Permatasari, Audia Refanda (2018) Estimasi Hasil Produksi Benih Tanaman Kenaf (Hibiscus Cannabinus L.) Pada Balai Tanaman Pemanis Dan Serat (Balittas) Menggunakan Metode Extreme Learning Machine (ELM). Sarjana thesis, Universitas Brawijaya.
Abstract
Balai Penelitian Tanaman Pemanis dan Serat (Balittas) mengembangkan berbagai jenis tanaman serat, salah satunya adalah tanaman kenaf. Pihak Balai Balittas lebih mengedepankan produksi benih tanaman kenaf. Dalam memproduksi benih tanaman kenaf, pihak Balittas mengalami kendala yang dapat menghambat proses produksi benih tanaman kenaf. Kendala tersebut terjadi pada saat melakukan estimasi terhadap hasil produksi benih yang akan dihasilkan. Untuk itu, pada penelitian ini penulis membuat suatu sistem estimasi produksi benih tanaman kenaf menggunakan metode Extreme Learning Machine. Metode ini adalah salah satu metode jaringan syaraf tiruan yang memiliki keunggulan dalam segi learning speed. Terdapat tahapan-tahapan pada metode ELM antara lain adalah normalisasi, training, testing, dan denormalisasi. Hasil evaluasi sistem pada penelitian ini menggunakan Mean Absolute Percentage Error (MAPE). Berdasarkan pengujian yang dilakukan didapatkan nilai rata-rata MAPE terbaik sebesar 0,160% berdasarkan hasil pengujian parameter terbaik yaitu jumlah neuron sebesar 8, fungsi aktivasi sigmoid biner dan perbandingan data 90%:10%. Pada pengujian k-fold cross validation nilai MAPE terbaik berada pada nilai K sebesar 10 yaitu 0,431%.
English Abstract
Balai PenelitianTanaman Pemanis dan Serat (Balittas) develops various types of fiber plants, one of them is kenaf. Balittas main focus is putting forward kenaf seed production. In producing kenaf seeds, the Balittas has constraints that can slow down the production process of kenaf seeds. The constraint occurs when estimating the seed production. In this research the author make an estimation system of kenaf seed production using Extreme Learning Machine method. This method is one of the artificial neural network method that has an advantage in learning speed. The steps in ELM method are normalization, training, testing and denormalization. This research uses Mean Absolute Percentage Error (MAPE) for evaluation. From the evaluation, the best MAPE is 0,160% based on best parameter. That is 8 of number neurons on hidden layer, binary activation function, and using 90%:10% ratio for training data and testing data. On k-fold cross validation the best MAPE is 0,4314% on K=10.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2018/408/051807568 |
| Uncontrolled Keywords: | Tanaman Kenaf, Benih Tanaman Kenaf, Extreme Learning Machine, MAPE Kenaf, Kenaf Seed, Extreme Learning Machine, MAPE |
| 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: | 01 Feb 2019 01:37 |
| Last Modified: | 18 Oct 2021 05:55 |
| URI: | http://repository.ub.ac.id/id/eprint/161461 |
Preview |
Text
Audia Refanda Permatasari.pdf Download (4MB) | Preview |
Actions (login required)
 |
View Item |