Prediksi Jumlah Produksi Kelapa Sawit Menggunakan Metode Extreme Learning Machine Pada Studi Kasus PT Sandabi Indah Lestari Kota Bengkulu
| Main Author: | Agasta, Ema |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2018
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/14017/1/Ema%20Agasta.pdf http://repository.ub.ac.id/14017/ |
| ctrlnum |
14017 |
|---|---|
| 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/14017/</relation><title>Prediksi Jumlah
Produksi Kelapa Sawit Menggunakan Metode Extreme Learning Machine Pada
Studi Kasus PT Sandabi Indah Lestari Kota Bengkulu</title><creator>Agasta, Ema</creator><subject>006.31 Machine learning</subject><description>Kelapa sawit merupakan tanaman perkebunan yang menjadi sektor nomor
satu di Indonesia. Tanaman ini memiliki biaya dan hasil produksi yang lebih baik
dibandingkan tanaman perkebunan lain seperti tebu dan karet. Dalam sebuah
perusahaan, hasil produksi kelapa sawit menjadi roda penggerak ekonomi, begitu
juga yang terjadi pada PT. Sandabi Indah Lestari. Dalam setiap minggunya
perusahaan melakukan perencanaan untuk memprediksi hasil produksi.
Perencanaan yang dilakukan terkadang masih memberikan hasil yang kurang
optimal. Hal ini disebabkan karena proses perhitungannya yang masih
menggunakan analisis manual. Pada penelitian ini akan menggunakan empat fitur
prediksi yaitu fitur umur tanam, jumlah pokok/jumlah pohon, luas lahan, dan hasil
produksi. Teknik prediksi yang digunakan adalah metode pembelajaran Extreme
Learning Machine (ELM). Metode ini memiliki kelebihan pada learning speed dan
keakuratan pada hasil prediksi. Proses perhitungan dimulai dari proses normalisasi
data, pelatihan sejumlah data latih dan data uji, perhitungan nilai kesalahan
prediksi dan menghasilkan nilai akhir. Data yang digunakan adalah data produksi
pada periode 2015 – 2017 dengan jumlah data sebanyak 297 data. Dari sejumlah
data tersebut akan dibagi menjadi dua data dengan persentase sebesar 80% data
pelatihan dan 20% data pengujian. Hasil penelitian didapatkan nilai parameter
yang optimal yaitu 13 hidden neuron pada pengujian jumlah neuron dengan nilai
Mean Absolute Perscentage (MAPE) sebesar 21,25%, 20,42% pada pengujian fitur
data dengan hasil 2 fitur teknikal yang terbaik, dan 20,19% pada pengujian pola
dengan hasil akhir berupa pola data 1</description><date>2018-07-09</date><type>Thesis:Thesis</type><type>PeerReview:NonPeerReviewed</type><type>Book:Book</type><language>eng</language><identifier>http://repository.ub.ac.id/14017/1/Ema%20Agasta.pdf</identifier><identifier> Agasta, Ema (2018) Prediksi Jumlah Produksi Kelapa Sawit Menggunakan Metode Extreme Learning Machine Pada Studi Kasus PT Sandabi Indah Lestari Kota Bengkulu. Sarjana thesis, Universitas Brawijaya. </identifier><relation>SKR/FTIK/2018/430/051807590</relation><recordID>14017</recordID></dc>
|
| language |
eng |
| format |
Thesis:Thesis Thesis PeerReview:NonPeerReviewed PeerReview Book:Book Book |
| author |
Agasta, Ema |
| title |
Prediksi Jumlah
Produksi Kelapa Sawit Menggunakan Metode Extreme Learning Machine Pada
Studi Kasus PT Sandabi Indah Lestari Kota Bengkulu |
| publishDate |
2018 |
| topic |
006.31 Machine learning |
| url |
http://repository.ub.ac.id/14017/1/Ema%20Agasta.pdf http://repository.ub.ac.id/14017/ |
| contents |
Kelapa sawit merupakan tanaman perkebunan yang menjadi sektor nomor
satu di Indonesia. Tanaman ini memiliki biaya dan hasil produksi yang lebih baik
dibandingkan tanaman perkebunan lain seperti tebu dan karet. Dalam sebuah
perusahaan, hasil produksi kelapa sawit menjadi roda penggerak ekonomi, begitu
juga yang terjadi pada PT. Sandabi Indah Lestari. Dalam setiap minggunya
perusahaan melakukan perencanaan untuk memprediksi hasil produksi.
Perencanaan yang dilakukan terkadang masih memberikan hasil yang kurang
optimal. Hal ini disebabkan karena proses perhitungannya yang masih
menggunakan analisis manual. Pada penelitian ini akan menggunakan empat fitur
prediksi yaitu fitur umur tanam, jumlah pokok/jumlah pohon, luas lahan, dan hasil
produksi. Teknik prediksi yang digunakan adalah metode pembelajaran Extreme
Learning Machine (ELM). Metode ini memiliki kelebihan pada learning speed dan
keakuratan pada hasil prediksi. Proses perhitungan dimulai dari proses normalisasi
data, pelatihan sejumlah data latih dan data uji, perhitungan nilai kesalahan
prediksi dan menghasilkan nilai akhir. Data yang digunakan adalah data produksi
pada periode 2015 – 2017 dengan jumlah data sebanyak 297 data. Dari sejumlah
data tersebut akan dibagi menjadi dua data dengan persentase sebesar 80% data
pelatihan dan 20% data pengujian. Hasil penelitian didapatkan nilai parameter
yang optimal yaitu 13 hidden neuron pada pengujian jumlah neuron dengan nilai
Mean Absolute Perscentage (MAPE) sebesar 21,25%, 20,42% pada pengujian fitur
data dengan hasil 2 fitur teknikal yang terbaik, dan 20,19% pada pengujian pola
dengan hasil akhir berupa pola data 1 |
| id |
IOS4666.14017 |
| 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 |
2019-03-28T02:18:39Z |
| last_indexed |
2021-10-28T06:49:55Z |
| recordtype |
dc |
| _version_ |
1751453698635071488 |
| score |
17.538404 |