KAFFAH, Silmy (2024) Pemodelan Elman Recurrent Neural Network dengan Backpropagation Through Time untuk Memprediksi Harga Gula Provinsi Jawa Tengah. Undergraduate thesis, UNDIP: Fakultas Sains dan Matematika.

	Text 1. COVER.pdf Download (49kB)
	Text 3. HALAMAN PENGESAHAN I.pdf Download (344kB)
	Text 4. HALAMAN PENGESAHAN II.pdf Download (211kB)
	Text 5. KATA PENGANTAR.pdf Download (91kB)
	Text 6. ABSTRAK.pdf Download (94kB)
	Text 7. ABSTRACT.pdf Download (92kB)
	Text 8. DAFTAR ISI.pdf Download (43kB)
	Text 12. BAB I PENDAHULUAN.pdf Download (108kB)
	Text 17. DAFTAR PUSTAKA.pdf Download (38kB)

Abstract

Indonesia adalah negara kepulauan dengan komoditas utamanya adalah pertanian.
Sub sektor pertanian yang banyak digunakan termasuk gula. Harga gula yang
fluktuatif dapat dilihat polanya, walaupun setiap tahunnya mengalami trend
kenaikan. Kebutuhan domestik gula meningkat seiring dengan waktu karena
perkembangan jumlah penduduk dan industri pangan. Harga komoditas pangan
ditentukan oleh ketersediaan produk dan para pedagang. Penelitian dengan
menggunakan data runtun waktu menerapkan algoritma Backpropagation Through
Time (BPTT) pada jenis arsitektur Elman Recurrent Neural Network (ERNN) untuk
model prediksi harga. Penelitian ini menggunakan arsitektur ERNN dalam
memprediksi harga gula Provinsi Jawa Tengah untuk 30 hari berikutnya. Data yang
digunakan merupakan data sekunder berhistoris dengan periodik harian sejak tahun
2022 hingga 2024. Data dibagi dengan menggunakan rasio 90:10 untuk pelatihan
dan pengujian. Nilai Mean Absolute Percentage Error (MAPE) didapat melalui
fitness dalam pemilihan bobot-bobot yang dibangkitkan pada Artificial Neural
Network (ANN) hingga terbentuk arsitektur dengan parameter-parameter yang
optimal untuk pengujian. Akurasi tertinggi dengan MAPE pengujian sebesar
1,70%.
Kata kunci: Backpropagation Through Time (BPTT), data-mining, Elman
Recurrent Neural Network (ERNN), fungsi, Mean Absolute Percentage Error
(MAPE)

Actions (login required)

View Item