Perbandingan Prediksi Dan Simulasi Berbasis GUI Produksi Kayu Pt. Surya Hutani Jaya Distrik
Sebulu Menggunakan Random Forest Regression Dan Regresi Linear Berganda
Total View This Week0
Total View This Week0
Institusion
Institut Teknologi Kalimantan
Author
Musthofa, Hafizh Bagus
Subject
Q Science (General)
Datestamp
2025-01-13 05:03:59
Abstract :
Penelitian ini bertujuan untuk mengana lisis perbandingan akurasi prediksi produksi kayu menggunakan metode random forest regression (RFR) dan regresi linear berganda (RLB) yang diterapkan pada data produksi kayu PT Surya Hutani Jaya Distrik Sebulu. Data penelitian mencakup berbagai variabel seperti produksi kayu, curah hujan, kelembapan, alat yang digunakan, cuaca, bahan baku, serta tingkat bahaya kebakaran, yang semuanya berkontribusi pada prediksi yang lebih komprehens if. Proses pengolahan data melibatkan serangkaian langkah sistematis, termasuk pembersihan data untuk menghilangkan inkonsistensi, penghapusan outlier untuk menjaga validitas. Prediksi kemudian dikembangkan dan diintegrasikan ke dalam antarmuka berbasis GUI (Graphical User Interface) menggunakan python dan tkinter, memberikan kemudahan bagi pengguna dalam melakukan simulasi prediksi secara interaktif. Kinerja kedua metode dibandingkan menggunakan metrik evaluasi akurasi seperti mean absolute error (MAE) dan root mean square error (RMSE), yang memberikan gambaran kuantitatif mengenai efektivitas masing-masing pendekatan. Hasil penelitian menunjukkan bahwa metode random forest regression memiliki keunggulan signifikan dengan tingkat akurasi yang lebih tinggi dibandingkan regresi linear berganda, ditunjukkan oleh nilai MAE dan RMSE yang lebih rendah dalam sebagian besar skenario pengujian data. Integrasi GUI juga memberikan efisiensi dalam melakukan simulasi prediksi, sekaligus menawarkan solusi teknologi yang praktis untuk mendukung pengambilan keputusan berbasis data. Dengan pendekatan ini, penelitian ini diharapkan dapat membantu PT Surya Hutani Jaya mengoptima lkan proses produksi kayu melalui pemanfaatan teknologi prediksi yang andal dan inovatif.
Penelitian ini bertujuan untuk mengana lisis perbandingan akurasi prediksi produksi kayu menggunakan metode random forest regression (RFR) dan regresi linear berganda (RLB) yang diterapkan pada data produksi kayu PT Surya Hutani Jaya Distrik Sebulu. Data penelitian mencakup berbagai variabel seperti produksi kayu, curah hujan, kelembapan, alat yang digunakan, cuaca, bahan baku, serta tingkat bahaya kebakaran, yang semuanya berkontribusi pada prediksi yang lebih komprehens if. Proses pengolahan data melibatkan serangkaian langkah sistematis, termasuk pembersihan data untuk menghilangkan inkonsistensi, penghapusan outlier untuk menjaga validitas. Prediksi kemudian dikembangkan dan diintegrasikan ke dalam antarmuka berbasis GUI (Graphical User Interface) menggunakan python dan tkinter, memberikan kemudahan bagi pengguna dalam melakukan simulasi prediksi secara interaktif. Kinerja kedua metode dibandingkan menggunakan metrik evaluasi akurasi seperti mean absolute error (MAE) dan root mean square error (RMSE), yang memberikan gambaran kuantitatif mengenai efektivitas masing-masing pendekatan. Hasil penelitian menunjukkan bahwa metode random forest regression memiliki keunggulan signifikan dengan tingkat akurasi yang lebih tinggi dibandingkan regresi linear berganda, ditunjukkan oleh nilai MAE dan RMSE yang lebih rendah dalam sebagian besar skenario pengujian data. Integrasi GUI juga memberikan efisiensi dalam melakukan simulasi prediksi, sekaligus menawarkan solusi teknologi yang praktis untuk mendukung pengambilan keputusan berbasis data. Dengan pendekatan ini, penelitian ini diharapkan dapat membantu PT Surya Hutani Jaya mengoptima lkan proses produksi kayu melalui pemanfaatan teknologi prediksi yang andal dan inovatif.
File :
11201036_ statement_of_authenticity.pdf
11201036_abstract_en.pdf
11201036_approval_sheet.pdf
11201036_preface.pdf
11201036_abstract_id.pdf
11201036_table_of_content.pdf
11201036_illustrations.pdf
11201036_tables.pdf
11201036_notations.pdf
11201036_chapter_1.pdf
11201036_chapter_2.pdf
11201036_chapter_3.pdf
11201036_abstract_id.pdf
11201036_chapter_4.pdf
11201036_conclusions.pdf
11201036_bibliography.pdf
11201036_enclosure.pdf
11201036_paper.pdf
11201036_presentation.pdf
11201036_Form. TA-020.pdf
11201036_cover.pdf
11201036_approval_sheet.pdf
11201036_bibliography.pdf
11201036_chapter_1.pdf
11201036_chapter_2.pdf
11201036_cover.pdf
11201036_publishing_agreement.pdf
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
