Peramalan Penjualan Semen Menggunakan Backpropagation Neural Network Dan Recurrent Neural Network
Aisyah Fany Achmalia, - and Walid, Mipa Matematika and Sugiman, - (2019) Peramalan Penjualan Semen Menggunakan Backpropagation Neural Network Dan Recurrent Neural Network. UNNES Journal of Mathematics , 8 (1). pp. 92-106. ISSN 2252-6943
Preview |
PDF (Peramalan Penjualan Semen Menggunakan Backpropagation Neural Network Dan Recurrent Neural Network)
- Published Version
Download (464kB) | Preview |
Preview |
PDF
Download (876kB) | Preview |
Abstract
Backpropagation Neural Netwrok (BPNN) adalah Neural Network (NN) yang tidak memiliki loop, sedangkan Recurrent Neural Network (RNN) adalah NN yang memiliki minimal satu feedback loop. Dalam penelitian ini dilakukan peramalan penjualan semen di PT Semen Indonesia (Persero) Tbk dengan menggunakan BPNN dan RNN tipe Elman. Tujuan penelitian ini adalah untuk memperoleh pemodelan BPNN dan RNN tipe Elman untuk peramalan penjualan semen, serta hasil peramalan menggunakan model terbaik. Hasil penelitian menunjukkan model BPNN terbaik adalah BPNN (9- 5-1) dengan algoritma pelatihan Levenberg-Marquardt dengan inisialisasi Mu yang digunakan adalah 0,02 dan fungsi aktivasi yang digunakan adalah logsig, sedangkan model RNN tipe Elman terbaik adalah RNN tipe Elman (9-5-1) dengan algoritma pelatihan gradient descent dengan momentum dan adaptive learning rate dengan momentum yang digunakan adalah 0,2, learning rate yang digunakan adalah 0,2, dan fungsi aktivasi yang digunakan adalah logsig. Model terbaik untuk peramalan penjualan semen di PT Semen Indonesia (Persero) Tbk adalah BPNN (9-5-1).
Item Type: | Article |
---|---|
Uncontrolled Keywords: | backpropagation neural network forecasting recurrent neural network sales |
Subjects: | Q Science > QA Mathematics |
Fakultas: | Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika, S1 |
Depositing User: | mahargjo hapsoro adi |
Date Deposited: | 07 Jul 2020 14:52 |
Last Modified: | 09 Jul 2020 12:30 |
URI: | http://lib.unnes.ac.id/id/eprint/37238 |
Actions (login required)
View Item |