Prediksi Penjualan Seblak menggunakan Algoritme Extreme Learning Machine di Seblak Malabar

##plugins.themes.bootstrap3.article.main##

Fadhlillah Ikhsan Budi Darma Setiawan Tibyani Tibyani

Abstrak

Seblak Malabar merupakan salah satu bisnis di Kota Malang yang bergerak di bidang makanan. Keunikan cita rasa yang khas dan keanekaragaman variasi menu yang berbeda-beda membuat makanan tersebut diminati oleh banyak pelanggan. Namun, karena pengaruh dari beberapa faktor, seperti perubahan cuaca dan persaingan pasar yang semakin ketat, membuat penjualan Seblak Malabar mengalami fluktuasi. Hal tersebut menimbulkan beberapa permasalahan baru, yaitu permasalahan dalam memaksimalkan keuntungan dan menjaga stabilitas bahan baku. Dari beberapa permasalahan tersebut, prediksi penjualan yang akan datang merupakan solusi yang diusulkan peneliti karena memiliki peran yang sangat penting dalam mengambil suatu keputusan. Data yang digunakan untuk prediksi penjualan mengacu pada data penjualan sebelumnya. Data tersebut bersifat time series karena disusun berdasarkan waktu. Prediksi data time series merupakan permasalahan yang sangat kompleks sehingga dibutuhkan suatu metode yang mampu menghasilkan prediksi berdasarkan pergerakan pola data sebelumnya. Algoritme Extreme Learning Machine (ELM) pada Jaringan Saraf Tiruan (JST) feedforward network diusulkan peneliti karena memiliki kinerja yang sangat baik dalam memprediksi data yang bersifat time series. Dari hasil penelitian yang dilakukan, algoritme ELM mampu menghasilkan Mean Average Percentage Error (MAPE) sebesar 1,7548%. Hasil MAPE yang kurang dari 10% menunjukan bahwa algoritme ELM dapat digunakan untuk prediksi penjualan Seblak Malabar.

##plugins.themes.bootstrap3.article.details##

Cara Sitasi
Ikhsan, F., Setiawan, B., & Tibyani, T. Prediksi Penjualan Seblak menggunakan Algoritme Extreme Learning Machine di Seblak Malabar. Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 3, no. 11, p. 10630-10637, jan. 2020. ISSN 2548-964X. Tersedia pada: <http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/6736>. Tanggal Akses: 25 nov. 2020
Bagian
Artikel