Prediksi Jumlah Permintaan Semen Menggunakan Jaringan Syaraf Tiruan Backpropagation
| Main Author: | Pawoko, Mahendro Agni Giri |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2018
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/13912/1/Mahendro%20Agni%20Giri%20Pawoko.pdf http://repository.ub.ac.id/13912/ |
| ctrlnum |
13912 |
|---|---|
| fullrecord |
<?xml version="1.0"?>
<dc schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/ http://www.openarchives.org/OAI/2.0/oai_dc.xsd"><relation>http://repository.ub.ac.id/13912/</relation><title>Prediksi Jumlah Permintaan Semen
Menggunakan Jaringan Syaraf Tiruan Backpropagation</title><creator>Pawoko, Mahendro Agni Giri</creator><subject>006.32 Neural nets (neural networks)</subject><description>Semen merupakan bahan yang penting pada proses pembangunan.
Produksi semen di Indonesia terbilang cukup tinggi jika dibandingkan dengan
jumlah konsumsinya. Kondisi ini mengakibatkan oversupply, yaitu kondisi dimana
jumlah produksi lebih besar dari jumlah konsumsinya. Hal ini mengakibatkan
turunnya harga semen dan penuhnya gudang penyimpanan oleh semen yang
belum laku terjual. Hal ini membuat Asosiasi Semen Indonesia (ASI) mengeluarkan
regulasinya untuk penghentian sementara produksi semen. Penelitian ini
bertujuan untuk melakukan prediksi jumlah permintaan semen pada waktu
berikutnya agar regulasi dapat dikeluarkan lebih cepat sehingga pabrik dapat
menyesuaikan kapasitas produksinya tanpa harus menghentikan produksi. Banyak
metode yang dapat digunakan untuk melakukan prediksi, salah satunya adalah
Jaringan Syaraf Tiruan Backpropagation yang terbukti dapat memberikan hasil
yang baik dalam melakukan prediksi, seperti prediksi jumlah permintaan semen
dan produksi gula. Penelitian ini menggunakan Jaringan Syaraf Tiruan
Backpropagation dengan arsitektur jaringan berupa 6 neuron input, 4 neuron
hidden dan 1 neuron output. Parameter terbaik yang digunakan berupa learning
rate sebesar 0,8, iterasi maksimum sebesar 200 dan interval bobot awal antara -
1,4 sampai dengan 1,4. Nilai MSE prediksi terbaik yang didapat adalah sebesar
0,049064.</description><date>2018-08-02</date><type>Thesis:Thesis</type><type>PeerReview:NonPeerReviewed</type><type>Book:Book</type><language>eng</language><identifier>http://repository.ub.ac.id/13912/1/Mahendro%20Agni%20Giri%20Pawoko.pdf</identifier><identifier> Pawoko, Mahendro Agni Giri (2018) Prediksi Jumlah Permintaan Semen Menggunakan Jaringan Syaraf Tiruan Backpropagation. Sarjana thesis, Universitas Brawijaya. </identifier><relation>SKR/FTIK/2018/739/051808801</relation><recordID>13912</recordID></dc>
|
| language |
eng |
| format |
Thesis:Thesis Thesis PeerReview:NonPeerReviewed PeerReview Book:Book Book |
| author |
Pawoko, Mahendro Agni Giri |
| title |
Prediksi Jumlah Permintaan Semen
Menggunakan Jaringan Syaraf Tiruan Backpropagation |
| publishDate |
2018 |
| topic |
006.32 Neural nets (neural networks) |
| url |
http://repository.ub.ac.id/13912/1/Mahendro%20Agni%20Giri%20Pawoko.pdf http://repository.ub.ac.id/13912/ |
| contents |
Semen merupakan bahan yang penting pada proses pembangunan.
Produksi semen di Indonesia terbilang cukup tinggi jika dibandingkan dengan
jumlah konsumsinya. Kondisi ini mengakibatkan oversupply, yaitu kondisi dimana
jumlah produksi lebih besar dari jumlah konsumsinya. Hal ini mengakibatkan
turunnya harga semen dan penuhnya gudang penyimpanan oleh semen yang
belum laku terjual. Hal ini membuat Asosiasi Semen Indonesia (ASI) mengeluarkan
regulasinya untuk penghentian sementara produksi semen. Penelitian ini
bertujuan untuk melakukan prediksi jumlah permintaan semen pada waktu
berikutnya agar regulasi dapat dikeluarkan lebih cepat sehingga pabrik dapat
menyesuaikan kapasitas produksinya tanpa harus menghentikan produksi. Banyak
metode yang dapat digunakan untuk melakukan prediksi, salah satunya adalah
Jaringan Syaraf Tiruan Backpropagation yang terbukti dapat memberikan hasil
yang baik dalam melakukan prediksi, seperti prediksi jumlah permintaan semen
dan produksi gula. Penelitian ini menggunakan Jaringan Syaraf Tiruan
Backpropagation dengan arsitektur jaringan berupa 6 neuron input, 4 neuron
hidden dan 1 neuron output. Parameter terbaik yang digunakan berupa learning
rate sebesar 0,8, iterasi maksimum sebesar 200 dan interval bobot awal antara -
1,4 sampai dengan 1,4. Nilai MSE prediksi terbaik yang didapat adalah sebesar
0,049064. |
| id |
IOS4666.13912 |
| institution |
Universitas Brawijaya |
| affiliation |
mill.onesearch.id fkp2tn.onesearch.id |
| institution_id |
30 |
| institution_type |
library:university library |
| library |
Perpustakaan Universitas Brawijaya |
| library_id |
480 |
| collection |
Repository Universitas Brawijaya |
| repository_id |
4666 |
| subject_area |
Indonesian Language Collection/Kumpulan Karya Umum dalam Bahasa Indonesia* |
| city |
MALANG |
| province |
JAWA TIMUR |
| shared_to_ipusnas_str |
1 |
| repoId |
IOS4666 |
| first_indexed |
2019-03-28T02:18:36Z |
| last_indexed |
2021-10-28T06:49:49Z |
| recordtype |
dc |
| _version_ |
1751453698140143616 |
| score |
17.538404 |