Tesis

• By Hidayatulloh, Syarif;
• Tesis
• 262

Prediksi dalam bidang penjualan memiliki peranan yang cukup penting karena hasil peramalan dapat digunakan sebagai alat untuk membantu para produsen atau pembuat keputusan menangani masalah dan memberikan informasi peramalan data masa depan berdasarkan data histori yang telah terjadi. Data yang digunakan dalam penelitian ini adalah data rentet waktu (time series) yang menyimpan record penjualan suatu produk dalam beberapa bulan/tahun terakhir. Algoritma Neural Network merupakan algoritma yang dapat digunakan dalam memprediksi data rentet waktu untuk data penjualan yang beragam. Akan tetapi masih memiliki kelamahan dalam waktu pelatihan dan penentuan Parameter pelatihan. Untuk mengatasi masalah optimasi bobot jaringan maka digunakan Particle Swarm Optimazation (PSO), karena merupakan salah satu teknik AI terbaik untuk optimasi dan mempercepat waktu kalkulasi pada proses selanjutnya untuk mencapai keadaan
convergen. Dalam penelitian ini penulis melakukan adjustment terhadap paramaterParameter

yang pada neural network seperti leraning rate, training cycle,
momentum dan hidden layer. Serta penulis juga melakukan adjustmen pada
Parameter PSO seperti pbest, gbest, dan population size. Semua pengaturan
Parameter tersebut dilakukan untuk mendapatkan nilai RMSE terkecil sehingga
terbentuk model terbaik dari metode yang digunakan. nilai RMSE Neural network
yang dioptimasi dengan PSO dalam penelitian ini lebih kecil dibandingkan sebelum
dioptimasi dan pada analisis uji beda menunjukkan bahwa ada perbedaan yang
signifikan pada nilai rata-rata RMSE hasil eksperimen Neural Network sebelum dan
sesudah optimasi dengan PSO. Hal ini terbukti bahwa dengan menerapkan PSO
pada neural network akan menghasilkan akurasi yang lebih baik dalam
memprediksi penjualan makanan.

• Katakunci neural network
• URL http://
• Penerbit ,

REFERENSI

Au, K. F. & Chan, N. Y., 2002. Quick response for Hongkong Clothing Suppliers: A Total System Approach. Proceedings of the 13th Annual Conference of the Production and Operation Management Society.

Berndtsson, M., Hansson, J., Olsson, B. & Lundell, B., 2008. Thesis Projects: A Guide for Students in Computer Science and Information Systems. 2nd penyunt. London: Springer.

Buffa S, E., R. & K., 1996. Modern Production and Operation Management. 8th penyunt. London: John Willey and Sons Inc.

Buza, K., Nanopoulos, A. & Thieme, L. S., 2010. Time-Series Clasification based on Individualised Error Prediction. IEEE International Conference on Computational Science and Enginering, pp. 48-54.

Choi, T. M., 2006. Quick Response in Fashion Supply Chains With Dual Information Updating. Journal Of Industrial And Management Optimazation, August, Volume 2, pp. 255-268.

Dawson, C. W., 2009. Projects in Computing and Information Systems. 2nd penyunt. Harlow: Pearson Educations.

Eberhart, R. & Shi, Y., 2001. Particle Swarm Optimazation : Develovment, Applications and Resource. Indiana Polis: Purdue School of Enginering and Technology.

Eppen, G. D. & Iyer, A. V., 1997. Improved Fashion Buying With Bayesian Updates. Operation Research, November-December, 45(0030-364X97/4506), pp. 805-829.

Fernandez, C. et al., 2007. Weekly Milk Prediction on Dairy Goats using Neural Networks. Neural Computing and Applications, May, Volume 16, pp. 373-381.

Gaspersz, V., 2001. Metode Analisis Untuk Peningkatan Kualitas. Jakarta: Gramedia Pustaka Utama.

Gnana, S. K. & S.N, D., 2011. Analysis of Computing Algoritm using Momentum in Neural Network. Journal of Computing, June, Volume 3, pp. 163-166.

Hartono, D. & Wahono, R. S., 2013. Model Prediksi Rentet Waktu Penujualan Minuman Kesehatan Berbasis Neural Network. Jurnal Teknologi Informasi, 9(ISSN : 1414-9999), pp. 12-21.

Haykin, S., 1999. Neural Network : A Comparison Foundation. 1st penyunt. Hamilton, Ontario: Pearson Education.

2005. J. & R. B., 2005. Operation Management. 7th penyunt. Jakarta: (Manajemen Operasi edisi 7, Buku I) Penerbit Salemba Empat.

J., 2009. Studi kelayakan bisnis : teori dan pembuatan proposal kelayakan. Jakarta: Bumi Aksara.

Kotler, P., K. & Lane, K., 2006. Marketing Management. New Jersey: Pearson Education Inc.

Kuo, R. J. & Xue, K. C., 1998. A decision support system for sales forecasting through fuzzy Neural Networks with asymmetric fuzzy weights. Decision Support Systems, October 19th, Volume 24, pp. 102-126.

Larose, D. T., 2005. Discovering Knowledge in data an introduction to data mining. Information Processing and Management. Hoboken(New Jersey): John Wiley & Sons, Inc.

Lobo, D. G. D. C. & Santosa, S., 2014. Prediksi Penjualan Air Minum Dalam Kemasan Menggunakan Jaringan Syaraf Tiruan Resilent Propagation. Jurnal Teknologi dan Informasi, Oktober, 10(ISSN 1414-9999), pp. 186-210.

Makridakis, S., Wheelwright, S. C. & McGee, V. E., 1999. Metode dan Aplikasi Peramalan, Jilid I. 2nd penyunt. Jakarta: Binarupa Aksara.

Muzakkir, I., Syukur, A. & Dewi, I. N., 2014. Peningkatan Akurasi Algoritma Bacpropagation Dengan Seleksi Fitur Particle Swarm Optimazation Dalam Prediksi Pelanggan Telekomunikasi Yang Hilang. Jurnal Pesudocode, Februari, 1(ISSN 2355-5920), pp. 1-8.

Nugraha, H. G. & SN, A., 2014. Optimasi Bobot Jaringan Syaraf Tiruan Menggunakan Particle Swarm Optimazation. IJCCS, 8(ISSN: 1978-1520), pp. 25-36.

Pakaja, F., Naba, A. & P., 2012. Peramalan Penjualan Mobil Menggunakan Jaringan Syaraf Tiruan dan Certainty Factor. Jurnal EECIS, Juni, Volume 6, pp. 23-28.

Park, T.-S., Lee, J.-H. & Choi, B., 2009. Optimization for Artificial Neural Network with Adaptive Inertial Weight of Particle Swarm Optimization. 2009 8th IEEE International Conference on Cognitive Informatics, June.pp. 481-485.

Salappa, A., Doumpos, M. & Zopounidis, C., 2007. Feature selection algorithms in classification problems: an experimental evaluation. Optimization Methods and Software, February, 22(ISSN 1055-6788), pp. 199-214.

Shao, X. q., 2011. Based on two Swarm Optimized algorithm of Neural Network to prediction the switch’s traffic of coal. 2011 International Symposium on Computer Science and Society, pp. 299-302.

Widodo, P. P. & Handayanto, R. T., 2012. Penerapan Soft Computing dengan MatLab. Bandung: Rekayasa Sains.

Witten, I. H. & Frank, E., 2011. Data mining : Practical Machine Learning Tools and Technique. 3rd penyunt. USA: Elsevier.

Xiao, T. & Yang, D., 2008. Price and service competition of supply chains with risk-averse retailers under demand uncertainty. Int. J. Production Economics, 114(0925-5273), pp. 187-200.