Peramalan Persediaan Spare Part Menggunakan Algoritme Backpropagation
| Main Author: | Mehaninda, Danastri Ramya |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2018
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/162081/1/Danastri%20Ramya%20Mehaninda.pdf http://repository.ub.ac.id/162081/ |
Daftar Isi:
- Sepeda motor adalah transportasi darat yang paling banyak digunakan karena harganya lebih terjangkau dan lebih efisien. Sepeda motor memerlukan perawatan yang baik agar penggunaannya tetap nyaman dan menjaga kinerja sepeda motor sehingga dapat juga meminimalisir kecelakaan. Perawatan sepeda motor dapat dilakukan dengan cara penggantian spare part atau suku cadang secara berkala di bengkel. Guna menunjang perawatan sepeda motor, sebaiknya bengkel memberikan pelayanan perawatan yang terbaik termasuk memiliki persediaan spare part yang cukup agar dapat memenuhi kebutuhan pelanggan dalam perawatan sepeda motor. Jika bengkel memiliki persediaan spare part yang cukup, maka bengkel dapat meminimalisir biaya pemesanan dan dapat meminimalisir terjadinya kerusakan akibat penyimpanan terlalu lama sehingga perputaran spare part dinilai baik karena stok tidak terlalu banyak ataupun terlalu sedikit dan seluruh transaksi dapat terpenuhi. Terdapat banyak bengkel yang menyediakan pelayanan penggantian spare part seperti pada Pangestu Utomo Motordi Candi, Sidoarjo. Pada Pangestu Utomo Motortersebut mengalami kesulitan dalam menentukan persediaan spare part untuk bulan berikutnya. Peramalan persediaan dapat membantu untuk menentukan persediaan spare part pada Pangestu Utomo Motor. Penelitian ini menggunakan algoritme backpropagation untuk peramalan persediaan spare part. Arsitektur backpropagation yang terbaik adalah 9-7-1, yaitu 9 node input, 7 node hidden dan 1 node output. Input yang digunakan adalah history penjualan spare part bulan sebelumnya. Rata-rata MSE (nilai error) yang didapatkan dari hasil pengujian adalah 0.0094506 dan MSE terkecil yang didapatkan adalah 0.0085305 dengan rata-rata selisih nilai aktual dengan hasil peramalan adalah 6. Pada nilai MSE terkecil tersebut, hasil peramalan mendekati nilai aktualnya dan memiliki pola yang hampir sama.