Sylviani, Nadya (2018) Peramalan Harga Pasar Telur Ayam Ras di Kota Malang dengan Menggunakan Metode "PSO-NN". Sarjana thesis, Universitas Brawijaya.
Abstract
Peningkatan jumlah penduduk dan pembangunan di bidang peternakan menjadi faktor naiknya konsumsi protein hewani. Salah satu sumber protein hewani yang menjadi pilihan banyak masyarakat adalah telur ayam ras karena harganya yang murah dan mudah didapatkan. Namun, permasalahan dari penjualan telur ayam ras adalah harganya yang sering mengalami fluktuasi di pasar. Untuk itu, peneliti membangun sebuah sistem peramalan dengan menggunakan metode Particle Swarm Optimization-Neural Network (PSO-NN). Metode ini terbukti lebih baik dibandingkan metode pelatihan NN dengan menggunakan Backpropagation. Pelatihan PSO akan dilakukan hingga maksimum iterasi dan hasil dari pelatihan tersebut yang berupa nilai bobot optimal akan digunakan sebagai bobot inisialisasi untuk pelatihan NN. Jenis NN yang digunakan yaitu Feedforward Neural Network (FFNN). Pelatihan NN dilakukan dengan menggunakan 4 lag time, 2 hidden unit, dan 1 output yang merepresentasikan hasil peramalan harga. Berdasarkan pengujian yang telah dilakukan, PSO terbukti dapat mempercepat NN dalam mencari solusi yang optimal. MAPE terkecil yang didapatkan dengan menggunakan PSO-NN dalam penelitian ini yaitu 1.01552%.
English Abstract
The increase in population and growth in the farming field was one of the reason of rising in consumption of animal protein. One of the source of animal protein that has been the most preferable for its affordable price and easy to get, is purebred chicken egg. However, the issue in purebred chicken egg sales that has been faced by the market is its fluctuate price. Therefore, the researcher build a forecasting system using Particle Swarm Optimization-Neural Network (PSO-NN). This method proved to be better than the NN training using Backpropagation. PSO training will be carried out to the maximum iteration and the results of the training in the form of optimal weight values will be used as initialization weights for NN training. The type of NN used is Feedforward Neural Network (FFNN). The NN training is done by using 4 lag time, 2 hidden units, and 1 output which represents the result of price forecasting. Based on the result of this research, PSO proved to be able to speed up NN on finding the optimal solution. The lowest MAPE found using PSO-NN in this research is 1.01552%.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2018/601/051808457 |
| Uncontrolled Keywords: | peramalan, telur ayam ras, jaringan syaraf tiruan, particle swarm optimization forecasting, purebred chicken egg, neural network, particle swarm optimization |
| Subjects: | 600 Technology (Applied sciences) > 636 Animal husbandry > 636.5 Chickens and other kinds of domestic birds > 636.51 Poultry for specific purposes > 636.514 2 Eggs / Birds--Eggs / Birds--Nests / Eggs--Production |
| Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
| Depositing User: | Budi Wahyono Wahyono |
| Date Deposited: | 08 Apr 2019 02:13 |
| Last Modified: | 10 Mar 2022 08:44 |
| URI: | http://repository.ub.ac.id/id/eprint/161431 |
Preview |
Text
Nadya Sylviani.pdf Download (138MB) | Preview |
Actions (login required)
 |
View Item |