PERAMALAN JUMLAH PRODUKSI AIR DENGAN ALGORITMA BACKPROPAGATION
DOI:
https://doi.org/10.46984/sebatik.v23i1.465Keywords:
Peramalan, Jaringan Saraf Tiruan, Backpropagation, Pola, MapeAbstract
Pada masa saat sekarang ini, peramalan sudah menjadi bentuk bahan pertimbangan dalam segala aspek bidang. Kajian dalam jumlah produksi sering kali banyak peneliti mencoba melakukan peramalan guna sebuah proses manajemen. Dalam penelitian ini, penulis menjadikan topik penelitian yang mengkaji peramalan jumlah produksi air. Hal ini sudah banyak para peneliti melakukan penelitian yang membahas kajian prediksi jumlah produksi air dengan menggunakan Jaringan Saraf Tiruan (JST). Pada penelitian ini, penulis juga akan membahas pembahasan mengenai (JST) dengan algoritma backpropagation guna melihat lagi hasil peramalan jumlah prediksi air yang terjadi pada PDAM yang ada di kota Padang. Algoritma ini berkerja untuk melatih dan menguji pola jaringan yang terbentuk dari beberapa variabel yang digunakan dilihat dari aspek penggunaan dan jumlah air yang terjual. Proses pelatihan dan pengujian dilakukan nantinya akan menghasilkan nilai seberapa besarnya akurasi dari sebuah peramalan. Pada peramalan jumlah produksi air dengan algoritma beckpropagation, penulis mendapati Nilai akurasi pada peramalan ini sebesar 99,78 % dan nilai rata-rata kesalahan (Mape) yang didapat sebesar 0.23%, sehingga hasil peramalan yang didapat bisa dijadikan landasan dalam melakukan manajemen jumlah produksi air.
References
Dwi Rahayu, dkk, 2018, Implementasi Metode Backpropagation Untuk Klasifikasi Kenaikan Harga Minyak Kelapa Sawit, Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, Vol. 2, No. 4.
Irawan, A. F. 2015. Implementasi Metode Jaringan Syaraf Tiruan Backpropagation Pada Peramalan Kebutuhan Air Pdam Kota Malang. Skripsi, Universitas Brawijaya.
Irwansyah, Edy dan Faisal, Muhammad. 2015. Advanced Clustering: Teori dan Aplikasi. Yogyakarta : Deepublish
Huang and Z. Wu,2017, “Forecasting outpatient visits using empirical mode decomposition coupled with backpropagation artificial neural networks optimized by particle swarm optimization,” PLoS ONE, vol. 12, no. 2, pp. 1–18
Muhammad Reza dan Suprayogi, 2017, Prediksi Jangka Waktu Pengiriman Barang Pada PT. Pos Indonesia menggunakan Backpropagation, ogito Smart Journal/VOL. 3/NO. 1
Nabilla Putri Sakinah,dkk, 2018, Prediksi Jumlah Permintaan Koran Menggunakan Metode Jaringan Syaraf Tiruan Backpropagation, Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, Vol. 2, No. 7
Nikmah, Nanik Ulfatun. 2014. Prediksi Kebutuhan Air Pdam Berdasarkan Jumlah Pelanggan Menggunakan Al-Alaoui Backpropagation. Skripsi, Universitas Brawijaya.
Soares, F., M., Souza, A., M., F. 2016. Neural Network Programming With Java. Packt Publishing Ltd, Mumbai.
Sutojo, T dkk. (2011). Kecerdasan Buatan. Yogyakarta: Andi Offset.
Yanto, Musli, dkk. 2018. Peramalan Penjualan Pada Toko Retail Menggunakan Algoritma Backpropagation Neural Network, Media Informatika Budidarma, Vol 2, No. 3
Yanto, Musli, dkk. 2015, Analisis Jaringan Syaraf Tiruan Untuk Memprediksi Jumlah Reservasi Kamar Hotel Dengan Metode Backpropagation, Jurnal KomTekInfo Fakultas Ilmu Komputer, Volume 2, No. 1
Downloads
Published
How to Cite
Issue
Section
License
Authors retain all their rights to the published works, such as (but not limited to) the following rights; Copyright and other proprietary rights relating to the article, such as patent rights, The right to use the substance of the article in own future works, including lectures and books, The right to reproduce the article for own purposes, The right to self-archive the article