Ashar, Nirzha Maulidya (2018) Penerapan Metode Extreme Learning Machine (ELM) untuk Memprediksi Jumlah Produksi Pipa yang Layak (Studi Kasus: PT. KHI Pipe Industries). Sarjana thesis, Universitas Brawijaya.
Abstract
PT. KHI Pipe Industries merupakan perusahaan yang memproduksi pipa baja berkualitas tinggi. Dalam aktivitas produksinya, perusahaan ini melakukan proses produksi berdasarkan permintaan pelanggan dengan spesifikasi pengukuran diameter, ketebalan, dan panjang pipa. Dalam proses produksinya, hasil produksi pipa yang layak tidak mutlak sesuai dengan jumlah permintaan pelanggan, diperkirakan terdapat pipa yang rusak sehingga mengakibatkan pemenuhan permintaan pelanggan tidak dapat berjalan lancar. Perusahaan harus mengeluarkan biaya tambahan untuk bahan baku agar total produksi bertambah dan menutupi jumlah pipa yang rusak. Jumlah produksi pada setiap spesifikasi permintaan berbeda-beda sehingga menjadi kendala dalam mengambil kebijakan untuk memprediksi jumlah pipa yang layak. Dengan adanya prediksi jumlah pipa yang layak dapat membantu perusahaan dalam mengambil keputusan untuk menentukan target produksinya. Penelitian ini menerapkan metode dari Jaringan Saraf Tiruan (JST) yaitu Extreme Learning Machine (ELM) untuk memprediksi jumlah produksi pipa yang layak. Proses prediksi yaitu dengan normalisasi, training, testing, dan denormalisasi, serta melakukan perhitungan nilai error menggunakan Mean Square Error (MSE). Berdasarkan pengujian yang dilakukan, penggunaan 7 hidden neuron, 5 fitur, dan persentase perbandingan 80% data training 20% data testing menghasilkan nilai error terkecil dengan rata-rata 0,00372 dengan selisih ± 1% dari data aktual.
English Abstract
KHI Pipe Industries is a company that specializes in producing high-quality steel pipes. This company produces its end product based on customer demand, with the measurement specifications which is diameter, thickness and the pipe length. In the production process, the amount of viable pipes do not always match with the number of customers demand since there were always a number of damaged pipes. Therefore, the company has always have to spend additional cost to cover the the damaged pipes. The number of production on each specifications varies so that it becomes a challenge for the company to predict the exact amount of pipes to produce. With the appropriate prediction of the number of pipes to produce can help the company to determine the production target. In this research applied method of Artificial Neural Network (ANN) that is Extreme Learning Machine (ELM) to predict the amount of approved pipe production. The prediction process is normalization, training, testing, and denormalization, and to calculate the error value using Mean Square Error (MSE). Based on evaluation performed, the use of 7 hidden neurons, 5 features, and percentage comparison 80% of training data 20% of testing data resulted in the smallest error average is 0,00372 with difference ± 1% to actual data.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2018/317/051804130 |
| Uncontrolled Keywords: | Extreme Learning Machine, Prediksi, Produksi Pipa |
| Subjects: | 000 Computer science, information and general works > 006 Special computer methods > 006.3 Artificial intelligence > 006.31 Machine learning |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 31 Jan 2019 04:05 |
| Last Modified: | 16 Oct 2021 04:49 |
| URI: | http://repository.ub.ac.id/id/eprint/13394 |
Preview |
Text
Nirzha Maulidya Ashar.pdf Download (2MB) | Preview |
Actions (login required)
 |
View Item |