Analisis Performance Algoritma Powell-Beale untuk Prediksi Impor Alumunium
Keywords:
Performance, Import Aluminium, Powell-Beale, JST, PrediksiAbstract
Alumunium merupakan salah satu Logam paling penting bagi dunia industri, akan tetapi sekarang ini alumunium mengalami kelangkaan seiring dengan kekurangan stok listrik yang membuat produsen membatasi produksinya. Oleh karena itu untuk mengatasi kelangkaan ini, pemerintah melakukan import alumunium. Import yang dilakukan secara terus menerus sedikit banyak nya akan mempengaruhi roda ekonomi di negara ini. Oleh sebab itu perlu dilakukan prediksi terhadap nilai import alumunium dimasa yang akan datang agar nantinya kebutuhan aluminium diindonesia stabil dan tidak terlalu berlebihan dalam melakukan import. Metode prediksi yang digunakan adalah algoritma Powell-beale yang merupakan salah satu metode Jaringan Saraf Tiruan yang sering digunakan untuk prediksi data. Makalah ini bukan membahas hasil prediksi, akan tetapi membahas kemampuan dari algoritma Powell-beale untuk melakukan prediksi berdasarkan dataset import Alumunium yang diperoleh dari Badan Pusat Statistik. Data penelitian yang digunakan adalah data import aluminium menurut negara asal utama dari tahun 2013-2020. Berdasarkan data ini akan dibentuk dan ditentukan model arsitektur jaringan, antara lain 3-5-1, 3-10-1, 3-15-1, 3-20-1 dan 3-25-1. Dari 5 model ini setelah dilakukan pelatihan dan pengujian diperoleh hasil bahwa model arsitektur terbaik adalah 3-5-1 dengan nilai MSE sebesar 0,02947426, paling rendah diantara 4 model yang lain. Sehingga dapat disimpulkan bahwa model tersebut dapat digunakan untuk melakukan prediksi import aluminium.
References
S. Hodijah and G. . Angelina, “Analisis Pengaruh Ekspor Dan Impor Terhadap Pertumbuhan Ekonomi Di Indonesia,” Jurnal Manajemen Terapan dan Keuangan (Mankeu), vol. 10, no. 01, pp. 53–62, 2021.
A. Wanto, “Optimasi Prediksi Dengan Algoritma Backpropagation Dan Conjugate Gradient Beale-Powell Restarts,” Jurnal Teknologi dan Sistem Informasi, vol. 3, no. 3, pp. 370–380, Jan. 2017.
H. Zhu, J. Leandro, and Q. Lin, “Optimization of Artificial Neural Network (ANN) for Maximum Flood Inundation Forecasts,” Water (Switzerland), vol. 13, no. 16, pp. 1–15, 2021.
A. Perera, H. M. D. Azamathulla, and U. Rathnayake, “Comparison of different artificial neural network (ANN) training algorithms to predict the atmospheric temperature in Tabuk, Saudi Arabia,” Mausam, vol. 71, no. 2, pp. 233–244, 2020.
A. Wanto, M. Zarlis, Sawaluddin, and D. Hartama, “Analysis of Artificial Neural Network Backpropagation Using Conjugate Gradient Fletcher Reeves in the Predicting Process,” Journal of Physics: Conference Series, vol. 930, no. 1, pp. 1–7, 2017.
B. Keshtegar, M. Hasanipanah, I. Bakhshayeshi, and M. Esfandi Sarafraz, “A novel nonlinear modeling for the prediction of blast-induced airblast using a modified conjugate FR method,” Measurement: Journal of the International Measurement Confederation, vol. 131, pp. 35–41, 2019.
M. H. Tinambunan, E. B. Nababan, and B. B. Nasution, “Conjugate Gradient Polak Ribiere in Improving Performance in Predicting Population Backpropagation,” IOP Conference Series: Materials Science and Engineering, vol. 835, no. 1, pp. 1–6, 2020.
G. W. Bhawika et al., “Implementation of ANN for Predicting the Percentage of Illiteracy in Indonesia by Age Group,” Journal of Physics: Conference Series, vol. 1255, no. 1, pp. 1–6, 2019.
A. Wanto et al., “Analysis of the Backpropagation Algorithm in Viewing Import Value Development Levels Based on Main Country of Origin,” Journal of Physics: Conference Series, vol. 1255, no. 1, pp. 1–6, 2019.
E. Siregar, H. Mawengkang, E. B. Nababan, and A. Wanto, “Analysis of Backpropagation Method with Sigmoid Bipolar and Linear Function in Prediction of Population Growth,” Journal of Physics: Conference Series, vol. 1255, no. 1, pp. 1–6, 2019.
M. K. Z. Sormin, P. Sihombing, A. Amalia, A. Wanto, D. Hartama, and D. M. Chan, “Predictions of World Population Life Expectancy Using Cyclical Order Weight / Bias,” Journal of Physics: Conference Series, vol. 1255, no. 1, pp. 1–6, 2019.
A. Wanto et al., “Analysis of the Accuracy Batch Training Method in Viewing Indonesian Fisheries Cultivation Company Development,” Journal of Physics: Conference Series, vol. 1255, no. 1, pp. 1–6, 2019.
Y. Andriani, H. Silitonga, and A. Wanto, “Analisis Jaringan Syaraf Tiruan untuk prediksi volume ekspor dan impor migas di Indonesia,” Register: Jurnal Ilmiah Teknologi Sistem Informasi, vol. 4, no. 1, pp. 30–40, 2018.
W. Saputra, J. T. Hardinata, and A. Wanto, “Implementation of Resilient Methods to Predict Open Unemployment in Indonesia According to Higher Education Completed,” JITE (Journal of Informatics and Telecommunication Engineering), vol. 3, no. 1, pp. 163–174, 2019.
N. L. W. S. R. Ginantra et al., “Performance One-step secant Training Method for Forecasting Cases,” Journal of Physics: Conference Series, vol. 1933, no. 1, pp. 1–8, 2021.
