Almas, Miracle Fachrunnisa (2018) Implementasi Metode Backpropagation Untuk Prediksi Harga Batu Bara. Sarjana thesis, Universitas Brawijaya.
Abstract
Batu bara merupakan sumber daya alam yang termasuk dalam salah satu bahan bakar fosil. Indonesia sendiri merupakan salah satu negara dengan produksi dan eksportir batu bara terbesar di dunia. Batu bara telah menjadi komponen penting dalam berjalannya sebuah perusahaan industri berskala besar sebagai bahan bakar industri. Prediksi harga batu bara dibutuhkan karena apabila menunggu harga batu bara yang dirilis oleh pemerintah biasanya akan membutuhkan waktu yang lama. Data harga batu bara bersifat time series. Data yang digunakan adalah data harga batu bara dimulai dari bulan Januari tahun 2009 hingga bulan September tahun 2017 dengan merk dagang Gunung Bayan I. Penelitian ini membahas metode Backpropagation yang digunakan untuk memprediksi harga batu bara. Pada penelitian ini, dapat diketahui pengaruh perubahan nilai parameter dari Backpropagation dalam memprediksi harga batu bara. Output yang dihasilkan oleh sistem berupa hasil prediksi harga batu bara pada bulan selanjutnya. Dari hasil pengujian didapatkan nilai MSE (Mean Square Error) terendah sebesar 0,00205284 dengan kombinasi 10 neuron pada input layer, 10 neuron pada hidden layer, 1 neuron yang dihasilkan sebagai output, learning rate sebesar 0,1 dan jumlah iterasi sebesar 500.
English Abstract
Coal is a natural resource that belongs to one of the fossil fuels. Indonesia is one of the countries with the largest quantity of coal production and export in the world. Coal becomes an important component in the running of a large-scale industrial company as an industrial fuel. Predicted coal prices are needed because coal prices released by the government usually takes a long time. Coal price data is in the form of time series. The data used is coal price data starting from January 2009 to September 2017 with trademark of Gunung Bayan I. This research discusses Backpropagation method that is used to predict the coal price. In this research, the effect of change parameter value from Backpropagation in predicting coal price it can be seen. Output generated by the system is in the form of predicted coal price in the next month. The results of the tests are, the lowest MSE (Mean Square Error) value of 0,00205284 with a combination of 10 neurons on the input layer, 10 neurons in the hidden layer, 1 neuron produced as output, learning rate of 0.1 and the number of iterations of 500.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2018/537/051808427 |
| Uncontrolled Keywords: | prediction, coal, neural network, backpropagation, time series |
| 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: | 31 Jan 2019 02:08 |
| Last Modified: | 21 Oct 2021 03:54 |
| URI: | http://repository.ub.ac.id/id/eprint/162036 |
Preview |
Text
Miracle Fachrunnisa Almas.pdf Download (6MB) | Preview |
Actions (login required)
 |
View Item |