Prediksi Produksi Biofarmaka Menggunakan Model Fuzzy Time Series dengan Pendekatan Percentage Change dan Frequency Based Partition
Masa depan biofarmasi semakin cerah. Akibat mahalnya harga obat modern, maka permintaan tanaman obat meningkat di dalam dan luar negeri. Hal ini karena biofarmaka banyak digunakan di industri lain, seperti makanan, minuman, dan kosmetik. Konsumen di seluruh dunia termasuk di Indonesia bergerak menuj...
| Main Authors: | , , , |
|---|---|
| Format: | Article |
| Language: | Indonesian |
| Published: |
University of Brawijaya
2023-02-01
|
| Series: | Jurnal Teknologi Informasi dan Ilmu Komputer |
| Online Access: | https://jtiik.ub.ac.id/index.php/jtiik/article/view/6267 |
| _version_ | 1797194620648554496 |
|---|---|
| author | Dwi Ekasari Harmadji Solikhin Solikhin Uky Yudatama Agus Purwanto |
| author_facet | Dwi Ekasari Harmadji Solikhin Solikhin Uky Yudatama Agus Purwanto |
| author_sort | Dwi Ekasari Harmadji |
| collection | DOAJ |
| description | Masa depan biofarmasi semakin cerah. Akibat mahalnya harga obat modern, maka permintaan tanaman obat meningkat di dalam dan luar negeri. Hal ini karena biofarmaka banyak digunakan di industri lain, seperti makanan, minuman, dan kosmetik. Konsumen di seluruh dunia termasuk di Indonesia bergerak menuju produk makanan dan kesehatan yang lebih sehat dengan slogan "kembali ke alam". Dengan demikian permintaan tanaman obat sebagai bahan baku industri lainnya juga meningkat. Untuk mengatasi masalah tersebut diperlukan suatu prediksi untuk menentukan besaran kenaikan atau penurunan jumlah produksi komoditas strategis biofarmaka untuk beberapa tahun ke depan, sehingga Memungkinkan analisis pergerakan tren dari perkembangan data sebelumnya. Saat ini belum dijumpai studi peramalan deret waktu untuk memprediksi produksi biofarmaka dengan tingkat akurasi baik. Dalam eksperimen ini kami mengusulkan model peramalan fuzzy time series berdasarkan pendekatan percentage change sebagai himpunan semesta dan frequency-based partition yang dapat memberikan tingkat akurasi peramalan yang tinggi. Prediksi difokuskan pada biofarmaka untuk empat jenis rimpang yaitu Jahe, Lengkuas, Kencur, dan Kunyit yang dinilai menjadi prioritas utama pengembangan tanaman obat di Indonesia. Dalam penelitian ini menggunakan data sekunder yang diperoleh dari Badan Pusat Statistika tahun 1997-2020. Tujuan dari survei adalah untuk memprediksi dan menganalisa perkembangan produksi biofarmaka untuk empat jenis rimpang. Hasil prediksi menunjukan akurasi luar biasa dengan nilai Mean Absolute Percentage Error yang sangat kecil yakni Jahe 0,03%, Lengkuas 0,02%, Kencur 0,14%, dan Kunyit 0,03%. Dengan demikian hasil eksperimen ini dapat berkontribusi dan digunakan bagi pihak yang berkompeten untuk membantu dalam menentukan kebijakan strategis di masa depan.
Abstract
Biopharmaceuticals' future is brightening. Due to the exorbitant cost of modern treatment, the desire for medicinal herbs is growing. due to their widespread use in different industries such as food, beverages, and cosmetics. Consumers worldwide, especially in Indonesia, are gravitating towards healthier food and health goods. So the demand for medicinal plants as raw materials increases. To solve this issue, a forecast is required for the next few years on the increase or decline in production of strategic biopharmaca commodities. Currently, no reliable time series forecasting study exists for biopharmaca production. To achieve high predicting accuracy, we present a fuzzy time series forecasting model based on percentage change as a universal set and frequency-based partition. Ginger, Galangal, Kencur, and turmeric are predicted to be the most important rhizomes for biopharmaca research in Indonesia. Secondary statistics from the Central Statistics Agency for 1997–2020 This study's goal was to anticipate and analyze biopharmaca synthesis in four rhizomes. The prediction results are incredibly accurate, with Mean Absolute Percentage Error values of just 0.03%, 0.02%, 0.14%, and 0.03% for Ginger, Galangal, Kencur, and Turmeric, respectively. Thus, competent parties can use the outcomes of this experiment to help determine future strategic policies.
|
| first_indexed | 2024-03-12T12:18:01Z |
| format | Article |
| id | doaj.art-ce6c2e33c5e1466b97446d2359e7cfc8 |
| institution | Directory Open Access Journal |
| issn | 2355-7699 2528-6579 |
| language | Indonesian |
| last_indexed | 2024-04-24T05:59:11Z |
| publishDate | 2023-02-01 |
| publisher | University of Brawijaya |
| record_format | Article |
| series | Jurnal Teknologi Informasi dan Ilmu Komputer |
| spelling | doaj.art-ce6c2e33c5e1466b97446d2359e7cfc82024-04-23T08:45:22ZindUniversity of BrawijayaJurnal Teknologi Informasi dan Ilmu Komputer2355-76992528-65792023-02-0110110.25126/jtiik.202310162671058Prediksi Produksi Biofarmaka Menggunakan Model Fuzzy Time Series dengan Pendekatan Percentage Change dan Frequency Based PartitionDwi Ekasari Harmadji0Solikhin Solikhin1Uky Yudatama2Agus Purwanto3Universitas Wisnuwardhana, MalangSekolah Tinggi Manajemen Informatika dan Komputer Himsya, SemarangUniversitas Muhammadiyah Magelang, MagelangSekolah Tinggi Manajemen Informatika dan Komputer Himsya, SemarangMasa depan biofarmasi semakin cerah. Akibat mahalnya harga obat modern, maka permintaan tanaman obat meningkat di dalam dan luar negeri. Hal ini karena biofarmaka banyak digunakan di industri lain, seperti makanan, minuman, dan kosmetik. Konsumen di seluruh dunia termasuk di Indonesia bergerak menuju produk makanan dan kesehatan yang lebih sehat dengan slogan "kembali ke alam". Dengan demikian permintaan tanaman obat sebagai bahan baku industri lainnya juga meningkat. Untuk mengatasi masalah tersebut diperlukan suatu prediksi untuk menentukan besaran kenaikan atau penurunan jumlah produksi komoditas strategis biofarmaka untuk beberapa tahun ke depan, sehingga Memungkinkan analisis pergerakan tren dari perkembangan data sebelumnya. Saat ini belum dijumpai studi peramalan deret waktu untuk memprediksi produksi biofarmaka dengan tingkat akurasi baik. Dalam eksperimen ini kami mengusulkan model peramalan fuzzy time series berdasarkan pendekatan percentage change sebagai himpunan semesta dan frequency-based partition yang dapat memberikan tingkat akurasi peramalan yang tinggi. Prediksi difokuskan pada biofarmaka untuk empat jenis rimpang yaitu Jahe, Lengkuas, Kencur, dan Kunyit yang dinilai menjadi prioritas utama pengembangan tanaman obat di Indonesia. Dalam penelitian ini menggunakan data sekunder yang diperoleh dari Badan Pusat Statistika tahun 1997-2020. Tujuan dari survei adalah untuk memprediksi dan menganalisa perkembangan produksi biofarmaka untuk empat jenis rimpang. Hasil prediksi menunjukan akurasi luar biasa dengan nilai Mean Absolute Percentage Error yang sangat kecil yakni Jahe 0,03%, Lengkuas 0,02%, Kencur 0,14%, dan Kunyit 0,03%. Dengan demikian hasil eksperimen ini dapat berkontribusi dan digunakan bagi pihak yang berkompeten untuk membantu dalam menentukan kebijakan strategis di masa depan. Abstract Biopharmaceuticals' future is brightening. Due to the exorbitant cost of modern treatment, the desire for medicinal herbs is growing. due to their widespread use in different industries such as food, beverages, and cosmetics. Consumers worldwide, especially in Indonesia, are gravitating towards healthier food and health goods. So the demand for medicinal plants as raw materials increases. To solve this issue, a forecast is required for the next few years on the increase or decline in production of strategic biopharmaca commodities. Currently, no reliable time series forecasting study exists for biopharmaca production. To achieve high predicting accuracy, we present a fuzzy time series forecasting model based on percentage change as a universal set and frequency-based partition. Ginger, Galangal, Kencur, and turmeric are predicted to be the most important rhizomes for biopharmaca research in Indonesia. Secondary statistics from the Central Statistics Agency for 1997–2020 This study's goal was to anticipate and analyze biopharmaca synthesis in four rhizomes. The prediction results are incredibly accurate, with Mean Absolute Percentage Error values of just 0.03%, 0.02%, 0.14%, and 0.03% for Ginger, Galangal, Kencur, and Turmeric, respectively. Thus, competent parties can use the outcomes of this experiment to help determine future strategic policies. https://jtiik.ub.ac.id/index.php/jtiik/article/view/6267 |
| spellingShingle | Dwi Ekasari Harmadji Solikhin Solikhin Uky Yudatama Agus Purwanto Prediksi Produksi Biofarmaka Menggunakan Model Fuzzy Time Series dengan Pendekatan Percentage Change dan Frequency Based Partition Jurnal Teknologi Informasi dan Ilmu Komputer |
| title | Prediksi Produksi Biofarmaka Menggunakan Model Fuzzy Time Series dengan Pendekatan Percentage Change dan Frequency Based Partition |
| title_full | Prediksi Produksi Biofarmaka Menggunakan Model Fuzzy Time Series dengan Pendekatan Percentage Change dan Frequency Based Partition |
| title_fullStr | Prediksi Produksi Biofarmaka Menggunakan Model Fuzzy Time Series dengan Pendekatan Percentage Change dan Frequency Based Partition |
| title_full_unstemmed | Prediksi Produksi Biofarmaka Menggunakan Model Fuzzy Time Series dengan Pendekatan Percentage Change dan Frequency Based Partition |
| title_short | Prediksi Produksi Biofarmaka Menggunakan Model Fuzzy Time Series dengan Pendekatan Percentage Change dan Frequency Based Partition |
| title_sort | prediksi produksi biofarmaka menggunakan model fuzzy time series dengan pendekatan percentage change dan frequency based partition |
| url | https://jtiik.ub.ac.id/index.php/jtiik/article/view/6267 |
| work_keys_str_mv | AT dwiekasariharmadji prediksiproduksibiofarmakamenggunakanmodelfuzzytimeseriesdenganpendekatanpercentagechangedanfrequencybasedpartition AT solikhinsolikhin prediksiproduksibiofarmakamenggunakanmodelfuzzytimeseriesdenganpendekatanpercentagechangedanfrequencybasedpartition AT ukyyudatama prediksiproduksibiofarmakamenggunakanmodelfuzzytimeseriesdenganpendekatanpercentagechangedanfrequencybasedpartition AT aguspurwanto prediksiproduksibiofarmakamenggunakanmodelfuzzytimeseriesdenganpendekatanpercentagechangedanfrequencybasedpartition |