Pawoko, Mahendro Agni Giri (2018) Prediksi Jumlah Permintaan Semen Menggunakan Jaringan Syaraf Tiruan Backpropagation. Sarjana thesis, Universitas Brawijaya.
Abstract
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.
English Abstract
Cement is an important material in the development process. Cement production in Indonesia is quite high compared to the amount of consumption. This condition results in oversupply, a condition where the amount of production is greater than the amount of consumption. This resulted in falling cement prices and warehouse full of cement that has not been sold. This makes the Indonesian Cement Association (ASI) to issue its regulation to temporary stop producting cement. This study aims to predict the amount of cement demand in the next time so that regulations can be issued more quickly, so the factory can adjust its production capacity without having to stop production. Many methods can be used to make predictions, for example is Backpropagation Neural Network which is proven to provide good results in predicting, such as predicting the amount of newspaper demand and sugar production. This research uses Backpropagation Neural Network with network architecture of 6 input neurons, 4 hidden neurons and 1 output neuron. The best parameters used are the learning rate of 0.8, the maximum iteration of 200 and the initial weight interval between -1,4 to 1,4. The MSE best predictive value is 0.049064.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2018/739/051808801 |
| Uncontrolled Keywords: | semen, prediksi, jaringan syaraf tiruan, backpropagation, oversupply cement, forecasting, neural networks, backpropagation, oversupply |
| Subjects: | 000 Computer science, information and general works > 006 Special computer methods > 006.3 Artificial intelligence > 006.32 Neural nets (neural networks) |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 28 Jan 2019 06:57 |
| Last Modified: | 22 Oct 2021 03:28 |
| URI: | http://repository.ub.ac.id/id/eprint/13912 |
Preview |
Text
Mahendro Agni Giri Pawoko.pdf Download (2MB) | Preview |
Actions (login required)
 |
View Item |