PRAKIRAAN HARGA DAGING AYAM BROILER DAN DAY OLD CHICK (DOC) DI KABUPATEN BANYUWANGI MENGGUNAKAN JARINGAN SYARAF TIRUAN BACKPROPAGATION
Sari
Harga daging ayam broiler dan day old chick (DOC) adalah dua hal yang menentukan tingkat keuntungan peternak ayam broiler. Harga daging ayam broiler dan day old chick (DOC) di Kabupaten Banyuwangi dalam lima tahun terakhir cenderung berfluktuasi. Prakriaan merupakan salah satu cara yang penting dalam mengatasi permasalah fluktuasi harga daging ayam broiler dan DOC. Penelitian ini bertujuan untuk memprakirakan harga ayam broiler dan DOC di Kabupaten Banyuwangi. Hasil prakiraan tersebut dapat digunakan sebagai pengambilan keputusan oleh pihak-pihak terkait. Penelitian ini menggunakan metode jaringan saraf tiruan (JST) backpropagation. Data yang digunakan dalam penelitian ini adalah harga daging ayam broiler dan DOC di Kabupaten Banyuwangi pada periode 2014-2018. Berdasarkan hasil penelitian, pelatihan jaringan terbaik adalah 12 node input, 5 node hidden, 1 node output untuk prakiraan harga daging ayam broiler dan harga DOC. Nilai mean absolute error (MAPE) yang diperoleh adalah 4,6% untuk harga perkiraan ayam broiler dan 18,99% untuk harga perkiraan DOC. Harga ayam broiler pada tahun 2019 diperkirakan meningkat pada bulan Januari, April dan Desember, sedangkan harga terendah pada bulan Juni. Prakiraan untuk harga DOC ayam pada tahun 2019 cenderung menurun dari awal tahun dan stagnan dari pertengahan bulan hingga akhir bulan.
Kata Kunci
Teks Lengkap:
PDF (English)Referensi
Albab, M. U. 2017. Selama Ramadan konsumsi daging sapi di Banyuwangi 4700 kg per hari. https://banyuwangi.merdeka.com/info-banyuwangi/selama-ramadan-konsumsi-daging-sapi-di-banyuwangi-4700-kg-per-hari-170621o.html. [10 November 2018].
Azhar, M., Riksakomara, E., dan 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.
Badan Pusat Stastistik. 2018. Populasi Unggas di Jawa Timur. https://jatim.bps.go.id/statictable/2018/01/31/794/populasi-ternak-unggas-menurut-kabupaten-kota-di-jawa-timur-2016-ekor-.html. [22 Februari 2019].
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
Cheng, J., Wang, X., Si, T., Zhou, F., Zhou, J., & Cen, K. (2016). Ignition temperature and activation energy of power coal blends predicted with back-propagation neural network models. Fuel, 173(January), 230–238. https://doi.org/10.1016/j.fuel.2016.01.043
Cicilia, S. 2017. Produksi stabil, harga DOC terkerek.https://industri.kontan.co.id/news/produksi-stabil-harga-doc-terkerek. [17 Februari 2019].
Kementerian Pertanian. 2017. Statistik Peternakan dan Kesehatan Hewan Livestock and Animal Health Statistics. Jakarta: Direktorat Jenderal Peternakan dan Kesehatan Hewan.
Kusumadewi, S. dan Hartati, S. 2006. Neuro Fuzzy: Integrasi Sistem Fuzzy Dan Jaringan Syaraf. Yogyakarta: Graha Ilmu.
Liu, S., Xu, L., & Li, D. (2016). Multi-scale prediction of water temperature using empirical mode decomposition with back-propagation neural networks. Computers and Electrical Engineering, 49, 1–8. https://doi.org/10.1016/j.compeleceng.2015.10.003
Siang, J. J. 2009. Jaringan Syaraf Tiruan dan Pemrogramannya Menggunakan Matlab. Yogyakarta: Andi.
Susanti, N. 2014. Penerapan Model Neural Network Backpropagation untuk Prediksi Harga Ayam. Prosiding SNATIF Ke-1 Tahun 2014. Hal. 325-332.
Refbacks
- Saat ini tidak ada refbacks.