Peramalan Harga Telur Ayam Ras Di Jakarta Timur Berbasis Jaringan Syaraf Tiruan

Syamsiah, Nurfia Oktaviani

doi:10.24114/cess.v5i1.15554

Cited by 2 publications

(2 citation statements)

References 12 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Peramalan menjadi suatu hal yang dibutuhkan dalam banyak kondisi dan situasi, seperti keputusan untuk menambah kapasitas produksi beberapa tahun ke depan memerlukan peramalan konsumsi, penentuan lokasi kegiatan memerlukan peramalan kondisi cuaca, perluasan gedung kuliah memerlukan peramalan jumlah mahasiswa dan dosen. Beberapa penelitian peramalan telah banyak dilakukan sebelumnya dengan memanfaatkan berbagai metode (Petropoulos et al, 2018) (Naim & Mahara, 2018) (Syamsiah, 2020) (Phan, 2018) .…”

Section: Pendahuluanunclassified

Penerapan Metode Stacking Untuk Meningkatkan Akurasi Hasil Peramalan Konsumsi Listrik

Syamsiah¹,

Purwandani²

2023

JSCE

View full text Add to dashboard Cite

Peramalan merupakan salah satu upaya yang sering dilakukan oleh setiap institusi dengan berbagai bidang usaha. Konsumsi listrik menjadi permasalahan yang memerlukan penyelesaian dalam bentuk sebuah model peramalan. Data konsumsi listrik berbentuk data runtun waktu yang ketika digunakan untuk peramalan dapat berupa data univariat maupun data multivariat. Peramalan menggunakan data univariat akan dilakukan dalam penelitian ini dengan memanfaatkan metode stacking dengan harapan dapat menghasilkan nilai RMSE yang rendah sehingga akurasi hasil penelitian menjadi lebih baik. Selain itu metode stacking juga akan diterapkan untuk tiga interval data berbeda untuk mengetahui tipe interval yang mampu memberikan nilai error terkecil. Berdasarkan hasil penelitian didapatkan bahwa penerapan stacking mampu menurunkan nilai RMSE sebesar 0,7%. Selain itu dihasilkan juga fakta bahwa interval data terpendek lebih mampu memberikan RMSE terkecil dengan perbedaan sekitar 7% dengan interval yang lebih panjang.

show abstract

Section: Pendahuluanunclassified

Penerapan Metode Stacking Untuk Meningkatkan Akurasi Hasil Peramalan Konsumsi Listrik

Syamsiah¹,

Purwandani²

2023

JSCE

View full text Add to dashboard Cite

show abstract

“…Many algorithms have been used by researchers in forecasting univariate time series data, including Neural Networks (Penpece & Elma, 2014) (Syamsiah, 2020), SVM (He, 2019), Fuzzy Rule Base (Maciel & Ballini, 2017), Genetics Algorithms (Al-Douri, Hamodi, & Lundberg, 2018), Bagging (Athanasopoulos, Song, & Sun, 2017) as well as Exponential Smoothing (Ferbar Tratar, Mojškerc, & Toman, 2016).…”

Section: Introductionmentioning

confidence: 99%

Smoothing in Neural Network for Univariat Time Series Data Forecasting

Syamsiah

Purwandani

2020

jri

Self Cite

View full text Add to dashboard Cite

Time series data is interesting research material for many people. Not a few models have been produced, but very optimal accuracy has not been obtained. Neural network is one that is widely used because of its ability to understand non-linear relationships between data. This study will combine a neural network with exponential smoothing to produce higher accuracy. Exponential smoothing is one of the best linear methods is used for data set transformation and thereafter the new data set will be used in training and testing the Neural Network model. The resulting model will be evaluated using the standard error measure Root Mean Square Error (RMSE). Each model was compared with its RMSE value and then performed a T-Test. The proposed ES-NN model proved to have better predictive results than using only one method.

show abstract

Peramalan Harga Telur Ayam Ras Di Jakarta Timur Berbasis Jaringan Syaraf Tiruan

Cited by 2 publications

References 12 publications

Penerapan Metode Stacking Untuk Meningkatkan Akurasi Hasil Peramalan Konsumsi Listrik

Penerapan Metode Stacking Untuk Meningkatkan Akurasi Hasil Peramalan Konsumsi Listrik

Smoothing in Neural Network for Univariat Time Series Data Forecasting

Contact Info

Product

Resources

About