Data Mining untuk Memprediksi Jumlah Penjualan Hasil Pertanian Mengunakan Algoritma Forcasting (Studi Kasus : Dinas Pertanian Kabupaten Banggai)

Abstract

INTISASITeknologi data mining sangat berguna dalam membantu memprediksi jumlah  penjualan dalam menemukan informasi yang sangat penting dari data mereka. Data mining mengeksplorasi  basis  data  untuk  menemukan  pola-pola  yang  tersembunyi,  meramalkan jumlah penjualan yang sangat berguna untuk mendukung pengambilan keputusan, pencarian informasi dalam memprediksi yang mungkin saja tidak dilihat atau dilupakan oleh kepemerintahan daerah Kabupaten Banggai, karena di luar dari ekspektasi mereka. Analisis yang otomatisasi dilakukan oleh data mining menjawab pertanyaan-pertanyaan jumlah penjualan hasil panen tanaman pangan yaitu padi, jagung, kedelai dan ubi kayu yang terjual dengan baik dan jika dilakukan dengan cara tradisional memerlukan cukup banyak waktu dalam menjawabnya. Hasil dari model ini adalah menggali informasi dari data hasil panen dan jumlah penjualan tanaman pangan tersebut, sehingga dapat memprediksi jumlah penjuala hasil panen tanaman pangan tersebut yang terjual dan pemerintah daerah bisa memprediksi hasil panen tanaman pangan apa yang lebih serius untuk di tinggkatkan kwalitasnya. Pada penelitian ini untuk memprediksi jumlah penjualan pertanian mengunakan metode forcesting yaitu regresi linier, untuk kemudian dapat menjadi keluaran angka yang dapat di tentukan berapa banyak jumlah penjualan hasil panen tanaman pangan tersebut, dan akan menjadi bahan evaluasi bagi pemerintah daerah untuk setiap jumlah penjualan hasil panen tanaman pangan tersebut. Diharapkan model yang dibuat dalam memprediksi jumlah penjualan untuk setiap hasil panen tanaman pangan tersebut sesuai data yang ada.Kata Kunci: jumlah penjualan, forcasting, prediksi, data mining. ABSTRACTData mining technology is very useful in helping predict the number of sales in finding very important  information  from  their  data.  Data  mining  explored  databases  to  find  hidden patterns, forecast the number of sales which is very useful to support decision making, search for information in predicting what the regional government of Banggai Regency may not see or forget, because it is beyond their expectations. Automated analysis carried out by data mining answers questions on the number of food crops sales, wnamely rice, maize, soybeans and cassava which are sold well and if done in the traditional way requires a lot of time to answer them. The result of this model is to find information from the data on yields and the number of these food plants sales, then it can predict the amount of these crops sales that are sold and the local government can predict the yields of more serious food crops to improve their quality. In this study, to predict the amount of agricultural sales using a calculation method, namely linear regression, then the number output can determine how much the these food crops sales are sold, and will be used as evaluation material for local governments for each total sales of crop yields. It is expected that the model made in predicting the number of sales for each crop yield is in accordance with existing data. Keywords: number of sales, prediction, prediction, data mining