ARIF AFIANTO, MOCH. PREDIKSI JUMLAH PRODUKSI AYAM POTONG DI KOTA BANJARBARU MENGGUNAKAN FUZZY TIME SERIES MARKOV CHAIN MODEL. uniska. (Unpublished)
|
Text
ABSTRAK_p116.pdf Download (87kB) | Preview |
Abstract
Pola konsumsi masyarakat akan produk hasil ternak semakin meningkat, tak terkecuali konsumsi ayam potong (broiler). Tingginya tingkat konsumsi masyarakat akan ayam potong otomatis akan memicu para produsen ternak untuk meningkatkan produksinya. Produksi ayam potong dapat diprediksi, salah satunya menggunakan Fuzzy Time Series. Perkembangan metode peramalan data time series yang cukup pesat mengakibatkan terdapat banyak pilihan metode yang dapat digunakan untuk meramalkan, salah satunya yaitu metode Fuzzy Time Series Markov Cha in Model. konsep Markov Chain digunakan dalam proses prediksi jumlah produksi ayam potong dengan menggunakan matriks transisi. Dari hasil pengujian didapatkan bahwa penggunaan interval range (l) mempengaruhi akurasi prediksi, l =700 memiliki nilai penyimpangan 1.48226%, l =500 memiliki nilai penyimpangan 1.32879%, l =300 memiliki nilai penyimpangan 1.15978% dan l =100 memiliki nilai penyimpangan 0.52283%. Semakin kecil interval range, maka semakin kecil nilai penyimpangannya. Dengan Fuzzy Time Series Markov Chain Model, yang merupakan gabungan dari konsep metode fuzzy time series dengan model Markov, diharapkan dapat mendatangkan hasil analisis prediksi yang lebih akurat untuk membantu proses analisis prediksi, sehingga proses analisis prediksi dapat dilakukan secara lebih efisien, teliti, mudah, dan praktis. Perangkat lunak ini dibuat berbasis web dalam pembuatannya Kata Kuncui : Markov Chain, Fuzzy Time Series, Ayam Potong
Item Type: | Article |
---|---|
Subjects: | T Technology > T Technology (General) |
Divisions: | Undergraduate Theses > Faculty of Information Technology > Department of Informatics |
Depositing User: | Unnamed user with username wahid asisten wr 1 |
Date Deposited: | 19 Dec 2018 01:46 |
Last Modified: | 19 Dec 2018 01:46 |
URI: | http://repository.uniska-bjm.ac.id/id/eprint/139 |
Actions (login required)
View Item |