ILHAM AKBAR. HR, - (2023) PREDIKSI HASIL PRODUKSI PADI MENGGUNAKAN METODE MULTILAYER PERCEPTRON. Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

Preview	Text KHUSUS COVER SAMPAI LAMPIRAN KECUALI BAB 4.pdf Download (2MB) | Preview
	Text (BAB IV) KHUSUS BAB 4 Laporan TA Ilham OKE.pdf - Published Version Restricted to Repository staff only Download (1MB)

Abstract

Padi adalah sumber makanan pokok rata-rata pada masyarakat Indonesia khususnya di Kabupaten Kampar Provinsi Riau. Jumlah prediksi hasil produksi dapat meningkat atau menurun setiap bulan. Melakukan prediksi hasil produksi padi perlu dilakukan sebuah analisa dan implementasi yang mampu menghasilkan prediksi produksi padi pada bulan yang akan datang, dimulai dari bulan januari 2022 sampai bulan mei 2022. Pada penelitian ini menggunakan data yang diambil dari Dinas Tanaman Pangan dan Hortikultura Kabupaten Kampar dan penelitian ini menggunakan metode Multilayer Perceptron. Pada arsitektur metode Multilayer Perceptron menggunakan 12 input layer, 12 hidden layer, dan 1 output layer. Pengujian dilakukan dengan nilai learning rate 0.01 hingga 0,000001, perbandingan data latih data uji 80:20 dan data latih data uji 90:10 serta untuk nilai learning rate init tetap menggunakan 0,1. Hasil setelah pengujian diperoleh nilai Mean Squared Error yang terbaik yaitu 49927,40936315041 pada data latih data uji 90:10, learning rate 0,01 dan jumlah Iterasi yaitu 200 iterasi. Apabila data dinormalisasi dalam rentang nilai (0-1) diperoleh nilai MSE yaitu 0,011642618670768384. Pada proses pengujian mencari prediksi 5 bulan kedepan yaitu bulan januari hingga mei 2022 diperoleh nilai yang selalu turun dari bulan januari hingga bulan april dengan hasil 236,98 ton, bulan februari dengan hasil 104,12 ton, bulan maret dengan hasil 63,45 ton, bulan april dengan hasil 34,06 ton dan kembali naik pada bulan mei dengan hasil 98,78 ton yang dimana hasil bulan mei lebih tinggi dari bulan april dan april 2022. Kata Kunci: Mean Squared Error; Multilayer Perceptron; Padi; Prediksi; Time Series

Actions (login required)

View Item