Multi-output Regression untuk memprediksi Luas Wilayah, Kualitas Padi dan Produksi Padi pada Pulau Jawa

Authors

  • Felix Indra Kurniadi Universitas Bina Nusantara
  • Darmawan Satyananda Universitas Negeri Malang
  • Elly Santika Politeknik Negeri Jember
  • Pramitha Dwi Larasati Universitas Tanri Abeng

DOI:

https://doi.org/10.47970/siskom-kb.v5i2.269

Keywords:

multi-output, regression chain, linear regression, random forest

Abstract

Beras merupakan salah satu makanan pokok di Indonesia. Berdasarkan data dari Badan Pusat Statistik (BPS), konsumsi beras pada tahun 2015 dan 2017 sekitar 29’178.94 -ribu- ton dan 29’133.51-ribu ton. Sayangnya produksi beras pada tahun 2018 hanya mencapati 81.31 juta ton. Pada artikel ilmiah ini, kami membandingkan beberapa metode regresi multi-output seperti Regression Chain, Multi-output linear regression dan Random Forest. Data yang digunakan adalah data beras pada Pulau Jawa terutama Jawa Barat, Jawa Tengah dan Jawa Timur yang diambil dari tahun 2017-2020. Kami menggunakan pendekatan menggunakan outlier removal dan tidak menggunakan outlier removal. Hasil yang didapatkan dari kedua pendekatan ini, ditemukan bahwa outlier removal pada data yang dimiliki sangat diperlukan terutama untuk mengurangi ke-bias an pada hasil tiap metode yang diusulkan.

Downloads

Published

2022-03-30