Purba, Venny T M (2014) APLIKASI MODEL BACKPROPAGATION NEURAL NETWORK UNTUK PERKIRAAN PRODUKSI KELAPA SAWIT DI PTPN IV UNIT USAHA BALIMBINGAN. Undergraduate thesis, UNIMED.
4103230039 COVER.pdf - Published Version
Download (53kB) | Preview
4103230039 LEMBAR PENGESAHAN.pdf - Published Version
Download (249kB) | Preview
4103230039 KATA PENGANTAR.pdf - Published Version
Download (234kB) | Preview
4103230039 ABSTRAK.pdf - Published Version
Download (232kB) | Preview
4103230039 DAFTAR ISI.pdf - Published Version
Download (177kB) | Preview
4103230039 DAFTAR TABEL.pdf - Published Version
Download (131kB) | Preview
4103230039 DAFTAR GAMBAR.pdf - Published Version
Download (133kB) | Preview
4103230039 DAFTAR LAMPIRAN.pdf - Published Version
Download (130kB) | Preview
4103230039 BAB I.pdf - Published Version
Download (314kB) | Preview
4103230039 BAB V.pdf - Published Version
Download (191kB) | Preview
4103230039 DAFTAR PUSTAKA.pdf - Published Version
Download (174kB) | Preview
Abstract
Penelitian ini bertujuan untuk menentukan model peramalan hasil produksi kelapa sawit di PT Perkebunan Nusantara IV dan meramalkan hasil produksi kelapa sawit untuk satu tahun ke depan menggunakan Model Backpropagation Neural Network. Dimana data yang dipakai sebagai data masukan adalah data produksi kelapa sawit tahun 2011 hingga 2013 dan dosis pemakaian pupuk. Perangkat lunak berbasis jaringan backpropagation neural network yang akan digunakan untuk melakukan prediksi adalah Program Matlab, dimana dengan program matlab akan dibentuk program baru yang akan digunakan dalam peramalan ini. Model backpropagation sangat baik digunakan dalam penelitian, karena dapat menghasilkan error yang sangat kecil tergantung banyak neuron pada hidden layer, nilai maks error dan banyak epoch yang dimasukkan . Data yang digunakan adalah data sekunder yang diperoleh dari PTPN IV Unit Usaha Balimbingan. Pada peramalan ini digunakan 3 unit input yaitu data produksi tahun 2011 〖(x〗_1), data produksi tahun 2012〖(x〗_2) dan data dosis pupuk 〖(x〗_3). Pada proses penyelesaian digunakan 6 neuron pada hidden layer, maksimum error 0.01, dan epochs 5000 diperoleh persamaan garis untuk kecocokan terbaik : Y=(0.9952)t+(7.3) Dimana nilai t = nilai target (data tahun 2013). Maka diperoleh nilai MSE sebesar 0.003956(≤0.01) dan koefisien regresi sebesar 0.9997 yang menunjukkan hasil yang baik untuk kecocokan output jaringan dengan target. Hasil penelitian ini menunjukkan kenaikan hasil produksi dari tahun 2013. Pada peramalan, diperoleh hasil produksi tertinggi pada bulan November sebesar 2337.3 ton dan terendah pada bulan Juni sebesar 1439.3 ton. Program peramalan dengan model backpropagation neural network memberikan hasil baik dalam peramalan hasil produksi kelapa sawit.
Item Type: | Thesis (Undergraduate) |
---|---|
Additional Information: | 519.54 Pur a |
Keywords: | Produksi Kelapa Sawit; Faktor-faktor yang Mempengaruhi Kelapa Sawit; Metode Neural Network; Arsitektur Jaringan; Algoritma Pembelajaran |
Subjects: | L Education > L Education (General) L Education > LB Theory and practice of education Q Science > QA Mathematics |
Divisions: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika |
Depositing User: | Mrs Elita Sari Sitorus |
Date Deposited: | 08 Apr 2016 08:34 |
Last Modified: | 30 Aug 2016 04:05 |
URI: | https://digilib.unimed.ac.id/id/eprint/11835 |