BAB I PENDAHULUAN 1.1 Latar Belakang

dokumen-dokumen yang mirip
BAB 1 PENDAHULUAN. Pertanian memiliki peranan penting dalam perekonomian di Indonesia.

BAB I PENDAHULUAN. universitas swasta yang memiliki 7 Fakultas dengan 21 Program Studi yang

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB 1 PENDAHULUAN 1.1. Latar Belakang

JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI CURAH HUJAN SUMATERA UTARA DENGAN METODE BACK PROPAGATION (STUDI KASUS : BMKG MEDAN)

T 11 Aplikasi Model Backpropagation Neural Network Untuk Perkiraan Produksi Tebu Pada PT. Perkebunan Nusantara IX

BAB I PENDAHULUAN. kecerdasan buatan, kecerdasan buatan merupakan salah satu bagian ilmu

BAB I PENDAHULUAN. dalam realita ekonomi dan sosial masyarakat di banyak wilayah di Indonesia.

BAB I PENDAHULUAN. paling parah dan paling lama tingkat pemulihannya akibat krisis keuangan

BAB I PENDAHULUAN I-1

BAB I PENDAHULUAN. 1.1 Latar Belakang

METODOLOGI PENELITIAN

BAB 2 LANDASAN TEORI

1. Pendahuluan. 1.1 Latar Belakang

SISTEM PAKAR DIAGNOSA PENYAKIT DEMAM BERDARAH DENGUE BERBASIS ANDROID MENGGUNAKAN JARINGAN SARAF TIRUAN

BAB 1 PENDAHULUAN. 1.1 Latar Belakang Masalah

LEARNING VECTOR QUANTIZATION UNTUK PREDIKSI PRODUKSI KELAPA SAWIT PADA PT. PERKEBUNAN NUSANTARA I PULAU TIGA

BAB II DASAR TEORI Jaringan Syaraf Tiruan. Universitas Sumatera Utara

ANALISIS PERBANDINGAN METODE BACKPROPAGATION DAN RADIAL BASIS FUNCTION UNTUK MEM PREDIKSI CURAH HUJAN DENGAN JARINGAN SYARAF TIRUAN

ANALISIS PENAMBAHAN NILAI MOMENTUM PADA PREDIKSI PRODUKTIVITAS KELAPA SAWIT MENGGUNAKAN BACKPROPAGATION

BAB 1 PENDAHULUAN. 1.1 Latar Belakang. Indonesia merupakan negara agraris karena memiliki tanah yang subur. Karena

BAB 1 PENDAHULUAN Latar Belakang

KLASIFIKASI POLA HURUF VOKAL DENGAN MENGGUNAKAN JARINGAN SARAF TIRUAN BACKPROPAGATION. Dhita Azzahra Pancorowati

Prediksi Nilai Tukar Petani Menggunakan Jaringan Syaraf Tiruan Backpropagation

MILIK UKDW. Bab 1 PENDAHULUAN. 1.1 Latar Belakang

3 METODE PENELITIAN 3.1 Kerangka Pemikiran

BAB 3 METODOLOGI PENELITIAN

BAB I PENDAHULUAN. Kelancaran berkomunikasi radio sangat ditentukan oleh keadaan lapisan E

Pengembangan Aplikasi Prediksi Pertumbuhan Ekonomi Indonesia dengan Jaringan Syaraf Tiruan Backpropagation

PREDIKSI PENDAPATAN ASLI DAERAH KALIMANTAN BARAT MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION

BAB I PENDAHULUAN I-1

BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah. Meter air merupakan alat untuk mengukur banyaknya air yang digunakan oleh

Analisis Jaringan Saraf Tiruan dengan Metode Backpropagation Untuk Mendeteksi Gangguan Psikologi

MEMPREDIKSI KECERDASAN SISWA MENGGUNAKAN JARINGAN SYARAF TIRUAN BERBASIS ALGORITMA BACKPROPAGATION (STUDI KASUS DI LP3I COURSE CENTER PADANG)

PENERAPAN JARINGAN SYARAF TIRUAN DALAM MEMPREDIKSI TINGKAT PENGANGGURAN DI SUMATERA BARAT

SISTEM PENGENALAN BARCODE MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION

JARINGAN SARAF TIRUAN DENGAN METODE BACKPROPAGATION UNTUK MENDETEKSI GANGGUAN PSIKOLOGI

ARTIFICIAL NEURAL NETWORK TEKNIK PERAMALAN - A

VOL. 01 NO. 02 [JURNAL ILMIAH BINARY] ISSN :

BAB I PENDAHULUAN. kenaikan harga minyak mentah itu sendiri. Saat ini penetapan harga minyak

BAB I PENDAHULUAN. memperhatikan kelestarian sumber daya alam (Mubyarto, 1994).

1. Pendahuluan 1.1 Latar belakang masalah

APLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI PENJUALAN OBAT Pada PT. METRO ARTHA PRAKARSA MENERAPKAN METODE BACKPROPAGATION

UKDW BAB I PENDAHULUAN. 1.1 Latar Belakang Masalah

BAB I PENDAHULUAN. yang menyerupai otak manusia yang dikenal dengan jaringan syaraf tiruan.

APLIKASI JARINGAN SYARAF TIRUAN DALAM PENGHITUNGAN PERSENTASE KEBENARAN KLASIFIKASI PADA KLASIFIKASI JURUSAN SISWA DI SMA N 8 SURAKARTA

PREDIKSI CURAH HUJAN DI KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK

Bab 1 PENDAHULUAN. pengolahan hasil perkebunan, juga dapat menyerap banyak tenaga kerja karena pada

PREDIKSI KUALITAS AIR BERSIH PDAM KOTA PALU MENGGUNAKAN METODE BACKPROPAGATION

PREDIKSI PENGGUNAAN BANDWIDTH PENS_ITS MENGGUNAKAN JARINGAN SYARAF TIRUAN DENGAN ALGORITMA BACKPROPAGATION

BAB II LANDASAN TEORI

PENERAPAN ALGORITMA JARINGAN SYARAF TIRUAN BACKPROPAGATION DALAM MEMPREDIKSI TINGKAT SUKU BUNGA BANK

SATIN Sains dan Teknologi Informasi

Perbaikan Metode Prakiraan Cuaca Bandara Abdulrahman Saleh dengan Algoritma Neural Network Backpropagation

5 GAMBARAN UMUM AGRIBISNIS KELAPA SAWIT

BAB I PENDAHULUAN A. Latar Belakang

I. PENDAHULUAN. 1. Latar Belakang

SISTEM PENILAIAN RESIKO TINGKAT BAHAYA KEBAKARAN HUTAN BERBASIS JARINGAN SYARAF TIRUAN

BAB 1 PENDAHULUAN. 1.1 Latar Belakang

BAB I PENDAHULUAN. 1.1 Latar Belakang. Universitas Sumatera Utara

BAB 1 PENDAHULUAN. Pada masa sekarang ini, banyak jenis-jenis usaha dan bisnis yang mulai

BAB I PENDAHULUAN A. Latar Belakang

BAB 1 PENDAHULUAN. saham harus memperhatikan dengan baik keadaan ekonomi yang sedang berlangsung.

PENDAHULUAN. yang penting di Indonesia dan memiliki prospek pengembangan yang cukup

1.1 Latar Belakang Masalah


BAB I PENDAHULUAN. Pertanian merupakan sektor ekonomi yang tangguh dalam menghadapi

II. TINJAUAN PUSTAKA 2.1. Perkembangan Produksi CPO di Indonesia

ANALISIS DAN IMPLEMENTASI GABUNGAN ALGORITMA GENETIKA DAN JARINGAN SYARAF TIRUAN BACKPROPAGATION (STUDY KASUS PERAMALAN SAHAM)

DIAGNOSA GANGGUAN SALURAN PERNAFASAN MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION

BAB 1 PENDAHULUAN. era globalisasi, di mana perdagangan mulai bersifat internasioanal. Banyak usahawan

I. PENDAHULUAN. A. Latar Belakang. terlihat dari rata-rata laju pertumbuhan luas areal kelapa sawit selama

BAB I PENDAHULUAN A. Latar Belakang

ANALISIS ALGORITMA INISIALISASI NGUYEN-WIDROW PADA PROSES PREDIKSI CURAH HUJAN KOTA MEDAN MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK

IMPLEMENTASI JARINGAN SYARAF TIRUAN BACKPROPAGATION SEBAGAI ESTIMASI LAJU TINGKAT PENGANGGURAN TERBUKA PADA PROVINSI JAWA TIMUR

134 Sutikno, Indriyati, Sukmawati N.E, Priyo S.S., Helmie A.W., Indra W., Nurdin B., Tri Wardati K., Raditya L.R. dan Diah Putu D.

SATIN Sains dan Teknologi Informasi

SISTEM CERDAS PENDUKUNG KEPUTUSAN PREDIKSI NILAI TUKAR VALUTA ASING MENGGUNAKAN JARINGAN SYARAF TIRUAN DAN ALGORITMA GENETIKA TUGAS AKHIR

ANALISA JARINGAN SARAF TIRUAN DENGAN METODE BACKPROPAGATION UNTUK MENGETAHUI LOYALITAS KARYAWAN

IMPLEMENTASI JARINGAN SYARAF TIRUAN METODE BACKPROPAGATION UNTUK MEMPREDIKSI HARGA SAHAM

BAB I PENDAHULUAN. perdagangan saham secara maksimal (Wang et al, 2009). semakin berkembang. Dengan memanfaatkan model model peramalan dari

BAB 1 PENDAHULUAN Latar Belakang

JARINGAN SARAF TIRUAN DENGAN BACKPROPAGATION UNTUK MENDETEKSI PENYALAHGUNAAN NARKOTIKA

BAB I PENDAHULUAN 1.1 Latar Belakang Delieh Chariesmawanty, 2015

1 PENDAHULUAN 1.1 Latar Belakang

ANALISIS PERBANDINGAN METODE JARINGAN SYARAF TIRUAN DAN REGRESI LINEAR BERGANDA PADA PRAKIRAAN CUACA

ANALISIS DAYA SAING EKSPOR KOMODITI CRUDE PALM OIL (CPO) PROVINSI RIAU. Eriyati Rosyetti. Abstraksi

APLIKASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI VOLUME PEMAKAIAN AIR BERSIH DI KOTA PONTIANAK

BAB I PENDAHULUAN. Dalam mendorong pembangunan ekonomi nasional, salah satu alat dan

Implementasi Metode Backpropagation Untuk Klasifikasi Kenaikan Harga Minyak Kelapa Sawit

PREDIKSI ANGKA PARTISIPASI SEKOLAH DI JAWA TENGAH UMUR TAHUN DENGAN METODE JARINGAN SYARAF TIRUAN PERAMBATAN-BALIK

BAB 2 LANDASAN TEORI. Pengenalan suara (voice recognition) dibagi menjadi dua jenis, yaitu

I PENDAHULUAN. Tabel 1. Luas Lahan Komoditi Perkebunan di Indonesia (Ribu Ha)

PERAMALAN HARGA SAHAM PERUSAHAAN MENGGUNAKAN ARTIFICIAL NEURAL NETWORK DAN AKAIKE INFORMATION CRITERION

BAB I PENDAHULUAN Latar Belakang Masalah. Kelapa sawit merupakan komoditas perdagangan yang sangat

PREDIKSI DAYA SERAP PERUSAHAAN TERHADAP ALUMNI TEKNIK INFORMATIKA IBI DARMAJAYA BERBASIS JARINGAN SYARAF TIRUAN. 1Chairani

2.1. Dasar Teori Bandwidth Regression

IMPLEMENTASI JARINGAN SYARAF TIRUAN MULTI LAYER FEEDFORWARD DENGAN ALGORITMA BACKPROPAGATION SEBAGAI ESTIMASI NILAI KURS JUAL SGD-IDR

BAB 1 PENDAHULUAN. negara dan juga penyerap banyak tenaga kerja. Indonesia yang sempat menempati posisi ke-5

Neural Network (NN) Keuntungan penggunaan Neural Network : , terdapat tiga jenis neural network Proses Pembelajaran pada Neural Network

Transkripsi:

BAB I PENDAHULUAN 1.1 Latar Belakang Perkebunan di Negara kita sangat berperan penting baik dibidang ekonomi maupun sosial karena dapat menghasilkan devisa yang cukup besar. Pembangunan ekonomi jangka panjang tidak selalu harus diarahkan pada sektor industri, tetapi dapat diarahkan pada sektor lain, seperti sektor pertanian dan sektor jasa meliputi perdagangan, transportasi, komunikasi, perbankan dan lainlain. Pembangunan jangka panjang secara terpadu akan mengembangkan sumberdaya yang dapat diperbaharui melalui sektor pertanian, sektor agro industri, sektor perdagangan, dan sektor jasa pendukung dalam kerangka modal pembangunan Indonesia yang seluas-luasnya. Indonesia merupakan industri kelapa sawit terbesar di dunia setelah Malaysia (Ditjenbun,2012). Indonesia bisa menjadi produsen kelapa sawit terbesar di dunia. Perkebunan kelapa sawit pun bisa menghadirkan prestasi-prestasi yang membanggakan dan layak untuk ditiru, dan bergantung pada manajemen sistem pengelolaannya. Kelapa sawit merupakan salah satu komoditi utama hasil perkebunan di Indonesia. Hal ini didukung oleh struktur tanah dan curah hujan yang cocok untuk pembudidayaan kelapa sawit. Pesatnya perkembangan industri kelapa sawit ini, menjadikan Indonesia sebagai salah satu negara produsen kelapa sawit utama di dunia. Hal ini dapat dibuktikan dari data yang diperoleh dari Direktorat Jenderal Perkebunan (Ditjenbun) pada tahun 2012 yang menunjukkan bahwa Indonesia mampu menghasilkan sebesar 19.844.901 ton buah sawit dari total luas lahan keseluruhan baik pemerintah maupun swasta sebesar 7.824.623 Ha. Dari faktafakta tersebut, industri kelapa sawit juga memberikan kontribusi untuk menambah devisa negara di sektor non migas. Untuk hasil dari produksi kelapa sawit sendiri, selain sebagai bahan baku minyak goreng, juga sebagai bahan baku oleokimia (Ditjenbun, 2012). 1

2 Perseroan Terbatas Perkebunan Nusantara IV merupakan Badan usaha Milik Negara bidang perkebunan yang berkedudukan di Medan, Provinsi Sumatera Utara. Pada awalnya keberadaan perkebunan ini merupakan milik maskapai Belanda yang dinasionalisasi pada tahun 1959, dan selanjutnya berdasarkan kebijakan pemerintah telah mengalami beberapa kali perubahan organisasi sebelum akhirnya menjadi PT. Perkebunan Nusantara IV (Persero). Pada tahun 1985 sesuai Undang-undang Nomor 86 Tahun 1958, perusahaanperusahaan swasta asing (Belanda) seperti HVA dan RCMA dinasionalisasikan oleh Pemerintah R.I, dan kemudian dilebur menjadi perusahaan milik Pemerintah melalui peraturan pemerintah Nomor 19 Tahun 1959. Selanjutnya pada tahun 1967 Pemerintah melakukan pengelompokan menjadi perusahaan Terbatas Persero, dengan nama resmi PT. Perkebunan I s.d. IX (Persero). Pada PT. Perkebunan Nusantara IV ini masalah yang paling mempengaruhi perusahaan adalah masalah hasil produksi dari kelapa sawit, dimana jika semakin besar produksi kelapa sawit maka semakin besar pula pendapatan perusahaan dan sebaliknya, semakin kecil produksi kelapa sawit maka semakin kecil pendapatan perusahaan. Oleh karena itu, dengan menggunakan model Backpropagation Neural Network yang merupakan metode peramalan berdasarkan data time series, dapat dilakukan peramalan atau perkiraan hasil produksi kelapa sawit untuk satu tahun ke depan. Dimana data yang dipakai adalah data hasil produksi kelapa sawit masa lalu dan dosis pupuk. Jika perkiraan hasil produksi menurun maka perusahaan dapat mengantisipasi dengan semakin memperhatikan kondisi tanaman kelapa sawit. Perusahaan dapat memperhatikan faktor-faktor yang mempengaruhi pertumbuhan kelapa sawit terutama pengunaan dosis pupuk. Jaringan syaraf tiruan merupakan salah satu sistem pemrosesan informasi yang didesain dengan menirukan cara kerja otak manusia dalam menyelesaikan suatu masalah dengan melakukan proses belajar melalui perubahan bobot sinapsisnya. Model syaraf ditunjukkan dengan kemampuannya dalam emulsi, analisis, prediksi, dan asosiasi (Hermawan, 2006). Jaringan syaraf tiruan yang

3 digunakan pada penelitian dalam memperkirakan produksi kelapa sawit adalah model backpropagation neural network yang pemrogramannya menggunakan toolbox matlab. Toolbox MATLAB adalah perangkat lunak yang cocok dipakai karena banyak model jaringan syaraf tiruan yang menggunakan manipulasi matriks/vector dalam iterasinya. Kelebihan model ini mampu memformulasikan pengalaman dan pengetahuan peramal, serta sangat fleksibel dalam perubahan aturan perkiraan. Backpropagation merupakan model neural network dengan banyak lapisan yang digunakan pada perkiraan time series (Yunanti, 2010). Jaringan saraf tiruan memiliki kelebihan dibandingkan metode perhitungan lainnya, yaitu: 1. Kemampuan mengakuisisi pengetahuan walaupun dalam kondisi ada gangguan dan ketidakpastian. 2. Kemampuan merepresentasikan pengetahuan secara fleksibel. 3. Kemampuan untuk memberikan toleransi atau suatu distorsi (error/fault) 4. Kemampuan memproses pengetahuan secara efisien karena memakai system paralel, sehingga waktu yang diperlukan untuk mengoperasikannya menjadi lebih singkat (Hermawan, 2006). Perambatan galat mundur (Backpropagation) adalah sebuah metode sistematik untuk pelatihan multiplayer jaringan saraf tiruan. Metode ini memiliki dasar matematis yang kuat, obyektif dan metode ini mendapatkan bentuk persamaan dan nilai koefisien dalam formula dengan meminimalkan jumlah kuadrat galat error melalui model yang dikembangkan. Jaringan perambatan galat mundur (backpropagation) merupakan salah satu model yang sering digunakan dalam menyelesaikan masalah masalah yang rumit. Pada pelatihan jaringan saraf perambatan galat mundur terdiri atas dua langkah, yaitu perambatan maju dan perambatan mundur. Langkah perambatan maju dan perambatan mundur ini dilakukan pada jaringan untuk setiap pola yang diberikan selama jaringan mengalami pelatihan. Jaringan saraf ini terdiri dari 3 lapisan, yaitu lapisan masukan (input), lapisan tersembunyi (hidden layer), dan lapisan keluaran (output). Atas dasar pemikiran tersebut di atas, maka dalam penyusunan skripsi

4 ini peneliti mengambil judul Aplikasi Model Backpropagation Neural Network untuk Perkiraan Produksi Kelapa Sawit di PTPN IV Unit Usaha Balimbingan. 1.2 Rumusan Masalah Berdasarkan latar belakang tersebut, perumusan masalah dari penelitian ini adalah bagaimana model peramalan dan hasil peramalan yang diperoleh untuk hasil produksi kelapa sawit di PT Perkebunan Nusantara IV berdasarkan data dosis pupuk dan data hasil produksi kelapa sawit masa lalu dengan menggunakan Model Backpropagation Neural Network. 1.3 Batasan Masalah Agar pembahasan dan pemecahan masalah menjadi terarah, tidak menyimpang dari pokok masalah yang ada dan menghindari pembahasan yang terlalu luas maka perlu adanya batasan pada permasalahan penelitian ini, yakni: 1. Ruang lingkup penelitian hanya dilakukan pada PT. Perkebunan Nusantara IV Unit Usaha Balimbingan. 2. Analisa yang dilakukan dalam perkiraan hasil produksi adalah berdasarkan data hasil produksi kelapa sawit tahun 2011 sampai 2013 3. Penelitian dengan Model Backpropagation Neural Network dilakukan untuk meramalkan hasil produksi kelapa sawit untuk periode Januari 2014 Desember 2014 4. Menggunakan program Matlab dalam penyelesaian masalah 1.4 Tujuan Penelitian Tujuan yang hendak dicapai dalam penelitian ini adalah menentukan model peramalan hasil produksi kelapa sawit di PT Perkebunan Nusantara IV untuk satu tahun ke depan dan meramalkan hasil produksi kelapa sawit menggunakan Model Backpropagation Neural Network.

5 1.5 Manfaat Penelitian Manfaat dari penelitian ini adalah: 1. Bagi Peneliti : mengetahui bahwa Model Backpropagation Neural Network dapat digunakan dalam memperkirakan hasil produksi kelapa sawit. 2. Bagi Instansi : dapat digunakan sebagai sarana dan informasi bagi lembaga pendidikan serta sebagai kontribusi keilmuan bagi lembaga terkait. 3. Bagi perusahaan : digunakan sebagai informasi atau acuan dalam pengambilan keputusan bagi pihak perusahaan. 4. Bagi masyarakat : dengan adanya program peramalan/perkiraan, masyarakat yang memiliki kebun/ladang dan ingin memperkirakan produksi kelapa sawit, juga dapat meramalkan produksi dengan mudah dan cepat.