PREDIKSI PERMINTAAN KEBUTUHAN CABAI DI KOTA BATU MENGGUNAKAN METODE EXTREME LEARNING MACHINE

Putri, Faradella Widya and Ekojono, Ekojono and Rahmanto, Anugrah Nur (2020) PREDIKSI PERMINTAAN KEBUTUHAN CABAI DI KOTA BATU MENGGUNAKAN METODE EXTREME LEARNING MACHINE. Diploma thesis, Teknologi Informasi.

	Text Cover.pdf Restricted to Registered users only Download (450kB) | Request a copy
	Text Bab I.pdf Restricted to Registered users only Download (308kB) | Request a copy
	Text Bab II.pdf Restricted to Registered users only Download (591kB) | Request a copy
	Text Bab III.pdf Restricted to Registered users only Download (496kB) | Request a copy
	Text Bab IV.pdf Restricted to Registered users only Download (1MB) | 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 (651kB) | Request a copy
	Text Bab VII.pdf Restricted to Registered users only Download (193kB) | Request a copy
	Text Daftar Pustaka.pdf Restricted to Registered users only Download (399kB) | Request a copy
	Text Lampiran.pdf Restricted to Registered users only Download (200kB) | Request a copy

Abstract

Jumlah ketersediaan dengan jumlah permintaan cabai yang tidak selalu seimbang disebabkan karena tidak stabilnya jumlah produksi dengan jumlah permintaan konsumen dapat memberikan dampak pada ketidakstabilan harga cabai. Apabila permintaan meningkat namun produksi menurun, harga cabai mengalami kenaikan. Sebaliknya, jika permintaan menurun namun produksi meningkat, harga cabai mengalami penurunan. Oleh karena itu, prediksi permintaan kebutuhan cabai terutama di Kota Batu dibutuhkan sebagai pertimbangan untuk merencanakan langkah-langkah strategis dalam menjaga kestabilan antara permintaan kebutuhan dengan produksi cabai. Penelitian ini menerapkan metode dari Jaringan Syaraf Tiruan (JST) yaitu Extreme Learning Machine (ELM) untuk memprediksi permintaan kebutuhan cabai di Kota Batu. Data fitur yang digunakan untuk prediksi yaitu data harga, produksi dan ketersediaan. Berdasarkan pengujian yang dilakukan dalam penelitian ini, menghasilkan tingkat error terkecil menggunakan hidden neuron berjumlah 1 sebesar 0.0217 untuk data cabai rawit dan 0,0449 untuk data cabai merah besar. Pengujian tersebut menggunakan data training 90% dan data testing 10%. Dari hasil evaluasi error menunjukkan bahwa metode ELM baik digunakan dalam prediksi permintaan kebutuhan cabai di Kota Batu. Hal ini dikarenakan metode ELM merupakan jaringan feedforward menggunakan parameter-parameter yaitu nilai input weight dan bias yang didapatkan secara acak dalam suatu rentang tertentu. Nilai input weight memiliki rentang antara -1 hingga 1, sedangkan nilai bias antara 0 hingga 1. Dengan nilai yang didapatkan secara acak tersebut, nilai kesalahan yang dihasilkan kecil dan hasil prediksi yang tidak stabil dihindari.

Item Type:	Thesis (Diploma)
Uncontrolled Keywords:	Tanaman Cabai, Permintaan Kebutuhan, Jaringan Syaraf Tiruan (JST), Extreme Learning Machine, Mean Square Error (MSE)
Subjects:	A Computer Science > Information Science
Divisions:	Jurusan Teknologi Informasi > Teknik Informatika
Depositing User:	Faradella Widya Putri
Date Deposited:	14 Sep 2020 13:20
Last Modified:	14 Sep 2020 13:20
URI:	http://repota.jti.polinema.ac.id/id/eprint/68

Actions (login required)

View Item