EQUIVA JOURNAL
Journal of Mathematics & Information Technology Volume 01 Ae Nomor 01 Ae Year 2023 Ae Pages: 33-40 Prediksi Saldo Produksi Hasil Ternak Kabupaten Blitar Menggunakan Regresi Linier Berganda Ramadhan Paninggalih1, .
Bowo Nugroho2, .
, dan Mahardika Inra Takaendengan3, .
Program Studi Informatika.
Institut Teknologi Kalimantan.
Jalan Soekarno Hatta KM.
Balikpapan Program Studi Sistem Informasi.
Universitas Sam Ratulangi.
Bahu.
Malalayang.
Manado Penulis korespondensi: ramadhanpaninggalih@lecturer.
nugroho@lecturer.
mtakaendengan@dosenlb.
Abstrak.
Penyesuaian masyarakat kota Blitar terhadap perkembangan teknologi 4.
0 di Indonesia dengan kecepatan dan ketepatan dalam penguatan persaingan bisnis, khususnya di bidang sentra peternakan Indonesia merupakan sebuah Ketepatan dan kecepatan informasi mengenai saldo produksi hasil ternak mempengaruhi optimalisasi kualitas dan kuantitas sektor Usaha mikro kecil menengah (UMKM) peternakan di Kota Blitar.
Penelitian menggunakan metode regresi linear berganda dalam memprediksi saldo produksi hasil ternak.
Tahapan penelitian yang dilakukan adalah mengumpulkan data hasil ternak, melakukan pre-processing data, memproses prediksi, membangun model dan evaluasi model menggunakan akurasi dengan Mean Absolute Error (MAE) dan R2-Score.
Data yang digunakan mempunyai 14 atribut .
Menggunakan korelasi, dipilih 3 atribut yang akan digunakan dalam membangun model yaitu komoditas, nilai produksi, dan biaya produksi (Rp.
) Keseluruhan data dibagi menjadi dua yaitu data training dan data testing dengan proporsi beruturut sebesar 75%:25%, 80%:20%, dan 85%:15%.
Model terbaik dihasilkan oleh pembagian data training dan data testing sebesar 85%:15%.
Model yang dihasilkan adalah ycUC = Oe9810.
58ycU1 ycU2 Oe 0.
99ycU3 dengan skor MAE sebesar 9232.
04 dan skor R2-Score sebesar 1.
Kata Kunci : Regresi Linier Berganda.
MAE.
R2-Score.
Hasil Ternak.
Data Sains PENDAHULUAN Kota Blitar yang terletak di Provinsi Jawa Timur, merupakan wilayah terkecil kedua setelah Kota Mojokerto.
Letak Kota Blitar yang berada di kaki Gunung Kelud menyebabkan Kota Blitar memiliki cuaca yang sejuk dengan rata-rata suhu 24-34C .
Walaupun berstatus Pemerintah Kota.
Kota Blitar tidak serta merta mencerminkan kehidupan perkotaan karena luas wilayah dan kehidupan masyarakatnya yang masih mencerminkan kota kecil.
Lokasi Kota Blitar yang terletak dekat pantai selatan yang jauh dari area industri membuat sebagian besar masyarakatnya bergerak di berbagai sektor yang mengandalkan sumber daya manusia dan buatan .
Salah satunya adalah peternakan.
Kota Blitar sendiri dikenal sebagai mutiaranya peternakan di Indonesia.
Seiring perkembangan teknologi.
Indonesia telah memasuki tahap industri 4.
0, dimana kecepatan dan ketepatan menjadi kunci sukses memenangkan persaingan yang semakin ketat.
Sebagai sentra peternakan Indonesia.
Kota Blitar harus dapat beradaptasi dengan perkembangan industri terkini agar tetap bisa unggul dalam dalam persaingan terbuka saat ini.
Melek teknologi, pola kemitraan, peningkatan kualitas produk dan sumber daya manusia adalah cara untuk menghadapi era industri 4.
Sampai saat ini, terdapat banyak usaha mikro kecil menengah (UMKM) yang bergerak di sektor peternakan.
Bahkan beberapa diantaranya telah menerapkan teknologi pada usaha mereka, antara lain untuk penjualan pakan ternak, inventaris toko, serta penjualan dan distribusi telur .
Namun keterbukaan informasi saat ini membuat harga EQUIVA JOURNAL: Vol.
01 Ae No.
01 Ae Yr.
Ao23 jual berbagai produk, termasuk produk di sektor peternakan, menjadi sangat fluktuatif .
Ketepatan dan kecepatan informasi terkait harga jual produk peternakan tentunya akan membuat hasil produksi menjadi optimal sehingga meningkatkan kualitas dan kuantitas sektor peternakan di Kota Blitar.
Untuk itu, diperlukan suatu sistem berbasis teknologi kecerdasan artifisial yang tidak hanya mampu memberikan informasi terkait penjualan produk ternak, tetapi juga mampu memprediksi saldo produksi .
alam rupia.
yang dihasilkan.
Hasil yang diharapkan dengan adanya prediksi ini masing Ae masing kecamatan dapat mengambil keputusan dalam menentukan komoditas hasil ternak mana yang menghasilkan keuntungan yang maksimal METODE PENELITIAN Dalam penelitian ini, terdapat beberapa tahapan yang dilaksanakan antara lain pengumpulan data, data prepocessing, data preparation, membangun model, evaluasi model.
Diagram alir penelitian dapat dilihat pada Gambar 1.
GAMBAR 1.
Diagaram Alir Penelitian Data penelitian ini diambil dari portal data Indonesia yaitu w.
Data.
id merupakan portal resmi terbuka data permerintah Indonesia yang disediakan oleh Kementrian Badan Perencanaan Pembangunan Nasional (Bappena.
Pengumpulan Data Data yang digunakan adalah hasil ternak Kabupaten Blitar dari tahun 2014 sampai tahun 2021.
Atribut pada data terdiri dari.
provinsi, .
kabupaten kota, .
kecamatan, .
status, .
kode pum, .
desa kelurahan, .
tanggal, .
jumlah ternak .
, .
komoditas, .
hasil produksi, .
satuan, .
nilai produksi, .
biaya produksi (Rp.
saldo produksi (R.
Data Prepocessing EQUIVA JOURNAL: Vol.
01 Ae No.
01 Ae Yr.
Ao23 Pada proses ini, dicek kembali tiap elemen pada semua kolom sudah sesuai format .
ipe dat.
atau belum.
Selanjutnya, dilakukan juga pengisian data atau penghapusan pada kolom-kolom yang masih kosong.
Tahapan ini bertujuan untuk mengubah data mentah .
aw dat.
yang tidak layak dianalisis menjadi data bersih .
lean dat.
yang siap untuk dianalisis.
Data Preparation Pada proses ini, setiap elemen data yang masih bertipe kategori diubah menjadi numerik.
Selain itu, dilakukan proses korelasi untuk menyeleksi kolom mana yang akan digunakan.
Korelasi yang digunakan dalam proses ini adalah korelasi Pearson.
Persamaan korelasi Pearson dapat dilihat pada Persamaan .
yc= Ocycuycn=1.
cUycn Oe ycUI).
cUycn Oe ycUI ) ((Ocycuycn=1.
cUycn Oe ycUI)2 )(Ocycuycn=1.
cUycn Oe ycUI)2 )) .
di mana yc adalah koefisien korelasi, ycUycn dan ycUycn berturut-turut adalah nilai ke-ycn pada kolom ycU dan ycU, ycUI dan ycUI nilai ratarata kolom ycU dan ycU, ycu adalah banyaknya data.
Nilai dari korelasi Pearson adalah Oe1 O yc O 1 .
Nilai positif adalah nilai 1, nilai -1 merupakan nilai negatif, dan nilai 0 merupakan nilai yang tidak terdapat korelasi .
Tahap ini bertujuan untuk mempersiapkan data sebelum digunakan untuk pembuatan model.
Membangun Model Model yang digunakan pada penelitian ini adalah model regresi linier berganda.
Diagram alir pembangunan model untuk prediksi saldo produksi hasil ternak Kabupaten Blitar dapat dilihat pada Gambar 2.
GAMBAR 2.
Diagaram Membangun Model Regresi Linier Berganda Regresi linier berganda adalah suatu model statistik yang digunakan untuk meneliti hubungan antara satu variabel dependen .
cU) dengan beberapa variabel independen .
cU1 , ycU2 .
A , ycUyco ) .
Model regresi linier berganda menggunakan EQUIVA JOURNAL: Vol.
01 Ae No.
01 Ae Yr.
Ao23 nilai-nilai variabel independen untuk meramalkan nilai variabel dependen.
Persamaan umum regresi linier berganda dapat dilihat pada Persamaan .
ycU = yu0 yu1 ycU1 yu2 ycU2 U yuyco ycUyco yuAycn di mana ycU adalah variabel dependen, yu0 , yu1 , yu2 .
A , yuyco adalah parameter regresi, ycU1 , ycU2 .
A , ycUyco adalah variabel independen dan yuAycn adalah error pengamatan ke-ycn.
Data training dan data testing masing-masing dibagi menjadi data input dan data output.
Data input terdiri dari atribut-atribut rerbaik dari data hasil ternak Kabupaten Blitar.
Data output merupakan atribut saldo produksi data hasil ternak Kabupaten Blitar.
Pembagian data training dan data testing berturut-turut 75%:25%, 80%:20% dan 85%:15%.
Data training digunakan untuk menghasilkan parameter regresi untuk membangun model.
Selanjutnya, model yang dihasilkan di evaluasi menggunakan data testing.
Evaluasi Model Evaluasi model dilakukan dengan cara mengecek tingkat akurasi yang dihasilkan model terhadap data testing.
Pada penelitian ini digunakan dua metode untuk mengecek akurasi yaitu Mean Absolute Error (MAE) dan R2-Score.
MAE didefinisikan sebagai rata-rata dari jumlah nilai mutlak data sebenarnya dikurangi data prediksi.
MAE dapat dihitung menggunakan Persamaan .
ycAyaya = Cycn | Ocycuycn=.
ycUycn Oe ycU Cycn adalah data prediksi ke-ycn.
Ketika nilai MAE di mana ycu adalah banyaknya data, ycUycn adalah data sebenarnya ke-ycn, dan ycU medekati 0 maka model mempunyai akurasi yang tinggi dalam memprediksi data.
Koefisien determinasi atau R2-Score adalah proporsi variasi yang dijelaskan oleh variabel independen.
R2-Score dapat dihitung menggunakan Persamaan .
ycI2 Oe ycIycaycuycyce = 1 Oe ycIycIycI ycIycIycN di mana ycIycIycI adalah jumlah residual kuadrat dan ycIycIycN adalah jumlah kuadrat.
ycIycIycI dan ycIycIycN dapat dihitung menggunakan Persamaan .
dan Persamaan .
Cycn )2 ycIycIycI = Oc.
cUycn Oe ycU ycn ycIycIycN = Oc.
cUycn Oe ycUI )2 .
ycn dengan ycUI adalah rata-rata dari data sebenarnya.
R2-Score menunjukkan varian residu .
esalahan prediks.
dalam memprediksi data dibagi dengan varian titik-titik data dari rata-rata semua data.
R2-Score menunjukkan performa model dibandingkan dengan prediksi tebakan acak yang sama dengan rata-rata semua data.
Semakin dekat R2-Score dengan 1 maka prediksi akan mendekati data sebenarnya.
HASIL DAN PEMBAHASAN
Data hasil ternak Kabupaten Blitar yang diambil pada website w.
id mempunyai 407 baris.
Sebelum digunakan untuk membangun model, data hasil ternak Kabupaten Blitar dibersihkan terlebih dahulu.
Data hasil ternak Kabupaten Blitar mempunyai 14 atribut dengan masing-masing tipe data tiap atribut dapat dilihat pada Tabel 1.
TABEL 1.
Tipe Data Tiap Atribut Data Hasil Ternak Kabupaten Blitar Atribut (Kolo.
Provinsi Tipe Data Kategori (Objec.
EQUIVA JOURNAL: Vol.
01 Ae No.
01 Ae Yr.
Ao23 Atribut (Kolo.
Kabupaten/Kota Kecamatan Status Kode PUM Desa/Kelurahan Tanggal Jumlah Ternak (Eko.
Komoditas Hasil Produksi Satuan Nilai Produksi Biaya Produksi (Rp.
Saldo Produksi (Rp.
Tipe Data Kategori (Objec.
Kategori (Objec.
Kategori (Objec.
Numerik Kategori (Objec.
Kategori (Objec.
Numerik Kategori (Objec.
Kategori (Objec.
Kategori (Objec.
Kategori (Objec.
Kategori (Objec.
Kategori (Objec.
Dapat dilihat pada Tabel 1, atribut nilai produksi, biaya produksi (Rp.
), dan saldo produksi (Rp.
) masih bertipe kategori .
Seharusnya atribut tersebut bertipe numerik.
Sehingga ketiga atribut tersebut diubah tipe datanya menjadi numerik.
Selanjutnya, dicek elemen kosong pada masing-masing atribut yang dapat dilihat pada Tabel 2.
TABEL 2.
Jumlah Elemen Kosong Data Hasil Ternak Kabupaten Blitar Atribut (Kolo.
Provinsi Kabupaten/Kota Kecamatan Status Kode PUM Desa/Kelurahan Tanggal Jumlah Ternak (Eko.
Komoditas Hasil Produksi Satuan Nilai Produksi Biaya Produksi (Rp.
Saldo Produksi (Rp.
Jumlah Elemen Kosong Berdasarkan Tabel 2, atribut yang mempunyai elemen kosong adalah komoditas dan satuan.
Untuk atribut satuan dihapus, dikarenakan mempunyai banyak elemen yang kosong.
Sedangkan, untuk atribut komoditas dilakukan interpolasi untuk mengisi elemen yang kosong.
Atribut provinsi, kabupaten/kota dan tanggal dihapus karena tidak digunakan dalam proses perhitungan.
Hasil pembersihan data dapat dilihat pada Tabel 3.
TABEL 3.
Data Hasil Pembersihan Atribut (Kolo.
Kecamatan Status Kode PUM Desa/Kelurahan Jumlah Ternak (Eko.
Komoditas Hasil Produksi Nilai Produksi Biaya Produksi (Rp.
Saldo Produksi (Rp.
Tipe Data Kategori (Objec.
Kategori (Objec.
Numerik Kategori (Objec.
Numerik Kategori (Objec.
Numerik Numerik Numerik Numerik Jumlah Elemen Kosong EQUIVA JOURNAL: Vol.
01 Ae No.
01 Ae Yr.
Ao23 TABEL 4.
Pelabelan Atribut Kecamatan Atribut (Kolo.
Bakung Binangun Doko Gandusari Garum Kademangan Kanigoro Kesamben Nglegok Panggung Rejo Ponggok Pelabelan Atribut (Kolo.
Sanankulon Selopuro Selorejo Srengat Sutojayan Talun Udanawu Wates Wlingi Wonodadi Wonotirto Pelabelan TABEL 5.
Pelabelan Atribut Status Atribut (Kolo.
Desa Kelurahan Pelabelan TABEL 6.
Pelabelan Atribut Komoditas Atribut (Kolo.
Air Liur Burung Walet Bulu Burung Walet Cinderamata Daging Hiasan/Lukisan Pelabelan Atribut (Kolo.
Kerupuk Kulit Kulit Madu Minyak Susu Telur GAMBAR 3.
Heatmap Korelasi Antar Atribut Pelabelan EQUIVA JOURNAL: Vol.
01 Ae No.
01 Ae Yr.
Ao23 Data hasil pembersihan, diolah lagi untuk disiapkan dalam membangun model.
Atribut-atribut yang bertipe kategori pada Tabel 3, dilabelkan agar bisa dihitung korelasinya dengan atribut saldo produksi (Rp.
Hasil pelabelan atribut yang bertipe kategori dapat dilihat pada Tabel 4.
Tabel 5, dan Tabel 6.
Untuk atribut desa/kelurahan dilabeli dari 0 sampai 146 karena terdapat 147 desa/kelurahan di data hasil ternak Kabupaten Blitar.
Selanjutnya dihitung korelasi untuk melihat hubungan antar atribut.
Hasil perhitungan korelasi dapat dilihat pada Gambar 3.
Berdasarkan Gambar 3, tiga atribut yang mempunyai korelasi paling tinggi dengan atribut saldo produksi (Rp.
) antara lain komoditas, nilai produksi, dan biaya produksi (Rp.
Nilai korelasi atributatribut tersebut berturut-turut sebesar 0.
1, 0.
96, dan 0.
Atribut komoditas, nilai produksi, dan biaya produksi (Rp.
) digunakan sebagai data training dan data testing untuk membangun model dan mengevaluasi model prediksi atribut saldo produksi (Rp.
Atribut komoditas sebagai ycU1 , atribut nilai produksi sebagai ycU2 , atribut biaya produksi (Rp.
) sebagai ycU3 , dan atribut saldo produksi (Rp.
) sebagai ycU.
Perbandingan pembagian data training dan data testing adalah 75%:25%, 80%:20%, dan 85%:15%.
Koefisien model regresi linier berganda yang dihasilkan menggunakan data training dapat dilihat pada Tabel 7.
Masing-masing model yang dihasilkan dari data training, dicek akurasi MAE dan R2-Score dari menggunakan data testing dapat dilihat pada Tabel 8.
TABEL 7.
Koefisien Regresi Linier Berganda Data Training yuya yuya yuya yuyc TABEL 8.
Hasil Akurasi MAE dan R2-Score Data Testing MAE R2-Score Berdasarkan Tabel 8, pembagian data testing sebesar 15% mempunyai nilai MAE yang paling kecil yaitu 9232.
sedangkan, untuk nilai R2-Score semua bernilai sama untuk masing-masing data testing.
Sehingga, diambil koefisien regresi linier berganda dari pembagian data training sebesar 85%.
Oleh karena itu, diperoleh model regresi linier berganda untuk memprediksi saldo produksi hasil ternak Kabupaten Blitar sesuai Persamaan .
Dapat dilihat pada Gambar 4 di mana grafik data prediksi sama dengan grafik data aktual.
Hal ini menunjukkan bahwa model dapat memprediksi dengan tepat sesuai dengan keadaan aktual.
Gambar 4 juga mendukung hasil akurasi yang didapatkan.
ycUC = Oe9810.
58ycU1 ycU2 Oe 0.
GAMBAR 4.
Perbandingan Data Aktual Dan Data Prediksi EQUIVA JOURNAL: Vol.
01 Ae No.
01 Ae Yr.
Ao23
KESIMPULAN
Berdasarkan hasil penelitian, maka diperoleh beberapa kesimpulan sebagai berikut: .
Menggunakan korelasi, dipilih tiga atribut dari 14 atribut yang digunakan duntuk membangun model yaitu komoditas, nilai produksi, dan biaya produksi (Rp.
Koefisien model regresi linier berganda diperoleh menggunakan data training sebesar 75%, 80%, dan 85%.
Akurasi MAE dan R2-Score dari masing-masing model diuji menggunakan data testing sebesar 25%, 80%, dan 15%.
Koefisien Model regresi linier berganda dipilih berdasarkan nilai akurasi terbaik yaitu 85%:15% dengan akurasi MAE dan R2-Score sebesar 9232.
04 dan 1.
Model regresi linier berganda untuk memprediksi saldo produksi hasil ternak Kabupaten Blitar adalah ycUC = Oe9810.
58ycU1 ycU2 Oe 0.
99ycU3.
Model regresi linier berganda dapat memprediksi dengan akurat karena data prediksi sesuai dengan data aktual.
REFERENSI