Prediksi Permintaan Keripik Buah dengan Metode Jaringan Syaraf Tiruan Backpropagation (Studi Kasus: CV. Arjuna 999)

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

Benita Salsabila Imam Cholissodin Indriati Indriati

Abstrak

Produksi buah-buahan di Indonesia cenderung meningkat. 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 shelf life buah-buahan tersebut sehingga tidak menghasilkan kerugian, salah satunya adalah mengolahnya menjadi keripik buah. 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 latih, dan 20% untuk data uji. Hasil kinerja algoritme backpropagation adalah nilai MAPE terbaik sebesar 4,429% yang diperoleh dari kombinasi nilai parameter hidden neuron = 10, nilai learning rate = 0,8, serta iterasi maksimal = 900

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

Cara Sitasi
Salsabila, B., Cholissodin, I., & Indriati, I. Prediksi Permintaan Keripik Buah dengan Metode Jaringan Syaraf Tiruan Backpropagation (Studi Kasus: CV. Arjuna 999). Jurnal Pengembangan Teknologi Informasi dan Ilmu Komputer, vol. 4, no. 6, p. 1667-1674, juli 2020. ISSN 2548-964X. Tersedia pada: <http://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/7335>. Tanggal Akses: 21 sep. 2020
Bagian
Artikel