Author: Mustakim, Agus Buono, Irman Hermadi

Publish: Jurnal Sains, Teknologi dan Industri, Vol. 12, No. 2, Juni 2015

Abstrak:
Krisis energi yang melanda wilayah Provinsi Riau dan sekitarnya memberikan dampak penurunan nilai ekonomi masyarakat, hal tersebut disebabkan salah satunya adalah negara selalu bergantung kepada sumber energi fosil. Upaya pemerintah untuk mengatasi krisis energi telah dilakukan dengan mengganti energi fosil dengan energi alternatif terbarukan dari limbah kelapa sawit. Produksi dan produktivitas kelapa sawit di Provinsi Riau memiliki peringkat terbesar di Indonesia, hal ini menjadi gambaran akan terwujudnya energi alternatif masa depan di Riau. Penelitian ini melakukan prediksi produksi dan produktivitas untuk kedepannya dengan menggunakan metode Support Vector Regression. Dari hasil percobaan yang dilakukan, diperoleh nilai prediksi untuk kedepannya mengalami penurunan hingga 52% dan hanya mengalami kenaikan 5 dari 74 lokasi sebesar 8% . Kernel SVR terbaik dari kombinasi percobaan ini adalah Radial Basis Function(RBF) dengan koefisien determinasi (R2) sebesar 95% dan nilai error galat (MSE) sebesar 6% terdapat pada fold 1 dengan rentang γ=20 dan C 23.Hasil prediksi menunjukkan penurunan persentase produktivitas kelapa sawit untuk periode tahun berikutnya. Selisih data aktual dengan prediksi untuk rata-rata seluruh lokasi mencapai 10% dengan nilai penurunan hingga 52% dan 5 lokasi yang mengalami kenaikan sebesar 8% untuk periode selanjutnya.

Kata Kunci: Energi Terbarukan, Kelapa Sawit, Radial Basis Function, Support Vector Regression

Kesimpulan:
Dari percobaan yang dilakukan diperoleh model terbaik SVR yaitu pada kernel RBF dengan koefisien determinasi (R2) sebesar 95% dengan nilai error galat (MSE) sebesar 6% terdapat pada fold 1 dengan rentang γ=20 dan C 2 3. Penentuan optimasi dari parameter C pada setiap kernel yaitu semakin tinggi atau besar nilai C maka semakin besar pula nilai MSE yaitu pada C pada rentang 24 dan 25 dan γ pada rentang 2-5 dan 24.Berdasarkan hasil perbandingan diperoleh model terbaik pada RBF yaitu pada fold 1 dengan nilai MSE sebesar 6% dan R2 sebesar 95% dengan rentang nilai γ=20 dan C 23. Dalam percobaan ini juga diperoleh nilai MSE terkecil 1,4% pada fold 2 akan tetapi pada rentang terbaik hanya memiliki nilai koefisien korelasi sebesar 67%. Oleh karena itu model diambil berdasarkan nilai koefisien determinasi tertinggi yaitu pada fold 1.
Dari skaterplot dapat dilihat bahwa kernel Linear dan Polynomial lebih cenderung menjauhi data aktualnya dibandingkan dengan kernel RBF. Secara konsep dan matematis prediksi akan diambil berdasarkan model terbaik dengan pola data yang tidak saling berjauhan secara signifikan. Hasil prediksi menunjukkan penurunan persentase produktivitas kelapa sawit untuk periode berikutnya. Nilai selisih data aktual dengan prediksi untuk rata-rata seluruh lokasi mencapai 10% dengan nilai penurunan hingga 52% dan 5 lokasi yang mengalami kenaikan sebesar 8% untuk periode selanjutnya.

Sumber Gambar