Keywords
Jaringan Syaraf Tiruan (JST)
Harga daging ayam broiler
How to Cite
Abstract
Penelitian ini bertujuan untuk membandingkan kinerja metode Jaringan Syaraf Tiruan (JST) Backpropagation dan metode Simple Moving Average (SMA) dalam memprediksi harga daging ayam broiler. JST dengan Backpropagation adalah metode pembelajaran terawasi yang memodifikasi bobot yang terhubung dengan neuron-neuron pada lapisan tersembunyi. SMA, di sisi lain, adalah metode statistik yang menghitung rata-rata harga dalam periode waktu tertentu. Data harga daging ayam broiler yang dikumpulkan dari Kabupaten Tulungagung digunakan dalam penelitian ini. Hasil eksperimen menunjukkan bahwa metode JST dengan Backpropagation memberikan tingkat akurasi yang lebih tinggi dalam memprediksi fluktuasi harga daging ayam broiler dibandingkan dengan metode SMA. Temuan ini memberikan wawasan yang berharga bagi peternak ayam broiler dalam mengambil keputusan berdasarkan prediksi harga yang lebih akurat.
References
A. Sudarsono, “153217-ID-jaringan-syaraf-tiruan-untuk-memprediksi,” Jurnal Media Infotama, vol. 12, no. 1, pp. 61–69, 2016.
E. P. C. Edi Ismanto, “Jaringan Syaraf Tiruan Algoritma Backpropagation Dalam Memprediksi Ketersediaan Komoditi Pangan Provinsi Riau,” Rabit : Jurnal Teknologi dan Sistem Informasi Univrab, vol. 2, no. 2, pp. 196–209, 2017, doi: 10.36341/rabit.v2i2.152.
A. Widarma, “Jaringan Syaraf Tiruan Backpropagation Untuk Kelamin Pada Kabupaten Asahan,” Semnasmudi, pp. 337–347, 2022.
P. Siswa, D. Mata, and T. Utami, “Algoritma Backpropagation Untuk Model Prediksi Tingkat,” vol. 2, no. 6, pp. 1–12, 2022.
A. Wanto, “Prediksi Produktivitas Jagung Indonesia Tahun 2019-2020 Sebagai Upaya Antisipasi Impor Menggunakan Jaringan Saraf,” Sintech Journal, vol. 1, no. 1, pp. 53–62, 2019.
R. U. Kuswana, G. Abdillah, and A. Komarudin, “Prediksi Realisasi Penerimaan Pajak Bumi dan Bangunan di Pemerintah Kabupaten Bandung Barat Menggunakan Jaringan Syaraf Tiruan Backpropagation,” pp. 580–585, 2019.
F. Fatimah, A. Tejawati, and N. Puspitasari, “Prediksi Pemakaian Air PDAM Menggunakan Metode Simple Moving Average,” Jurnal Rekayasa Teknologi Informasi (JURTI), vol. 2, no. 1, p. 55, 2018, doi: 10.30872/jurti.v2i1.1410.
N. Aini, S. Sinurat, and S. A. Hutabarat, “Penerapan Metode Simple Moving Average Untuk Memprediksi Hasil Laba Laundry Karpet Pada CV. Homecare,” JURIKOM (Jurnal Riset Komputer), vol. 5, no. 2, pp. 167–175, 2018, [Online]. Available: http://ejurnal.stmik-budidarma.ac.id/index.php/jurikom/article/view/656
A. Haris et al., “Komparasi Metode Peramalan Harga Daging Ayam Broiler Di Kabupaten Banyuwangi Menggunakan Jaringan Syaraf Tiruan Backpropagation dan Model Multiplicative Holt-Winters Comparation Method of Forecasting Broiler Chicken Meat Prices in Banyuwangi Regency Using Backpropagation Artificial Neural Networks and Multiplicative Holt-Winters Model”.
S. Nanggala, D. Saepudin, and F. Nhita, “ANALISIS DAN IMPLEMENTASI ELMAN RECURRENT NEURAL NETWORK UNTUK PREDIKSI HARGA KOMODITAS PERTANIAN (Analysis and Implementation of Elman Recurrent Neural Network for Predicting Agricultural Commodities Prices),” e-Proceeding of Engineering, vol. 3, no. 1, pp. 1253–1262, 2016.
N. D. Maulana, B. D. Setiawan, and C. Dewi, “Implementasi Metode Support Vector Regression (SVR) Dalam Peramalan Penjualan Roti (Studi Kasus : Harum Bakery),” Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 3, no. 3, pp. 2986–2995, 2019.
Nurfalinda, E. OKTAFIANSYAH, and A. Uperiati, “Prediksi Pendistribusian Air di Perusahaan Daerah Air Minum (PDAM) dengan Metode Adaptive Neuro Fuzzy Inference System (ANFIS),” Jurnal Sustainable: Jurnal Hasil Penelitian dan Industri Terapan, vol. 10, no. 1, pp. 32–36, 2021, doi: 10.31629/sustainable.v10i1.1404.
R. Risqiati, “Penerapan Metode Single Exponential Smoothing dalam Peramalan Penjualan Benang,” Smart Comp: Jurnalnya Orang Pintar Komputer, vol. 10, no. 3, pp. 154–159, 2021, doi: 10.30591/smartcomp.v10i3.2887.
I. Yulian, D. Sri Anggraeni, and Q. Aini, “Penerapan Metode Trend Moment Dalam Forecasting Penjualan Produk Cv. Rabbani Asyisa,” JURTEKSI (Jurnal Teknologi dan Sistem Informasi), vol. 6, no. 2, pp. 2407–1811, 2020.
U. Azmi, Z. N. Hadi, and S. Soraya, “ARDL METHOD: Forecasting Data Curah Hujan Harian NTB,” Jurnal Varian, vol. 3, no. 2, pp. 73–82, 2020, doi: 10.30812/varian.v3i2.627.
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Copyright (c) 2023 Andre Gus Asrori, Umi Mahdiyah, Ardi Sanjaya