Prediksi harga jual ikan menggunakan metode Backpropagation Neural Network

Abstrak:

Permasalahan yang dialami dalam penjualan ikan tidak stabil yang mengakibatkan sebagian pihak tidak mampu mengetahui harga jual ikan dimasa depan. Salah satu pihak sangat dirugikan ketika harga ikan anjlok adalah nelayan yang menggunakan dana pribadi. terdapat beberapa faktor yang dapat mempengaruhi naik turunnya harga ikan. Naik turunnya harga ikan akan memperngaruhi perekonomian nelayan karena tidak sesuainya pendapatan merekan dengan biaya produksi jual ikan. Maka perlu dilakukan perhitungan prediksi harga jual ikan guna mengurangi nilai kerugian nelayan. Data yang digunakan merupakan data harga jual ikan yang bersumber dari kaggle mulai bulan Januari 2016 hingga bulan Desember 2020. Dalam penelitian ini digunakan adalah variabel harga untuk menetukan harga ikan pada bulan berikutnya menggunakan sistem time series dengan metode Backpropagation Neural Network. Data yang diinputkan berupa harga jual ikan dan ouput yang dihasilkan berupa prediksi harga jual ikan. Prediksi harga ikan menggunakan metode backpropagation neural network menghasilkan MSE terbaik atau paling kecil sebesar 0.0003069289522420891 yang dihasilkan oleh model A, lalu MAPE terbaik atau terkecil dihasilkan oleh model A dengan nilai sebesar 0.0369289522420891,. Model A menggunakan epoch sebanyak 1000 dalam melakukan percobaanya. Model B menggunakan epoch 3000, dan Model C menggunakan epcoh 5000.

Abstrak :

The problems experienced in the sale of unstable fish, which resulted in some parties not being able to know the price of selling fish in the future. One of the parties most harmed when fish prices plummet is fishermen who use private funds. There are several factors that can affect the rise and fall of fish prices. The rise and fall in the price of fish will affect the fishermen's economy because the income from the consumption of fish does not correspond to the cost of production and sale of fish. Then it is necessary to calculate the predicted sale price of fish in order to reduce the value of fishermen's losses. The data used is data on the sale prices of fish sourced from kaggle from January 2016 to December 2020. In this study, price variables were used to estimate fish prices in the following month using a time series system using the Neural Network Backpropagation method. Data entered in the form of fish sale price and ouput produced in the form of fish sale price prediction. Fish price prediction using neural network backpropagation method yields the best or smallest MSE of 0.0003069289522420891 generated by model A, then the best or smallest MAPE is generated by model A with a value of 0.0369289522420891. Model A uses an epochs of 1000 in conducting its experiment. Model B uses epochs 3000, and Model C uses epcohs 5000.

Abstrak:

المشاكل التي تعاني منها مبيعات الأسماك غير المستقرة تؤدي إلى عدم قدرة بعض الجهات على معرفة سعر بيع الأسماك في المستقبل. ومن أكثر الأطراف التي تعاني عندما تنخفض أسعار الأسماك الصيادون الذين يستخدمون أموالهم الشخصية. هناك العديد من العوامل التي يمكن أن تؤثر على ارتفاع وانخفاض أسعار الأسماك. إن ارتفاع وانخفاض أسعار الأسماك سيؤثر على اقتصاد الصيادين لأن دخلهم لا يتناسب مع تكاليف إنتاج بيع الأسماك. لذا لا بد من حساب سعر البيع المتوقع للأسماك من أجل تقليل قيمة خسائر الصيادين. البيانات المستخدمة هي بيانات أسعار بيع الأسماك التي تم الحصول عليها من كغغلآي في الفترة من يناير ٢٠١٦ إلى ديسمبر ٢٠٢٠ . في هذا البحث، يتم استخدام متغيرات الأسعار لتحديد سعر الأسماك في الشهر التالي باستخدام نظام السلاسل الزمنية باستخدام طريقة الشبكة العصبية باجكبرَباعاطَِن. مدخلات البيانات هي سعر بيع الأسماك والمخرجات الناتجة هي التنبؤ بسعر بيع الأسماك. إن التنبؤ بأسعار الأسماك باستخدام طريقة الشبكة العصبية للانتشار العكسي ينتج أفضل أو أصغر MSE بقيمة ٠.٠٠٠٣٠٦٩٢٨٩٥٢٢٤٢٠٨٩١ التي ينتجها النموذج A، ثم يتم إنتاج أفضل أو أصغر MAPE بواسطة النموذج A بقيمة ٠.٠٣٦٩٢٨٩٥٢٢٤٢٠٨٩١ ، ويتم إنتاج أفضل قيمة دقة من خلال التجارب باستخدام النموذج. أ بقيمة ٩٩.٩٦٣٠٧١٠٤٧٧٥٧٩١ . يستخدم النموذج (أ) ١٠٠٠ حقبة في إجراء تجاربه. يستخدم الطراز B أيبَجح ٣٠٠٠ ، ويستخدم الطراز C يبَجح٥٠٠٠