Harsanti, Evilia Nur (2018) Prediksi Nilai Harga Patokan Batu Bara (HPB) Untuk Merek Dagang Gunung Bayan I dengan Metode Extreme Learning Machine (ELM). Sarjana thesis, Universitas Brawijaya.
Abstract
Batu bara merupakan bahan bakar fosil yang sering dimanfaatkan oleh perusahaan industri sebagai sumber energi pembangkit tenaga listrik maupun sebagai bahan baku pembuatan baja. Terdapat beberapa jenis batu bara yang dikelompokkan berdasarkan tingkat kematangan dan komposisi mineralnya. Komposisi mineral dalam jumlah tertentu akan sangat memengaruhi kualitas batu bara, khususnya untuk beberapa parameter seperti abu, sulfur, dan nilai panas batu bara. Batu bara didapatkan oleh perusahaan industri melalui suatu transaksi jual beli yang dilakukan dengan perusahaan pertambangan batu bara. Harga merupakan faktor utama dalam proses transaksi tersebut, karena perusahaan industri perlu merancang anggaran pengeluaran setiap bulan sebelum melakukan transaksi. Oleh karena itu, prediksi harga batu bara akan sangat bermanfaaat untuk perusahaan industri yang akan membeli produk batu bara untuk mengetahui perkiraan harga di masa yang akan datang. Metode yang digunakan untuk melakukan proses prediksi adalah metode Extreme Learning Machine (ELM). ELM memiliki keunggulan waktu komputasi yang cepat dan tingkat kesalahan yang kecil, sehingga ELM tidak memerlukan waktu yang lama dalam proses pembelajaran. Berdasarkan hasil penelitian, nilai Means Absolute Percentage Error (MAPE) terbaik adalah sebesar 3,926804% untuk proses training dan 7,360343% untuk proses testing. Hasil pengujian tersebut didapatkan dengan parameter jumlah fitur sebanyak 3, jumlah neuron sebanyak 7, dan jumlah fungsi aktivasi yang digunakan adalah fungsi sigmoid biner.
English Abstract
Coal is a fossil fuel that is often used by industrial companies as a source of energy and power as a raw material for making steel. There are several types of coal that are grouped according to their maturity level and mineral composition. The composition of minerals in a certain amount will greatly affect the quality of coal, especially for some parameters such as ash, sulfur, and coal heat value. Coal is obtained by industrial companies through a sale and purchase transactions conducted with coal mining companies. Price is a major factor in the transaction process, because industrial companies need to design an expenditure budget every month before making a transaction. Therefore, the prediction of coal price will be very beneficial for industrial companies that will buy coal products to find out the estimated price in the future. The method used to make the prediction process is the method of Extreme Learning Machine (ELM). ELM has the advantage of fast computing time and small error rate, so ELM does not require a long time in the learning process. Based on the result of research, the best Means Absolute Percentage Error (MAPE) score is 3,926804% for training process and 7,360343% for testing process. The test results were obtained with the feature number parameters of 3, the number of neurons as much as 7, and the number of activation functions used is a binary sigmoid function.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTIK/2018/543/051808434 |
| Uncontrolled Keywords: | Batu bara, Harga, Prediksi, Extreme Learning Machine, Means Absolute Percentage Error Coal, Price, Prediction, Extreme Learning Machine, Means Absolute Percentage Error |
| 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 01:54 |
| Last Modified: | 21 Oct 2021 04:04 |
| URI: | http://repository.ub.ac.id/id/eprint/162094 |
Preview |
Text
Evilia Nur Harsanti.pdf Download (3MB) | Preview |
Actions (login required)
 |
View Item |