KORELASI DATA FAKTOR PRODUKSI TERHADAP CAPAIAN PRODUKSI KELAPA SAWIT MENGGUNAKAN METODE APRIORI (STUDI KASUS: PT PERKEBUNAN NUSANTARA IV REGIONAL II KEBUN TANJUNG JATI)
Kelapa sawit merupakan salah satu komoditas perkebunan penting yang produksinya dipengaruhi oleh berbagai faktor, seperti luas lahan, usia tanaman, curah hujan, hari hujan, capaian pemupukan, dan rotasi panen. PT Perkebunan Nusantara IV Regional II Kebun Tanjung Jati memiliki data historis faktor produksi dan capaian produksi yang belum dimanfaatkan secara optimal untuk menemukan pola hubungan antarvariabel. Penelitian ini bertujuan menerapkan algoritma Apriori untuk mengidentifikasi aturan asosiasi antara faktor produksi dengan capaian produksi kelapa sawit. Data yang digunakan merupakan data periode 2023–2025 sebanyak 1.692 instances. Pengolahan dilakukan menggunakan perangkat lunak WEKA dengan minimum support 5% dan minimum confidence 90%. Hasil pengujian menghasilkan 585 association rules, kemudian diseleksi berdasarkan kesesuaian tujuh variabel penelitian dan diperoleh 12 rule dengan 7-itemset. Selanjutnya, seleksi berdasarkan struktur faktor produksi sebagai antecedent dan capaian produksi sebagai consequent menghasilkan dua kandidat rule. Best rule diperoleh pada Rule No. 147 dengan kombinasi luas lahan sempit, usia tanaman remaja, curah hujan tinggi, hari hujan sedang, capaian pemupukan cukup, dan rotasi panen banyak menuju capaian produksi rendah. Rule tersebut memiliki support 6,74% dan confidence 100%. Hasil penelitian dapat menjadi informasi pendukung dalam evaluasi kondisi produksi dan pengambilan keputusan berbasis data.
References
[1] B. P. Statistik, “Statistik Tanaman Perkebunan Tahunan Indonesia 2024: Kelapa Sawit, Kopi, Kakao, Karet, Teh, dan Komoditas Perkebunan Unggulan,” Badan Pusat Statistik, 2025.
[2] D. J. Perkebunan, “Laporan Kinerja Direktorat Jenderal Perkebunan Tahun 2025,” Kementerian Pertanian Republik Indonesia, 2026.
[3] Y. Anatesya, A. Fauzi, and R. Saragih, “Implementasi Association Rule pada Sistem Rekomendasi Peningkatan Hasil Pertanian Menggunakan Metode Apriori,” no. 4, 2024.
[4] N. F. Hasan, R. Hammad, D. E. Profesi, and K. Kusrini, “Sistem Pendukung Keputusan Penentuan Kombinasi Paket Produk Pertanian Menggunakan Algoritma Apriori,” Eksplora Inform., vol. 9, no. 1, pp. 38–49, 2019, doi: 10.30864/eksplora.v9i1.261.
[5] A. Sapitri, N. Elisya, N. M. Mustafa, and M. Badrul, “Penerapan Data Mining Menggunakan Algoritma Apriori Untuk Menentukan Minat Customer Parfume Dari Riwayat Data Penjualan,” Inf. Syst. Educ. Prof., vol. 7, no. 1, pp. 11–20, 2022.
[6] N. Q. Rahmawati and Z. Fatah, “IMPLEMENTASI DATA MINING TERHADAP DATA MINAT MAHASISWA MENGGUNAKAN METODE APRIORI,” vol. 2, no. November, pp. 215–228, 2024, doi: https://doi.org/10.29103/jtku.v13i2.195631.
[7] I. E. Mustika, Yunita Ardilla, Abraham Manuhutu, Nazaruddin Ahmad, Imanuddin Hasbi, Guntoro, Melda Agnes Manuhutu, Mohamad Ridwan, Hozairi, Anindya Khrisna Wardhani, Syariful Alim, Ikhsan Romli, Yoga Religia, D Tri Octafian, Unggul Utan Sufandi, Data Mining dan Aplikasinya. Penerbit Widina Bhakti Persada, Bandung, 2021.
[8] T. Ningsih, I. O. Y. Sitompul, and S. D. Siahaan, “Analisa Faktor-Faktor Yang Mempengaruhi Produksi Kelapa Sawit Di Kebun Tanah Raja PT . Bakrie Sumatera Plantations,” no. 2, pp. 166–174, 2023, doi: https://doi.org/10.30596/jasc.v7i2.16628.