Algoritma  Backpropagation  Prediksi Harga Komoditi terhadap Karakteristik Konsumen Produk Kopi Lokal Nasional

Petti  Indrayati Sijabat; Yuhandri Yuhandri; Gunadi  Widi Nurcahyo; Anita  Sindar

doi:10.31849/digitalzone.v11i1.3880

Petti Indrayati Sijabat Universitas Putra Indonesia “YPTK” Padang
Yuhandri Yuhandri Universitas Putra Indonesia “YPTK” Padang
Gunadi Widi Nurcahyo Universitas Putra Indonesia “YPTK” Padang
Anita Sindar STMIK Pelita Nusantara

DOI: https://doi.org/10.31849/digitalzone.v11i1.3880

Keywords: Artificial Neural Networks, Predictions, Coffee Prices, Backpropagation

Abstract

Kopi bagian penting dari komoditi pasar nasional maupun internasional. Secara nasional jenis kopi lokal beragam sesuai nama daerah penghasil mengalami naik turun harga Perlu perencanaan teknologi untuk mengetahui harga kopi ke depan. Peramalan atau prediksi dalam ilmu komputer berkaitan dengan perkiraan berkala produksi, penawaran dan permintaan pada masa tertentu menggunakan alat ukur yang akurat dan teruji. Metode Backpropagation digunakan untuk prediksi harga. Proses algoritma backpropagation antara lain input data, melakukan tahap normalisasi /transformasi data, iterasi, pelatihan dan menentukan parameter jaringan, kalkulasi error, mendapatkan hasil prediksi. Perancangan arsitektur JST, dilakukan penentuan jumlah layer pada lapisan input, lapisan tersembunyi dan lapisan output. Penelitian ini menggunakan Matlab R2013a dengan metode Backpropagation. Pengambilan input, penelusuran error dan penyesuaian bobot berguna untuk menghasilkan nilai prediksi harga kopi. Hasil prediksi harga kopi dari harga aktual 74205 ke hasil harga prediksi 73668 dengan akurasi 99.9928, harga aktual 73892 ke harga prediksi 73175 dengan akurasi 99.9903, harga aktual 77981 ke hasil prediksi 77481 akurasi 99.9936.

Kata Kunci: Syaraf Tiruan, Prediksi, Harga Kopi, Backpropagation

Abstract

Coffee is an important part of the national and international market commodity. Nationally, the types of local coffee vary according to the name of the producing region experiencing ups and downs in price. It needs technology planning to find out the price of coffee going forward. Forecasting or prediction in computer science is related to periodic estimates of production, supply and demand at certain times using accurate and tested measuring tools. Backpropagation method is used for price prediction. The backpropagation algorithm process includes inputting data, performing the normalization / transformation of data, iterating, training and determining network parameters, calculating errors, getting predictive results. The design of the ANN architecture determines the number of layers in the input layer, the hidden layer and the output layer. This research uses Matlab R2013a. Taking input, tracking errors and adjusting weights are useful for producing predictive value of coffee prices. Coffee prediction results from actual prices 74205 to the predicted price of 73668 with an accuracy of 99.9928, the actual price of 73892 to the predicted price of 73175 with an accuracy of 99.9903, the actual price of 77981 to the predicted result of 77481 with an accuracy of 99.9936.

Keywords: Neural Networks, Predictions, Coffee Prices, Backpropagation

Downloads

Download data is not yet available.

References

I. S. Purba, A. Wanto, Prediksi Jumlah Nilai Impor Sumatera Utara Menurut Negara Asal Menggunakan Algoritma Backpropagation, Techno.COM, Vol. 17, No. 3, hal: :302-311, 2018.

D. Mutiasari, V. S. Paramita, Pengaruh Profitabilitas Terhadap Harga Saham Dengan Struktur Modal Sebagai Variabel Intervening Pada Sektor Property & Real Estate Yang Terdaftar Di Bursa Efek Indonesia Periode 2012 – 2016, Prosiding Working Papers Series In Management, hal 144-159, 2016.

A. P. Windarto, M. R. Lubis, Solikhun, Model Arsitektur Neural Network Dengan Backpropogation Pada Prediksi Total Laba Rugi Komprehensif Bank Umum Konvensional, Kumpulan jurnaL Ilmu Komputer (KLIK), Volume 05, No.02, hal 146-158, 2018.

A. S. RM. Sinaga, R. N. Zendrato, Optimasi Penugasan Pegawai Menggunakan Metode Hungarian, Journal of Innovation Information Technology and Application (JINITA), Volume 1, Nomor 01, Pages 16-24, 2019.

Yalidhan, M. Dedek, Implementasi Algoritma Backpropagation Untuk Memprediksi Kelulusan Mahasiswa, Klik- Kumpulan Jurnal Ilmu Komputer, Vol 5, No 2, 2018.

Hindarto, I. Anshory, A. E. Yanti, Klasifikasi Sinyal Jantung Menggunakan Jaringan Syaraf Backpropagation Classification of Heart Signals Using Backpropagation Neural Network, Jurnal Saintek, Vol. 13. No. 2, hal: : 99–102, 2016.

O. Vermesan, M. Eisenhauer, H. Sunmaeker, P. Guillemin, M. Serrano, E. Z. Tragos, J. Valino, A. van der Wees, A. Gluhak, and R. Bahr, Internet of things cognitive transformation technology research trends and applications, Cognitive Hyperconnected Digital Transformation; Vermesan, O., Bacquet, J., Eds, pp. 17–95, 2017.

W. Shi, J. Cao, Q. Zhang, Y. Li, and L. Xu, Edge computing: Vision and challenges, IEEE Internet of Things Journal, vol. 3, no. 5, pp. 637–646, 2016.

J. Secco, M. Poggio, and F. Corinto, Supervised Neural Networks With Memristor Binary Synapses, International Journal of Circuit Theory and Applications, vol. 46, no. 1, pp. 221–233, 2018.

C. D. Suhendra, R. Wardoyo, Penentuan Arsitektur Jaringan Syaraf Tiruan Backpropagation (Bobot Awal dan Bias Awal) Menggunakan Algoritma Genetika IJCCS, Vol.9, No.1, pp. 77-88, 2015.

H. Y. Sari, “Optimasi Conjugate Gradient Pada Algoritma Backpropagation Neural Network Untuk Prediksi Kurs Time Series,” Jurnal Gema Aktualita, 2016, vol. 5, no. 1, pp. 86–90, 2016.

S. Setti, A. Wanto, Analysis of Backpropagation Algorithm in Predicting the Most Number of Internet Users in the World, OIN (Jurnal Online Informatika), Volume 3 No. 2 hal: 110-115, 2018.

A. F. Achmalia, Walid, Sugiman, Peramalan Penjualan Semen Menggunakan Backpropagation Neural Network Dan Recurrent Neural Network, UNNES Journal of Mathematics, 8(1) hal: 92-105, 2019.

P. Marpaung, A. Sitio, A. Sindar, Optimization of Sugar Salt Fat in the Human Body Using Genetic Algorithm, SinkrOn : Jurnal dan Penelitian Teknik Informatika, Volume 4, Number 2, hal: 85-91, 2020.

N. Nurmila, A. Sugiharto, E. A. Sarwoko, Algoritma Back Propagation Neural Network Untuk Pengenalan Pola Karakter Huruf Jawa, Jurnal Masyarakat Informatika, Volume 1, Nomor 1 hal: 1-10, 2017.