Ferlando Jubelito Simanungkalit
Mahasiswa Pascasarjana

Published : 4 Documents
Articles

Found 4 Documents
Search

SISTEM PENDUKUNG KEPUTUSAN BERBASIS JARINGAN SYARAF TIRUAN UNTUK PERAMALAN HARGA TANAMAN PANGAN Simanungkalit, Ferlando Jubelito; Sutiarso, Lilik; Purwadi, Didik
Jurnal Teknotan Vol 7, No 3 (2013)
Publisher : Fakultas Teknologi Industri Pertanian

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (71.575 KB)

Abstract

Peramalan harga tanaman pangan perlu dirancang untuk memberikan stimulus kepada para pengambil keputusan terkait dengan kebijakan stabilisasi harga pangan, tendensi harga masa depan, dan jadwal tanam yang dapat memaksimumkan  laba.  Kajian dilakukan berdasarkan tingkat harga bulanan komoditas tanaman pangan  bulan  Januari 2000-Juli 2011 di Kabupaten Sleman, D.I. Yogyakarta. Metode penilaian Mean Square Error (MSE) dan Mean Absolute Percentage Error (MAPE) dengan toleransi validitas 15 persen digunakan untuk menentukan komoditas tanaman pangan dari 324 percobaan yang memiliki performansi terbaik. Dari 6 jenis komoditas tanaman pangan yang menjadi objek kajian, arsitektur JST yang paling baik diperoleh dari komoditas beras IR64 dengan arsitekur [12 – 32 – 1], nilai laju pembelajaran 1,75 dan kisaran transformasi data terletak pada [0 dan 1], dengan nilai MSE dan MAPE pelatihan, pengujian dan validasi berturut-turut adalah [0,00125 dan 2,807 %], [0,0219 dan 3,289 %], [0,0244 dan 3,575 %]. Kata kunci: sistem pendukung keputusan, jaringan syaraf tiruan, peramalan harga,                          tanaman pangan.
Sistem Pendukung Keputusan Berbasis Jaringan Saraf Tiruan untuk Peramalan Harga Komoditas Tanaman Pangan Simanungkalit, Ferlando Jubelito; Sutiarso, Lilik; Purwadi, Didik
Agritech Vol 33, No 1 (2013)
Publisher : Faculty of Agricultural Technology, Universitas Gadjah Mada, Yogyakarta, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/agritech.9569

Abstract

Decision Support System Based on Artificial Neural Networks For Food Crop Commodities Price Forecasting was designed to provide a stimulus for decision makers concerning food price stabilization, future price trend and available planting schedule policies which enable to maximize the profit. The main purpose of this study is to make the design of Decision Support System (DSS) by firstly analyzing the architecture of Artificial Neural Networks (ANN) that appropriate to be used as forecasting method/model base of the DSS. The study was done by using the monthly prices of the food crop commodities in Sleman Regency, D.I. Yogyakarta province, from January 2000 to July 2011. The best architecture was selected based on the lowest value of Mean Square Error (MSE) and Mean Absolute Percentage Error (MAPE) from system training, testing and validation result. Then, the best architecture was designed to be the model base of the DSS as well as the database, user interface and elements of knowledge by using the decision support system developing phases and programmed with delphi programming. From the 324 trials unit of the ANN architecture analysis for each commodity, it has been obtained that there was a best ANN architecture for each commodity and valid to be used as the forecasting method with 15% tolerance of MAPE. From 6 varieties of food crop as the object of study, the very best ANN architecture derived from rice IR64 with the architecture [12 – 32 – 1], learning rate 1,75 and the transformation range of the data [0 and 1], with consecutive value of MSE and MAPE in training, testing and validation process was [0,00125 and 2,807%], [0,0219 and 3,289%], [0,0244 and 3,575%]. Based on the validation result, the limit of the forecasting period that still valid to be done by the system was in the next 12 months. The result show that the performance of ANN architecture decrease in terms of price fluctuating sharply, due to the lack of some factors that force price fluctuation. Therefore the development of the ANN architecture was needed as the model base of the DSS in order to improve the ability of the system to provide the better decision support.AbstrakSistem pendukung keputusan berbasis jaringan saraf tiruan untuk peramalan harga tanaman pangan dirancang untuk membantu memberikan stimulus bagi para pengambil keputusan perihal kebijakan stabilisasi harga pangan, tren harga masa depan dan jadwal tanam yang memungkinkan untuk memaksimalisasi keuntungan. Tujuan penelitian ini adalah rancang bangun Sistem Pendukung Keputusan (SPK) dengan terlebih dahulu menganalisis arsitektur Jaringan Saraf Tiruan (JST) yang paling tepat untuk digunakan sebagai metode peramalan/subsistem model SPK. Kajian dilakukan dengan menggunakan tingkat harga bulanan komoditas tanaman pangan di Kabupaten Sleman, D.I. Yogyakarta bulan Januari 2000 – Juli 2011. Arsitektur JST terbaik dipilih berdasarkan pada nilai Mean Square Error (MSE) dan Mean Absolute Percentage Error (MAPE) yang paling kecil dari hasil pelatihan, pengujian dan validasi sistem. Arsitektur terbaik kemudian dirancang menjadi subsistem model SPK bersamaan dengan basis data, tampilan antarmuka dan komponen pengetahuan dengan menggunakan fase-fase perancangan sistem pendukung keputusan dan diprogram dengan bahasa pemrograman delphi. Dari 324 percobaan analisis arsitektur JST untuk masing-masing komoditas, diperoleh satu arsitektur JST dengan performa terbaik untuk masing-masing komoditas dan valid untuk digunakan sebagai metode peramalan dengan toleransi MAPE 15%. Dari 6 jenis komoditas tanaman pangan yang menjadi objek kajian, arsitektur JST yang paling baik diperoleh dari komoditas beras IR64 dengan arsitekur [12 – 32 – 1], nilai laju pembelajaran 1,75 dan kisaran transformasi data terletak pada [0 dan 1], dengan nilai MSE dan MAPE pelatihan, pengujian dan validasi berturut-turut adalah [0,00125 dan 2,807%], [0,0219 dan 3,289%], [0,0244 dan 3,575%]. Berdasarkan hasil validasi, batas jangka waktu peramalan maksimal yang valid untuk dilakukan oleh sistem adalah selama 12 bulan ke depan. Dari hasil penelitian diketahui bahwa arsitektur JST yang digunakan mengalami penurunan performa pada bagian pola harga yang berfluktuasi dengan tajam, hal ini disebabkan karena arsitektur JST yang digunakan tidak memperhitungkan faktor-faktor yang menyebabkan terjadinya fluktuasi harga, untuk itu perlu pengembangan arsitektur JST sebagai subsistem model SPK guna meningkatkan kemampuan sistem memberikan dukungan keputusan yang lebih baik.
Sistem Pendukung Keputusan Monitoring dan Peramalan Harga Beras Kabupaten Deli Serdang, Sumatera Utara Simanungkalit, Ferlando Jubelito; Naibaho, Benika
Agritech Vol 38, No 2 (2018)
Publisher : Faculty of Agricultural Technology, Universitas Gadjah Mada, Yogyakarta, Indonesia

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.22146/agritech.16833

Abstract

The goal of this research was to design a Decision Support System (DSS) to monitor and forecast the price of rice. This system was designed to help the policy makers in decision making process to stabilize the rice price. The most fitted model base of the DSS forecasting method was selected by analyzing the architecture of Artificial Neural Network (ANN). The best fitted ANN architecture was selected based on the smallest value of Mean Square Error (MSE) and Mean Absolute Percentage Error (MAPE) in training, testing, and validation. The research was done using the monthly price of rice IR64 in District Deli Serdang, North Sumatera from January 2000 to December 2015. Decision support system developing phases was used to create the best match of ANN architecture for the model base of the DSS along with the database, the knowledge base, as well as the user interface. DSS was programmed using the PHP programming and was designed in a web base to facilitate the interaction between the DSS, the systems users, and the flow of data exchange. From 73 trials unit of the ANN architecture analysis, it has been obtained that an ANN 12-1-1, purelin activation function inside the hidden layer, purelin activation function inside the output layer, traingda training algorithm (gradient descent with adaptive learning rate) and the value of learning rate was 0,1 were the best match for developing the DSS forecasting method. Furthermore, the MSE and MAPE of the training, testing and validation in a row were 0.00128 and 3.57%; 0.0319 and 5.47%; 0.0052 and 2.51%. The validation results showed that the forecasting results that has been produced by the DSS has a 90 % accuracy. ABSTRAKSistem pendukung keputusan monitoring dan peramalan harga beras dirancang untuk memberikan prediksi harga masa depan dan dukungan keputusan bagi para pembuat kebijakan dalam melakukan stabilisasi harga beras. Tujuan penelitian ini adalah merancang prototipe Sistem Pendukung Keputusan (SPK) dengan terlebih dahulu menganalisis arsitektur Jaringan Saraf Tiruan (JST) yang paling sesuai untuk digunakan sebagai metode peramalan/subsistem model SPK. Kajian dilakukan dengan menggunakan data harga bulanan komoditas beras IR64 di Kabupaten Deli Serdang, Sumatera Utara bulan Januari 2000–Desember 2015. Arsitektur model JST terbaik dipilih berdasarkan pada nilai Mean Square Error (MSE) dan Mean Absolute Percentage Error (MAPE) terkecil dari hasil pelatihan, pengujian dan validasi. Arsitektur model JST terbaik kemudian dirancang menjadi subsistem model SPK bersamaan dengan basis data, komponen pengetahuan dan tampilan antarmuka menggunakan fase-fase perancangan sistem pendukung keputusan. SPK dirancang untuk digunakan berbasis web (web base) agar memudahkan interaksi dengan pengguna (user) dan arus pertukaran data. SPK diprogram menggunakan bahasa pemrograman PHP. Dari 73 percobaan analisis arsitektur model JST yang telah dilakukan, diperoleh satu arsitektur JST dengan performa peramalan terbaik yang digunakan sebagai metode peramalan dengan arsitektur 12-1-1, fungsi aktivasi purelin pada lapisan tersembunyi, fungsi aktivasi purelin pada lapisan output, algoritma pelatihan traingda (gradient descent with adaptive learning rate) dan nilai laju pembelajaran 0,1. Nilai MSE dan MAPE dari hasil pelatihan, pengujian dan validasi berturut-turut adalah 0,00128 dan 3,57%; 0,0319 dan 5,47%; 0,0052 dan 2,51%. Hasil validasi menunjukkan bahwa hasil peramalan yang dihasilkan oleh SPK memiliki tingkat akurasi 90%.
SISTEM PENDUKUNG KEPUTUSAN BERBASIS JARINGAN SYARAF TIRUAN UNTUK PERAMALAN HARGA TANAMAN PANGAN Simanungkalit, Ferlando Jubelito; Sutiarso, Lilik; Purwadi, Didik
Teknotan: Jurnal Industri Teknologi Pertanian Vol 7, No 3 (2013)
Publisher : Fakultas Teknologi Industri Pertanian

Show Abstract | Download Original | Original Source | Check in Google Scholar | Full PDF (71.575 KB)

Abstract

Peramalan harga tanaman pangan perlu dirancang untuk memberikan stimulus kepada para pengambil keputusan terkait dengan kebijakan stabilisasi harga pangan, tendensi harga masa depan, dan jadwal tanam yang dapat memaksimumkan  laba.  Kajian dilakukan berdasarkan tingkat harga bulanan komoditas tanaman pangan  bulan  Januari 2000-Juli 2011 di Kabupaten Sleman, D.I. Yogyakarta. Metode penilaian Mean Square Error (MSE) dan Mean Absolute Percentage Error (MAPE) dengan toleransi validitas 15 persen digunakan untuk menentukan komoditas tanaman pangan dari 324 percobaan yang memiliki performansi terbaik. Dari 6 jenis komoditas tanaman pangan yang menjadi objek kajian, arsitektur JST yang paling baik diperoleh dari komoditas beras IR64 dengan arsitekur [12 – 32 – 1], nilai laju pembelajaran 1,75 dan kisaran transformasi data terletak pada [0 dan 1], dengan nilai MSE dan MAPE pelatihan, pengujian dan validasi berturut-turut adalah [0,00125 dan 2,807 %], [0,0219 dan 3,289 %], [0,0244 dan 3,575 %]. Kata kunci: sistem pendukung keputusan, jaringan syaraf tiruan, peramalan harga,                          tanaman pangan.