Pengujian IMPLEMENTASI DAN PENGUJIAN

Tabel 4.2 Hasil produksi kelapa sawit tahun 2014 menurut kelasnya lanjutan Bulan Jumlah Hari panen Jumlah Pupukkg Jumlah Produksi Kelapa Sawit kg Kelas Maret 79 55.090 Rendah April 103 80.480 Rendah Mei 114 97.910 Rendah Juni 98 14.550 86.910 Rendah Juli 93 87.200 Rendah Agustus 112 9.100 182.940 Tinggi September 101 121.150 Tinggi Oktober 116 21.750 110.010 Tinggi November 105 87.170 Rendah Desember 112 72.340 Rendah Selanjutkan akan dilakukan pengujian dengan menggunakan aplikasi prediksi produksi kelapa sawit yang telah dirancang. Hasil prediksi produksi kelapa sawit akan dibandingkan dengan hasil produksi kelapa sawit yang sebenarnya. Prediksi akan dilakukan dengan mengubah nilai epoch. Nilai epoch yang akan digunakan mulai dari learning rate 5000, 5200, dan 5500. Dapat dilihat tabel 4.3 tabel hasil pengujian dengan epoch 5000 , learning rate 0.06 dan penurunan alfa tiap epochnya sebesar 0.01. Jumlah neuron yang digunakan 9 neuron. Tabel 4.3 Hasil pengujian epoch 5000 Bulan Jmlh Hari panen Produksi kelapa sawit sebenarnya Prediksi produksi kelapa sawit Keterangan Jumlah produksikg Kelas Jumlah produksikg Kelas Jan 99 27.490 Rendah 99.750 Rendah Sukses Feb 52 41.500 Rendah 99.750 Rendah Sukses Mar 79 55.090 Rendah 99.750 Rendah Sukses Tabel 4.3 Hasil pengujian epoch 5000 lanjutan Bulan Jmlh Hari panen Produksi kelapa sawit sebenarnya Prediksi produksi kelapa sawit Keterangan Jumlah produksikg Kelas Jumlah produksikg Kelas Apr 103 80.480 Rendah 99.750 Rendah Sukses Mei 114 97.910 Rendah 99.750 Rendah Sukses Jun 98 86.910 Rendah 99.750 Tinggi Gagal Jul 93 87.200 Rendah 99.750 Tinggi Gagal Agu 112 182.940 Tinggi 99.750 Tinggi Sukses Sep 101 121.150 Tinggi 99.750 Tinggi Sukses Okt 116 110.010 Tinggi 99.750 Tinggi Sukses Nov 105 87.170 Rendah 99.750 Tinggi Gagal Des 112 72.340 Rendah 99.750 Tinggi Gagal Dari tabel 4.3 hasil pengujian epoch 5000 didapatkan 8 bulan dengan hasil pengujian yang sukses. Bulan-bulan yang sukses yakni bulan Januari, Februari, Maret, April, Mei, Agustus, September, Oktober. Pengertian sukses dalam tabel yaitu hasil prediksi kelapa sawit sama dengan hasil jumlah produksi kelapa sawit yang sebenarnya. Sebaliknya pengertian hasil pengujian yang gagal artinya hasil prediksi kelapa sawit tidak sama dengan hasil produksi kelapa sawit yang sebenarnya. Di tabel 4.3 terdapat 4 bulan dengan hasil pengujian yang gagal. Bulan-bulan yang gagal tersebut adalah bulan Juni, Juli, November, Desember. Selanjutnya dilakukan pengujian dengan epoch 5200, learning rate 0.06 dan penurunan alfa tiap epochnya sebesar 0.01. Jumlah neuron yang digunakan 9 neuron. Dapat dilihat tabel 4.4 tabel hasil pengujian epoch 5200. Tabel 4.4 Hasil pengujian epoch 5200 Bulan Jmlh Hari panen Produksi kelapa sawit sebenarnya Prediksi produksi kelapa sawit Keterangan Jumlah produksikg Kelas Jumlah produksikg Kelas Jan 99 27.490 Rendah 99.750 Rendah Sukses Feb 52 41.500 Rendah 99.750 Tinggi Gagal Mar 79 55.090 Rendah 99.750 Rendah Sukses Apr 103 80.480 Rendah 99.750 Rendah Sukses Mei 114 97.910 Rendah 99.750 Rendah Sukses Jun 98 86.910 Rendah 99.750 Tinggi Gagal Jul 93 87.200 Rendah 99.750 Tinggi Gagal Agu 112 182.940 Tinggi 99.750 Tinggi Sukses Sep 101 121.150 Tinggi 99.750 Tinggi Sukses Okt 116 110.010 Tinggi 99.750 Tinggi Sukses Nov 105 87.170 Rendah 99.750 Tinggi Gagal Des 112 72.340 Rendah 99.750 Tinggi Gagal Dari tabel 4.4 hasil pengujian epoch 5200 didapatkan 7 bulan dengan hasil pengujian yang sukses. Bulan-bulan yang sukses yakni bulan Januari, Maret, April, Mei, Agustus, September, Oktober. Kemudian didapat 5 hasil pengujian yang gagal. Bulan-bulan yang gagal tersebut adalah bulan Februari, Juni, Juli, November, Desember. Selanjutnya dilakukan pengujian dengan epoch 5500, learning rate 0.06 dan penurunan alfa tiap epochnya sebesar 0.01. Jumlah neuron yang digunakan 9 neuron. Dapat dilihat tabel 4.5 tabel hasil pengujian epoch 5500. Tabel 4.5 Hasil pengujian epoch 5500 Bulan Jmlh Hari panen Produksi kelapa sawit sebenarnya Prediksi produksi kelapa sawit Keterangan Jumlah produksikg Kelas Jumlah produksikg Kelas Jan 99 27.490 Rendah 99.750 Rendah Sukses Feb 52 41.500 Rendah 99.750 Tinggi Gagal Mar 79 55.090 Rendah 99.750 Tinggi Gagal Apr 103 80.480 Rendah 99.750 Rendah Sukses Mei 114 97.910 Rendah 99.750 Rendah Sukses Jun 98 86.910 Rendah 99.750 Tinggi Gagal Jul 93 87.200 Rendah 99.750 Tinggi Gagal Agu 112 182.940 Tinggi 99.750 Tinggi Sukses Sep 101 121.150 Tinggi 99.750 Tinggi Sukses Okt 116 110.010 Tinggi 99.750 Tinggi Sukses Nov 105 87.170 Rendah 99.750 Tinggi Gagal Des 112 72.340 Rendah 99.750 Tinggi Gagal Dari tabel 4.5 hasil pengujian epoch 5500 didapatkan 6 bulan dengan hasil pengujian yang sukses. Bulan-bulan yang sukses yakni bulan januari, april, mei, agustus, september, oktober. Kemudian didapat 6 hasil pengujian yang gagal. Bulan- bulan yang gagal tersebut adalah bulan Februari, Maret, Juni, Juli, November, Desember. Pengujian selanjutnya dilakukan dengan mengubah nilai learning ratenya. Nilai learning rate yang pertama yang akan di gunakan sebesar 0.06 dengan epoch 5500, dan penurunan alfa tiap epochnya sebesar 0.01. Jumlah neuron yang digunakan 9 neuron. Dapat dilihat tabel 4.6 tabel hasil pengujian learning rate sebesar 0.06.

4.6 Tabel hasil pengujian learning rate sebesar 0.06

Bulan Jmlh Hari panen Produksi kelapa sawit sebenarnya Prediksi produksi kelapa sawit Keterangan Jumlah produksikg Kelas Jumlah produksikg Kelas Jan 99 27.490 Rendah 99.750 Rendah Sukses Feb 52 41.500 Rendah 99.750 Rendah Sukses Mar 79 55.090 Rendah 99.750 Rendah Sukses Apr 103 80.480 Rendah 99.750 Rendah Sukses Mei 114 97.910 Rendah 99.750 Rendah Sukses Jun 98 86.910 Rendah 99.750 Rendah Sukses Jul 93 87.200 Rendah 99.750 Tinggi Gagal Agu 112 182.940 Tinggi 99.750 Rendah Gagal Sep 101 121.150 Tinggi 99.750 Tinggi Sukses Okt 116 110.010 Tinggi 99.750 Tinggi Sukses Nov 105 87.170 Rendah 99.750 Tinggi Gagal Des 112 72.340 Rendah 99.750 Tinggi Gagal Dari tabel 4.6 pengujian learning rate sebesar 0.06 didapatkan 8 bulan dengan hasil pengujian yang sukses. Bulan-bulan yang sukses yakni bulan Januari, Februari, Maret, April, Mei, Agustus, September, Oktober. Dan juga di tabel 4.6 terdapat 4 bulan dengan hasil pengujian yang gagal. Bulan-bulan yang gagal tersebut adalah bulan Juni, Juli, November, Desember. Pengujian selanjutnya digunakan nilai learning rate sebesar 0.07 dengan epoch 5000, dan penurunan alfa tiap epochnya sebesar 0.01. Jumlah neuron yang digunakan 9 neuron. Dapat dilihat tabel 4.7 tabel hasil pengujian learning rate sebesar 0.07.

4.7 Tabel hasil pengujian learning rate sebesar 0.07

Bulan Jmlh Hari panen Produksi kelapa sawit sebenarnya Prediksi produksi kelapa sawit Keterangan Jumlah produksikg Kelas Jumlah produksikg Kelas Jan 99 27.490 Rendah 99.750 Rendah Sukses Feb 52 41.500 Rendah 99.750 Tinggi Gagal Mar 79 55.090 Rendah 99.750 Rendah Sukses Apr 103 80.480 Rendah 99.750 Rendah Sukses Mei 114 97.910 Rendah 99.750 Rendah Sukses Jun 98 86.910 Rendah 99.750 Tinggi Gagal Jul 93 87.200 Rendah 99.750 Tinggi Gagal Agu 112 182.940 Tinggi 99.750 Tinggi Sukses Sep 101 121.150 Tinggi 99.750 Tinggi Sukses Okt 116 110.010 Tinggi 99.750 Tinggi Sukses Nov 105 87.170 Rendah 99.750 Tinggi Gagal Des 112 72.340 Rendah 99.750 Tinggi Gagal Dari tabel 4.7 pengujian learning rate sebesar 0.07 didapatkan 7 bulan dengan hasil pengujian yang sukses. Bulan-bulan yang sukses yakni bulan Januari, Maret, April, Mei, Agustus, September, Oktober. Dan juga di tabel 4.7 terdapat 5 bulan dengan hasil pengujian yang gagal. Bulan-bulan yang gagal tersebut adalah bulan Februari, Juni, Juli, November, Desember.

BAB 5 KESIMPULAN DAN SARAN

5.1 Kesimpulan

Setelah merancang serta mengaplikasikan Algoritma Learning Vector Quantization pada Prediksi produksi kelapa sawit di Perkebunan Kelapa Sawit Pulau Tiga, maka diperoleh kesimpulan sebagai berikut: 1. Aplikasi dapat melakukan prediksi produksi kelapa sawit dengan inputan berupa tahun produksi, tahun tanam, jumlah pokok, luas, umur, bulan, jumlah pupuk, jumlah hari panen dan jumlah produksi. 2. Hasil prediksi terbaik diperoleh dari prediksi produksi kelapa sawit tahun 2014 dengan epoch 5000 dan learning rate 0.06 yakni pada bulan Januari, Maret, April, Mei, Juni, September, Oktober.

5.2 Saran

Adapun saran-saran penulis untuk pengembangan penelitian berikutnya sebagai berikut: 1. Menambah parameter inputan seperti curah hujan, PH tanah serta kemiringan pohon agar diperoleh hasil yang lebih akurat. 2. Menggunakan algoritma yang mempunyai tingkat akurasi yang lebih baik untuk mendapatkan hasil yang lebih baik pula.