An integration of intelligent approaches and economic criteria for predictive analytics of occupational accidents

Gholamizadeh, Kamran; Zarei, Esmaeil; Yazdi, Mohammad; Rodrigues, Matilde A.; shirmohammadi-Khorram, Nasrin; Mohammadfam, Iraj

doi:10.1016/j.dajour.2023.100357

Cited by 10 publications

(1 citation statement)

References 53 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Mean Relative Absolute Error (MARE) adalah metrik evaluasi yang mengukur kesalahan rata-rata antara nilai yang diobservasi dan nilai yang diprediksi pada analisis regresi. Nilai MERA yang positif menunjukkan bahwa model cenderung memprediksi nilai yang lebih tinggi daripada nilai sebenarnya, sedangkan nilai MERA yang negatif menunjukkan bahwa model cenderung memprediksi nilai yang lebih rendah daripada nilai sebenarnya [10].…”

Section: Mean Relative Absolute Error (Mera)unclassified

Implementasi Algoritma Regresi Linear Berganda Untuk Prediksi Produksi Padi Di Kabupaten Cirebon

Muharromah,

Suarna,

Prihartono

2024

jati

View full text Add to dashboard Cite

Produksi padi merupakan aspek penting dalam upaya meningkatkan hasil pertanian dan mencangkupi kebutuhan pangan di seluruh dunia termasuk masyarakat indonesia. Permasalahan Badan Pusat Statistik (BPS) kabupaten Cirebon pada tahun 2022 mencatat jumlah penduduk sebesar 2.315.417 jiwa. Bertambahnya jumlah penduduk pada setiap tahun berbanding lurus dengan kondisi lahan pertanian yang semakin berkurang dan dikarenakan permintaan kebutuhan pokok yang semakin meningkat. Untuk memperkirakan jumlah penanaman yang akan dilakukan untuk memenuhi kebutuhan pangan, diperlukan prediksi hasil panen. Penelitian ini bertujuan untuk memperoleh pemahaman dan mengidentifikasi antara berbagai faktor yang mempengaruhi dan memiliki dampak yang signifikan terhadap hasil panen padi sehingga petani dan pemerintah dapat membuat keputusan yang lebih efektif. Metode yang digunakan dalam penelitian ini dengan menggunakan algoritma regresi linear berganda untuk memprediksi produksi padi dengan bantuan tools RapidMiner dan Google colaboratory. Hasil pada penelitian ini dengan menggunakan algoritma regresi linear berganda dengan cara menentukan nilai RMSE sebesar 0.0389540394101773, Mean Absolute Error (MAE) sebesar 0.028798691778501424 dan Mean Relative Absolute Error (MARE) sebesar -0.24438968292049496. Penelitian ini diharapkan mendukung upaya meningkatkan ketahanan pangan di seluruh dunia dengan memberikan dasar ilmiah untuk pengembangan praktik pertanian yang lebih efektif dan berkelanjutan yang meningkatkan produksi padi, yang merupakan sumber makanan pokok bagi banyak orang di seluruh dunia.

show abstract

Section: Mean Relative Absolute Error (Mera)unclassified