Penerapan Jaringan Syaraf Tiruan Untuk Peramalan Penjualan Dalam Mendukung Pengembangan Agroindustri Coklat di Kabupaten Blitar
DOI:
https://doi.org/10.21776/ub.habitat.2018.029.3.16Keywords:
coklat, jaringan syaraf tiruan, peramalan, penjualanAbstract
Tidak stabilnya penjualan dalam pemenuhan kebutuhan produk coklat dipasaran oleh unit pengolahan coklat di Kabupaten Blitar menyebabkan terkendalanya perkembangan agroindustri coklat di daerah tersebut. Sehingga berdampak pada peningkatan biaya produksi dan biaya inventori jika terdapat produk yang tidak habis terjual. Sebaliknya, apabila pemenuhan kebutuhan produk coklat di Kabupaten Blitar terlalu kecil, maka akan terjadi peningkatan biaya stock out bahkan dapat kehilangan pelanggan. Oleh karena itu dibutuhkan suatu prediksi yang akurat untuk bisa memenuhi kebutuhan pasar dengan jumlah produksi yang tepat nantinya. Penelitian ini bertujuan untuk memodelkan sistem komputasi JST dengan error output terkecil sebagai alat peramalan penjualan coklat di Kabupaten Blitar dan menganalisis tingkat akurasi metode peramalan dengan data testing dibandingkan peramalan versi times series. Metode yang digunakan dalam melakukan peramalan pada penelitian ini ialah metode jaringan syaraf tiruan. Berdasarkan perhitungan peramalan permintaan dengan menggunakan metode jaringan syaraf tiruan diperoleh hasil bahwa prakiraan penjualan produk coklat pada awal periode bulan Juli 2017 sampai bulan Agustus 2017 akan mengalami penurunan. Jumlah penjualan terendah yaitu pada bulan Agustus 2017 yaitu sebesar 2306,22. Sedangkan jumlah permintaan tertinggi yaitu terjadi pada bulan Januari 2018 sebesar 2546,93. Sehingga pada bulan yang mengalami penurunan penjualan dalam peramalan, Perbandingan hasil peramalan penjualan menggunakan metode jaringan syaraf tiruan lebih baik dibandingkan dengan metode times series.
References
Adžić, S. (2008). Strategy of enhancing of competitiveness of the agroindustrial complex of Vojvodina - controversies, limitations, solutions. Journal of Central European Agriculture, 9(3), 483–494.
Amrin, A. (2014). Peramalan Tingkat Inflasi Indonesia Menggunakan Neural Network Backpropagation Berbasis Metode Time Series. AMIK Bina Sarana Informatika Jakarta, 11 (2), 129–136.
Bunghez, C. L. (2016). The Importance of Tourism to a Destination’s Economy. Journal of Eastern Europe Research in Business and Economics, 2016, 1–9.
Hartono, Daniel, & Wahono, R. S. (2013). Model Prediksi Rentet Waktu Penjualan Minuman Kesehatan Berbasis Neural Network. Jurnal Teknologi Informasi, 9, 12–21.
Lauret, P., Heymes, F., Forestier, S., Aprin, L., Pey, A., & Perrin, M. (2017). Forecasting powder dispersion in a complex environment using Artificial Neural Networks. Process Safety and Environmental Protection, 110, 71–76.
Masquita Mckeller, M. M., & Smardon, R. C. (2012). The Potential of Small-Scale Agro-Industry as a Sustainable Livelihood Strategy in a Caribbean Archipelago Province of Colombia. Journal of Sustainable Development, 5(3), 16–33.
Nadu, T., Nadu, T., & Nadu, T. (2012). Pair of Iris Recognition for Personal Identification Using Artificial Neural Networks, 9(1), 324–327.
Nurdela, S. A. (2017). Aplikasi Peramalan Jumlah Kelahiran Dengan Metode Jaringan Syaraf Tiruan. Jurnal Kesehatan Masyarakat Indonesia, 12(11), 213–223.
Pakaja, F., & Naba, A. (2012). Peramalan Penjualan Mobil Menggunakan Jaringan Syaraf Triruan dan Certainty Factor. Eeccis, 6(1), 23–28.
Rachman, A. S., Cholissodin, I., & Fauzi, M. A. (2018). Peramalan Produksi Gula Menggunakan Metode Jaringan Syaraf Tiruan Backpropagation pada PG Candi Baru Sidoarjo. Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer, 2, 1683–1689.
Santosa, D. G. D. C. L. S. (2014). Prediksi Penjualan Air Minum Dalam Kemasan Menggunakan Jaringan Syaraf Tiruan Resilient Propagation. Teknologi Informasi, 10, 186–210.
Santoso, I., Effendi, U., & Fauziya, C. (2007). PT . PERKEBUNAN NUSANTARA XII SURABAYA Application of Artificial Neural Network System for Demand Forecasting of Rubber Commodity Produced by an Indonesian Government- Government - Owned Ow ned Company, 8(1), 46–54.
Szoplik, J. (2015). Forecasting of natural gas consumption with artificial neural networks. Energy, 85, 208–220.
Villarrubia, G., De Paz, J. F., Chamoso, P., & la Prieta, F. De. (2018). Artificial neural networks used in optimization problems. Neurocomputing, 272, 10–16.
