PREDIKSI JUMLAH PERMINTAAN PASAR PRODUK BREM DENGAN MENGGUNAKAN JARINGAN SYARAF TIRUAN METODE PROPAGASI MUNDUR

Deviardia Putri Nurmayasari* -  Program Studi Teknik Informatika Universitas Muhammadiyah Ponorogo, Indonesia
Ida Widaningrum -  Program Studi Teknik Informatika Universitas Muhammadiyah Ponorogo, Indonesia
Indah Puji Astuti -  Program Studi Teknik Informatika Universitas Muhammadiyah Ponorogo, Indonesia
Rizal Arifin -  Program Studi Teknik Informatika Universitas Muhammadiyah Ponorogo, Indonesia

DOI : 10.24269/mtkind.v12i1.1205

Dalam penelitian ini, jaringan syaraf tiruan dengan metode propagasi-mundur akan digunakan meramalkan jumlah permintaan pasar terhadap produk brem yang dihasilkan oleh industri makanan lokal. Hasil dari penelitian dapat digunakan sebagai acuan para pengusaha brem untuk memaksimalkan keuntungan yang didapatkan sesuai dengan permintaan pasar yang tepat. Data penelitian ini diambil dari data pendistribusian produk brem dalam rentang waktu tiga tahun mulai dari tahun 2014 sampai dengan tahun 2016. Hasil yang didapatkan pada penelitian ini mampu menunjukkan model prediksi jumlah permintaan pasar produk brem dengan tingkat kesalahan yang dapat diterima.
Keywords
Industri brem; jaringan syaraf tiruan; keuntungan; propagasi-mudur; permintaan pasar
  1. M.A. Haider, K. Pakshirajan, A. Singh, S. Chaudry, “Artificial neural network-genetic algorithm approach to optimize media constituents for enhancing lipase production by a soil microorganism,” Applied Biochemistry and Biotechnology, vol. 144, no. 3, pp. 225–235, 2008.
  2. S.C. Chukwu and A.N. Nwachukwu, “Analysis of some meteorological parameters using artificial neural network method for Makurdi, Nigeria,” African Journal of Environmental Science and Technology, vol. 6, pp. 182–188, 2012.
  3. D. E. Rumelhart, G. E. Hinton, and R. J. Williams, “Learning representations by back-
  4. propagating errors,” Nature, vol. 323, no. 6088, pp. 533–536, 1986.
  5. H. R. Maier and G. C. Dandy, “The effect of internal parameters and geometry on the performance of propagasi-mundur neural networks: an empirical study,” Environmental Modelling and Software, vol. 13, no. 2, pp. 193–209, 1998.
  6. H. R. Maier and G. C. Dandy, “Neural network based modelling of environmental variables: a systematic approach, ” Mathematical and Computer Modelling, vol. 33, no. 6-7, pp. 669–682, 2001.
  7. Eldon R. Rene, M. Estefanía López, Jung Hoon Kim, and Hung Suck Park, “Propagasi-mundur Neural Network Model for Predicting the Performance of Immobilized Cell Biofilters Handling Gas-Phase Hydrogen Sulphide and Ammonia,” BioMed Research International, vol. 2013, Article ID 463401, 9 pages, 2013.
  8. K. Sridevi, E. Sivaraman, and P. Mullai, “Propagasi-mundur neural network modelling of biodegradation and fermentative biohydrogen production using distillery wastewater in a hybrid upflow anaerobic sludge blanket reactor,” Bioresource Technology, vol. 165, pp. 233-240, 2014.
  9. J.J. Siang, Jaringan syaraf tiruan dan pemrogramannya menggunakan MATLAB, Yogyakarta: Andi, 2006

Full Text:
Article Info
Submitted: 2018-09-02
Published: 2018-09-05
Section: Artikel
Article Statistics: 83 58