DETAIL KOLEKSI

Pemodelan dan visualisasi prediksi produksi padi berdasarkan faktor iklim di provinsi lampung


Oleh : Aulia Rahma Tri Astuti

Info Katalog

Penerbit : FTI - Usakti

Kota Terbit : Jakarta

Tahun Terbit : 2026

Pembimbing 1 : Dedy Sugiarto

Kata Kunci : Keywords: CRISP-DM, Production, Lampung, Multiple Linear Regression, Prediction, ETL, Visualization

Status Posting : Published

Status : Lengkap


File Repositori
No. Nama File Hal. Link
1. 2026_SK_SSI_065002200022_Halaman-Judul.pdf
2. 2026_SK_SSI_065002200022_Surat-Pernyataan-Revisi-Terakhir.pdf
3. 2026_SK_SSI_065002200022_Surat-Hasil-Similaritas.pdf
4. 2026_SK_SSI_065002200022_Halaman-Pernyataan-Persetujuan-Publikasi-Tugas-Akhir-untuk-Kepentingan-Akademis.pdf
5. 2026_SK_SSI_065002200022_Lembar-Pengesahan.pdf
6. 2026_SK_SSI_065002200022_Pernyataan-Orisinalitas.pdf
7. 2026_SK_SSI_065002200022_Formulir-Persetujuan-Publikasi-Karya-Ilmiah.pdf
8. 2026_SK_SSI_065002200022_Bab-1-Pendahuluan.pdf
9. 2026_SK_SSI_065002200022_Bab-2-Landasan-Teori.pdf
10. 2026_SK_SSI_065002200022_Bab-3-Metodologi-Penelitian.pdf
11. 2026_SK_SSI_065002200022_Bab-4-Analisis-dan-Pembahasan.pdf
12. 2026_SK_SSI_065002200022_Bab-5-Kesimpulan-dan-Saran.pdf
13. 2026_SK_SSI_065002200022_Daftar-Pustaka.pdf
14. 2026_SK_SSI_065002200022_Lampiran.pdf

P Produksi beras menjadi indikator utama dalam menilai ketahanan pangan nasional karena beras merupakan makanan pokok bagi sebagian besar masyarakat indonesia. penelitian ini memodelkan dan memvisualisasikan prediksi produksi padi berdasarkan faktor iklim di provinsi lampung, guna memudahkan dalam membaca serta memahami trend produksi padi di indonesia terutama untuk trend produksi padi di provinsi lampung. pengembangan untuk penelitian ini menggunakan metode dasar crisp-dm, yang mana terdapat 6 fase utama yaitu business understanding untuk memahami permasalahan user, data understanding yang meliputi pengumpulan serta eksplorasi data, data preparation di lakukannya proses power query di excel dan etl di pentaho, modeling dimana penelitian ini juga menggunakan metode regresi linear berganda yang mana untuk melakukan analisis serta prediksi untuk memodelkan hubungan antara data produksi dengan iklim, evaluation fase ini dilakukan dengan melakukan uji t, uji f dan nilai r untuk melihat apakah model yang dibangun sudah sesuai dengan tujuan, dan fase terakhir yaitu deployment dengan melakukan visualisasi di power bi. hasil model menunjukkan pengaruh 2 faktor iklim, 38.10% mempunyai pengaruh 38.10% terhadap produktivitas serta 61.90% dijelaskan oleh faktor lain di luar variabel. prediksi juga menunjukkan bahwa pada tahun 2026-2030 akan mengalami kenaikan sebesar 70.57% jumlah produksi dapat di jelaskan oleh tren perubahan tahun. tingkat pertumbuhan produksi diproyeksikan bergerak stabil dan konsisten di kisaran 3,10% hingga 3,41% per tahun. penelitian ini diharapkan dapat membantu dalam pengambilan keputusan yang tepat serta dapat membantu dalam memahami trend produksi padi dengan mudah di sektor pertanian.

A As the staple food for most indonesians, rice production plays a crucial role in evaluating national food stability. this research models and visualizes climate-driven rice yield predictions in lampung province, aiming to streamline the analysis of production trends across indonesia and locally. guided by the six-stage crisp-dm framework, the study spans: business understanding (problem identification); data understanding (collection and exploration); data preparation (executing power query in excel and pentaho etl); modeling (applying multiple linear regression to map climate impacts on yield); evaluation (assessing model performance via t-test, f-test, and r^{2} metrics); and deployment (dashboarding via power bi). findings demonstrate that two climatic variables explain 38.10% of productivity variations, with 61.90% attributed to outside factors. long-term projections for 2026-2030 suggest a 70.57% increase in total output driven by annual trends, with annual growth rates stabilizing between 3.10% and 3.41%. this study provides actionable insights for agricultural decision-makers while making yield trends easier to comprehend.

Bagaimana Anda menilai Koleksi ini ?