Peramalan Permintaan Pada Produk Keripik Ceker Ayam Menggunakan Adaptive Neuro Fuzzy Inference System (Anfis) Dan Jaringan Syaraf Tiruan (Jst) (Studi Kasus Ud Matahari Surabaya)
| Main Author: | Lidiana, DesiKartika |
|---|---|
| Format: | Thesis NonPeerReviewed |
| Terbitan: |
, 2015
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/150541/ |
Daftar Isi:
- UD Matahari merupakan salah satu unit usaha di kota Surabaya yang memproduksi produk olahan keripik ceker ayam dengan ukuran 100 gr, 250 gr, dan 2,5 kg. Selain keripik ceker ayam, UD Matahari juga memproduksi keripik usus. UD Matahari pada saat ini mengalami permasalahan dalam menentukan jumlah produk keripik ceker ayam yang diproduksi. Sering kali jumlah produksi keripik ceker ayam tidak sesuai dengan permintaan konsumen. Hal ini akan menyebabkan UD Matahari kehilangan kesempatan untuk memperoleh pendapatan dari penjualan produk keripik ceker ayam jika kekurangan persedian atau terjadi penumpukan produk keripik ceker ayam jika lebih dari permintaan. Metode yang digunakan pada penelitian ini adalah metode ANFIS dan JST. Adaptive neuro fuzzy inference (ANFIS) atau system adaptive network-based fuzzy inference system atau neuro fuzzy merupakan hasil perpaduan dari jaringan syaraf tiruan dan logika fuzzy JST merupakan sistem pemrosesan informasi yang memiliki karakteristik mirip dengan jaringan syaraf biologi. Penelitian ini dilakukan untuk meralakan permintaan produk keripik ceker ayam pada periode Juni 2015 – Mei 2016. Varibel yang diguanakan dalam peramalan ini ada penjualan, harga produk, dan tempat pemasaran. Algoritma pembelajaran yang digunakan pada penelitian ini hybrid untuk metode ANFIS dan backpropagation untuk metode JST. Pada peramalan keripik ceker ayam ukuran 100 gram, 250 gram, dan 2,5 kg dengan metode ANFIS dapat diketahui masing – masing nilai error pada proses training adalah sebesar 19,86 gram; 16,36 gram; 21,75 gram. Untuk proses testing pada ketiga ukuran kemasan produk memiliki nilai error yang cukup besar pula yaitu sebesar 100 gram; 51,13 gram; 43,99 gram. Arsitektur jaringan terbaik pada metode JST untuk ini ukuran 100 gram adalah 2-40-40-1 (2 neuron input, 40 neuron pada hidden layer 1 serta 40 neuron pada hidden layer 2, dan 1 neuron output ). Pada ukuran 200 gram dan 2,5 kg arsitektur jaringan terbaik adalah 2-40-45-1 (2 neuron input, 40 neuron pada hidden layer 1 serta 45 neuron pada hidden layer 2, dan 1 neuron output) . Pada metode JST tingkat akurasi terbaik pada tahap training dan testing untuk keriga ukuran produk adalah ukuran 2,5 kg, yaitu sebesar 99,98% untuk training dan 91,55% untuk nilai testing. Hasil perbandingan kedua metode yang mendekati MSE terkecil untuk ketiga ukuran produk keripik ceker ayam adalah ANFIS dengan masing-masing nilai 777,33 gram; 4310,42 gram; 1002,50 gram. Sementara itu, hasil rata-rata kesalahan persentase untuk kedua metode yang memiliki tingkat kesalahan sedikit untuk ketiga ukururan produk keripik ceker ayam adalah ANFIS dengan masing-masing persentase 6,67 %, 25,99%, dan 4,06 %. Hasil analisis ini menunjukkan bahwa metode Adaptive neuro fuzzy inference system lebih cocok diterapkan di UD Matahari Surabaya.