Peramalan Produksi Udang Vannamei Berdasarkan Data Cuaca Menggunakan Pendekatan Jaringan Radial Basis Function (Studi Kasus: Kabupaten Lamongan)

Albab, M. Ulul (2019) Peramalan Produksi Udang Vannamei Berdasarkan Data Cuaca Menggunakan Pendekatan Jaringan Radial Basis Function (Studi Kasus: Kabupaten Lamongan). Masters thesis, Institut Teknologi Sepuluh Nopember.

Text 06111650010007-Master_Thesis.pdf Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Salah satu kegiatan ekonomi yang dapat dipengaruhi oleh kondisi-kondisi cuaca yang tidak pasti adalah produksi perikanan budidaya. Di Lamongan, produksi perikanan budidaya khususnya udang Vannamei sangat bergantung pada kondisi-kondisi cuaca yang ideal. Ketidakpastian dari kondisi-kondisi cuaca menyebabkan produksi udang Vannamei yang dipanen mengalami trend naik dan turun. Perubahan trend tersebut dapat berdampak pada kegiatan aliran rantai pasok produksi yaitu pemenuhan jumlah kuota masuk produksi udang Vannamei dari agen atau distibutor ke ekportir udang Vannamei untuk memenuhi permintaan pasar. Hasil pemasaran produksi udang vannamei dapat meningkatkan pendapatan asli daerah Lamongan. Perubahan trend naik dan turun produksi udang Vannamei dapat dipantau melalui peramalan dan klasifikasi berdasarkan data masa lalu. Jaringan saraf tiruan radial basis function network (RBFN) merupakan salah satu metode yang mampu untuk meramalkan dan mengklasifikasikan produksi udang Vannamei. Proses pelatihan di dalam struktur RBFN menggunakan K-means clustering dan metode gradient descent. Penelitian ini menggunakan temperatur rata-rata, kelembaban rata-rata dan curah hujan setiap bulan mulai dari Januari 2013 hingga Desember 2017 sebagai dataset aktual. Dari dataset tersebut, dataset pelatihan mulai dari Januari 2013 hingga Desember 2016 dan dataset sisa dipakai sebagai dataset pengujian. Hasil proses pengujian menunjukkan bahwa hasil peramalan dan klasifikasi memiliki tingkat akurasi dengan mean absolute percentage error (MAPE) sebesar 16,7%.
================================================================================================
One of the economic activity sectors that can be influenced by uncertain weather conditions is aquaculture production. In Lamongan, aquaculture production especially Vannamei Shrimp is very dependent on the ideal weather conditions. Uncertainty of weather conditions can cause the production of Vannamei Shrimp harvested to go up and down. These trend changes can have an impact on the activities of production supply chain, namely the fulfillment of the entry quota of Vannamei Shrimp production from agents or distributors to exporters of Vannamei Shrimp to meet market demand. This marketing results of Vannamei Shrimp production can increase the original income of Lamongan area. Changes in up and down trends from Vannamei Shrimp production can be monitored through forecasting and classification based on past data. Artificial neural network using radial basis function network (RBFN) is a method that is able to forecast and classify Vannamei Shrimp production. Training in the structure of RBFN uses K-means clustering and gradient descent method. This study uses average temperature, average humidity and rainfall each month starting from January 2013 until Desember 2017 as the actual datasets. From those datasets, the training datasets start from January 2013 until Desember 2016 and the remaining datasets are used as the testing datasets. The test results show that our forecasting and classification han an accuracy level with mean absolute percentage error (MAPE) 16,7%.

Item Type:	Thesis (Masters)
Additional Information:	RTMa 519.53 Alb p-1 2019
Uncontrolled Keywords:	Perikanan budidaya, radial basis function network, K-means clustering, metode gradient descent
Subjects:	Q Science Q Science > QA Mathematics Q Science > QA Mathematics > QA280 Box-Jenkins forecasting Q Science > QA Mathematics > QA76.87 Neural networks (Computer Science)
Divisions:	Faculty of Science and Data Analytics (SCIENTICS) > Mathematics > 44101-(S2) Master Thesis
Depositing User:	Albab M Ulul
Date Deposited:	24 Feb 2022 08:52
Last Modified:	24 Feb 2022 08:52
URI:	http://repository.its.ac.id/id/eprint/62121

Actions (login required)

View Item