Rahayu, Dwi (2017) Implementasi Metode Backpropagation Untuk Klasifikasi Kenaikan Harga Minyak Kelapa Sawit. Sarjana thesis, Universitas Brawijaya.
Abstract
Minyak kelapa sawit merupakan produk perkebunan yang telah menjadi komoditas utama ekspor Indonesia. Meningkatnya jumlah bahan olahan yang dapat dibuat dengan menggunakan minyak kelapa sawit membuat naiknya kebutuhan kelapa sawit. Faktor utama pendorong kenaikan permintaan minyak kelapa sawit adalah harga yang relatif rendah dibandingkan dengan harga kompetitornya seperti minyak kedelai, minyak biji matahari, minyak kacang tanah, minyak kapas dan minyak lobak. Harga menjadi faktor penting untuk menentukan nilai jual dari produk yang dihasilkan. Harga juga berpengaruh terhadap keuntungan produsen. Klasifikasi kemungkinan naik atau turunnya harga minyak kelapa sawit menjadi pertimbangan utama seorang konsumen untuk membeli. Penulisan ini membahas klasifikasi harga minyak kelapa sawit dengan menggunakan metode Backpropagation. Metode Backpropagation akan memodelkan data harga minyak kelapa 5 bulan sebelumnya untuk menemukan hasil klasifikasi pada bulan ke-6. Hasil klasifikasi yang didapatkan memiliki tingkat akurasi sebesar 69,57% dengan jumlah neuron hidden sebanyak 50, nilai learning rate seesar 0,1 dan jumlah iterasi maksimal sebanyak 70.000.
English Abstract
Palm oil is a plantation product that has become Indonesia's main export commodity. The increasing amount of processed materials that can be made by using palm oil makes the rise of oil palm demand. The main factor driving the increase in demand for palm oil is the relatively low price compared to the price of its competitors such as soybean oil, sunflower seed oil, peanut oil, cotton oil and rapeseed oil. Price becomes an important factor to determine the selling point of the product. Prices also affect the producer's profit. The classification of the possibility of rising or falling prices of palm oil becomes a major consideration of a consumer to buy. This writing discusses the classification of palm oil prices using Backpropagation method. The Backpropagation method will model the coconut oil price data 5 months earlier to find the classification results in the 6th month. Classification results obtained have an accuracy of 69.57% with the number of hidden neurons as much as 50, the value of learning rate as big as 0.1 and the number of maximum iterations of 70,000.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2017/545/051707866 |
| Uncontrolled Keywords: | Backpropagation, Klasifikasi, Harga, Minyak Kelapa Sawit |
| Subjects: | 000 Computer science, information and general works > 025 Operations of libraries, archives, information centers > 025.4 Subject analysis and control |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Yusuf Dwi N. |
| Date Deposited: | 29 Aug 2017 06:30 |
| Last Modified: | 01 Sep 2020 04:44 |
| URI: | http://repository.ub.ac.id/id/eprint/1845 |
Preview |
Text
Rahayu, Dwi.pdf Download (5MB) | Preview |
Actions (login required)
 |
View Item |