PENERAPAN ALGORITMA UNTUK PRESIKSI HARGA BERAS MENGGUNAKAN METODE SVM

Khudori, Muchammad (2021) PENERAPAN ALGORITMA UNTUK PRESIKSI HARGA BERAS MENGGUNAKAN METODE SVM. Other thesis, Universitas Islam Lamongan.

	Text 111710080-MUCHAMMAD KHUDORI - cover.pdf Download (101kB)
	Text 111710080-MUCHAMMAD KHUDORI - daftar isi.pdf Download (94kB)
	Text 111710080-MUCHAMMAD KHUDORI - abstrak.pdf Download (84kB)
	Text 111710080-MUCHAMMAD KHUDORI - bab i.pdf Download (120kB)
	Text 111710080-MUCHAMMAD KHUDORI - bab ii.pdf Download (174kB)
	Text 111710080-MUCHAMMAD KHUDORI - bab iii.pdf Restricted to Repository staff only Download (203kB)
	Text 111710080-MUCHAMMAD KHUDORI - bab iv.pdf Restricted to Repository staff only Download (524kB)
	Text 111710080-MUCHAMMAD KHUDORI - bab v.pdf Restricted to Repository staff only Download (306kB)
	Text 111710080-MUCHAMMAD KHUDORI - bab vi.pdf Restricted to Repository staff only Download (110kB)
	Text 111710080-MUCHAMMAD KHUDORI - daftar pustaka.pdf Restricted to Repository staff only Download (42kB)

Abstract

Beras adalah bahan pangan utama atau pokok bagi warga Indonesia bagian barat dan tengah, misalnya pulau Jawa, dan Sumatera ataupun Kalimantan dan Sulawesi. Indonesia adalah negara agraris yang melimpah serta subur. Sebagian besar warga negara Indonesia mata pencahariannya adalah bertani. Para petani Indonesia berusaha memenuhi bahan pangan beras seluruh Indonesia. Agar tidak terjadi kekurangan kebutuhan bahan pangan beras harus menyediakan stok beras atau bahan pangan. Salah satu cara untuk membantu memenuhi bahan pangan beras dilakukan prediksi harga beras. Tujuan prediksi harga beras agar dapat membantu menentukan jumlah permintaan, persediaan serta produksi beras. Algoritma Backpropagation merupakan algoritma neural network yang dapat disebutkan mempunyai nilai akurasi yang tinggi. Selain Backpropagation SVM juga termasuk algoritma neural network. SVM juga mempunyai kinerja yang baik dalam melakukan prediksi.

Item Type:	Thesis (Other)
Subjects:	T Technology > T Technology (General)
Divisions:	FAKULTAS TEKNIK > PRODI TEKNIK INFORMATIKA
Depositing User:	Perpus admin UNISLA
Date Deposited:	07 Feb 2022 06:01
Last Modified:	07 Feb 2022 06:01
URI:	http://eprints.unisla.ac.id/id/eprint/137

Actions (login required)

View Item