Show simple item record

dc.contributor.authorAyuni, Qurata R.
dc.date.accessioned2024-10-28T03:10:20Z
dc.date.available2024-10-28T03:10:20Z
dc.date.issued2024
dc.identifier.uridspace.uii.ac.id/123456789/53244
dc.description.abstractKelapa sawit merupakan komoditas penting bagi perekonomian Indonesia, berkontribusi signifikan terhadap pendapatan negara, penciptaan lapangan kerja, dan pengentasan kemiskinan. Namun, produksi kelapa sawit di Indonesia menghadapi tantangan akibat fluktuasi yang dipengaruhi oleh kondisi iklim yang tidak stabil, perubahan kebijakan pemerintah, teknologi pertanian yang bervariasi, dan ketidakpastian permintaan pasar global. Tantangan-tantangan ini memerlukan strategi perencanaan dan pengelolaan yang efektif. Untuk mengatasi masalah ini, peramalan produksi kelapa sawit diperlukan untuk meningkatkan ketepatan perencanaan dan pengambilan keputusan. Dalam hal ini, metode hybrid dekomposisi-NNAR dipilih karena kemampuannya dalam membagi data menjadi komponen-komponen yang lebih mudah dianalisis dan memprediksi pola-pola kompleks berdasarkan data historis. Hasil peramalan dari periode Januari 2023 hingga Desember 2023 didapatkan bahwa produksi kelapa sawit tertinggi terjadi di bulan Desember dan terendah terjadi di bulan Maret. Serta metode terbaik yang digunakan dalam memperoleh hasil peramalan di tahun 2023 adalah metode hybrid dekomposisi-NNAR dibandingkan menggunakan metode NNAR.en_US
dc.publisherUniversitas Islam Indonesiaen_US
dc.subjectProduksi Kelapa Sawiten_US
dc.subjectDekomposisien_US
dc.subjectNeural Network Autoregressiveen_US
dc.subjectPeramalanen_US
dc.titlePenerapan Metode Hybrid Dekomposisi- Neural Network Autoregressive (NNAR) untuk Peramalan Produksi Kelapa Sawit di Indonesia (Studi Kasus : Produksi Kelapa Sawit Indonesia Januari 2014-Desember 2022)en_US
dc.typeThesisen_US
dc.Identifier.NIM20611110


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record