Peramalan Jumlah Produksi Ikan dengan Menggunakan Backpropagation Neural Network (Studi Kasus: UPTD Pelabuhan Perikanan Banjarmasin

Azhar Razak, Edwin Riksakomara
Submission Date: 2017-01-24 16:27:01
Accepted Date: 2017-03-17 10:12:41

Abstract


Pelabuhan Perikanan Banjarmasin (UPTD dibawah binaan Dinas Perikanan dan Kelautan Kalimantan Selatan) mempunyai salah satu tugas pokok dan fungsi untuk memproduksi hasil tangkapan ikan dari kapal-kapal nelayan dan mendistribusikannya ke berbagai daerah untuk dipasarkan dalam setiap bulannya. Hasil pemasaran ini nantinya akan digunakan Pemerintah Daerah untuk meningkatkan Pendapatan Asli Daerah (PAD) dari provinsi itu sendiri. Permasalahan yang ada adalah jumlah produksi ikan ini umumnya tidak menentu pada setiap bulannya yang mungkin juga dapat berdampak pada kegiatan utama lainnya, seperti penyaluran es pendingin, penyediaan air bersih, dan kegiatan lainnya yang berkaitan dengan proses produksi. Hal seperti ini merupakan permasalahan lumrah dalam bidang peramalan, yaitu ketidakpastian suatu keadaan apabila dilihat fakta-fakta history yang telah lalu. Oleh karena itu, penulis mencoba mencari solusi dengan penggunaan metode peramalan ANN untuk melihat sistemasi dari kegiatan produksi pada instansi ini. Artificial Neural Network (ANN) merupakan sebuah sistem pemrosesan data dengan meniru cara kerja sistem saraf manusia. ANN merupakan sebuah sistem yang terdiri atas banyak elemen pemrosesan sederhana yang terhubung secara paralel. Backpropagation Neural Network (BPNN) dikatakan memiliki kelebihan dalam aspek pembelajaran sistem (adaptive) dan memiliki resiko kesalahan kecil (fault tolerance) terhadap pemecahan masalah. Diharapkan dari hasil penelitian ini didapatkan model, output, hasil analisis, dan aplikasi peramalan produksi ikan yang dapat digunakan oleh instansi terkait untuk memprediksi variabel produksi ikan pada periode-periode berikutnya.

Keywords


UPTD Pelabuhan Perikanan Banjarmasin; Production Forecasting; Backpropagation Neural Network

References


Barry Render and Jay Heizer, Prinsip-prinsip Manajemen Operasi, PT. Salemba Emban Patria, Jakarta, 2001.

Szkuta, B. R., Sanabria, L. A., & Dillon, T. S. (1999). Electricity price short-term forecasting using artificial neural networks. IEEE transactions on power systems, 14(3), 851-857.

Mansur, A., & Kuncoro, T. (2012). Product inventory predictions at small medium enterprise using market basket analysis approach-neural networks.Procedia Economics and Finance, 4, 312-320.

Ihwan, A., 2013. Metode Jaringan Saraf Tiruan Propagasi Balik Untuk Estimasi Curah Hujan Bulanan di Ketapang Kalimantan Barat. Prosiding SEMIRATA 2013, 1(1).

Produksi, M. Analisis dan Implementasi Jaringan Syaraf Tiruan–Propagasi Balik Dalam Memprediksi Produksi dan Konsumsi Minyak Bumi, Gas Bumi, dan Batu Bara di Indonesia Analysis and Implementation of Artificial Neural Network–Back Propagation in Prediction of Crude Oil, Natural Gas, and Coal Production and Consumtion in

Heravi, S., Osborn, D. R., & Birchenhall, C. R. (2004). Linear versus neural network forecasts for European industrial production series. International Journal of Forecasting, 20(3), 435-446.

Sridhar, V. N., Dadhwal, V. K., Chaudhari, K. N., Sharma, R., Bairagi, G. D., & Sharma, A. K. (1994). Wheat production forecasting for a predominantly unirrigated region in Madhya Pradesh) India). TitleREMOTE SENSING, 15(6), 1307-1316.

“Dinas Perikanan dan Kelautan.” [Online]. Available: http://diskanlut.kalselprov.go.id/. [Accessed: 25-May-2016].

“Profil Pelabuhan Perikanan Pantai Banjarmasin,” Alam Ikan. [Online]. Available: http://www.alamikan.com/2012/11/mengetahui-profil-pelabuhan-perikanan_99.html. [Accessed: 25-May-2016].

Hela, I. and Laevastu, T., 1970. Fisheries oceanography. Fishing News (Books) LTD, London.

Nybakken, J.W. and Nybakken, J.W., 1993. Marine biology: an ecological approach (No. QH 91. N93 1993).

McCulloch, W.S. and Pitts, W., 1943. A logical calculus of the ideas immanent in nervous activity. The bulletin of mathematical biophysics, 5(4), pp.115-133.

DARPA Neural Network Study, AFCEA International Press, 1988

rezahaikal, “JARINGAN SARAF TIRUAN (ARTIFICIAL NEURAL NETWORK),” rezkal, 17-Jan-2013.

Makridakis, S., Wheelwright, S.C. and Hyndman, R.J., 2008. Forecasting methods and applications. John Wiley & Sons.

Pramana, I.P.A.A., 2016. Peramalan Jumlah Kasus Demam Berdarah di Kabupaten Malang Menggunakan Metode Fuzzy Inference System. Jurnal Teknik ITS, 5(1).

“Multilayer Neural Network Architecture - MATLAB & Simulink.” [Online]. Available: https://www.mathworks.com/help/nnet/ug/multilayer-neural-network-architecture.html. [Accessed: 05-Jan-2017].

“National Centers for Environmental Information | National Centers for Environmental Information (NCEI) formerly known as National Climatic Data Center (NCDC).” [Online]. Available: https://www.ncdc.noaa.gov/news/national-centers-environmental-information. [Accessed: 05-Jan-2017].

tutorialspoint.com, “Java Tutorial,” www.tutorialspoint.com. [Online]. Available: http://www.tutorialspoint.com/java/. [Accessed: 12-Jan-2017].

“JavaScript and HTML DOM Reference.” [Online]. Available: http://www.w3schools.com/jsref/. [Accessed: 12-Jan-2017].

“Overview (Java Platform SE 7 ).” [Online]. Available: http://docs.oracle.com/javase/7/docs/api/. [Accessed: 12-Jan-2017].


Full Text: PDF

CC Licencing


Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgement of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgement of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (See The Effect of Open Access).

Refbacks

  • There are currently no refbacks.


Creative Commons License
Jurnal Teknik ITS by Lembaga Penelitian dan Pengabdian Kepada Masyarakat, LPPM-ITS is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Based on a work at http://ejurnal.its.ac.id/index.php/teknik.
Statistik Pengunjung