Berawal dari permintaan akan Straw (sperma beku) sapi yang tinggi untuk menghasilkan bibit unggul. Bidang Peternakan Dinas Kelautan, Perikanan dan Peternakan (DKPP) Sampang masih belum dapat menentukan berapa banyaknya Straw yang dibutuhkan pada saat permintaan itu datang. Sering terjadi stok Straw yang tersedia kurang memenuhi permintaan para peternak sapi, atau malah sebaliknya persediaan Straw yang ada masih banyak. Data yang digunakan adalah data penggunaan Straw di Kabupaten Sampang bulan Januari 2008 sampai Desember 2011. Peramalan kebutuhan Straw merupakan proses untuk memperkirakan jumlah kebutuhan Straw di masa datang. Metode peramalan yang digunakan dalam sistem ini adalah metode Radial Basis Function Network (RBFN) dengan penentuan hidden node menggunakan K-Means Cluster. Metode K-Means digunakan karena ketepatan penentuan nilai centroid yang akurat, mudah dan penentuannya awalnya secara random. Sedangkan dalam penentuan nilai error menggunakan MAPE (Mean Absolute Percentage Error) dan MSE (Mean Square Error). Dalam uji coba sistem diketahui bahwa sistem mampu memprediksi kebutuhan Straw satu bulan kedepan. Dari evaluasi kinerja sistem diketahui bahwa nilai MAPE dan MSE terkecil diperoleh pada jumlah cluster=3 yang mempunyai Nilai MAPE 10.12% dan MSE 0.0081.

Starting from the demand for Straw (frozen sperm) cows to produce high quality seeds. Department of Marine, Fishery and Husbandry in Sampang City is still not yet determine how much Straw which used when demand was came. Often still lessfullfilling demand of Straw from cattle raiser or in the opposite is Straw stock is still much. The data used is the data of Straw usage of Sampang district in January 2008 until December 2011. Forecasting Straw requirement is a process to predict how much requirement of Straw in the future, include accurate Straw requirement and meet a public need more and more much. The methods used is Radial Basic Function (RBF) with the determination of hidden mode by K-Means Cluster. It's a one of learning methods of artificial neural network. It also has high accurate better than other. It will affect design perform and also get accuratiom based on the value of MAPE (Mean Absolute Percentage Error) and MSE (Mean Square Error). In testing the system is known that the system is able to predict the Straw needs for one month ahead. Of the performance evaluation system is known that the smallest value of MAPE and MSE obtained on the number of clusters that have Top 3, MAPE 10,12% and MSE 0.0081.

Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal Baca Jurnal