Optimasi Fuzzy Time Series Untuk Prediksi Jumlah Produksi SAGA Leather Fashion Menggunakan Metode Algoritme Genetika
| Main Author: | Nurhakim, Aditya Chandra |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2019
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/168885/1/Aditya%20Chandra%20Nurhakim.pdf http://repository.ub.ac.id/168885/ |
Daftar Isi:
- Fashion sudah menjadi salah satu hal yang menjadi perhatian bagi setiap golongan masyarakat. Kulit hewan (leather) merupakan bahan baku produk fashion yang sangat diminati saat ini. Berbeda dengan produk berbahan dasar kain yang tidak tahan lama, bahan kulit dapat bertahan pada kurun waktu 10-15 tahun lamanya. SAGA leather fashion yang telah berdiri dari tahun 1999, telah memproduksi lebih dari 1000 produk kulit seperti jaket, tas, dompet, sepatu, sabuk dan topi dari berbagai macam kulit seperti kulit sapi, kulit kambing dan kulit domba sesuai dengan permintaan yang ada, yang menyebabkan produksi setiap bulan berbeda-beda dan mengakibatkan tidak optimalnya sisa bahan baku (kulit) yang telah digunakan. Oleh sebab itu, dengan memprediksi jumlah barang yang akan diproduksi pada bulan berikutnya, hasil prediksi digunakan untuk memproduksi barang dengan menggunakan sisa kulit pada bulan sebelumnya. Produk yang diprediksi antara lain produk topi, sabuk, dompet, tas, jaket dan sepatu. Prediksi pada penelitian ini menggunakan metode fuzzy time series yang dioptimasi menggunakan metode algoritme genetika. Hasil analisis dari penelitian ini yaitu, jumlah popsize mempengaruhi nilai fitness yang dihasilkan. Semakin banyak jumlah popsize yang digunakan, maka semakin tinggi kemungkinan untuk menghasilkan individu terbaik pada generasi awal dikarenakan offspring yang dihasilkan bervariasi untuk dipilih dalam generasi selanjutnya. Tetapi, jika jumlah popsize terlalu banyak maka waktu komputasi yang dibutuhkan pun semakin lama. Sedangkan untuk nilai kombinasi cr dan mr, menghasilkan individu terbaik ketika nilai cr lebih besar dari nilai mr dikarenakan nilai kromosom offspring yang dihasilkan dari proses crossover memiliki perbedaan yang cukup besar dengan parentnya, yang mempengaruhi nilai fitness yang dihasilkan. Pada penelitian ini menghasilkan rata-rata nilai RMSE (Root Mean Square Error) sebesar 4.481 dan rata-rata tingkat akurasi sebesar 92.97% dari masing-masing produk yang telah diprediksi.