ANALISA PREDIKSI PRODUKSI KELAPA

SAWIT DENGAN METODE LEARNING VECTOR

QUANTIZATION PADA
PT. MUARATOYU SUBUR LESTARI
PROPOSAL TESIS
OLEH

MELISA NOVITA PUTRI SUSANTI SIREGAR

161802029

PROGRAM STUDI MAGISTER AGRIBISNIS

PROGRAMCompany
PASCASARJANA
LOGO
UNIVERSITAS
MEDAN
MEDAN AREA

2019
BAB I PENDAHULUAN
LATAR BELAKANG
 PT. Muaratoyu Subur Lestari mengelola usaha kelapa sawit dari
mulai penanaman hingga memproduksi minyak mentah.
Perusahaan ini membutuhkan perhitungan yang akurat untuk
memprediksi pertumbuhan produksi kelapa sawit di masa yang
akan datang.
 Produksi kelapa sawit tidak selamanya mengalami peningkatan,
kadang ada produksi di tahun sebelumnya mengalami peningkatan
yang besar sementara pada tahun-tahun berikutnya mengalami
penurunan. Hal ini sering terjadi pada pengelola perkebunan. Hal
ini dapat diprediksi berdasarkan data-data yang sudah pernah ada
pada beberapa tahun produksi yang sudah berlalu.
 Prediksi yang dilakukan secara manual akan sangat sulit dilakukan
mengingat data-data kelapa sawit sangatlah banyak dan besar.
Prediksi produksi dapat dilakukan dengan bantuan ilmu komputer
yaitu dengan menerapkan Jaringan Syaraf Tiruan.
 LATAR BELAKANG

 Metode Learning Vector Quantization adalah salah satu metode

yang dapat digunakan untuk memprediksi produksi kelapa sawit
pada tahun mendatang apakah kelapa sawit memiliki
peningkatan atau penurunan.
 Learning Vector Quantization adalah suatu teknik yang dilakukan
untuk mengklasifikasi data berdasarkan kelas-kelas tertentu
berdasarkan data-data yang sudah dilatih sebelumnya. Data yang
dilatih merupakan data-data produksi tahun sebelumnya. Dengan
pengolahan data sebelumnya dapat diperdiksi produksi kelapa
sawit pada tahun-tahun berikutnya.
 TUJUAN PENELITIAN

Tujuan dari penelitian ini adalah:

Untuk mengetahui produksi kelapa sawit pada

tahun-tahun mendatang.

Untuk mengetahui cara kerja metode Learning Vector

Quantization pada perhitungan prediksi kelapa sawit.

Untuk menentukan langkah yang diambil dalam

penanganan penurunan produksi kelapa sawit.
 MANFAAT PENELITIAN

Manfaat yang diperolah dalam pelaksanaan

penelitian ini adalah sebagai berikut :

Membantu perusahaan kelapa sawit untuk memprediksi

produksi kelapa sawit pada tahun mendatang.

Memberikan informasi penerapan metode Learning Vector

Quantization pada prediksi produksi kelapa sawit.
 RUMUSAN MASALAH

Pada bagian ini akan dijelaskan apa yang menjadi masalah

dan bagaimana penguraian masalah tersebut. Adapun
rumusan masalah yang diuraikan adalah sebagai berikut:

Bagaimana memprediksi kelapa sawit degan

Metode Learning Vector Quantization?

Bagaimana mengantisipasi penurunan peningkatan

produksi pada tahun mendatang?

Bagaimana menganalisa perhitungan Learning Vector

Quantization pada variabel yang terkait?
 BATASAN MASALAH

Data produksi kelapa sawit yang digunakan adalah data

produksi kelapa sawit dari tahun 2013 sampai tahun 2017
untuk tahun tanam sawit 2007.

Variabel input yang digunakan adalah berjumlah sembilan

parameter. Variabel tersebut antara lain:
X1 = tahun produksi
X2 = tahun ditanam
X3 = bulan
X4 = umur kelapa sawit
X5 = luas lahan
X6 = jumlah pokok
X7 = jumlah hari panen
X8 = jumlah pupuk
X9 = jumlah produksi sebelumnya

Variabel output yang digunakan adalah berjumlah dua parameter.

Variabel tersebut antara lain:
Y1 = produksi rendah
Y2 = produksi tinggi
BAB II TINJAUAN PUSTAKA
KELAPA SAWIT

Kelapa sawit berasal dari bahasa latin Elaeis Guineensis. Ini adalah
buah yang diproduksi untuk mendapatkan minyak sawit. Minyak ini
adalah minyak nabati yang paling banyak digunakan dalam
kehidupan manusia. Awalnya kelapa sawit berasal dari Afrika Barat
(London, 2016). Kelapa sawit secara tradisional ditanam sebagai
tanaman subsisten dalam sistem pertanian skala kecil selama
bertahun-tahun lamanya. Kelapa sawit merupakan buah besar
yang terdiri dari biji-biji sawit seperti pada gambar berikut ini.

Biji Sawit
 Crude Palm Oil (CPO)

1. Dalam industri pangan minyak kelapa sawit digunakan dalam

bentuk minyak goreng, butter dan bahan untuk membuat kue-
kue.
2. Dalam industri non-pangan minyak kelapa sawit digunakan
sebagai bahan baku untuk industri farmasi, kandungan minor
antara lain karoten dan tokoferol sangat berguna untuk
mencegah kebutaan (defisiensi vitamin A) dan pemusnahan
radikal bebas yang selanjutnya juga bermanfaat untuk
mencegah kanker, arterosklerosis, dan memperlambat proses
penuaan.
3. Minyak sawit dapat digunakan sebagai bahan bakar alternatif
yang dikenal dengan nama palm biodiesel. Manfaat kelapa
sawit lainnya yaitu tempurung buah kelapa sawit untuk arang
aktif, batang dan tandan sawit untuk pulp kertas, batang
kelapa sawit untuk perabot dan papan partikel, batang dan
pelepah kelapa sawit dapat dijadikan sebagai pakan ternak.
 JARINGAN SYARAF TIRUAN

Jaringan Saraf Tiruan (JST) adalah model komputasi yang terinspirasi

dari cara kerja jaringan saraf biologis dalam informasi proses otak
manusia. Jaringan Saraf Tiruan telah menghasilkan banyak kontribusi
dalam penelitian dan dunia teknologi. Dalam multimedia, pengenalan
suara, visi komputer dan pemrosesan teks semakin banyak
menggunakan teknologi Jaringan Syaraf Tiruan. Satuan terkecil pada
JST adalah neuron. Istilah ini sering juga disebut node atau unit. Neuron
akan menerima input dari beberapa neuron lain, atau dari sumber
eksternal dan melakukan proses perhitungan bobot yang kemudian akan
menghasilkan output. Setiap input memiliki bobot (w), yang ditetapkan
berdasarkan nilai tertentu
 LEARNING VECTOR QUANTIZATION

Learning Vector Quantization merupakan teknik pendekatan yang digunakan untuk

mengklasifikasikan data berdasarkan kelas-kelas tertentu. Metode ini merupakan
salah satu metode pada jaringan saraf tiruan.

Gambar berikut menunjukkan arsitektur LVQ yang sangat mirip dengan arsitektur
KSOM. LVQ memiliki tiga bagian yaitu pemberian nilai input (X), pemberian bobot
(W) dan perhitungan output berdasarkan nilai input dan bobot yang diberikan (Y).
Pada arsitektur tersebut dijelaskan bahwa ada "n" jumlah unit input dan "m" jumlah
unit output. Lapisan-lapisan itu saling terhubung sepenuhnya dengan memiliki bobot
masing-masing.
 LANJUTAN

Dalam melaksanakan perhitungan LVQ, ada beberapa tahapan pelaksanaan

yang harus dilakukan sebagaimana dijelaskan berikut ini :
• X1, Xi - Xn merupakan vektor input. Kemudian vektor-vektor input tersebut
dihubungkan ke vektor Y1, Yj hingga Ym.
• W11 sampai Wnm merupakan vektor bobot pertama dan terakhir. W1
merupakan vektor bobot yang menghubungkan setiap neuron pada
lapisan input ke neuron pertama pada lapisan output, sedangkan W nm
merupakan vektor bobot yang menghubungkan setiap neuron pada
lapisan input Xn ke neuron Ym pada lapisan output.
• Fungsi aktivasi akan digunakan pada saat telah melewati Y. Fungsi ini
akan memetakan Y1 ke Y1 = 1 dan ||X – W1|| < ||X – W2||, dan Y1 = 0
• Y1 , Yj dan Ym merupakan output pertama hingga terakhir dari jaringan
LVQ.
KERANGKA PEMIKIRAN

PT. Muaratoyu Subur Lestari

(Triputra Group) adalah salah satu
badan usaha swasta yang
bergerak di sektor perkebunan
Indonesia. Perusahaan ini
memproduksi kelapa sawit dan
CPO. Ada sembilan variabel yang
merupakan unsur penting dalam
menentukan hasil produksi apakah
semakin meningkat atau semakin
menurun. Dalam pelaksanaannya,
perhitungan prediksi pada produksi
kelapa sawit memerlukan
perhatian yang serius untuk
meminimalisir biaya serta
meningkatkan keuntungan
perusahaan.
 HIPOTESIS
1. Peningkatan produksi kelapa sawit dipengaruhi oleh
sembilan variabel pendukung.
2. Produksi kelapa sawit pada tahun mendatang dapat
ditingkatkan berdasarkan kombinasi variabel yang tepat.
3. PT. Muaratoyu Subur Lestari (Triputra Group) dapat
meminimalisir biaya produksi dengan mengetahui
kelemahan pada tiap-tiap variabel.

http://forbil.org/id/article/23/kondisi-dan-kompetisi-diversifikasi-produk-kelapa-sawit-indonesia
BAB III METODE PENELITIAN

• PT. MUARATOYU SUBUR

LOKAS LESTARI (TRIPUTRA
I GROUP)

WAKTU • NOVEMBER-JANUARI
2019
 BENTUK PENELITIAN

Bentuk penelitian yang dilaksanakan adalah

dengan menganalisis pengaruh sembilan
variabel antara lain tahun produksi (X1), tahun
mulai ditanam (X2), bulan (X3), umur tanaman
(X4), luas lahan (X5), jumlah pokok (X6),
jumlah hari panen (X7), jumlah pupuk(X8), dan
jumlah produksi sebelumnya (X9) terhadap
produksi kelapa sawit apakah semakin
meningkat atau menurut.
 POPULASI DAN SAMPLE

Populasi dalam penelitian ini adalah

keseluruhan dari objek penelitian yang terdapat
dalam produksi dan pengolahan PT. Muaratoyu
Subur Lestari (Triputra Group) yang antara lain
adalah perusahaan pengelola CPO kelapa
sawit. Penulis menggunakan sampel data
produksi kelapa sawit sebanyak 60 sampel
atau 60 bulan yaitu data produksi pada PT.
Muaratoyu Subur Lestari (Triputra Group) dari
bulan Januari 2013 sampai dengan Desember
2017.
 TEKNIK ANALISIS DATA

Seluruh data penelitian yang telah dikumpulkan untuk diolah,

kemudian akan dianalisis dengan menggunakan software Microsoft
Visual Studio 2010 untuk membuktikan dan memprediksi tingkat
produksi kelapa sawit pada tahun-tahun mendatang. Kemudian
merancang kode program untuk menyesuaikan hasil berdasarkan
variabel-variabel yang ditentukan sebelumnya. Penentuan output
berdasarkan dua kelas yang ditetapkan sebagai hasil prediksi sesuai
dengan yang dibutuhkan oleh metode Learning Vector Quantization.
Produksi rendah (Y1) dan produksi tinggi (Y2) merupakan output dari
analisis data. Produksi tinggi diperoleh apabila hasil produksi kelapa
sawit di atas hasil data produksi kelapa sawit yang telah ditetapkan
sesuai dengan hasil produksi pada tahun-tahun sebelumnya. Apabila
produksi kelapa sawit berada dibawah dari data produksi kelapa
sawit yang telah ditentukan, maka produksi kelapa sawit tersebut
masuk ke produksi rendah.
MELISA NOVITA PUTRI SUSANTI SIREGAR
Company
LOGO
161802029