunakan untuk melakukan prediksi dalam berbagai bidang dan berbagai hal pada penelitian sebelumnya. Berdasarkan hasil penelitian dan pembahasan algoritma svm ini telah berhasil digunakan untuk memprediksi waktu panen tanaman kelapa sawit untuk mempermudah pengepulan dan mendapatkan tingkat akurasi prediksi mencapai 66%. Hasil model prediksi ini dibangun dengan menggunakan bahasa pemograman python 3 dengan jupyter notebook sebagai text editornya yang dilengkapi dengan berbagai library yang dibutuhkan untuk mengimplementasikan metode mechine learning dengan algoritma SVM (Support Vector Mechine) serta memvisualisai dengan bentuk website sederhana yang dibangun dengan bantuan tools streamlit. Kata Kunci : Machine Learning, Prediksi, Kelapa Sawit, Fishbone, SVM (Support Vector Mechine).

Item Type: Thesis (Skripsi)
Subjects: Ilmu Komputer
eSkripsi
Divisions: Skripsi/TA & PKPM/KP - Fakultas Ilmu Komputer > Teknik Informatika
Depositing User: angga yoga pratama
Date Deposited: 27 Nov 2023 01:21
Last Modified: 27 Nov 2023 01:21
URI: http://repo.darmajaya.ac.id/id/eprint/14295

Actions (login required)

View Item View Item