View/Open

Author
Hizkia Christovita, Siahaan

Date Published
08 Oct 2026

Advisor
Meida Cahyo Untoro, S.Kom., M.Kom,

Subject
Teknik Informatika

Publisher

Perencanaan produksi tandan buah segar di PT XYZ masih bertumpu pada sensus buah manual dan anggaran berbasis pengalaman historis yang memakan waktu serta belum mampu menangkap interaksi antar faktor agronomis, klimatologis, dan temporal secara serentak. Penelitian ini mengevaluasi kinerja algoritma XGBoost yang dioptimasi melalui Bayesian Hyperparameter Optimization dalam memprediksi hasil panen kelapa sawit pada tingkat blok dengan resolusi bulanan, serta menginterpretasikan model tersebut menggunakan SHAP. Data penelitian berasal dari integrasi empat sumber milik perusahaan, yaitu data produksi, areas statement, curah hujan, dan pemupukan, yang menghasilkan 25.209 baris pengamatan sepanjang 2021–2025 dengan 13 fitur akhir dan data tahun 2020 sebagai periode penyangga pengisian fitur lag. Pembagian data dilakukan berbasis waktu tanpa pengacakan, yaitu 2021–2023 sebagai data latih, 2024 sebagai data validasi, dan 2025 sebagai data uji. Optimasi hyperparameter dijalankan menggunakan Optuna dengan sampler TPE sebanyak 200 trial. Hasil evaluasi pada data uji menunjukkan WAPE sebesar 19,678%, MAE sebesar 7,951 ton, RMSE sebesar 10,651 ton, dan

URI
https://repository.itera.ac.id/depan/submission/SB2610070026

Keyword
Bayesian Optimization SHAP XGBoost Prediksi Hasil Panen Kelapa Sawit