PREDIKSI TINGKAT PRODUKSI CRUDE PALM OIL (CPO) MENGGUNAKAN ARTIFICIAL NEURAL NETWORK ALGORITMA BACKPROPAGATION

Nisya, Ayuning Khairun (2023) PREDIKSI TINGKAT PRODUKSI CRUDE PALM OIL (CPO) MENGGUNAKAN ARTIFICIAL NEURAL NETWORK ALGORITMA BACKPROPAGATION. Masters thesis, Universitas Putra Indonesia YPTK.

	Text TESIS_AYUNING KHAIRUN NISYA_202321024_ABSTRAK.pdf Download (413kB)
	Text TESIS_AYUNING KHAIRUN NISYA_202321024_BAB I.pdf Download (562kB)
	Text TESIS_AYUNING KHAIRUN NISYA_202321024_DAFTAR PUSTAKA.pdf Download (544kB)
	Text TESIS_AYUNING KHAIRUN NISYA_202321024_FULL TEXT.pdf Restricted to Repository staff only Download (10MB)

Abstract

Crude Palm Oil(CPO) merupakan salah satu produk unggulan dari hasil perkebunan indonesia. Hasil turunan produk ini sangat dibutuhkan dalam kehidupan sehari-hari. CPO merupakan minyak mentah yang menjadi salah satu hasil olahan pabrik yang ada di Mukomuko. Permintaan CPO yang bersifat fluktuatif menyebabkan Perusahaan harus mampu menyusun strategi untuk memenuhi kebutuhan konsumen. Sehingga dibutuhkan sebuah sistem yang mampu memprediksi produksi CPO di masa yang akan datang. Dengan menggunakan hitoris data produksi CPO sebelumnya maka untuk memprediksi produksi CPO dibutuhkan sistem yang dapat membaca pola data seperti Artificial Neural Network(ANN). ANN merupakan model matematis yang meniru pola berpikir manusia untuk melakukan prediksi terhadap produksi CPO di masa yang akan datang. ANN menggunakan konsep hubungan antar neuron pada syaraf dengan membagi model menjadi tiga jenis lapisan yaitu input layer, hidden layer, dan output layer. Untuk menerapkan ANN dibutuhkan langkah-langkah berupa algoritma yaitu Backpropagation yang menggunakan konsep perambatan mundur dalam memperbarui bobot untuk menghasilkan ANN yang bagus. Penelitian ini bertujuan untuk merancang ANN ke dalam sistem prediksi. Perancangan tersebut diimplementasikan untuk memprediksi CPO di masa yang akan datang. Dengan menerapkan ANN menggunakan algoritma Backpropagation dilakukan pengujian untuk mendapatkan akurasi dan hasil terbaik. Untuk memprediksi produksi CPO di masa yang akan datang digunakan arsitektur terbaik yaitu 12-10-1 yang menunjukkan 12 neuron pada input layer, 10 neuron pada hidden layer, dan 1 neuron pada output layer. Penelitian ini dilakukan terhadap data produksi CPO di PT Agromuko Cabang Air Dikit, Mukomuko. Data yang digunakan adalah data produksi CPO dari bulan Januari 2018 sampai Juni 2023. Data tersebut dinormalisasi untuk memperoleh hasil yang valid. Selain itu, pemberian nilai bobot awal sangat mempengaruhi proses pembelajaran. Pemberian nilai bobot awal dilakukan dengan sistem acak bobot menggunakan nilai acak dari 1 sampai 0. Data yang ada disusun menggunakan pola data dengan 12 input dan 1 output. Proses yang terjadi pada ANN algoritma Backpropagation melibatkan dua proses utama yaitu perambatan mundur untuk memperbarui nilai bobot dan perambatan maju untuk menghasilkan output. Hasil penelitian menggunakan nilai alpha 0,9, 1000 iterasi, toleransi error 0,0001 dengan arsitektur 12-10-1 menunjukkan akurasi 92,25%. Model yang dibangun telah mampu meprediksi produksi CPO dari bulan Juli 2023 sampai Desember 2024. Akurasi yang tinggi menunjukkan penelitian ini dapat menjadi rujukan Perusahaan untuk mengambil keputusan mengenai produksi CPO di masa yang akan datang

Actions (login required)

View Item