Integrasi Self Organizing Maps Dan Backpropagation Pada Model Prediksi Penjualan
DOI:
https://doi.org/10.29407/inotek.v5i3.1094Abstract
Beragam metode pembelajaran untuk jaringan saraf tiruan juga terus dikembangkan, seperti delta learning rule, kohonen self-organizing maps, dan back-propagation. Penerapan metode backpropagation telah banyak dilakukan oleh para peneliti tetapi kualitas peramalan yang didapat belum memuaskan. Penelitian ini bertujuan untuk mengintegrasikan metode Self Organizing Maps (SOM) dan Backpropagation, untuk mendapatkan kualitas peramalan yang lebih baik. Dataset yang digunakan adalah data penjualan kopi sachet per bulan dari PT. Kapal Api. Data penjualan dinormalisasi, kemudian dibentuk menjadi Vektor Fitur dengan panjang tertentu, kemudian dikelompokan menggunakan SOM. Tiap kelompok hasil dari SOM diolah menggunakan Backpropagation sehingga didapat Jaringan yang telah siap digunakan. Jaringan Backpropagation digunakan untuk mendapatkan output, kemudian output tersebut didenormalisasi untuk mendapatkan nilai aktual. Nilai aktual dan nilai nyata dibandingkan untuk pendapatkan nilai Mean Absolute Precentage Error (MAPE). Hasil dari penelitian ini menunjukan bahwa tingkat heterogenitas data sangat berpengaruh terhadap kuallitas pengelompokan dan peramalan yang didapat. Pada penelitian ini nilai MAPE yang diperoleh dari proses peramalan yang mengintegrasikan SOM dan Backpropagation lebih baik dari pada proses peramalan yang hanya menggunakan Backpropagation saja.
Keywords:
Prediksi Penjualan, Metode SOM, Metode Backpropagation, Penjualan Kopi##plugins.themes.default.displayStats.downloads##
References
Prasetyo, E., 2012. Data Mining Konsep dan Aplikasi Menggunakan Matlab, Andi Offset, Yogyakarta
S. Hansun, “Peramalan Data IHSG Menggunakan Metode Backpropagation,” Univ. Multimed. Nusant., vol. IV, no. 1, pp. 26–30, 2013
Gaspersz, V, Metode Analisis Untuk Peningkatan Kualitas. Jakarta: Gramedia Pustaka Utama, 2001
Pakaja, F., Naba, A. & P, Peramalan Penjualan Mobil Menggunakan Jaringan Syaraf Tiruan dan Certainty Factor. Jurnal EECIS, Juni, Volume 6, pp. 23-28, 2012
Rachman, A. S., Cholissodin, I., &Fauzi, M. A. (2018). Peramalan Produksi Gula Menggunakan Metode Jaringan Syaraf Tiruan. Pengembangan Teknologi Informasi Dan Ilmu Komputer, 2(4), 1683–1689. https://www.researchgate.net/publication/322963136
N. Susanti, “Penerapan Model Neural Network Backpropagation untuk Prediksi Harga Ayam,” Seminar Nasional Teknologi Industri dan Informatika (SNATIF), pp. 325–332, 2014.
Sudarsono, Aji. “Jaringan Syaraf Tiruan Untuk Memprediksi Laju Pertumbuhan Penduduk Menggunakan Metode BackPropagation ” Jurnal Media Infotama (2016). Vol. 12 No.1.
Fitriani, D., Faisol, F. and Yulianto, T. (2017). Penerapan Metode Kohonen Som Dalam Pengenalan Karakter Seseorang Melalui Bentuk Bibir. Zeta - Math Journal, 3(2), pp.52–58.http://journal.uim.ac.id/index.php/zeta/article/view/189
Cynthia, E., Ismanto, E., Sultan, U., Riau, S., Riau, U., Soebrantas, J., 15 Pekanbaru, K., Ahmad, J., Pekanbaru, D., Kunci, K., Jaringan and Tiruan, S. (2017). RABIT (Jurnal Teknologi dan Sistem Informasi Univrab). https://media.neliti.com/media/publications/279914-jaringan-syaraf-tiruan-algoritma-backpro-f0165b57.pdf.
Harry Ganda Nugraha and Azhari SN (2014). Optimasi Bobot Jaringan Syaraf Tiruan Mengunakan Particle Swarm Optimization. ResearchGate.https://www.researchgate.net/publication/343767885_Optimasi_Bobot_Jaringan_Syaraf_Tiruan_Mengunakan_Particle_Swarm_Optimization.
Rika Aprilawati br. Barus (2019). Implementasi Data Mining Untuk Menentukan Keluarga Yang Layak Mendapat Kartu PKH (Program Kluarga Harapan) Dengan Metode K-Means Clustering. Pelita Informatika: Informasi dan Informatika, 7(3), pp.330–334.
Downloads
Published
Issue
Section
License
Copyright (c) 2021 Moh. Danang Nawawi, 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
