Pencarian
IMPLEMENTASI RECURRENT NEURAL NETWORK UNTUK FORECASTING PRODUKSI KARET DI INDONESIA
Antika Putri Andini (2024),
IMPLEMENTASI RECURRENT NEURAL NETWORK UNTUK FORECASTING PRODUKSI KARET DI INDONESIA. Skripsi, Universitas Samudra.
ABSTRAK
Indonesia merupakan negara dengan luas areal perkebunan karet terbesar di dunia dan peringkat kedua sebagai negara dengan produksi karet terbesar setelah Thailand. Produksi Karet di Indonesia pada tahun 1970 sampai 2022 mengalami fluktuasi. Produksi karet yang mengalami fluktuasi dapat mempengaruhi perekonomian suatu wilayah. Akibatnya upaya produksi yang dilakukan tidak dapat dimanfaatkan dengan optimal sehingga dibutuhkan peramalan jumlah produksi karet di masa yang akan datang yang dapat mempermudah pemerintah dalam mengambil keputusan. Tujuan dari penelitian ini adalah ingin memperlihatkan forecasting produksi karet di Indonesia pada tahun 2023 sampai 2028 dengan menggunakan metode Long Short Term Memory (LSTM) yang merupakan salah satu pengembangan dari arsitektur Recurrent Neural Network (RNN). Recurrent Neural Network (RNN) merupakan salah satu jenis jaringan saraf tiruan yang digunakan untuk mengelolah data Time Series. Hasil forecasting produksi karet di Indonesia pada tahun 2023 sampai 2028 adalah 4.676.570, 4.689.350 ,4.717.897, 4.768.437, 4.831.998, 3.917.198 dengan nilai keakuratan peramalan sebesar 8,95%.
Kata kunci : Forecasting, Karet, Long Short Term Memory (LSTM), Recurrent Neural Network (RNN)File ::(login required)
Tipe Items | : Skripsi |
Penulis/Penyusun | : Antika Putri Andini |
Fakultas | : Fakultas Teknik |
Program.Studi | : MIPA Matematika (2024) |
Tanggal disimpan | : 29-05-2024 11:18 |
Terakhir diubah | : 25-06-2024 10:25 |
Penerbit | : Langsa, Universitas Samudra, 2024 |
URI | : https://etd.unsam.ac.id/detail.php?id=5852 |
Root | : https://www.unsam.ac.id |