MODEL JARINGAN SYARAF TIRUAN MEMPREDIKSI PRODUKSI EKSPOR BATU BARA MENURUT NEGARA TUJUAN UTAMA DALAM MENDORONG LAJU PERTUMBUHAN EKONOMI
Abstract
Prediction is a process for estimating how many needs in the future. This study aims to predict the amount of coal exports according to the country the main goal in driving the pace of economic growth. The role of the agricultural sector in the national economy is very important and strategic. Coal is one of the fossil fuels. The general definition is a sedimentary rock that can burn, formed from organic deposits, mainly the remains of plants and formed through the process of pembatubaraan. The main elements consist of carbon, hydrogen and oxygen. Domestic production makes the government continue to implement coal export policies according to the state's main goal in driving the pace of economic growth in Indonesia. By using Artificial Neural Networks and backpropagation algorithms, architectural models will be sought to predict the amount of coal exports according to the state's main goal in driving the pace of economic growth to determine steps to assist the government in exporting coal based on the main destination country. This study uses 12 input variables with 1 target. Using 4 architectural models to test the data to be used for prediction, namely models 12-8-1, 12-16-1, 12-32-1 and 12-64-1. The best architectural model results obtained are 12-16-1 architectural models with 100% truth accuracy, the number of epoch 2602 and MSE is 0.0032. By using this model, predictions of coal exports are in accordance with the main destination countries with 100% accuracy.
Keywords: Coal, Exports, predictions, backpropagation, Artificial Neural Networks
Prediksi adalah proses untuk memperkirakan berapa banyak kebutuhan di masa depan. Studi ini bertujuan untuk memprediksi jumlah ekspor batubara menurut negara tujuan utama dalam mendorong laju pertumbuhan ekonomi. Peran sektor pertanian dalam ekonomi nasional sangat penting dan strategis. Batubara adalah salah satu bahan bakar fosil. Definisi umum adalah batuan sedimen yang dapat terbakar, terbentuk dari endapan organik, terutama sisa-sisa tanaman dan terbentuk melalui proses pembatubaraan. Unsur utama terdiri dari karbon, hidrogen, dan oksigen. Produksi dalam negeri membuat pemerintah terus menerapkan kebijakan ekspor batubara sesuai dengan tujuan utama negara dalam mendorong laju pertumbuhan ekonomi di Indonesia. Dengan menggunakan Jaringan Saraf Tiruan dan algoritma backpropagation, model arsitektur akan dicari untuk memprediksi jumlah ekspor batubara sesuai dengan tujuan utama negara dalam mendorong laju pertumbuhan ekonomi untuk menentukan langkah-langkah untuk membantu pemerintah dalam mengekspor batubara berdasarkan negara tujuan utama . Penelitian ini menggunakan 12 variabel input dengan 1 target. Menggunakan 4 model arsitektur untuk menguji data yang akan digunakan untuk prediksi, yaitu model 12-8-1, 12-16-1, 12-32-1 dan 12-64-1. Hasil model arsitektur terbaik yang diperoleh adalah model arsitektur 12-16-1 dengan akurasi 100%, jumlah zaman 2602 dan MSE adalah 0,0032. Dengan menggunakan model ini, prediksi ekspor batubara sesuai dengan negara tujuan utama dengan akurasi 100%.
Kata kunci: Batubara, Ekspor, prediksi, backpropagation, Jaringan Syaraf Tiruan
Full Text:
PDFReferences
Solikhun and M. Safii, “Jaringan Saraf Tiruan Untuk Memprediksi Tingkat Pemahaman Siswa Terhadap Mata Pelajaran Dengan Menggunakan Algoritma Backpropagation,” J. Sains Komput. Inform., vol. 1, no. 1, pp. 24–36, 2017.
A. Sudarsono, “JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI LAJU PERTUMBUHAN PENDUDUK MENGGUNAKAN METODE BACPROPAGATION (STUDI KASUS DI KOTA BENGKULU),” Media Infotama, vol. 12, no. 1, pp. 61–69, 2016.
A. Revi, Solikhun, and I. Parlina, “Jaringan Syaraf Tiruan Dalam Memprediksi Tingkat Pertumbuhan Industri Mikro Dan Kecil Berdasarkan Provinsi,” TEKNIKA, vol. 7, no. November, 2018.
A. P. Windarto, “IMPLEMENTASI JST DALAM MENENTUKAN KELAYAKAN NASABAH PINJAMAN KUR PADA BANK MANDIRI MIKRO SERBELAWAN DENGAN METODE BACKPROPOGATION Agus,” Sains Komput. Inform., vol. 1, no. 1, pp. 12–23, 2017.
A. Jumarwanto, R. Hartanto, and D. Prastiyanto, “APLIKASI JARINGAN SARAF TIRUAN BACKPROPAGATION UNTUK MEMPREDIKSI PENYAKIT THT DI RUMAH SAKIT MARDI RAHAYU KUDUS,” J. Tek. Elektro, vol. 1, no. 1, pp. 11–21, 2009.
D. O. Maru’ao, “Neural Network Implementation in Foreign Exchange Kurs Prediction,” 2010.
A. P. Windarto, P. Studi, and S. Informasi, “Implementasi JST Dalam Menentukan Kelayakan Nasabah Pinjaman KUR Pada Bank Mandiri Mikro Serbelawan Dengan Metode Backpropagation,” no. 1, pp. 12–23, 2017.
DOI: http://dx.doi.org/10.20527/klik.v6i2.227
Copyright (c) 2019 KLIK - KUMPULAN JURNAL ILMU KOMPUTER
This work is licensed under a Creative Commons Attribution 4.0 International License.
This work is licensed under a Creative Commons Attribution 4.0 International License. View My Stats