menggunakan kalkulasi yang lebih mudah sehingga metode ini dapat belajar lebih cepat dan memiliki error yang lebih kecil dibandingkan MLP Jayawardena et al,
1997. Jaringan RBF memiliki algoritma pelatihan dengan pembelajaran supervised terawasi dan unsupervised tidak terawasi yang dipakai secara bersamaan. Pada
umumnya untuk pembelajaran tidak terawasi menggunakan algoritma K-means, sedangkan untuk pembelajaran terawasi dapat menggunakan algoritma Least Means
Square LMS. Algoritma K-means digunakan karena perhitungannya yang sederhana dan mampu mencari sendiri nilai center yang terbaik bagi data, sedangkan LMS
digunakan untuk mencari nilai weight yang akan digunakan untuk proses pengujian. Penggunaan metode RBF ini sudah pernah diterapkan dalam beberapa kasus seperti
prediksi harga saham Tan et al, 2012, prediksi harga emas Hussein et al, 2011, pengenalan pola tanda tangan Jariah et al, 2011, dan klasifikasi genre musik
Gardhianta, 2013.
Pada penelitian ini, penulis akan memprediksikan produksi panen kelapa sawit dengan menggunakan jaringan saraf RBF. Pemilihan input dilakukan
berdasarkan atribut yang ada. Output yang akan dihasilkan merupakan prediksi hasil produksi panen yang dapat digunakan untuk target produksi panen. Dengan pemilihan
algoritma, input dan output yang akan digunakan, diharapkan RBF akan memberikan hasil prediksi yang dibutuhkan oleh perusahaan.
1.2. Rumusan Masalah
Penentuan target produksi diperlukan untuk memenuhi rencana kerja dan penentuan biaya produksi pada suatu perusahaan perkebunan. Perusahaan memerlukan prediksi
hasil produksi panen yang tepat untuk dijadikan acuan target produksi panen. Oleh karena itu, dibutuhkan sebuah aplikasi untuk memprediksi hasil produksi panen
kelapa sawit agar perusahaan lebih mudah menentukan target produksi.
1.3. Tujuan Penelitian
Adapun tujuan dari penelitian ini adalah memprediksi produksi kelapa sawit dengan
menggunakan jaringan saraf Radial Basis Function RBF.
Universitas Sumatera Utara
1.4. Batasan atau Ruang Lingkup Penelitian
Batasan masalah dibuat untuk mencegah meluasnya pembahasan dan agar lebih
terarah. Batasan-batasan tersebut adalah sebagai berikut.
1. Data yang dianalisis adalah data-data hasil produksi harian kelapa sawit pada
perusahaan perkebunan negara daerah Sumatera Utara pada periode 2010 - 2013.
2. Hasil prediksi tidak mempertimbangkan pengaruh-pengaruh lain seperti
faktor alam selain dari atribut input yang digunakan. 3.
Hasil prediksi tidak mempertimbangkan kejadian pencurian dan pertimbangan yang menyebabkan kehilangan produksi secara disengaja ataupun tidak.
4. Hanya melakukan perbandingan hasil prediksi dan menguji performa metode
yang dipakai.
1.5. Manfaat Penelitian Manfaat penelitian ini adalah sebagai berikut.
1. Mengidentifikasi dan mengimplementasika data dengan jaringan saraf RBF.
2. Mengetahui kemampuan jaringan saraf RBF dalam memprediksi produksi
panen kelapa sawit. 3.
Menghasilkan prediksi hasil produksi panen kelapa sawit. 4.
Penelitian dapat dijadikan sebagai bahan rujukan untuk penelitian lain.
1.6. Metodologi Penelitian
Tahapan-tahapan yang akan dilakukan pada pelaksanaan penelitian ini adalah sebagai berikut.
1. Studi literatur
Studi literatur yang dilakukan dalam penelitian ini adalah mengumpulkan bahan bahan referensi tentang prediksi produksi kelapa sawit, faktor yang mempengaruhi
dan jaringan saraf tiruan serta bahan pembelajaran pendukung dari banyak sumber berupa jurnal, buku dan dari referensi lainnya.
Universitas Sumatera Utara
2. Analisis permasalahan
Pada tahap ini dilakukan analisis dari bahan referensi yang telah dikumpulkan, untuk memahami teknik prediksi data mining, faktor-faktor produksi dan jaringan
saraf tiruan dalam penelitian ini. 3.
Pengumpulan data Pada tahap ini dilakukan pengumpulan serta pembagian data yang telah didapat.
Pembagian data dikelompokkan menjadi data latih dan data uji. 4.
Pembangunan program Pada tahap ini dibangun program dengan mengimplementasikan jaringan saraf
RBF untuk memprediksi hasil produksi panen kelapa sawit dari data yang telah dikumpulkan.
5. Analisis dan evaluasi hasil
Pada tahap ini dilakukan analisis dan evaluasi terhadap hasil yang didapat melalui implementasi jaringan saraf Radial Basis Function dengan menghitung hasil error
antara nilai aktual dan nilai hasil prediksi. 6.
Dokumentasi dan pelaporan Pada tahap ini dilakukan dokumentasi dan penyusunan laporan hasil evaluasi dan
analisis serta implementasi jaringan saraf Radial Basis Function pada aplikasi prediksi produksi kelapa sawit.
1.7. Sistematika Penulisan