Dini, Robih (2018) Prediksi Hasil Panen Benih Tanaman Kenaf Menggunakan Metode Support Vector Regression (Svr) Pada Balai Penelitian Tanaman Pemanis Dan Serat (Balittas). Sarjana thesis, Universitas Brawijaya.
Abstract
Tanaman Kenaf (Hibiscus cannabinus L.) merupakan tanaman serat yang memiliki banyak manfaat. Tanaman kenaf sendiri diperbanyak melalui benih sehingga diperlukan untuk melakukan penanganan benih dengan tepat agar kualitas benih tidak berkurang sehingga dapat meningkatkan produktivitas tanaman kenaf. Balai Tanaman Pemanis dan Serat (Balittas) sebagai penghasil benih mengalami kendala untuk memprediksi hasil panen benih kenaf guna mempersiapkan penanganan benih hasil panen dengan tepat. Oleh karena itu pada penelitian ini diusulkan metode regresi dengan menggunakan Support Vector Regression (SVR) dengan menggunakan kernel Radial Basis Function (RBF). Dengan harapan penelitian ini dapat membantu pihak Balittas untuk mempersiapkan penanganan hasil panen benih kenaf dengan tepat. Penelitian menggunakan 100 data karakteristik tanaman kenaf yang diukur dari waktu awal tanam hingga menjelang panen. Dari hasil pengujian yang telah dilakukan, hasil prediksi menunjukkan nilai error menggunakan metode Mean Absolute Percentage Error (MAPE) sebesar 3.5371% dengan menggunakan nilai parameter SVR yang terbaik yaitu cLR = 0.01, a = 0.25, E = 1 X 10-7, C = 0.5, A = 0.6, dan jumlah iterasi = 25000.
English Abstract
Kenaf (Hibiscus cannabinus L.) is a fiber plant that has many benefits. Kenaf is grown by seed so it is necessary to handle the seeds in order to ensure the quality of the seed is not decreased so as to increase the productivity of the kenaf. Balai Penelitian Tanaman Pemanis dan Serat (Balittas) as the producer of the seeds has constraint to predict the yields of kenaf seed for the proper handling preparation of kenaf seeds. Therefore in this research proposed regression method using Support Vector Regression (SVR) by using Radial Basis Function (RBF). Hopefully this research can help Balittas to prepare the handling of the harvested of kenaf seeds properly. The research used 100 data about the characteristics of kenaf plants measured from the beginning of planting until the time of harvest. From the testing results that have been done, the result of prediction show the error value using Mean Absolute Percentage Error 3.5371% by using the best SVR parameters value which is cLR = 0.01, a = 0.25, e = 1 x 119-7, C = 0.5, A = 0.6, and the number of iterations = 25000.
Item Type: | Thesis (Sarjana) |
---|---|
Identification Number: | SKR/FTIK/2018/520/051808411 |
Uncontrolled Keywords: | tanaman kenaf, benih kenaf, prediksi, support vector regression, radial basis function : kenaf, kenaf seed, prediction, support vector regression, radial basis function |
Subjects: | 000 Computer science, information and general works > 006 Special computer methods > 006.3 Artificial intelligence > 006.31 Machine learning |
Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
Depositing User: | Budi Wahyono Wahyono |
Date Deposited: | 31 Jan 2019 03:32 |
Last Modified: | 21 Oct 2021 03:25 |
URI: | http://repository.ub.ac.id/id/eprint/162015 |
Preview |
Text
Robih Dini.pdf Download (83MB) | Preview |
Actions (login required)
View Item |