Komparasi Metode Peramalan Harga Daging Ayam Broiler Di Kabupaten Banyuwangi Menggunakan Jaringan Syaraf Tiruan Backpropagation dan Model Multiplicative Holt-Winters

Ahmad Haris Hasanudin Slamet, Rabbani Ischak, Sekar Ayu Wulandari, Septine Brillyantina

Sari


ABSTRAK

Harga daging ayam broiler di Banyuwangi merepresentasikan data ekonomi yang memiliki fluktuasi musiman dengan variasi tidak konstan dan pola trend. Fluktuasi harga daging ayam broiler menjadi permasalahan dalam tingkat konsumsi daging ayam. Peramalan harga merupakan salah satu cara yang cara yang penting dalam menangani fluktuasi harga. Peneltian ini menggunakan metode jaringan syaraf tiruan backpropagation. Data yang digunakan pada penelitian ini adalah harga daging ayam broiler di Kabupaten Banyuwangi dalam kurun waktu 2014-2017. Hasil uji menggunakan metode jaringan syarat tiruan didapatkan nilai terbaik yaitu 12-10-1 (12 neuron input, 10 neuron hidden layer, 1 neuron output. Nilai n MAPE yang diperoleh sebesar 18,016 %. Selanjutnya, model Multiplicative Holt-Winters dengan tiga komponen parameter penghalusan, dimana komponen irregular-nya akan dihilangkan. Sehingga peramalan periode mendatang hanya dipengaruhi oleh konstanta level (  = 0,9989), komponen trend (  = 0,0056), dan musiman (  = 0,0008), pada periode ke-12 musiman sebelumnya. Akurasi peramalan menunjukkan bahwa model Multiplicative Holt-Winters dapat meminimalkan persentase kesalahan peramalan dengan Mean Absolute Percentage Error (MAPE) sebesar 12,63%, lebih baik dibandingkan Jaringan Syaraf Tiruan Backpropagation. Peramalan harga sangat penting dilakukan baik oleh industri peternakan maupun industri pengolah daging ayam. Peramalan harga yang tepat dapat dijadikan industri peternakan dan industri pengolah daging ayam untuk mengoptimalkan alokasi sumber daya sehingga dapat meningkatkan pendapatan.

 

Kata Kunci: Backpropagation, Peramalan, Multiplicative Holt-Winters


Teks Lengkap:

PDF

Referensi


DAFTAR PUSTAKA

Albab, M. U. (2017). Selama Ramadan Konsumsi Daging Sapi Di Banyuwangi 4700 kg/hari. Diperoleh dari https://m.merdeka.com/banyuwangi/info-banyuwangi/selama-ramadan-konsumsi-daging-sapi-di-banyuwangi-4700-kg-per-hari-170621o.html

Azhar, M., Riksakomara, E., & Terkait, A. P. (2017). Peramalan Jumlah Produksi Ikan dengan Menggunakan Backpropagation Neural Network (Studi Kasus: UPTD Pelabuhan Perikanan Banjarmasin). Journal of Engineering ITS, 6(1), 142–148.

Anjani, T. D. (2019). Sistem Peramalan Tingkat Produksi the North Face Dengan Metode Holt-Winters Exponential Smoothing Untuk Peningkatan …. Jurnal Riset Sistem Informasi Dan Teknologi …, 3, 1–12.

Aroy Maulana, Fahriansah, N. S. (2021). Analisis Tingkat Elastisitas Permintaan dan Penawaran Ayam Potong Di Pasar Kota Langsa. JIM (Jurnal Ilmiah Mahasiswa), 3(2), 173–198. https://doi.org/10.15797/concom.2019..23.009

Aryati, A., Purnamasari, I., & Nasution, Y. N. (2020). Peramalan dengan Menggunakan Metode Holt-Winters Exponential Smoothing (Studi Kasus: Jumlah Wisatawan Mancanegara yang Berkunjung Ke Indonesia) Forecasting using the method of Holt-Winters Exponential Smoothing (Case Study: Number of Foreign Tourists Visi. Jurnal EKSPONENSIAL, 11(1).

Badan Pusat Stastistik. (2018). Produksi Daging Jenis Ternak di Kabupaten Banyuwangi. Diperoleh dari https://banyuwangikab.bps.go.id/statictable/2021/10/26/209/produksi-daging-jenis-ternak-di-kabupaten-banyuwangi-kg-2018---2020.html

Boadi, P. O., Bondinuba, F. K., Meng, J., Shi, E., Li, J., Antwi, P., & Deng, K. (2016). Estimation of biogas and methane yields in an UASB treating potato starch processing wastewater with backpropagation artificial neural network. Bioresource Technology, 228, 106–115. https://doi.org/10.1016/j.biortech.2016.12.045.

Chatfield, C., & Yar, M. (2012). Holt-Winters forecasting : some practical issues. 37(2), 129–140.

Christnatalis, Rinaldi, Andy, Seteven, B., Darmanto, & Ganda Sitorus, D. (2019). Jurnal Teknik , Kesehatan dan Ilmu Jurnal Teknik , Kesehatan dan Ilmu Sosial. Jurnal TEKESNOS, 1(1), 1–4.

Da Veiga, C. P., Da Veiga, C. R. P., Catapan, A., Tortato, U., & Da Silva, W. V. (2014). Demand forecasting in food retail: A comparison between the Holt-Winters and ARIMA models. WSEAS Transactions on Business and Economics, 11(1), 608–614.

Devi, C., Reddy, B., & Kumar, K. (2012). ANN Approach for Weather Prediction using Back Propagation. International Journal of Engineering Trends and Technology, 3(1), 19–23. http://www.ijettjournal.org/volume-3/issue-1/IJETT-V3I1P204.pdf

Gani, I. M., & Saputri, M. E. (2015). Analisis Peramalan Dan Pengendalian Persediaan Bahan Baku Dengan Metode Eoq Pada Optimalisasi Kayu Di Perusahaan Purezento. Universitas Telkom, 2(2), 2030.

Haris, A., Slamet, H., Purnomo, B. H., & Soedibyo, D. W. (2020). Model Jaringan Syaraf Tiruan untuk Prakiraan Harga Komponen Bahan Baku Pakan Unggas di PT XYZ Model of Artificial Neural Network for Price Forecasting of Poultry Feed Components at PT XYZ. 9(2), 151–161.

Holt, C. C. (2004). Forecasting seasonals and trends by exponentially weighted moving averages. International Journal of Forecasting, 20(1), 5–10. https://doi.org/10.1016/j.ijforecast.2003.09.015

Jammazi, R., & Aloui, C. (2012). Crude oil price forecasting: Experimental evidence from wavelet decomposition and neural network modeling. Energy Economics, 34(3), 828–841. https://doi.org/10.1016/j.eneco.2011.07.018

Khair, U., Fahmi, H., Hakim, S. Al, & Rahim, R. (2017). Forecasting Error Calculation with Mean Absolute Deviation and Mean Absolute Percentage Error. Journal of Physics: Conference Series, 930(1), 0–6. https://doi.org/10.1088/1742-6596/930/1/012002

Lima, S., Gonçalves, A. M., & Costa, M. (2019). Time series forecasting using Holt-Winters exponential smoothing: An application to economic data. AIP Conference Proceedings, 2186(December). https://doi.org/10.1063/1.5137999Organisation for Economic Co-operation and Development. (2018). OECD-FAO Agricultural Outlook 2018-2027. Paris: OECD Publishing.

Rosadi, D. (2012). Ekonometrika & Analisis Runtun Waktu Terapan (I). ANDI OFFSET.

Sinay, L. J., Pentury, T., & Anakotta, D. (2017). Peramalan Curah Hujan Di Kota Ambon Menggunakan Metode Holt-Winters Exponential Smoothing. BAREKENG: Jurnal Ilmu Matematika Dan Terapan, 11(2), 101–108. https://doi.org/10.30598/barekengvol11iss2pp101-108

Singhal, D., & K.S., S. (2011). Electricity Prices Forecasting using Artificial Neural Networks. IEEE Latin America Transactions, 16(1), 105–111. https://doi.org/10.1109/TLA.2018.8291461

Sukirno, S. (2016). MikroEkonomi Teori Pengantar. Jakarta: PT. Raja Grafindo Persada.




DOI: http://dx.doi.org/10.33603/jpa.v4i2.6788

Refbacks

  • Saat ini tidak ada refbacks.


##submission.copyrightStatement##
execute(); ?>