Perancangan Sistem Informasi Peramalan Produksi Apel Di Kota Batu Dengan Metode Extreme Learning Machine (Elm) (Studi Kasus Di Dinas Pertanian Kota Batu)
| Main Author: | Hendriansa, Bayu |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2019
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/181026/1/Bayu%20Hendriansa%20%282%29.pdf http://repository.ub.ac.id/181026/ |
Daftar Isi:
- Dinas Pertanian Kota Batu merupakan suatu lembaga pemerintah yang bertugas sebagai pembuat kebijakan teknis operasional serta pengawas kebutuhan konsumen di bidang pertanian. Sektor pertanian dan perkebunan di Kota Batu didominasi oleh Apel namun Pemerintah belum memiliki suatu sistem informasi yang dapat meramalkan produksi Apel. Peramalan merupakan satu fungsi yang sangat penting karena hampir seluruh keputusan produksi diambil berdasarkan peramalan yang akan terjadi di masa depan. Tujuan dari penelitian ini adalah untuk membangun suatu sistem informasi peramalan produksi dengan metode Extreme Learning Machine (ELM) yang dapat diimplementasikan di Dinas Pertanian Kota Batu berdasarkan dengan kesesuaian kebutuhan user. ELM merupakan metode pengembangan dari jaringan saraf tiruan feedforward sederhana dengan menggunakan satu hidden layer. Variabel input yang digunakan adalah luas panen, luas lahan, dan jumlah tanaman produktif serta menghasilkan satu ouput yaitu produksi apel. Data yang digunakan adalah data produksi apel di Kota Batu selama 52 tahun. Pengembangan sistem informasi dibangun dengan metode waterfall dan menggunakan Bahasa pemrograman C# serta dirancang menggunakan framework Microsoft Visual Studio 2019. Kuesioner diberikan kepada 5 Pegawai Dinas untuk mengetahui kesesuaian sistem informasi peramalan produksi terhadap kebutuhan user. Berdasarkan hasil penelitian yang telah dilakukan, ELM menghasilkan nilai peramalah yang akurat dengan rasio jumlah data training dan testing 80%:20% dengan nilai rata-rata MSE terkecil sebesar 0,06152. Pengujian hidden neuron yang digunakan pada ELM menggunakan jumlah hidden neuronviii 1,2,4,5,10,20,30,50,100 dan memberikan hasil peramalan yang berbeda. Jumlah hidden neuron 4 menghasilkan rata – rata MSE yang terkecil sebesar 0,04747. Berdasarkan hasil pengujian sistem dengan User Acceptance Test, sistem informasi peramalan produksi menghasilkan kepuasan indeks user sebesar 76,67% yang bebrarti sistem mampu memenuhi kebutuhan user dengan baik.