PREDIKSI EKSPOR LADA PUTIH DI INDONESIA MENGGUNAKAN METODE RESILIENT BACKPROPAGATION

MUHAMMAD, MAHENDRA (2023) PREDIKSI EKSPOR LADA PUTIH DI INDONESIA MENGGUNAKAN METODE RESILIENT BACKPROPAGATION. Other thesis, STIKOM Tunas Bangsa.

[thumbnail of PREDIKSI EKSPOR LADA PUTIH DI INDONESIA MENGGUNAKAN METODE RESILIENT BACKPROPAGATION] Other (PREDIKSI EKSPOR LADA PUTIH DI INDONESIA MENGGUNAKAN METODE RESILIENT BACKPROPAGATION)
041-Prediksi Ekspor Lada Putih Di Indonesia Menggunakan Metode Resilient Backpropagation - Muhammad Mahendra.pdf
Restricted to Registered users only

Download (3MB) | Request a copy

Abstract

Lada merupakan salah satu komoditas keunggulan sub zona perkebunan dengan
perkembangan penciptaan yang besar di Indonesia. Ekspor Lada putih di
Indonesia hadapi pertumbuhan yang lumayan signifikan dalam sebagian tahun
terakhir. Tetapi penciptaan yang besar tersebut belum bisa diserap seluruhnya di
dalam negara. Surplus penciptaan lada kesimpulannya jadi penawaran ke luar
negara. Resilient Backpropagation sanggup melaksanakan prediksi bersumber
pada data yang telah dulu sekali( times series).Resilient Backpropagation ialah
hasil pengembangan dari Backpropagation. Penelitian ini bertujuan untuk
memprediksi ekspor lada putih di Indonesia. Dataset yang digunakan adalah data
ekspor lada putih di Indonesia dari tahun 2016 sampai dengan tahun 2022 yang
diperoleh dari Badan Pusat Statistik. Berdasarkan data ini, model arsitektur yang
digunakan adalah 3-3-1, 3-18-1, 3-35-1, 3-38-1, dan 3-42-1 (trainrp). Dari kelima
model arsitektur tersebut terdapat model terbaik yaitu 3-38-1 yang digunakan
sebagai pada tahap prediksi dengan nilai akurasi yang tinggi yaitu 100% dengan
nilai MSE 0,16323767. Hasil dari peneilitian ini adalah prediksi ditahun 2022
sebesar 2182,2 ton pada tahun 2023 dengan hasil 537,7 ton dan pada tahun 2024
menghasilkan sebesar 124,90 ton.

Kata kunci : Lada, Jaringan Saraf Tiruan, Algoritma Resilient Backpropagation

Item Type: Thesis (Other)
Subjects: Q Science > QA Mathematics > QA76 Computer software
Divisions: Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User: Perpustakaan STIKOM TB
Date Deposited: 24 Apr 2024 07:29
Last Modified: 24 Apr 2024 07:29
URI: http://repository.stikomtb.ac.id/id/eprint/54

Actions (login required)

View Item
View Item