Peramalan Permintaan Keju Mozzarella Chizzu Menggunakan Metode Artificial Neural Network (ANN) Backpropagation dan Metode Time Series di CV Narendra Food Malang
| Main Authors: | Silalahi, Handy Putra Malo, Wike Agustin Prima Dania, STP., M.Eng., PhD, Danang Triagus Setiyawan, S.T., M.T |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2022
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/id/eprint/189550/1/175100301111056%20-%20Handy%20Putra%20Malo%20Silalahi.pdf http://repository.ub.ac.id/id/eprint/189550/ |
Daftar Isi:
- Produksi susu segar dari tahun 2011 hingga tahun 2020 mengalami peningkatan walaupun sempat terjadi penurunan di tahun 2013. Peningkatan produksi terjadi terus-menerus dari tahun 2013 hingga tahun 2020. Produksi susu segar pada tahun 2013 sebesar 786.894 ton dan Produksi pada tahun 2020 sebesar 947.685,36 ton. Hal ini berarti bahwa produksi susu segar di Indonesia cukup melimpah, khususnya di Jawa Timur yang sangat berpotensi untuk dikembangkan sehingga dapat menaikkan nilai tambah susu tersebut. Salah satu cara untuk meningkatkan nilai tambahnya yaitu mengolah susu segar menjadi keju mozzarella. CV Narendra Food merupakan salah satu produsen pengolah susu menjadi keju mozzarella di Provinsi Jawa Timur, Kota Malang. Penelitian ini bertujuan untuk meramalkan permintaan keju mozzarella Chizzu dan membandingkan hasil yang didapatkan menggunakan metode Artficial Neural Network (ANN) dan metode Time Series. Metode time series merupakan metode peramalan sederhana yang mudah diterapkan dalam meramalkan permintaan karena hanya membutuhkan data historis dalam jangka waktu tertentu untuk dapat melihat pola dari suatu data. Metode ANN merupakan salah satu penggambaran yang mewakili otak manusia dimana selalu mencoba mensimulasikan proses pembelajaran pada otak manusia. Metode ANN yang digunakan pada penelitian ini yaitu ANN backpropagation. Algoritma backpropagation terdiri atas 3 fase yaitu fase I perambatan maju (forward propagation), fase II perambatan mundur (backpropagation), dan fase III perubahan bobot. Fase ini dilakukan terus menerus hingga menghasilkan nilai error terkecil. Hasil peramalan keju mozzarella Chizzu dengan metode time series memiliki metode terbaik yang terpilih yaitu Simple Exponential Smoothing dengan nilai Mean Absolute Percentage Error (MAPE) sebesar 19.403%. Nilai MAPE yang berada dibawah angka 20 memiliki kemampuan peramalan yang baik. Metode Single Exponential Smoothing merupakan metode yang cocok untuk meramalkan data yang bersifat fluktuatif tanpa trend yang konsisten. Hasil perbandingan metode time series dengan data aktual memiiki nilai memiliki rata-rata kesalahan (MAPE) sebesar 22.65%. Hasil peramalan ANN kausal menunjukan bahwa arsitektur terbaik yaitu 2-5- 1 (2 input, 5 neuron hidden layer, dan 1 output layer) dengan persentase data 70% training dan 30% testing. Hasil peramalan metode ANN kausal dibandingkan dengan data aktual memiliki rata-rata kesalahan (MAPE) sebesar 13.48%. Hasil peramalan ANN dataset time series menunjukan bahwa arsitektur terbaik yaitu 12-5-1 (12 input, 5 neuron hidden layer, dan 1 output layer). Hasil peramalan metode ANN dataset time series dibandingkan dengan data aktual memiliki rata-rata kesalahan (MAPE) sebesar 22.35%. Berdasarkan hal tersebut, metode terbaik yang terpilih untuk meramalkan permintaan keju mozzarella Chizzu yaitu metode ANN kausal dengan nilai MAPE terkecil sebesar 13.48%