Prediksi Permintaan Keripik Buah dengan Metode Jaringan Syaraf Tiruan Backpropagation (Studi Kasus: CV. Arjuna 999)
| Main Authors: | Salsabila E. P., Benita, Imam Cholissodin, S.Si., M.Kom.,, Indriati, S.T., M.Kom. |
|---|---|
| Format: | Thesis NonPeerReviewed Book |
| Bahasa: | eng |
| Terbitan: |
, 2020
|
| Subjects: | |
| Online Access: |
http://repository.ub.ac.id/id/eprint/193608/1/0520150355%20Benita%20Salsabila%20E.%20P..pdf http://repository.ub.ac.id/id/eprint/193608/ |
Daftar Isi:
- Produksi buah-buahan di Indonesia cenderung meningkat dari tahun ke tahun. Ketika musim panen, produksi buah-buahan terus melimpah yang mengakibatkan harga jual buah-buahan tersebut menjadi rendah. Namun seringkali banyak dari buah-buahan tersebut yang tidak dapat terjual sebelum membusuk, maka dari itu dibutuhkan upaya untuk meningkatkan umur atau shelf life buah-buahan tersebut sehingga tidak menghasilkan kerugian. Pengolahan buah menjadi keripik termasuk salah satu upaya untuk memperpanjang umur buah-buahan asli. CV. Arjuna 999 adalah sebuah toko yang berdomisili di Kota Batu, Jawa Timur yang mengolah berbagai macam keripik buah. Namun karena pengolahannya membutuhkan waktu seiring meningkatnya demand, dibutuhkan planning terhadap jumlah produksi dan waktu yang dibutuhkan agar demand yang berubah dan meningkat dapat diantisipasi, salah satunya adalah untuk mengimplementasikan suatu sistem prediksi demand keripik buah untuk waktu yang mendatang. Sistem prediksi mengimplementasikan metode JST backpropagation. Data yang digunakan merupakan data permintaan keripik buah CV. Arjuna 999 per bulan dari tahun 2017 hingga 2019, dengan pembagian 80% untuk data training dan 20% untuk data testing. Hasil kinerja algoritme backpropagation adalah nilai MAPE terbaik sebesar 4,429% yang diperoleh dari kombinasi nilai parameter input neuron sebanyak 3, hidden neuron sebanyak 10 (9 + 1 bias), output neuron sebanyak 1, nilai learning rate sebesar 0,8, jumlah iterasi maksimal sebanyak 900, dan nilai bias sebesar 1.