IMPLEMENTASI JARINGAN SARAF TIRUAN MENGGUNAKAN METODE ELM UNTUK MEMPREDIKSI VOLUME IMPOR KEDELAI NASIONAL

Yasmini, Yasmini and Ekojono, Ekojono and Harijanto, Budi (2020) IMPLEMENTASI JARINGAN SARAF TIRUAN MENGGUNAKAN METODE ELM UNTUK MEMPREDIKSI VOLUME IMPOR KEDELAI NASIONAL. Diploma thesis, Jurusan Teknologi Informasi.

	Text Cover.pdf Restricted to Registered users only Download (382kB) | Request a copy
	Text Bab I.pdf Restricted to Registered users only Download (80kB) | Request a copy
	Text Bab II.pdf Restricted to Registered users only Download (322kB) | Request a copy
	Text Bab III.pdf Restricted to Registered users only Download (56kB) | Request a copy
	Text Bab IV.pdf Restricted to Registered users only Download (783kB) | Request a copy
	Text Bab V.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text Bab VI.pdf Restricted to Registered users only Download (81kB) | Request a copy
	Text Bab VII.pdf Restricted to Registered users only Download (7kB) | Request a copy
	Text Daftar Pustaka.pdf Restricted to Registered users only Download (72kB) | Request a copy
	Text Lampiran.pdf Restricted to Registered users only Download (20kB) | Request a copy

Abstract

Indonesia adalah negara penghasil kedelai urutan ke 13 didunia pada tahun 2016 dengan jumlah produksi sebanyak 967,876 ton, dan tahun 2017 Indonesia urutan ke 15 dengan jumlah produksi sebanyak 542,000 ton. Meskipun indonesia merupakan negara penghasil kedelai, namun indonesia masih tetap menjadi negara pengimpor kedelai. Pemerintah melakukan kebijakan impor kedelai untuk memenuhi kebutuhan masyarakat. Selain dari jumlah permintaan dan jumlah produksi yang dapat mempengaruhi dalam melakukan kegiatan impor yaitu harga domestik yang apabila harga domestik lebih mahal dibandingkan harga kedelai impor, maka masyarakat akan memilih untuk membeli kedelai impor yang harganya relatif murah. Ketika permintaan kedelai impor semakin meningkat, maka tingkat ketergantungan impor kedelai menjadi lebih tinggi. Ketika konsumsi yang semakin meningkat maka juga diimbangi dengan produksi agar dapat memenuhi kebutuhan nasional. Penting adanya forecasting (prediksi) volume impor kedelai yang akurat sebagai pertimbangan untuk merencanakan langkah-langkah strategis dalam menjaga kestabilan swasembada kedelai nasional. Pada penelitian ini dibangun sebuah sistem forecasting dengan menggunakan metode dari Jaringan Syaraf Tiruan yaitu Extreme Learning Machine (ELM) untuk prediksi volume impor kedelai. ELM merupakan metode jaringan syaraf tiruan feedforward dengan single hidden layer atau disebut dengan Feedforward Neural Networks (SLFNs). Metode pembelajaran ELM memiliki kelebihan untuk mengatasi kelemahan-kelemahan dari jaringan syaraf tiruan feedforward terutama dalam hal learning speed. Berdasarkan pengujian yang dilakukan dalam penelitian ini menghasilkan tingkat error terkecil mengunakan jumlah neuron berjumlah 5 dengan nilai MAPE sebesar 11% Hasil pengujian ini menggunakan data training sebesar 90% (15 data) dan data testing sebesar 10% (2 data) dari keseluruhan jumlah data yaitu 17 data. Hasil dari evaluasi error menunjukkan bahwa metode ELM bagus digunakan dalam prediksi impor kedelai nasional.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Impor Kedelai, Prediksi, Jaringan Syaraf Tiruan (JST), Extreme Learning Machine (ELM), Mean Absolute Percentage Error (MAPE)
Subjects:	A Computer Science > Computer Programming
Divisions:	Jurusan Teknologi Informasi > Teknik Informatika
Depositing User:	yasmini -
Date Deposited:	08 Oct 2020 14:00
Last Modified:	09 Oct 2020 07:35
URI:	http://repota.jti.polinema.ac.id/id/eprint/194

Actions (login required)

View Item