Hybrid Jaringan Syaraf Tiruan Metode Extreme Learning Machine(Elm) Dengan Bat Algorithm (Ba) Untuk Meramalkan Penjualan Beras

Feby Syauqie Savaria (2020) Hybrid Jaringan Syaraf Tiruan Metode Extreme Learning Machine(Elm) Dengan Bat Algorithm (Ba) Untuk Meramalkan Penjualan Beras. Skripsi thesis, UNIVERSITAS AIRLANGGA.

[img] Text (HALAMAN JUDUL)
1. HALAMAN JUDUL.pdf

Download (769kB)
[img] Text (ABSTRAK)
2. ABSTRAK.pdf

Download (76kB)
[img] Text (BAB 1)
3. BAB I PENDAHULUAN.pdf

Download (90kB)
[img] Text (BAB 2)
4. BAB II TINJAUN PUSTAKA.pdf
Restricted to Registered users only until 20 August 2023.

Download (212kB) | Request a copy
[img] Text (BAB 3)
5. BAB III METODE PENELITIAN.pdf
Restricted to Registered users only until 20 August 2023.

Download (194kB) | Request a copy
[img] Text (BAB 4)
6. BAB IV PEMBAHASAN.pdf
Restricted to Registered users only until 20 August 2023.

Download (337kB) | Request a copy
[img] Text (BAB 5)
7. BAB V KESIMPULAN DAN SARAN.pdf
Restricted to Registered users only until 20 August 2023.

Download (42kB) | Request a copy
[img] Text (DAFTAR PUSTAKA)
8.DAFTAR PUSTAKA.pdf

Download (85kB)
[img] Text (LAMPIRAN)
9.LAMPIRAN.pdf
Restricted to Registered users only until 20 August 2023.

Download (536kB) | Request a copy
Official URL: http://lib.unair.ac.id

Abstract

Penelitian ini bertujuan untuk meramalkan penjualan beras dengan menggunakan hybrid Extreme Learning Machine (ELM) dengan Bat Algorithm (BA). ELM adalah salahsatu metode pelatihan di JST dan termasuk metode pelatihan terawasi. Algoritma kelelawaradalah metode pencarian yang berdasarkan perilaku kelelawar. ELM diterapkan untuk menentukan nilai peramalan, sedangkan BA diterapkan untuk menyusun bobot dan bias yang digunakan pada ELM. Dalam melakukan pengolahan data pada proses peramalan dibutuhkan beberapa tahap. Tahap pertama, pengumpulan data untuk mengidentifikasi inputan yang dibutuhkan dalam perhitungan metode ELM dan BA. Tahap kedua, melakukan rancangan ata, data dinormalisasi kemudian dibagi menjadi data pelatihan sebanyak 70% (42 data) dari total 60 data, dan data validasi sebanyak 30% (18 data) dari total data. Tahap ketiga,melakukan peramalan penjualan beras dengan menggunakan hybrid ELM dengan BA. Tahap terakhir, perancangan sistem menggunakan software Java NetBeans IDE 8.2.Berdasarkan hasil implementasi program dengan menggunakan 4 neuron pada inputlayer, 4 neuron pada hidden layer, dan 1 neuron pada output layer, dari hasil implementasi program pada data penjualan beras periode Januari 2013 – Desember 2017 diperoleh nilai Mean Absolute Percentage Error (MAPE) pada proses ELM dan BA sebesar 0.0922 dan nilai selisih rata-rata sebesar 0.455219%. Dengan perolehan selisih tersebut dapat disimpulkan bahwa peramalan yang dilakukan mampu mendekati nilai sebenarnya.

Item Type: Thesis (Skripsi)
Additional Information: KKC KK MPM 119-19 Sau h
Uncontrolled Keywords: Penjualan Beras, Peramalan, Extreme Learning Machine, Algoritma Kelelawar
Subjects: Q Science > QA Mathematics > QA1-939 Mathematics
Q Science > QA Mathematics > QA319-329 Functional Analysis
Divisions: 08. Fakultas Sains dan Teknologi > Matematika
Creators:
CreatorsNIM
Feby Syauqie SavariaNIM081311233098
Contributors:
ContributionNameNIDN / NIDK
ContributorAuli DamayantiNIDN0007117502
ContributorAsri Bekti PratiwiNIDN0022128303
Depositing User: prasetyo adi nugroho
Date Deposited: 20 Aug 2020 02:52
Last Modified: 20 Aug 2020 02:52
URI: http://repository.unair.ac.id/id/eprint/97607
Sosial Share:

Actions (login required)

View Item View Item