APLIKASI ARTIFICIAL NEURAL NETWORK DALAM PERAMALAN PERMINTAAN GUDEG KALENG BU TJITRO

AURUMIA LAKSMI, Dr. Henry Yuliando, STP, MM, M.Agr; Dr.Ir. Makhmudun Ainuri, M.Si

2017 | Skripsi | S1 TEKNOLOGI INDUSTRI PERTANIAN

Peramalan permintaan merupakan hal pertama dan krusial dalam perencanaan produksi yang akurat. Perencanaan produksi yang sesuai dengan kondisi pasar dapat menghindarkan perusahaan dari penumpukan produk atau terjadi kekurangan produk. Salah satu metode dalam melakukan prediksi adalah dengan menggunakan Artificial Neural Network. ANN merupakan salah satu jenis dari kecerdasan buatan. Peramalan permintaan dilakukan dengan menggunakan metode Artificial Neural Network dan metode konvensional yang disesuaikan dengan pola data. Metode Artificial Neural Network digunakan untuk mendapatkan hasil prediksi yang disesuaikan dengan data input yang diberikan. Pemilihan metode peramalan terbaik dilakukan dengan membandingkan nilai akurasi peramalan dari keduanya. Peramalan metode Artificial Neural Network menggunakan Bayesian Regularization sebagai fungsi pembelajarannya. Arsitektur jaringan ANN terdiri dari 1 neuron input, 34 neuron tersembunyi, dan 1 output. Berdasarkan nilai kesalahan peramalan, peramalan metode ANN memberikan hasil paling akurat. Nilai MSE, MAPE, RMSE, dan MAD dari Artificial Neural Network sebesar 1629233,823, 11,438%, 1276,414, dan 789,803. Berdasarkan validasi metode peramalan, peramalan permintaan yang sesuai untuk diterapkan pada Gudeg Kaleng Bu Tjitro adalah peramalan permintaan dengan metode Holt’s Linear Trend karena nilai tracking signal metode Holt’s linear trend seluruhnya berada di dalam batas kendali.

Demand forecasting is the first crucial factor to determine precise production planning. Production planning that reflect market condition can avoid both inventory taking and out of stock. One of the methods in predicting is to use Artificial Neural Network. Artificial Neural Network is one of the type of artificial intelligence. Demand forecasting was executed by two methods, Artificial Neural Network and convensional method. Artificial Neural Network method was used to got prediction which was compared to actual data. The best suitable forecasting method was obtained by comparing forecasting accuracy of both. Based on research results, Artificial Neural Network using Bayesian Regularization as the learning function. A network architecture ANN contains of 1 neuron input, 34 hidden neuron, and 1 output. Forecasting using Artificial Neural Network provides the most accurate results with consecutive value of MSE, MAPE, RMSE, and MAD was 1629233,823, 11,438%, 1276,414, and 789,803. Based on validation of forecasting method, forecasting using Holt’s Linear Trend is the best forecasting method because all tracking signals of Holt’s Linear Trend are within control limit.

Kata Kunci : peramalan, Artificial Neural Network, Bayesian Regularization