Peramalan Jumlah Produksi Ikan Dengan Menggunakan Backpropagation Neural Network (Studi Kasus: UPTD Pelabuhan Perikanan Banjarmasin)

Razak, Muhammad Azhar (2017) Peramalan Jumlah Produksi Ikan Dengan Menggunakan Backpropagation Neural Network (Studi Kasus: UPTD Pelabuhan Perikanan Banjarmasin). Undergraduate thesis, Institut Teknologi Sepuluh Nopember.

[thumbnail of 5212100138-Undergraduate-Theses.pdf]
Preview
Text
5212100138-Undergraduate-Theses.pdf - Published Version

Download (3MB) | Preview

Abstract

Pelabuhan Perikanan Banjarmasin (UPTD dibawah binaan Dinas Perikanan dan Kelautan Kalimantan Selatan) mempunyai salah satu tugas pokok dan fungsi untuk memproduksi hasil tangkapan ikan dari kapal-kapal nelayan dan mendistribusikannya ke berbagai daerah untuk dipasarkan dalam setiap bulannya. Hasil pemasaran ini nantinya akan digunakan Pemerintah Daerah untuk meningkatkan Pendapatan Asli Daerah (PAD) dari provinsi itu sendiri. Permasalahan yang ada adalah jumlah produksi ikan ini umumnya tidak menentu pada setiap bulannya yang mungkin juga dapat berdampak pada kegiatan utama lainnya, seperti penyaluran es pendingin, penyediaan air bersih, dan kegiatan lainnya yang berkaitan dengan proses produksi. Hal seperti ini merupakan permasalahan lumrah dalam bidang peramalan, yaitu ketidakpastian suatu keadaan apabila dilihat fakta-fakta history yang telah lalu. Oleh karena itu, pada penelitian ini dicoba untuk mencari solusi dengan penggunaan metode peramalan ANN untuk menganalisa sistemasi kegiatan dalam proses produksi ikan instansi ini.
Artificial Neural Network (ANN) merupakan sebuah sistem pemrosesan data dengan meniru cara kerja sistem saraf manusia. ANN merupakan sebuah sistem yang terdiri atas banyak elemen pemrosesan sederhana yang terhubung secara paralel. Backpropagation Neural Network (BPNN) dikatakan memiliki kelebihan dalam aspek pembelajaran sistem (adaptive) dan memiliki resiko kesalahan kecil (fault tolerance) terhadap pemecahan masalah.
Didapatkan model peramalan optimal dari hasil penelitian ini dengan masukan jumlah produksi ikan satu bulan sebelumnya dan dua bulan sebelumnya, serta hasil peramalan untuk periode September 2016 adalah 865753 kg. Variabel suhu udara dinilai kurang mempengaruhi terhadap hasil peramalan menggunakan dataset produksi ikan ini dilihat dari error yang mendekati 21%. Keluaran aplikasi peramalan sederhana memiliki fungsi menampilkan history, proses training dan testing, dan menampilkan grafik.

=========================================================================================

Pelabuhan Perikanan Banjarmasin (UPTD under the guidance of the Dinas Perikanan dan Kelautan Kalimantan Selatan) has one of it’s main tasks and functions to produce the catches from fishing vessels and distribute them to the various areas to be marketed in each month. Marketing results will be used to Local Government to increase revenue of the province itself. The problems that exist are fish production is generally erratic on a monthly basis which may also be an impact on other major events, such as the distribution of ice-cooling, water supply, and other activities related to the production process. Things like this is a common problem in the field of forecasting, the uncertainty of a condition when seen facts different from the data history. Therefore, the authors tried to find a solution with the use of ANN forecasting methods to view the systematization of production activities at this institution.
Artificial Neural Network (ANN) is a data processing system by mimicking the workings of the human nervous system. ANN is a system composed of many simple processing elements are connected in parallel. Backpropagation Neural Network (BPNN) is said to have an advantage in learning aspect of the system (adaptive) and have a small risk of error (fault tolerance) toward solving the problem.
Optimal forecasting model obtained from the results of this study with fish production inputs one and two months earlier and forecasting results for the period of September 2016 was 865753 kg. Variabel air temperature is considered less supportive of forecasting using this dataset is seen from error approaching 21%. Simple forecasting application has a function display the history, the process of training and testing, and displaying graphics.

Item Type: Thesis (Undergraduate)
Uncontrolled Keywords: UPTD Pelabuhan Perikanan Banjarmasin; Production Forecasting; Backpropagation Neural Network
Subjects: T Technology > TC Hydraulic engineering. Ocean engineering > TC1680 Offshore structures
Divisions: Faculty of Information Technology > Information System > 57201-(S1) Undergraduate Thesis
Depositing User: - MUHAMMAD AZHAR RAZAK
Date Deposited: 06 Apr 2017 05:39
Last Modified: 06 Mar 2019 04:31
URI: http://repository.its.ac.id/id/eprint/3022

Actions (login required)

View Item View Item