Peramalan Permintaan Minuman Kesehatan Instan Jahe menggunakan Jaringan Syaraf Tiruan dan Metode Time Series (Studi Kasus di Agroindustri Minuman Kesehatan Instan “DIA” Malang)
| Main Author: | Rini, KenyoPuspito |
|---|---|
| Format: | Thesis NonPeerReviewed |
| Terbitan: |
, 2013
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/149242/ |
Daftar Isi:
- Peramalan adalah suatu usaha untuk meramalkan keadaan di masa mendatang melalui pengujian keadaan di masa lalu, sedangkan peramalan permintaan merupakan tingkat permintaan produk-produk yang diharapkan akan terealisir untuk jangka waktu tertentu pada masa yang akan datang. Permasalahan yang dihadapi oleh Agroindustri Minuman Kesehatan Instan DIA adalah masih kesulitan dalam meramalkan permintaan konsumen terhadap permintaan produk minuman kesehatan instan. Hal ini mengakibatkan Agroindustri Minuman Kesehatan Instan DIA belum memiliki perencanaan produksi yang optimal. Dalam penelitian ini peramalan dilakukan dengan mempertimbangkan unsur bauran pemasaran yang digunakan sebagai masukan (input) pada jaringan syaraf tiruan. Unsur bauran pemasaran yang digunakan adalah harga produk, jumlah tempat pemasaran, biaya distribusi, dan biaya promosi. Selanjutnya hasil peramalan menggunakan jaringan syaraf tiruan berdasarkan unsur bauran pemasaran akan dibandingkan dengan peramalan menggunakan metode time series berdasarkan data volume penjualan untuk mengetahui metode mana yang paling tepat digunakan di Agroindustri Minuman Kesehatan Instan DIA. Penelitian dilakukan di Agroindustri Minuman Kesehatan Instan DIA, Jl. Kembang Kertas No. 25 Malang pada bulan Juni-Oktober 2012. Pengolahan data dengan Jaringan Syaraf Tiruan menggunakan algoritma pembelajaran backpropagation. Software yang digunakan untuk peramalan jenis ini adalah Matlab 7.10. Sedangkan pengolahan data dengan metode time series meliputi metode moving average, metode eksponential smoothing, dan metode dekomposisi. Software yang digunakan untuk peramalan menggunakan metode time series adalah SPSS 17.1. Berdasarkan hasil penelitian, metode terbaik untuk peramalan dengan metode time series adalah metode Winters’ Additive. Metode Winters’ Additive merupakan salah satu dari model Holt- Winters (triple exponential smoothing) yang digunakan untuk menangani musiman. Nilai hasil mean square error (MSE) pelatihan pada Jaringan Syaraf Tiruan (JST) sebesar 4827.82, sedangkan nilai MSE pada metode Time Series sebesar 119440.0512. Rata-rata persentase kesalahan hasil simulasi peramalan permintaan menggunakan JST pada periode bulan Agustus - Desember 2012 adalah sebesar 5.72 %, sedangkan untuk Time Series adalah sebesar 10.06 %. Sehingga dapat disimpulkan bahwa bahwa Jaringan Syaraf Tiruan merupakan metode yang relatif lebih baik dari Time Series dalam meramalkan permintaan minuman kesehatan instan jahe DIA karena memiliki penyimpangan kesalahan yang lebih kecil dibandingkan metode time series.