Peramalan pasokan beras dengan menggunakan metode holt-winters dan Multi Layer Perceptron (MLP)

DETAIL KOLEKSI

Peramalan pasokan beras dengan menggunakan metode holt-winters dan Multi Layer Perceptron (MLP)

Oleh : Carlos Parlindungan Hutajulu

Info Katalog

Penerbit : FTI - Usakti

Kota Terbit : Jakarta

Tahun Terbit : 2022

Pembimbing 1 : Dedy Sugiarto

Pembimbing 2 : Binti Solihah

Subyek : Business intelligence;Industrial management

Kata Kunci : rice, prediction, supply, holt-winters, mlp peramalan.

Status Posting : Published

Status : Lengkap

File Repositori

No.	Nama File	Hal.
1.	2022_TA_SIF_064001700015_Halaman-Judul.pdf	20
2.	2022_TA_SIF_064001700015_Lembar-Pengesahan.pdf	3
3.	2022_TA_SIF_064001700015_Bab-1_Pendahuluan.pdf	5
4.	2022_TA_SIF_064001700015_Bab-2_Tinjauan-Pustaka.pdf	14
5.	2022_TA_SIF_064001700015_Bab-3_Metodologi-Penelitian.pdf	14
6.	2022_TA_SIF_064001700015_Bab-4_Analisis-dan-Pembahasan.pdf	15
7.	2022_TA_SIF_064001700015_Bab-5_Kesimpulan.pdf	2
8.	2022_TA_SIF_064001700015_Daftar-Pustaka.pdf	4

Abstrak
Abstract

B Beras merupakan makanan pokok di beberapa negara Asia, khususnya Indonesia. Oleh karena itu, di Indonesia beras menjadi komoditas penting dalam menjaga ketahanan pangan nasional. Ketersediaan beras di Indonesia merupakan prasyarat ketahanan pangan nasional. Ketahanan pangan berkaitan dengan kualitas sumber daya manusia. Pasokan bahan pangan diharapkan tetap stabil untuk menunjang kehidupan masyarakat terutama pasokan beras di masa pandemi covid-19 ini. Oleh karena itu, prediksi terhadap pasokan beras sangat dibutuhkan untuk mewujudkan stabilisasi pasokan bahan pokok yakni beras, guna tercapainya ketahanan pangan nasional. Oleh karena itu, penelitian ini dibuat untuk memprediksi pasokan beras menggunakan metode Holt-Winters dan Multilayer Perceptron (MLP). Data pasokan beras 10 tahun terakhir digunakan sebagai data uji yang dapat memprediksi pasokan beras. Membandingkan hasil output, disimpukan bahwa model MLP lebih akurat jika dilihat sebagai fungsi dari rentang yang digunakan pasokan aktual dan nilai RMSE-nya yang lebih rendah daripada sampel Holt-Winters. Pada akhirnya, nilai RMSE yang dihasilkan di MLP adalah 398.7064 sedangkan nilai RMSE di Holt-Winters adalah 3854.417.

R Rice is a staple food in several Asian countries, especially Indonesia. Therefore, in Indonesia, rice is an important commodity in maintaining national food security. The availability of rice in Indonesia is a prerequisite for national food security. Food security is related to the quality of human resources. Food supply is expected to remain stable to support people's lives, especially rice supply during the COVID-19 pandemic. Therefore, prediction of rice supply is very necessary to stabilize the supply of staple food, namely rice, in order to achieve national food security. Therefore, this study was made to predict rice supply using the Holt-Winters and Multilayer Perceptron (MLP) method. Rice supply data for the last 10 years is used as test data that can predict rice supply. Comparing the output results, it is concluded that the MLP model is more accurate when viewed as a function of the range used by the actual supply and its RMSE value is lower than the Holt-Winters sample. In the end, the RMSE value for MLP was 398,7064, while the RMSE for Holt-Winters was 3854,417.