RIANTO ANGGARA PUTRA (2018) PENERAPAN JARINGAN SYARAF TIRUAN ELMAN RECURRENT NEURAL NETWORK (ERNN) UNTUK PREDIKSI PRODUKSI GETAH PINUS(STUDI KASUS : PT. TUSAM HUTANI LESTARI). Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

Preview	Text 1. COVER_2018213TIF.pdf Download (148kB) | Preview
Preview	Text 2. PENGESAHAN_2018213TIF.pdf Download (195kB) | Preview
Preview	Text 3. ABSTRAK_2018213TIF.pdf Download (134kB) | Preview
Preview	Text 4. KATA PENGANTAR_2018213TIF.pdf Download (229kB) | Preview
Preview	Text 5. DAFTAR ISI_2018213TIF.pdf Download (163kB) | Preview
Preview	Text 6. BAB I_2018213TIF.pdf Download (214kB) | Preview
Preview	Text 7. BAB II_2018213TIF.pdf Download (344kB) | Preview
Preview	Text 8. BAB III_2018213TIF.pdf Download (299kB) | Preview
Preview	Text 9. BAB IV_2018213TIF.pdf Download (1MB) | Preview
	Text 10. BAB V_2018213TIF.pdf Restricted to Repository staff only Download (2MB)
Preview	Text 11. BAB VI_2018213TIF.pdf Download (98kB) | Preview
Preview	Text 12. DAFTAR PUSTAKA_2018213TIF.pdf Download (218kB) | Preview

Abstract

PT. Tusam Hutani Lestari menggunakan pendekatan statistik dalam menentukan produksi getah pinus. Perhitungan dilakukan berdasarkan jumlah produksi tahun sebelumnya dan belum optimal dalam menentukan produksi getah pinus. Suatu metode prediksi dibutuhkan untuk menentukan prediksi produksi getah pinus secara lebih detail. Penelitian ini menggunakan metode Elman Recurrent Neural Network (ERNN)dalam menentukan produksi getah pinus. Variabel yang digunakan dalam penelitian ini adalah diameter pohon, umur pohon, jumlah pohon dalam 1 hektar (DKN), ketinggian tempat (DPL) dan kemiringan tempat.Penelitian ini menggunakan 150 data. Parameter uji yang dilakukan adalah learning rate 0.1 hingga 0.9,batas toleransi error 0.001 dan maksimum epoch 500.Pengujian data dilakukan dengan tiga kali percobaan pembagian latih dan uji,yaitu 70%:30%80%:20%dan 90%:10%. Berdasarkan hasil pengujian penelitian yang telah dilakukan, didapat akurasi dan nilai RMSE.Akurasi tertiggi96.99% diperolehpada pembagian data 90%:10%, nilai learning rate0.3, epoch 500 dan toleransi error 0.001. Sedangkan nilai RMSE0.0062 diperoleh pada pembagian data 80%:20%, nilai learningrate 0.9, epoch 500 dan toleransi error 0.001. Berdasarkan hasil pengujian tersebut, dapat disimpulkan bahwa metode ERNN dapat diterapkan untuk prediksi produksi getah pinus. Kata kunci: Akurasi, Elman Recurrent Neural Network (ERNN), Getah Pinus, Prediksi Produksi, Root Mean Square Error (RMSE

Actions (login required)

View Item