Industria: Jurnal Teknologi dan Manajemen Agroindustri (Apr 2015)

Peramalan Permintaan dengan Pendekatan Marketing Mix pada Produk Keripik Apel Menggunakan Metode Jaringan Syaraf Tiruan (Studi Kasus di UKM So Kressh Malang)

  • Laella Mallini,
  • Wike Agustin Prima Dania,
  • Shyntia Atica Putri

Journal volume & issue
Vol. 4, no. 1
pp. 21 – 30

Abstract

Read online

Abstrak Tujuan penelitian ini adalah untuk mendapatkan hasil peramalan permintaan produk keripik apel menggunakan metode Jaringan Syaraf Tiruan (JST) dengan mempertimbangkan faktor-faktor yang mempengaruhi volume penjualan. Metode JST dapat dilatih untuk mempelajari dan menganalisis pola data masa lalu dan berusaha mencari suatu formula atau fungsi yang akan menghubungkan pola data masa lalu dengan keluaran yang diinginkan saat ini. Salah satu algoritma pelatihan JST yang dapat dimanfaatkan dalam menyelesaikan sistem peramalan adalah propagasi balik (backpropagation). Berdasarkan penelitian yang telah dilakukan, didapatkan hasil arsitektur jaringan single hidden layer terbaik yaitu 4-9-1 (4 neuron input, 9 neuron hidden layer, 1 neuron output). Nilai Mean Square Error (MSE) yang diperoleh sebesar 2185,004. Rata-rata persentase kesalahan hasil simulasi peramalan permintaan pada periode Januari – Mei 2014 adalah sebesar 3,18%. Kata kunci: Algoritma Pembelajaran, Backpropagation, MSE Abstract The purpose of this research is to obtain the outcome forecast of the apple chip product demand using Artificial Neural Network (ANN) method with considering the affect factors againts to sales voIume. The ANN method can be trained to study and to analize the past pattern data as well as to find a formula or function that will connect the past pattern data to the current expected outcome. One of ANN training algoritma that can be used to solve this forecast system is backpropagation. Based on the conducted research, the result obtained is generate the best hidden singIe network architecture layer 4- 9-1 (4 input neurons, 9 hidden Iayer neurons, 1 output neuron). The value of Mean Square Error (MSE) is 2185,004. The average percentage errors as the result of demand forecast simulation during the period of January - May 2014 is 3,18%. Keywords: Learning Algorithm, Backpropagation, MSE

Keywords