Pratiwi, Yane (2018) Peramalan Permintaan Komoditi Kopi Robusta Menggunakan Metode Jaringan Saraf Tiruan (Jst) (Studi Kasus Di Ptpn Xii Kebun Bangelan, Kab. Malang). Sarjana thesis, Universitas Brawijaya.
Abstract
Kopi adalah salah satu komoditi andalan sektor perkebunan di Indonesia. Ekspor kopi merupakan salah satu sumber utama devisa dan pendapatan nasional bagi banyak negara berkembang, termasuk Indonesia. Jumlah ekspor kopi dari Indonesia berdasar data ICO (International Coffee Organitation) Januari 2016 sebesar 24,54 ton dan Januari 2017 sebesar 34,32 ton mengalami peningkatan yang cukup besar yaitu 40%. Indonesia tercatat sebagai produsen kopi terbesar ketiga di dunia setelah negara Brazil dan Vietnam. Komoditas kopi memiliki pertumbuhan produktivitas dan harga jual yang cenderung meningkat. Jumlah permintaan kopi tidak pasti, naik dan turun setiap tahunnya. Oleh karena itu perlu dilakukan peramalan permintaan berkaitan dengan kebutuhan manajemen produksi/operasi seperti seperti perencanaan, penjadwalan, dan persediaan. PT. Perkebunan Nusantara XII Kebun Bangelan (PTPN XII) merupakan salah satu perusahaan BUMN (Badan Usaha Milik Negara) yang bergerak di bidang industri biji kopi. Selain biji kopi, PTPN XII juga menghasilkan cengkeh, merica, dan pisang. Tujuan penelitian ini dilakukan untuk meramalkan permintaan komoditas kopi robusta di PTPN XII. Penelitian ini menggunakan metode Jaringan Saraf Tiruan (JST) dengan model backpropagation. Jaringan Saraf Tiruan (JST) merupakan salah satu metode peramalan yang dapat digunakan untuk meramalkan permintaan yang memiliki karakteristik menyerupai jaringan syaraf manusia sebagai sistem pemrosesan informasi. Jaringan saraf tiruan memiliki beberapa kelebihan yaitu, memiliki kemampuan dalam penyelesaian data yang kompleks atau yang tidak tepat. Jaringan saraf tiruan juga memiliki kemampuan untuk menemukan pola (pattern) dan trend yang terlalu kompleks agar ix dapat dikenali oleh manusia atau teknik komputasi lainnya.Backpropagation merupakan salah satu algoritma pembelajaran dalam jaringan saraf tiruan. Proses pembelajaran dalam backpropagation dilakukan dengan penyesuaian bobot-bobot jaringan saraf tiruan dengan arah mundur. Arsitektur terbaik yang didapatkan pada penelitian ini adalah persentase dataset 80% training dan 20% testing dengan arsitektur jaringan terbaik 4-8-2-1 (4 neuron input, 8 neuron hidden layer pertama, 2 neuron hidden layer kedua. Parameter terbaik menggunakan learning rate 0,01 dan momentum 0.05 menghasilkan nilai R testing 0.8001 dan nilai MSE testing 0.5034. Arsitektur ini tidak dapat digunakan untuk melakukan peramalan permintaan kopi pada tahun berikutnya karena nilai MSE yang dihasilkan belum mencapai nilai goal MSE (0.01) yang telah ditentukan.
English Abstract
Coffee is one of the main commodities of plantation sector in Indonesia. Coffee exports are one of the main sources of foreign exchange and national income for many developing countries, including Indonesia. The number of coffee exports from Indonesia based on ICO (International Coffee Organization) data of January 2016 was 24.54 tons and January 2017 was 34.32 tons showed a significant increase about 40%. Indonesia is listed as the third largest coffee producer in the world after Brazil and Vietnam. Coffee commodity has productivity growth and their selling prices tend to increase. The number of coffee demand is uncertain, can be increase or decrease for each year. Therefore it is necessary to forecast demand related to the needs of production management / operations such as planning, scheduling, and inventory. PT. Perkebunan Nusantara XII Bangelan Plantation (PTPN XII) is one of State-Owned Enterprises as industry that produce coffee bean. In addition to coffee beans, PTPN XII also produces cloves, peppers, and bananas. The purpose of this research is to predict robusta coffee demand in PTPN XII. This research uses Artificial Neural Network (ANN) method with backpropagation model. Artificial Neural Network (ANN) is one of the forecasting methods that can be used to predict demand that has characteristics resembling human neural network as information processing system. Artificial neural networks have several advantages that is, have the ability in the completion of complex or inappropriate data. Artificial neural networks also have the ability to find patterns and trends that are too complex to be recognized by humans or other computing techniques. Backpropagation is one of the learning algorithms in artificial neural networks. The learning xi process in backpropagation is done by adjusting the weight of artificial neural networks with the backward direction. The best architecture found in this research is the percentage of 80% training dataset and 20% testing with the best network architecture 4-8-2-1 (4 input neurons, 8 first hidden layer neurons, 2 second hidden layer neurons, 1 output neuron). The best parameters used learning rate with the number 0.01 and momentum with the number 0.05 resulted in a value of R testing 0.8001 and MSE testing value 0.5034.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTP/2018/189/051805336 |
| Uncontrolled Keywords: | Backpropagation, Jaringan Saraf Tiruan (JST), Kopi Robusta, Peramalan Permintaan. / Artificial Neural Network (ANN), Backpropagation, Robusta Coffee, Demand Forecasting |
| Subjects: | 600 Technology (Applied sciences) > 633 Field and plantation crops > 633.7 Alkaloidal crops |
| Divisions: | Fakultas Teknologi Pertanian > Teknologi Industri Pertanian |
| Depositing User: | Endang Susworini |
| Date Deposited: | 01 Aug 2019 01:49 |
| Last Modified: | 24 Nov 2021 04:40 |
| URI: | http://repository.ub.ac.id/id/eprint/165887 |
Preview |
Text
Yane Pratiwi.pdf Download (2MB) | Preview |
Actions (login required)
 |
View Item |