Penerapan Algoritma Long Short-Term Memory untuk Prediksi Produksi Kelapa Sawit

Abstract

Kelapa sawit memberikan kontribusi yang besar bagi perkembangan perekonomian Indonesia. Salah satunya ekspor non migas negara dan yang terus mengalami pertumbuhan yang dilakukan perusahaan kelapa sawit. PT XYZ merupakan salah satu perusahaan kelapa sawit yang mengolah kelapa sawit menjadi minyak kelapa sawit. Dalam menghadapi permintaan minyak kelapa sawit dunia yang terus meningkat, PT. XYZ berkomitmen untuk meningkatkan produksinya. Untuk meningkatkan produksi, PT XYZ telah menetapkan target produksi dengan melakukan prediksi produksi kelapa sawit menggunakan metode Global Telling. Namun, metode ini kurang efektif karena tidak dilakukan secara berkala. Untuk itu, diperlukan suatu metode yang dapat mempelajari pola panen setiap bulannya untuk membuat target produksi. Penelitian ini menerapkan Algoritma Long Short-Term Memory dengan percobaan beberapa parameter untuk menemukan model terbaik yang dapat memprediksi produksi kelapa sawit secara akurat. Berdasarkan hasil percobaan, model dengan optimizer RMSprop, learning rate 0.001, dan batch size 8 merupakan model dengan parameter terbaik dengan nilai RMSE 0.1725, MAPE 0.5087, dan R2 0.0578. Model tersebut memprediksi bahwa produksi kelapa sawit akan mengalami penurunan