REFANI AULIA PALUPI, - (2023) PENERAPAN METODE ELMAN RECCURRENT NEURAL NETWORK (ERNN) UNTUK MEMPREDIKSI NILAI TUKAR PETANI (NTP). Skripsi thesis, UNIVERSITAS ISLAM NEGERI SULTAN SYARIF KASIM RIAU.

Preview	Text TA REFA (KECUALI BAB 4).pdf Download (4MB) | Preview
	Text (BAB IV) TA REFA (BAB 4 AJA).pdf - Published Version Restricted to Repository staff only Download (3MB)

Abstract

Pemerintahan Indonesia memiliki arah dan tujuan yaitu pembangunan di segala bidang. Pembangunan tersebut merupakan upaya meningkatkan kesejahteraan seluruh rakyat Indonesia. Untuk meningkatkan kesejahteraan pembangunan memerlukan data tentang pertumbuhan ekonomi dan data pengukur tingkat kesejahteraan penduduk khususnya dibidang petani. Nilai Tukar Petani (NTP) adalah komponen dalam mengukur tingkat kesejahteraan petani. Penelitian ini dilakukan dengan studi kasus NTP Provinsi Riau dengan data yang diperoleh dari situs Badan Pusat Statistik (BPS) dari Januari 2011 sampai Desember 2021. Metode yang digunakan dalam penelitian ini adalah metode Elman Recurrent Neural Network (ERNN). Metode ERNN merupakan salah satu metode yang sangat sesuai digunakan untuk melakukan peramalan karena metode ERNN sendiri merupakan salah satu metode Jaringan Syaraf Tiruan (JST) yang merupakan pengembangan dari metode backpropagation. Keunggulan dari metode ERNN ini adalah adanya context layer yang dapat membuat iterasi dan kecepatan update yang lebih baik. Dalam penelitian ini metode ERNN berhasil memprediksi nilai tukar petani pada bulan berikutnya. Pengujian Mean Square Error (MSE) yang telah dilakukan memberikan nilai MSE yang terkecil pada pembagian data latih 70% dan data uji 30%, nilai learning rate 0,1 dengan nilai MSE 0,2520. Kata Kunci: Contex Layer, ERNN, NTP, JST, Prediksi

Actions (login required)

View Item