Prediksi Ekspor Minyak Bumi Mentah di Indonesia Menggunakan Algoritma Resilient Backpropagation

Isti Rahayu

Abstract


Indonesia merupakan penghasil minyak bumi mentah terbesar menurut negara dan tujuan utama. Minyak bumi mentah dunia mulai mengalami kenaikan dengan sangat cepat dan impor Indonesia yang terus-menerus meningkat seiring dengan peningkatan total konsumsi minyak dalam negeri maka di perlukan penelitian untuk memeprediksi tahun tahun berikutnya. Adapun penulisan ini dilakukan untuk mengimplementasikan dan membuktikan bahwa Algoritma Resilient Backpropagation (RProp) dapat digunakan untuk memprediksi ekspor minyak bumi mentah di Indonesia. Data penelitian adalah data ekspor minyak bumi mentah yang terdiri dari 11 negara, yang diperoleh dari Badan Pusat Statistik dari tahun 2016 sampai tahun 2021 menggunakan aplikasi Matlab R2011a. Dengan dilakukannya penelitian ini diharapkan dapat memberikan masukan kepada pemerintah dalam melakukan ekspor minyak bumi mentah.

References


S. M. Damanik, M. R. Lubis, W. Saputra, and I. Parlina, “Analisis Jaringan Saraf Tiruan Metode Backpropagation Dalam Memprediksi Ekpor Menurut Kelompok Barang Ekonomi Di Provinsi Sumatera Utara,” vol. 4, pp. 403–412, 2020.

Agung, A., Maulana, H. M., Andini, D. C., & Nadziroh, F. (2018). SISTEM PEMINJAMAN RUANGAN ONLINE (SPRO) DENGAN METODE UML (UNFIELD MODELING LANGUAGE). Urnal Teknologi Dan Terapan Bisnis (JTTB), 1(1), 1–8.

Anggoro, R. S., & Parno. (2020). PEMBUATAN APLIKASI SISTEM PENDUKUNG KEPUTUSAN BERBASIS WEB (STUDI KASUS : UNTUK MENENTUKAN KEAHLIAN ANGGOTA EKSKUL KARATE SMAN 13 DEPOK). Universitas Gunadarma.

Astuti, Y. P., Sudibyo, U., Kurniawan, A. W., & Rahayu, Y. (2018). ALGORITMA NAIVE BAYES DENGAN FITUR SELEKSI UNTUK MENGETAHUI HUBUNGAN VARIABEL NILAI DAN LATAR BELAKANG PENDIDIKAN. 9(1), 597–602.

Avianto, D. (2016). MENGGUNAKAN ALGORITMA MOMENTUM BACKPROPAGATION NEURAL NETWORK. 10(1), 1199–1209.

Hardinata, J. T., Okprana, H., Windarto, A. P., & Saputra, W. (2019). Analisis Laju Pembelajaran dalam Mengklasifikasi Data Wine Menggunakan Algoritma Backpropagation. J-SAKTI (Jurnal Sains Komputer Dan Informatika), 3(2), 422. https://doi.org/10.30645/j-sakti.v3i2.161

Hendini, A. (2016). PEMODELAN UML SISTEM INFORMASI MONITORING PENJUALAN DAN STOK BARANG (STUDI KASUS: DISTRO ZHEZHA PONTIANAK). JURNAL KHATULISTIWA INFORMATIKA, IV(2), 107–116.

Herawati. (2016). Penerapan Jaringan Syaraf Tiruan Untuk Menggunakan Algoritma Backpropagation ( Studi Kasus Di Komisi Pemilihan Umum ( Kpu ). 3(1), 1–10.

Jaya, H., Sabran, D., Pd, M., Ma, M., Djawad, Y. A., Sc, M., Ilham, A., Ahmar, A. S., Si, S., & Sc, M. (n.d.). KECERDASAN BUATAN.

Madani, H. R., Hukum, F., & Jember, U. (2021). Jurnal Geuthèë: Penelitian Multidisiplin, Geuthèë Institute, Banda Aceh. 23111. E - ISSN: 2614-6096. Open access: http://www.journal.geutheeinstitute.com. 04(03), 128–141.

Mulianingsih, F., Anwar, K., Shintasiwi, F. A., & Rahma, A. J. (2020). Artificial Intellegence dengan Pembentukan Nilai dan Karakter di Bidang Pendidikan. 4(2).

Neno, S. R. A., Rafiqa, R. D., & Lihun, S. (2019). Model Algoritma Resilient Backpropagation Dalam Memprediksi Ekspor Bijih Coklat Menurut Negara Tujuan Utama Dalam Mendorong Laju Pertumbuhan Ekonomi. Jurnal RESISTOR (Rekayasa Sistem Komputer), 2(2), 67–75. https://doi.org/10.31598/jurnalresistor.v2i2.383

Pakpahan, P. A., & Sutjahjo, G. (2018). ANALISIS DAN PERANCANGAN SISTEM INFORMASI KEHADIRAN KARYAWAN DENGAN METODE SCAN BARCODE PT BERCA - JASATEL. Zona Komputer, 8(April), 47–55.

Perangin-Angin, E. S., & Hidayat, F. (2018). SISTEM INFORMASI KULINER KOTA BATAM BERBASIS SMARTPHONE ANDROID DENGAN IONIC FRAMEWORK. 8(Desember).

Pranata, R. H., & Hakim, L. (2018). Penerapan Algoritma Jaringan Syaraf Tiruan Untuk Memprediksi Harga Tiket Pesawat. Jurnal Sistem Komputer Musirawas (JUSIKOM), 3(2), 122. https://doi.org/10.32767/jusikom.v3i2.334

Putra, I. M. S., & Yullyan. (2017). PERSPEKTIF DAN PANDANGAN GLOBAL Kecerdasan Buatan (Artificial Intelligence/AI) - Pertimbangan untuk Profesi Audit Internal. In Global (p. 2).

Rozaq, A. (2019). Artificial Intelligence Untuk Pemula. In UNIPMA Press (Vol. 53, Issue 9).

Saputra, W. (2017). ANALISIS METODE RESILIENTPADA ARTIFICIAL NEURAL NETWORKBACKPROPAGATION. 482–498.

Saputra, W., Tulus, T., Zarlis, M., Sembiring, R. W., & Hartama, D. (2017). Analysis Resilient Algorithm on Artificial Neural Network Backpropagation. Journal of Physics: Conference Series, 930(1). https://doi.org/10.1088/1742-6596/930/1/012035

Sinaga, L., Irawan, E., & Saputra, W. (2020). Penerapan Jaringan Saraf Tiruan Metode Backpropogation Dalam Memprediksi Distribusi Air Pada PDAM Tirtauli Kota Pematangsiantar. 2, 161–168.

Sinaga, S. P., Wanto, A., & Solikhun, S. (2019). Implementasi Jaringan Syaraf Tiruan Resilient Backpropagation dalam Memprediksi Angka Harapan Hidup Masyarakat Sumatera Utara. Infomedia, 4(2), 81–88.

Solikhun, S., Safii, M., & Trisno, A. (2017). Jaringan Saraf Tiruan Untuk Memprediksi Tingkat Pemahaman Sisiwa Terhadap Matapelajaran Dengan Menggunakan Algoritma Backpropagation. J-SAKTI (Jurnal Sains Komputer Dan Informatika), 1(1), 24. https://doi.org/10.30645/j-sakti.v1i1.26

Sutawinaya, I. P., Gede, I. N., Astawa, A., Kadek, N., & Hariyanti, D. (2017). PERAMALAN CURAH HUJAN. 17(2), 92–97.

Tabrani, M., & Aghniya, I. R. (2019). Implementasi Metode Waterfall Pada Program Simpan Pinjam KOPERASI SUBUR JAYA MANDIRI SUBANG. Jurnal Interkom, 14(1), 44–53.


Refbacks

  • There are currently no refbacks.


 

LPPM STIKOM Tunas Bangsa
https://tunasbangsa.ac.id/lp2m/
Organized by STIKOM Tunas Bangsa
Published by LPPM STIKOM Tunas Bangsa
W: https://skripsi.tunasbangsa.ac.id/index.php/2022

This work is licensed under a Creative Commons Attribution-ShareAlike 4.0