Skripsi/Tugas Akhir

Prediksi Hasil Panen Kopi Arabika Rumbia Menggunakan Algoritma K-Means dan Support Vector Mechine (SVM)

---

Rating Anda tentang Buku/Tulisan ini!

---

ABSTRAK
Penelitian ini bertujuan untuk meningkatkan akurasi prediksi hasil panen kopi arabika di Rumbia, Jeneponto, dengan menggunakan K-MEANS Clustering dan Support Vector Machine (SVM). Hasil panen kopi dipengaruhi oleh luas area, curah hujan, dan produksi. Data yang digunakan adalah (2021-2023). K-MEANS mengelompokkan data, dan SVM melakukan prediksi. Hasil penelitian menunjukkan bahwa K-MEANS berhasil mengelompokkan data ke dalam dua Cluster yang signifikan terkait luas lahan dan curah hujan: Cluster 0 (lahan luas, curah hujan rendah) dan Cluster 1 (lahan kecil, curah hujan tinggi). Model SVM berkinerja sangat baik, dengan akurasi 100%, dan pola data dapat dikenali dengan baik. Penelitian ini memberikan masukan bagi petani dalam pengelolaan perkebunan kopi arabika Rumbia, terutama dalam perencanaan panen dan manajemen produksi berdasarkan kondisi lingkungan. Penerapan metode ini diharapkan dapat meningkatkan efisiensi produksi dan mengurangi ketidakpastian hasil panen.
Kata Kunci: Kopi Arabika, Prediksi Hasil Panen, K-Means, Support Vector Machine (SVM)

ABSTRACT
This study aims to improve the accuracy of predicting arabica coffee yield in Rumbia, Jeneponto, with K-MEANS Clustering and Support Vector Machine (SVM). Coffee yield is influenced by area, rainfall, and production. The data used is (2021-2023). K-MEANS Cluster s the data, and SVM does the prediction. The results showed that K-MEANS successfully grouped the data into two significant Cluster s related to land area and rainfall: Cluster 0 (large land, low rainfall) and Cluster 1 (small land, high rainfall). The SVM model performed very well, with 100% accuracy, and the data patterns were well recognized. This research provides input for farmers in the management of Rumbia arabica coffee plantations, especially in harvest planning and production management based on environmental conditions. The application of this method is expected to increase production efficiency and reduce crop yield uncertainty.
Keywords: Arabica Coffee, Harvest Prediction, K-Means, Support Vector Machine (SVM)

---

Ketersediaan

Tidak ada salinan data

Informasi Detail

Judul Seri

--

No. Panggil

SKR 25-51 HAN p - 0466SI

Penerbit

Makassar : Universitas DIPA., 2025

Deskripsi Fisik

xiv + 83 hlm.; 20,5 x 28,5 cm

Bahasa

Indonesia

ISBN/ISSN

--

Klasifikasi

SKR 25-51

Tipe Isi

Text dan Gambar

Edisi/Cetakan

Edisi/Cetakan 28 Februari 2025

Subjek

Skripsi/Tugas Akhir
Support Vector Machine
Algoritma K-Means

Lampiran File