PERAMALAN PENJUALAN SEMEN MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK DAN RECURRENT NEURAL NETWORK (Studi kasus di PT Semen Indonesia (Persero) Tbk)


Aisyah Fany Achmalia, 4111414005 (2019) PERAMALAN PENJUALAN SEMEN MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK DAN RECURRENT NEURAL NETWORK (Studi kasus di PT Semen Indonesia (Persero) Tbk). Under Graduates thesis, Universitas Negeri Semarang.

[thumbnail of 4111414005.pdf]
Preview
PDF - Published Version
Download (4MB) | Preview

Abstract

Backpropagation Neural Netwrok (BPNN) adalah Neural Network (NN) yang bergerak maju dan tidak memiliki loop dimana aliran sinyalnya dari neuron input ke neuron output, sedangkan Recurrent Neural Network (RNN) adalah model NN yang arsitekturnya memiliki minimal satu feedback loop, sehingga dapat menyimpan data dalam struktur jaringannya. 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 di PT Semen Indonesia (Persero) Tbk, serta hasil peramalan dengan menggunakan model terbaik. Input jaringan dalam penelitian ini diperoleh berdasarkan lag-lag yang signifikan pada plot PACF. Pembentukan model terbaik dalam penelitian ini menggunakan beberapa variasi pada neuron tersembunyi, fungsi aktivasi, algoritma pelatihan, dan parameter-parameter pelatihan. Pemilihan model jaringan terbaik dengan melihat MSE dan MAPE terkecil pada tahap pengujian. Data yang digunakan adalah volume penjualan semen di PT Semen Indonesia (Persero) Tbk pada Bulan Januari 2006 sampai dengan Bulan Desember 2018. Hasil dari penelitian ini menghasilkan bahwa model BPNN terbaik adalah model 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 model 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 model BPNN (9-5-1) dengan hasil peramalan untuk Bulan April 2018 sebesar 2479607 ton, Bulan Mei 2018 sebesar 2344701 ton, Bulan Juni 2018 sebesar 2045132 ton, Bulan Juli 2018 sebesar 2486581 ton, Bulan Agustus 2018 sebesar 2674669 ton, Bulan September 2018 sebesar 2379005 ton, Bulan Oktober 2018 sebesar 2834896 ton, Bulan November 2018 sebesar 2501668 ton, dan Bulan Desember 2018 sebesar 2918820 ton.

Item Type: Thesis (Under Graduates)
Uncontrolled Keywords: Backpropagation Neural Network, Penjualan, Peramalan, Recurrent Neural Network
Subjects: Q Science > QA Mathematics
Fakultas: Fakultas Matematika dan Ilmu Pengetahuan Alam > Matematika, S1
Depositing User: S.Hum Maria Ayu
Date Deposited: 23 Jul 2020 13:19
Last Modified: 23 Jul 2020 15:08
URI: http://lib.unnes.ac.id/id/eprint/37478

Actions (login required)

View Item View Item