Professional Documents
Culture Documents
Admin,+2 Kennardi+Dan+Akhmad+Budi
Admin,+2 Kennardi+Dan+Akhmad+Budi
ABSTRACT
Development of technology and information systems use data mining as a method of data
processing is growing, due to the large amount of data available and growing every day, especially
agricultural data. One of the benefits that can be obtained by applying information technology,
among others, is to conduct the analysis and prediction of large amounts of data. The exchange value
of food crop farmers (NTPP) is a factor of economic welfare measurement in Indonesia, but quite
difficult to predict because there has not been a proper measurement prediction method for predicting
the data (NTPP) in the future. This research will be carried out to measure the accuracy of data
prediction results using the Linear Regression and Support Vector Machine, with the aim of obtaining
the results of the level of accuracy offered by the two methods.
Key Words: Prediction, Farmers Exchange Rate, Food Crop Farmers Exchange Rate, Data Mining,
Linear Regression, Support Vector Machine, Rapidminer.
12
Jurnal Informatika dan Bisnis
13
Jurnal Informatika dan Bisnis
14
Jurnal Informatika dan Bisnis
15
Jurnal Informatika dan Bisnis
16
Jurnal Informatika dan Bisnis
17
Jurnal Informatika dan Bisnis
Tabel 1
Perbandingan root_mean_squared_error
Metode Prediksi
Dataset Linear Regression SVM
2008-2012 root_mean_squared_error root_mean_squared_error
(5 Tahun) 0.667 +/- 0.057 (mikro: 0.670 +/- 0.000) 0.676 +/- 0.063 (mikro: 0.679 +/- 0.000)
2009-2012 root_mean_squared_error root_mean_squared_error
(4 Tahun) 0.603 +/- 0.051 (mikro: 0.605 +/- 0.000) 0.616 +/- 0.052 (mikro: 0.618 +/- 0.000)
2010-2012 root_mean_squared_error root_mean_squared_error
(3 Tahun) 0.562 +/- 0.046 (mikro: 0.564 +/- 0.000) 0.590 +/- 0.064 (mikro: 0.594 +/- 0.000)
2011-2012 root_mean_squared_error root_mean_squared_error
(2 Tahun) 0.507 +/- 0.071 (mikro: 0.512 +/- 0.000) 0.524 +/- 0.106 (mikro: 0.535 +/- 0.000)
2012 root_mean_squared_error root_mean_squared_error
(1 Tahun) 0.485 +/- 0.062 (mikro: 0.489 +/- 0.000) 0.508 +/- 0.078 (mikro: 0.514 +/- 0.000)
18
Jurnal Informatika dan Bisnis
Tabel 2
Perbandingan Tingkat Akurasi
Metode Prediksi
Dataset
Linear Regression SVM
2008-2012 ME: -0.012900 ME : -0.134426
(5 Tahun) MAE : 1.318584 MAE : 1.211442
MPE : 0.185549 % MPE : 0.040930 %
MAPE : 1.356569 % MAPE : 1.233014 %
2009-2012 ME : 0.008110 ME : -0.113280
(4 Tahun) MAE : 1.198826 MAE : 1.087869
MPE : 0.187115 % MPE : 0.041696 %
MAPE : 1.235498 % MAPE : 1.107403 %
2010-2012 ME : 0.085838 ME : 0.013348
(3 Tahun) MAE : 1.074489 MAE : 0.95016
MPE : 0.245976 % MPE : 0.149942 %
MAPE : 1.115297 % MAPE : 0.979364 %
2011-2012 ME : 0.033387 ME : 0.047569
(2 Tahun) MAE : 0.911892 MAE : 0.794807
MPE : 0.163237 % MPE : 0.154469 %
MAPE : 0.943717 % MAPE : 0.828507 %
2012 ME : 0.037694 ME : 0.077018
(1 Tahun) MAE : 0.756582 MAE : 0.677481
MPE : 0.136503 % MPE : 0.156788 %
MAPE : 0.789332 % MAPE : 0.719025 %
19
Jurnal Informatika dan Bisnis
20
Jurnal Informatika dan Bisnis
21
Jurnal Informatika dan Bisnis
2. Diperolehnya data testing yang paling 3. Rancangan GUI yang dibuat oleh
akurat untuk memprediksi nilai NTPP penulis sengaja dibuat secara simpel
berdasarkan penelitan yang dilakukan agar mudah dimengerti dan tidak
selama 5 periode yaitu data prediksi memakan waktu karena implementasi
dengan data tahun 2012 sebagai algoritma dilakukan dengan segera,
predictor untuk metode Linear maka bila dirasa kurang memuaskan
Regression dan Support Vector Machine dapat dikembangkan atau ditambah-
. kan sesuai keinginan pengembang
3. Penggunaan metode Linear Regression selanjutnya agar tampilan GUI dapat
dan Support Vector Machine untuk lebih diperbaiki.
memprediksi nilai NTPP yang terbukti
akurat dalam menentukan nilai NTPP, 4. Sebagaimana sebuah penelitan,
Sehingga kedua metode tersebut layak metode dan hasil yang diperoleh dari
dipertimbangkan sebagai metode penelitian ini tidaklah menjadi sebuah
prediksi selain menggunakan metode hal yang ”baku”, karena itu hasil
konvensional. penelitan ini dapat saja diperbaharui di
masa depan oleh peneliti selanjutnya
22
Jurnal Informatika dan Bisnis
agar dapat menemukan metode dan [7] J. Zaki, Mohammed dan Wagner
hasil yang lebih efektif. Meira JR (2014), Data Mining and
Analysis Fundamentals Concepts and
Algorithms, New York : Cambridge
7. DAFTAR PUSTAKA University Press.
[1] A.North, Matthew (2012), Data [8] Laudon, Kenneth C. dan Jane P.
Mining for the Masses, Edisi ke-1, Laudon, (2012), Management
Georgia : Global Text Project. Information Systems:Managing the
Digital Firm, Edisi ke-12, New Jersey
[2] Apriyanti Ira (2003), Skripsi : Analisis : Pearson Prentice Hall.
Nilai Tukar Petani Di Sumatra
Utara,Universitas Sumatra Utara, [9] M.Stair, Ralph dan George W.
Medan. Reynolds (2012), Fundamentals of
Information Systems, Edisi ke-6,
[3] Brown, Meta S. (2014), Data Mining Boston : Cengage Learning.
For Dummies, New Jersey : John
Wiley & Sons, Inc.
[10]O.Brien, James A. (2010),
[4] Carneiro da Rocha, Bruno (2010), Management Information System,Edisi
Identifying Bank Frauds Using ke-15, New York: Mc Graw Hill
CRISP-DM and Decision Trees, Irwin.
International journal of computer
science & information Technology [11]Stanton, Jeffrey dan Robert W. De
(IJCSIT) Vol.2, No.5. Graaf , Version 3 : An Introduction to
Data Science, New York : Creative
[5] Erskine, Joseph R. (2010), Tesis : Commons.
Developing Cyberspace Data
Understanding : Using CRISP-DM for [12]Suhendar Asep (2013), Skripsi :
Host-based IDS Feature Mining, Analisis Faktor-faktor yang
USAF, Ohio. Memengaruhi Nilai Tukar Petani
Tanaman Pangan di Kawasan Barat
[6] Han, Jiawei et al (2012), Data Mining Indonesia (Periode Tahun 2008-2010),
Concepts and Techniques, Edisi ke- Bogor Agricultural University, Bogor.
3,Waltham, Elsevier Inc.
23