Particle Swarm Optimization Untuk Optimasi Bobot Extreme Learning Machine Dalam Memprediksi Produksi Gula Kristal Putih Pabrik Gula Candi Baru-Sidoarjo

Abstrak

Permintaan gula akan meningkat seiring dengan peningkatan jumlah penduduk, pendapatan masyarakat, dan pertumbuhan industri pengolahan makanan dan minuman. Oleh karena itu agar proses produksi gula selalu meningkat sesuai dengan kebutuhan gula itu sendiri, maka diperlukannya perencanaan produksi. Peramalan yang akurat dapat membantu perusahaan dalam mengambil keputusan untuk menentukan jumlah gula yang akan diproduksi, bahan yang dibutuhkan dan menetukan harga barang. Salah satu metode yang dapat digunakan untuk melakukan prediksi adalah algoritme Extreme Learning Machine. Akan tetapi metode tersebut dalam pemilihan input weight dan bias dipilih secara acak, hal ini dapat menyebabkan hasil yang didapat dalam perhitungan kurang maksimal. Diperlukannya kombinasi dengan algoritme Particle Swarm Optimization yang dapat melakukan optimasi nilai input weight dan bias secara optimal. Penelitian ini menggunakan 45 data giling produksi gula dengan 5 fitur. Berdasarkan penelitian yang telah dilakukan, didapatkan parameter yang optimal yaitu jumlah ukuran populasi 50, perbandingan data training 80% (36 data), jumlah hidden neuron 10, bobot inersia 0.5, dan iterasi maksimal 250. dari parameter tersebut didapatkan nilai rata-rata MAPE sebesar 0.59%. Dari hasil rata-rata MAPE yang didapat, menunjukkan bahwa penambahan algoritme PSO pada ELM dapat menentukan nilai input weight dan bias yang optimal.