Integrasi Metode K-Means Clustering Dan Backpropagation Pada Pemodelan Peramalan Penjualan
DOI:
https://doi.org/10.29407/inotek.v5i3.1093Abstract
Model peramalan penjualan dibutuhkan untuk membangun aplikasi peramalan penjualan. Banyak penelitian telah dilakukan, salah satunya model peramalan menggunakan metode Jaringan Syaraf Tiruan Backpropagation, tetapi kualitas model peramalanya belum memuaskan. Penelitian ini bertujuan untuk memperbaiki kualitas peramalan dengan cara mengintegrasikan metode K-Means Clustering dan Backpropagation. Dataset yang digunakan adalah data penjualan Bolu Pisang di Salsabila Cake. Proses diawali dengan transformasi data atau normalisasi, kemudian pengelompokan menggunakan K-Means Clustering, berikutnya pada setiap kelompok dilakukan pelatihan dan ujicoba menggunakan Backpropagation, output dari Bacpropagation didenormalisasi untuk mendapatkan nilai yang sesungguhnya. Kualitas peramalan ditentukan menggunakan Mean Absolute Deviation (MAD), dengan meghitung rata-rata selisih output dengan nilai nyata. Pada penelitian ini didapati nilai Silhouette pengelompokan yang terbaik didapat dari Vektor Fitur yang panjangnya 16 dan banyak kelompoknya 12, sebesar 0.0349. Kemudian nilai rata-rata MAD dari semua kelompok adalah 5.5 dan 4.5 untuk proses pelatihan dan ujicoba, hasil ini lebih baik daripada penelitian sebelumnya yang hanya menggunakan Bacpropagaiton saja untuk peramalan penjualan.
Keywords:
Backpropagation, K-Means, MAD##plugins.themes.default.displayStats.downloads##
References
L. Fausett, Fundamentals of Neural Networks: Architectures, Algorithms And Applications. New Jersey: Prentice-Hall, 1994.
J. J. Siang, Jaringan syaraf tiruan dan pemrogramannya menggunakan matlab. Yogyakarta : Andi, 2005.
Solikhin, R. Rachmatullah, and E. Riyanto, “PENGEMBANGAN SISTEM INFORMASI REGISTRASI SEMINAR, WORKSHOP DAN PELATIHAN MENGGUNAKAN METODE SYSTEM DEVELOPMENT LIFE CYCLE MODEL WATERFALL (STUDI KASUS STMIK HIMSYA SEMARANG),” vol. Vol 10, No, 2014. Available: https://ojs.stmik-himsya.ac.id/index.php/JHT/article/view/59.
A. G. Salman and Y. L. Prasetio, “IMPLEMENTASI JARINGAN SYARAF TIRUAN RECURRENT DENGAN METODE PEMBELAJARAN GRADIENT DESCENT ADAPTIVE LEARNING RATE UNTUK PENDUGAAN CURAH HUJAN BERDASARKAN PEUBAH ENSO,” 2010.
A. Hikmah, A. Agoestanto, and R. Arifudin, “PERAMALAN DERET WAKTU DENGAN MENGGUNAKAN AUTOREGRESSIVE (AR), JARINGAN SYARAF TIRUAN RADIAL BASIS FUNCTION (RBF) DAN HIBRID AR-RBF PADA INFLASI INDONESIA,” UNNES J. Math., vol. Vol. 7(2):, 2017. Available: https://journal.unnes.ac.id/sju/index.php/ujm.
B. Suhada, “PERAMALAN PRODUKSI GULA NASIONAL MELALUI PENDEKATAN ARTIFICIAL NEURAL NETWORK,” J. Deriv., vol. Vol. 3(1):, 2009.
A. F. Achmalia and S. Walid, “PERAMALAN PENJUALAN SEMEN MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK DAN RECURRENT NEURAL NETWORK,” UNNES J. Math., 2020.
N. Kohzadi, M. S.Boyd, B. Kermanshahi, and I. Kaastra, “A comparison of artificial neural network and time series models for forecasting commodity prices,” Neurocomputing, vol. Vol. 10: 1, 1996.
G. Zhang and M. Y. Hu, “Neural network forecasting of the British Pound/US Dollar exchange rate,” Omega, vol. Vol. 26(4), 1998.
A. S. Rachman, I. Cholissodin, and M. A. Fauzi, “Peramalan Produksi Gula Menggunakan Metode Jaringan Syaraf Tiruan Backpropagation pada PG Candi Baru Sidoharjo,” vol. Vol. 2, No, 2018. Available: https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/1324/471.
R. Diputra, M., Dewi, C., & Wihandika, “Prediksi Tingkat Keuntungan Usaha Peternakan Itik Alabio Petelur Menggunakan Jaringan Syaraf Tiruan Backpropagation (Kasus Di Kabupaten Hulu Sungai Utara Kalimantan Selatan),” J. Pengemb. Teknol. Inf. dan Ilmu Komput., vol. 2, no, 2017. Available: https://j-ptiik.ub.ac.id/index.php/j-ptiik/article/view/959.
M. I. Ghozali, “Rantai Pasok Beras Pada Bulog Berbasis Neural Network,” vol. Vol 7, No, 2016. Available: https://jurnal.umk.ac.id/index.php/simet/article/view/790.
Y. Darmi and A. Setiawan, “PENERAPAN METODE CLUSTERING K-MEANS DALAM PENGELOMPOKAN PENJUALAN PRODUK,” J. Media Infotama, vol. Vol.12No.2, 2016. Available: https://docplayer.info/69618221-Penerapan-metode-clustering-k-means-dalam-pengelompokan-penjualan-produk.html.
F. Nasari and S. Darma, “PENERAPAN K-MEANS CLUSTERING PADA DATA PENERIMAAN MAHASISWA BARU,” vol. Vol 3, No, 2015. Available: https://ojs.amikom.ac.id/index.php/semnasteknomedia/article/view/837/801.
M. Anike, Suyoto, and Ernawati, “Pengembangan Jaringan Syaraf Tiruan dalam Memprediksi Jumlah Dokter Keluarga Menggunakan Backpropagation (Studi Kasus : Regional X Cabang Palu),” 2012.
Downloads
Published
Issue
Section
License
Copyright (c) 2021 Mochamad Zamzamik, Daniel Swanjaya
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
Authors who publish with this journal agree to the following terms:
- Copyright on any article is retained by the author(s).
- The author grants the journal, right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work’s authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal’s published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
- The article and any associated published material is distributed under the Creative Commons Attribution-ShareAlike 4.0 International License
