EUVIMEDEUVIMED entdecken
Open Access · CC BY-SA 4.0

Prediksi Hasil Produksi Hortikultura Komoditas Sayur-Sayuran Menggunakan Algoritma Support Vector Regression atau Simple Linear Regression Di Kabupaten Padang Lawas

Rizvika 'Azima Hsb, Angga Pratama, Rahma Fitria

INSERT : Information System and Emerging Technology Journal · 25.12.2025 · 6 (2) · 170-182

DOI: 10.23887/insert.v6i2.100957 ↗

Kurz gefasst

Fachartikel in der Zeitschrift INSERT : Information System and Emerging Technology Journal, online erschienen am 25.12.2025. Verfasst von Rizvika 'Azima Hsb und 2 weiteren Autor:innen. Der Volltext ist frei zugänglich (Open Access, CC BY-SA 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Seiring pertumbuhan ekonomi dan peningkatan pengetahuan masyarakat mengenai pentingnya gizi yang baik, ditambah dengan tren gaya hidup “back to natural” memicu peningkatan permintaan terhadap produksi hortikultura khususnya sayur-sayuran. Di Kabupaten Padang Lawas, komoditas tanaman hortikultura sayur-sayuran menjadi salah satu hasil unggulan pertanian. Namun data menunjukkan bahwa produksi tanaman ini mengalami penurunan pada tahun 2024. Salah satu tanaman yang paling terdampak adalah cabai keriting yang merupakan komoditi dengan produksi terbesar di pertanian mengalami penurunan produksi berkisar hingga 41% dibandingkan tahun sebelumnya. Penelitian ini bertujuan untuk memprediksi hasil produksi komoditas hortikultura sayur-sayuran menggunakan algoritma Support Vector Regression (SVR) atau Simple Linear Regression (SLR), serta membandingkan kinerja keduanya untuk memperoleh model prediksi yang paling akurat dan melihat tren produksi untuk masa depannya. Penelitian ini menggunakan bahasa pemrograman Python dengan tools Google Colaboratory untuk memproses data, model pelatihan, dan evaluasi hasil prediksi. Evaluasi hasil model dilakukan menggunakan metrik Mean Absolute Percentage Error (MAPE) dan Root Mean Square Error (RMSE). Hasil penelitian menunjukkan bahwa algoritma SVR dengan kernel linear menghasilkan RMSE sebesar 2072,35 dan MAPE sebesar 26,03%, sedangkan SLR memiliki RMSE sebesar 2634,88 dan MAPE sebesar 34,83%. Dengan demikian, SVR lebih efektif dalam menangkap pola data produksi hortikultura yang kompleks. Pola dan tren produksi sayuran hortikultura berdasarkan hasil prediksi untuk tahun mendatang yaitu 2025 hingga 2027 menunjukkan tren yang bervariasi antar komoditas, namun secara umum menampilkan tren yang relatif stabil.

Zitieren

APA

Hsb, R. A., Pratama, A., & Fitria, R. (2025). Prediksi Hasil Produksi Hortikultura Komoditas Sayur-Sayuran Menggunakan Algoritma Support Vector Regression atau Simple Linear Regression Di Kabupaten Padang Lawas. INSERT : Information System and Emerging Technology Journal, 6(2), 170-182. https://doi.org/10.23887/insert.v6i2.100957

Vancouver

Hsb RA, Pratama A, Fitria R. Prediksi Hasil Produksi Hortikultura Komoditas Sayur-Sayuran Menggunakan Algoritma Support Vector Regression atau Simple Linear Regression Di Kabupaten Padang Lawas. INSERT : Information System and Emerging Technology Journal. 2025;6(2):170-182. doi:10.23887/insert.v6i2.100957

BibTeX
@article{Hsb2025,
  author = {Hsb, Rizvika 'Azima and Pratama, Angga and Fitria, Rahma},
  title = {Prediksi Hasil Produksi Hortikultura Komoditas Sayur-Sayuran Menggunakan Algoritma Support Vector Regression atau Simple Linear Regression Di Kabupaten Padang Lawas},
  journal = {INSERT : Information System and Emerging Technology Journal},
  year = {2025},
  volume = {6},
  number = {2},
  pages = {170--182},
  doi = {10.23887/insert.v6i2.100957}
}
Kostenlos starten →