<![CDATA[Potensi perikanan dan kelautan merupakan modal dasar pembangunan Provinsi Gorontalo. Berdasarkan persentase rata-rata hasil produksi ikan tuna yang meningkat setiap tahunnya maka perlu dilakukan prediksi hasil produksi ikan tuna dalam rangka peningkatan sektor produksi perikanan kelautan. Metode prediksi times series mimiliki tingkat error data yang rendah dan baik yaitu Neural Network. Metode pelatihan yang dapat digunakan dalam memperbaiki bobot jaringan syaraf tiruan adalah backpropagation. Akan tetapi terdapat beberapa kelemahan diantaranya masalah waktu pelatihan yang lama dalam mencapai konvergen, dan masalah pada overfitting.Untuk itu dalam mengatasi masalah pada metode Neural Nerwork pada penelitian ini ditambahkan metode seleksi fitur yang akan digunakan yaitu forward selection dengan harapan mampu menghasilkan tingkat akurasi yang lebih baik. Dengan penggunaan fitur selection dalam jaringan syaraf tiruan mampu mempercepat waktu kalkulasi dan mendapatkan hasil prediksi yang akurat, sehingga dapat digunakan dalam memprediksi hasil produksi ikan tuna.Dengan membandingkan hasil Root Mean Square Error (RMSE) menggunakan Neural Network yaitu 0,096, sedangkan dengan menggunakan metode Neural Network berbasis Forward Selection didapatkan hasil Root Mean Square Error (RMSE) yaitu 0,080. Hal ini membuktikan bahwa dengan menerapkan pola yang didapatkan dari metode Neural Network Berbasis Forward Selection dalam melakukan prediksi mampu mengurangi nilai Root Mean Square Error (RMSE) dengan hasil selisih yaitu sebesar 0,016.]]>
Copyrights © 2018
