Prediksi Hasil Kelapa Sawit Menggunakan Algoritma Regresi Linier Sederhana Berbasis Data Historis

Risky Diky Syahputra; Yusuf Ramadhan Nasution

doi:10.30865/json.v7i3.9607

Authors

Risky Diky Syahputra Universitas Islam Negeri Sumatera Utara
Yusuf Ramadhan Nasution Universitas Islam Negeri Sumatera Utara

DOI:

https://doi.org/10.30865/json.v7i3.9607

Keywords:

Prediksi, Kelapa Sawit, Data Historis, Regresi Linier Sederhana, Produksi TBS

Abstract

Hasil produksi kelapa sawit sering mengalami fluktuasi karena dipengaruhi oleh berbagai faktor operasional dan lingkungan, yang membuat perusahaan kesulitan dalam menyusun rencana produksi yang stabil. Penelitian ini bertujuan membangun model prediksi produksi kelapa sawit menggunakan regresi linier sederhana dengan memanfaatkan data historis produksi. Data yang digunakan mencakup 48 data bulanan dari PTPN III Rantau Prapat selama periode 2021 hingga 2024, dengan jumlah pokok panen (X) sebagai variabel bebas dan produksi Tandan Buah Segar (TBS) (Y) sebagai variabel yang diprediksi. Proses penelitian mencakup tahapan pengumpulan data, pengolahan data, pembentukan model regresi, serta pengujian kinerja model melalui MSE, RMSE, dan MAPE. Skema validasi out of sample digunakan dengan membagi data menjadi data pelatihan (30 data) dan data uji (8 data). Hasil perhitungan menunjukkan MAPE sebesar 13,62%, RMSE 368.724,126, dan MSE 135.957.481.409. Nilai R² sebesar 0,8316 menunjukkan hubungan linear yang cukup kuat antara variabel X dan Y. Model yang dihasilkan mudah diterapkan dan dapat digunakan sebagai alat pendukung keputusan dalam perencanaan produksi kelapa sawit, serta sebagai baseline untuk penelitian atau model peramalan yang lebih kompleks di masa depan.

References

Agung Nugroho, “BukuTeknologi Agro Industri Kelapa Sawit,” 2019.

A. Rifky and S. Anugrah, “SINKRONISASI KEBIJAKAN KELAPA SAWIT BERKELANJUTAN SYNCHRONIZE SUSTAINABLE PALM OIL POLICIES,” 2023. [Online]. Available: https://jkp.ejournal.unri.ac.idhttps://jkp.ejournal.unri.ac.id

D. Poni Egistin, M. Yahdi Rauza, R. Has Ramadhan, and S. Ramadani, “Analisis regresi linier sederhana dan penerapannya,” 2025. [Online]. Available: https://creativecommons.org/licenses/by/4.0/

S. Pd. Si. , M. P. Nuryadi, SE. , M. S. Ak. , CA. , C. Tutut Dewi Astuti, SE. , M. Si. , Ak. , C. Endang Sri Utami, and SE. ,M. Si. ,Ak, C. M. Budiantara, DASAR-DASAR STATISTIK PENELITIAN, 1st ed. Bantul: SIBUKU MEDIA, 2017. [Online]. Available: www.sibuku.com

I. M. Ritonga, I. Zufria, and M. Fakhriza, “ALGORITMA SAW DAN TOPSIS MENENTUKAN BIBIT UNGGUL KELAPA SAWIT,” Aug. 2024. [Online]. Available: http://jurnal.goretanpena.com/index.php/JSSR

M. Philipus, P. Raja, and N. Siswanto, “Optimasi Rantai Pasok Tandan Buah Segar Dan Pelepah (Limbah) Kelapa Sawit Pada Hulu Rantai Pasok Industri Kelapa Sawit,” Jurnal Teknologi dan Manajemen Industri Terapan (JTMIT), vol. 5, no. 1, pp. 129–140, Mar. 2026.

C. A. Rahayu, “PREDIKSI PENDERITA DIABETES MENGGUNAKAN METODE NAIVE BAYES,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 11, no. 3, pp. 261–266, Aug. 2023, doi: 10.23960/jitet.v11i3.3055.

R. Nelfi Yolanda, D. Rahmi, A. Kurniati, and S. Yuniati, “Penerapan Metode Triple Exponential Smoothing dalam Peramalan Produksi Buah Nenas di Provinsi Riau,” Jurnal Teknologi dan Manajemen Industri Terapan (JTMIT, vol. 3, no. 1, pp. 1–10, Mar. 2024.

R. Fijra, M. Navero, J. Jenderal Ahmad Yani, K. I. Seberang Ulu, K. Palembang, and S. Selatan, “Peramalan Produksi CPO (Crude Palm Oil) Pada PT. XYZ,” Jan. 2023.

Muhammad Asyorori and Wirda Andani, “ANALISIS REGRESI VARIABEL MEDIASI DENGAN METODE KAUSAL STEP,” Jurnal Buletin Ilmiah Math. Stat. dan Terapannya, 2023.

M. Riziq sirfatullah Alfarizi, M. Zidan Al-farish, M. Taufiqurrahman, G. Ardiansah, and M. Elgar, “PENGGUNAAN PYTHON SEBAGAI BAHASA PEMROGRAMAN UNTUK MACHINE LEARNING DAN DEEP LEARNING,” 2023.

R. Kurniawan, P. B. Wintoro, Y. Mulyani, and M. Komarudin, “IMPLEMENTASI ARSITEKTUR XCEPTION PADA MODEL MACHINE LEARNING KLASIFIKASI SAMPAH ANORGANIK,” Jurnal Informatika dan Teknik Elektro Terapan, vol. 11, no. 2, Apr. 2023, doi: 10.23960/jitet.v11i2.3034.

R. Diana, H. Warni, and T. Sutabri, “PENGGUNAAN TEKNOLOGI MACHINE LEARNING UNTUK PELAYANAN MONITORING KEGIATAN BELAJAR MENGAJAR PADA SMK BINA SRIWIJAYA PALEMBANG,” JUTEKIN (Jurnal Teknik Informatika), vol. 11, no. 1, pp. 41–50, Jun. 2023, doi: 10.51530/jutekin.v11i1.709.

A. Setiawan, H. Annur, and S. Melangi, “Penerapan Metode Regresi Linier Sederhana Untuk Prediksi Jumlah Persediaan Pestisida,” Jurnal Ilmiah Ilmu Komputer Banthayo Lo Komputer, vol. 3, no. 1, 2024.

N. L. Salsavira, D. E. Yuliawati, and T. Surabaya, “Peramalan Supply Bahan Baku Menggunakan Metode Regresi Linier dan Exponential Smoothing,” Jurnal Nusantara Of Engineering, vol. 06, no. 2, pp. 183–189, Oct. 2023, [Online]. Available: https://ojs.unpkediri.ac.id/index.php/noe

N. Moha Lalapa and W. Yunus, “IMPLEMENTASI METODE REGRESI LINEAR SEDERHANA UNTUK PREDIKSI HARGA CABAI RAWIT,” Jurnal Ilmiah Ilmu Komputer Banthayo Lo Komputer, vol. 2, no. 2, p. 96, 2023.

D. Arifuddin, K. Kusrini, and K. Kusnawi, “Perbandingan Performansi Algoritma Multiple Linear Regression dan Multi Layer Perceptron Neural Network dalam Memprediksi Penjualan Obat,” MALCOM: Indonesian Journal of Machine Learning and Computer Science, vol. 5, no. 2, pp. 722–737, Apr. 2025, doi: 10.57152/malcom.v5i2.1952.

I. Armansyah, J. Indra, E. Nurlaelasari, and A. R. Juwita, “Prediksi Penjualan Kendaraan Menggunakan Regresi Linear: Studi Kasus pada Industri Otomotif di Indonesia,” INNOVATIVE: Journal Of Social Science Research, vol. 4, no. 4, pp. 1199–1216, 2024.