APLIKASI JARINGAN SARAF TIRUAN BACKPROPAGATION DALAM MENGESTIMASI JUMLAH PRODUK YANG DIPRODUKSI

Yogi Cahyo Ginanjar, Ir. Anna Maria Sri Asih S.T., M.M, M.Sc., Ph.D, IPU., ASEAN Eng

2008 | Skripsi | S1 TEKNIK INDUSTRI

Bagi suatu perusahaan, penetapan jumlah barang yang harus diproduksi menjadi masalah yang sangat penting, sehingga didalam merencanakan jumlah barang yang akan diproduksi harus diperhatikan dengan seksama. Adapun dengan kemampuan melakukan pembelajaran dan generalisasi, metode Jaringan Saraf Tiruan (JST) dapat digunakan untuk mengestimasi jumlah produk yang diproduksi. Berbeda dengan cara perhitungan konvensional, jaringan saraf tiruan tidak memerlukan atau menggunakan suatu model matematis dari permasalahan yang sedang dihadapi. Pada penelitian ini digunakan model jaringan saraf tiruan backpropagation dalam mengestimasi jumlah produk yang diproduksi. Pembangunan jaringan menggunakan model feedforward, sedangkan proses pembelajaran atau pelatihannya menggunakan variasi-variasi backpropagation. Variasi dari backpropagation ini dibandingkan dalam mencari epoh, nilai error yang minimum serta koefisien korelasi yang akurat (mendekati 1). Sehingga nantinya dapat digunakan dalam mengestimasi jumlah produk yang diproduksi pada periode selanjutnya. Untuk produk tipe EFG15E28Z menggunakan variasi 12, 24, dan 36 untuk 1 lapisan tersembunyinya, sedangkan untuk 2 lapisan tersembunyinya menggunakan variasi 12-10, 12-12, 24-10, 24-12, 36-10 dan 36-12. Untuk produk tipe EFG8E28Z menggunakan variasi 6, 12, dan 24 untuk 1 lapisan tersembunyinya, sedangkan untuk 2 lapisan tersembunyinya menggunakan variasi 6-6, 6-12, 12-6, 12-12, 24-6 dan 24-12. Hasil yang didapat untuk produk tipe EFG15E28Z yaitu menggunakan model trainlm dengan 2 lapisan tersembunyi 36 10, dengan epoh sebanyak 44, nilai error 1.08e-05 dan dengan koefisien korelasi antara target pelatihan dengan output jaringan (r1) yaitu 1 (koefisien korelasi yang paling baik adalah 1) maupun antara target uji dengan output jaringan (r2) sebesar 0.9137. Hasil yang didapat untuk produk tipe EFG8E28Z yaitu menggunakan model trainlm dengan 2 lapisan tersembunyi 24-6, dengan epoh sebanyak 45, nilai error 3.6e-04 dan dengan koefisien korelasi antara target pelatihan dengan output jaringan (r1) yaitu 0.9998 (koefisien korelasi yang paling baik adalah 1) maupun antara target uji dengan output jaringan (r2) sebesar 0.8193. Agar jaringan memiliki tingkat pembelajaran yang lebih baik lagi, maka pada pola pelatihan hendaknya diperbanyak dan lebih variatif.

Kata Kunci : jaringan saraf tiruan, artificial intelligent, kecerdasan buatan, backpropagation, galat mundur, peramalan, JST.