APLIKASI FORECASTING PENJUALAN PAKU PADA TOKO BANGUNAN USAHA JAYA, WATES, KEDIRI
Author (Penulis)
RYO RANGGA SUMAGUSTAUniversitas Nusantara PGRI Kediri
Author Identity (NPM)
14.1.03.02.0249Abstract
ABSTRAK
Kesulitan dalam memperkirakan jumlah penjualan paku pada bulan selanjutnya membuat pihak toko sering kehabisan persedian paku dan akibatnya menghambat penjualan paku yang seharusnya mendapatkan keuntungan yang lebih besar, maka dari itu perlu adanya aplikasi yang dapat memprediksi penjualan pada bulan selanjutnya dengan tingkat akurasi yang tinggi, dengan begitu pihak toko tidak kesulitan dalam memperkirakan penjualan paku pada bulan selanjutnya.
Metode Backpropagation memiliki beberapa unit yang ada dalam satu atau lebih layar tersembunyi. Pelatihan Backpropagation memiliki 3 tahap yaitu, propagasi maju, propagasi mundur, dan perubahan bobot.
Tahap implementasi dari aplikasi prediksi penjualan paku pada Toko Bangunan Usaha Jaya Wates, Kediri ini adalah administrator mula-mula memasukkan data penjualan paku dari bulan Januari 2011 hingga Juni 2018, kemudian user dapat mengoperasikan aplikasi dengan memilih ukuran paku yang ingin diprediksi penjualannya, setelah itu masuk pada proses training dan hasil prediksi dapat dilihat pada proses testing.
Kesimpulan dari penelitian ini adalah dengan mengkombinasikan dan menerapkan metode Moving Average, Single Exponential Smoothing, Double Exponential Smooting, dan Backpropagation pada aplikasi Forecasting penjualan paku pada Toko Bangunan Usaha Jaya, Wates, Kediri telah mendapatkan hasil prediksi untuk bulan Juli 2018 sebesar 225 Kg sampai dengan 233 Kg dengan rata-rata error (MAD) sebesar 4,3, Mean Square Error (MSE) sebesar 28,6, dengan rata-rata presentase error (MAPE) sebesar 3,5%, dengan nilai MAPE ≤ 10% maka prediksi mempunyai tingkat akurasi yang tinggi pada ukuran paku 1 inci, 171 Kg sampai dengan 179 Kg dengan MAD sebesar 3,6, MSE sebesar 19,98, dengan MAPE sebesar 4%, dengan nilai MAPE ≤ 10% maka prediksi mempunyai tingkat akurasi yang tinggi pada ukuran paku 1¼ inci, 197 Kg sampai dengan 204 Kg dengan MAD sebesar 3,5, MSE sebesar 20,3, dengan MAPE sebesar 3,7% dengan nilai MAPE ≤ 10% maka prediksi mempunyai tingkat akurasi yang tinggi pada ukuran paku 1½ inci.
Kata kunci : Forecasting, Penjualan, Backpropagation, Kombinasi.
Keyword
aReference
Kusuma, I.W. 2015. Aplikasi Model Backpropagation Neural Network Untuk Perkiraan Produksi Tebu Pada PT. Perkebunan Nusantara IX, Yogyakarta. PROSIDING, (Online), tersedia:eprints.uny.ac.id/7312/1/t-11.pdf, diunduh 7 Oktober 2017.
Lesnussa, Y.A., Latuconsina, S. & Persulessy, E.R. 2015. Aplikasi Jaringan Saraf Tiruan Backpropagation untuk Memprediksi Prestasi Siswa SMA (Studi kasus: Prediksi Prestasi Siswa SMAN 4 Ambon), Ambon. Jurnal Matematika Integratif, (Online), 11 (2): 149-160, tersedia:jurnal.unpad.ac.id/jmi/article/download/9427/pdf, diunduh 12 Oktober 2017.
Sukmarani. 2011. Penerapan Metode Exponential Smoothing Pada Peramalan Penjualan Dalam Penentuan Kuantitas Produksi Roti.Disertai. Tidak dipublikasikan. Kendari: Fakultas Teknik Universitas Halu Oleo Kendari.
Supriana & Uci. 2010. Peramalan Produk Domestik Regional Bruto (PDRB) Kabupaten Labuhanbatu Pada Sektor Pertanian Tahun 2011, Universitas Sumatera Utara.
Widodo Sugeng. 2017. Analisis Metode Single Moving Average Dan Exponential Smoothing Dalam Peramalan Permintaan Senapan Angin. Artikel Skripsi Fakultas Teknik Universitas Nusantara PGRI Kediri. Kediri
Yuniarti Eka. 2018. Perbandingan Metode Single Exponential Smoothing Dan Least Square Pada Prediksi Penjualan.Disertai. Tidak dipublikasikan. Kediri: Fakultas Teknik Universitas Nusantara PGRI Kediri.
