Peramalan Produksi Kelapa Sawit Menggunakan Algoritma Random Forest Lag Distributed Regression

Abstract

Kelapa sawit merupakan salah satu komoditas potensial yang banyak dibudidayakan dan minyak kelapa sawit sebagai salah satu olahannya merupakan salah satu penyumbang devisa tertinggi bagi Indonesia. Analisis berbagai faktor yang mempengaruhi produksi kelapa sawit dan dilanjutkan dengan peramalan terhadap produksi kelapa sawit untuk periode waktu berikutnya menjadi penting untuk dilakukan. Penelitian yang dilakukan selama ini banyak yang hanya dalam lingkup mencari faktor-faktor yang mempengaruhi produksi kelapa sawit saja dan membutuhkan pengujian asumsi terlebih dahulu, serta tidak dilanjutkan dengan peramalan terhadap produksi kelapa sawit untuk waktu selanjutnya. Peramalan terhadap produksi kelapa sawit yang dilakukan pun hanya terbatas pada satu peubah saja yakni pada peubah respon tanpa memperhatikan pengaruh dari peubah bebas. Terdapat beberapa kendala yang membuat pemodelan dan peramalan terhadap produksi kelapa sawit menjadi sulit dilakukan, diantaranya banyak sekali faktor yang mempengaruhi produksi kelapa sawit, data produksi kelapa sawit memiliki pola non-linier, serta peubah yang digunakan terdiri dari peubah numerik dan kategorik. Selain itu, diduga peubah bebas yang digunakan diduga memiliki pengaruh pada waktu yang berbeda-beda terhadap produksi kelapa sawit atau terdapat efek lag. Salah satu metode yang dapat digunakan untuk melihat faktor-faktor yang mempengaruhi produksi kelapa sawit adalah random forest yaitu metode pohon gabungan yang berasal dari pengembangan metode classification and regression tree (CART). Dengan demikian, metode yang digunakan dalam penelitian ini adalah random forest lag distributed regression yakni analisis yang menggabungkan metode lag distributed regression dan random forest. Analisis ini tidak memerlukan pengujian asumsi karena merupakan analisis statistika nonparametrik, selain itu, analisis ini juga mampu dalam mengatasi peubah yang sangat banyak, dapat mengakomodir efek lag, melihat hubungan yang tidak linier, melihat interaksi antar peubah, dapat digunakan untuk peubah numerik maupun kategorik, serta cepat dalam hal komputasi. Tujuan dari penelitian ini adalah melakukan pemodelan data dengan menggunakan analisis random forest lag distributed regression, mengetahui faktor-faktor yang mempengaruhi produksi kelapa sawit, dan melakukan peramalan data produksi kelapa sawit. Berdasarkan penelitian, produksi kelapa sawit memiliki pola non-liniar. Evaluasi terhadap model dilihat nilai korelasi sebesar 0.770. Ukuran evaluasi lainnya dapat dilihat dengan nilai root mean squared error (RMSE) sebesar 59.029, mean absolute error (MAE) sebesar 45.821, dan koefisien determinasi sebesar 0.176. Adapun 5 peubah penting dari model pertama yakni jumlah pohon per blok, luas lahan (hektar), umur kelapa sawit, temperatur lag ke-9, kelembaban udara lag ke-1. Model dengan hanya variabel-variabel penting dari model pertama yang dipilih memiliki kinerja yang lebih baik daripada model dengan semua variabel. Evaluasi model kedua diperoleh nilai korelasi sebesar 0.844. Ukuran evaluasi lainnya dapat dilihat dengan nilai RMSE sebesar 35.634, MAE sebesar 24.573, dan koefisien determinasi sebesar 0.699. Adapun 5 peubah penting dari model kedua yakni jumlah pohon per blok, luas lahan (hektar), temperatur lag ke-9, kecepatan angin lag ke-8, dan umur kelapa sawit. Pemodelan dengan hanya menggunakan peubah penting memiliki kinerja yang lebih baik dibandingkan dengan pemodelan menggunakan seluruh peubah. Peramalan data maksimum dapat dilakukan dengan menggunakan lag minimum yang dipilih berdasarkan peubah penting dari model pertama. Sehingga peramalan data produksi dilakukan untuk 1 bulan ke depan.