Rini, KenyoPuspito (2013) Peramalan Permintaan Minuman Kesehatan Instan Jahe menggunakan Jaringan Syaraf Tiruan dan Metode Time Series (Studi Kasus di Agroindustri Minuman Kesehatan Instan “DIA” Malang). Sarjana thesis, Universitas Brawijaya.
Abstract
Peramalan adalah suatu usaha untuk meramalkan keadaan di masa mendatang melalui pengujian keadaan di masa lalu, sedangkan peramalan permintaan merupakan tingkat permintaan produk-produk yang diharapkan akan terealisir untuk jangka waktu tertentu pada masa yang akan datang. Permasalahan yang dihadapi oleh Agroindustri Minuman Kesehatan Instan DIA adalah masih kesulitan dalam meramalkan permintaan konsumen terhadap permintaan produk minuman kesehatan instan. Hal ini mengakibatkan Agroindustri Minuman Kesehatan Instan DIA belum memiliki perencanaan produksi yang optimal. Dalam penelitian ini peramalan dilakukan dengan mempertimbangkan unsur bauran pemasaran yang digunakan sebagai masukan (input) pada jaringan syaraf tiruan. Unsur bauran pemasaran yang digunakan adalah harga produk, jumlah tempat pemasaran, biaya distribusi, dan biaya promosi. Selanjutnya hasil peramalan menggunakan jaringan syaraf tiruan berdasarkan unsur bauran pemasaran akan dibandingkan dengan peramalan menggunakan metode time series berdasarkan data volume penjualan untuk mengetahui metode mana yang paling tepat digunakan di Agroindustri Minuman Kesehatan Instan DIA. Penelitian dilakukan di Agroindustri Minuman Kesehatan Instan DIA, Jl. Kembang Kertas No. 25 Malang pada bulan Juni-Oktober 2012. Pengolahan data dengan Jaringan Syaraf Tiruan menggunakan algoritma pembelajaran backpropagation. Software yang digunakan untuk peramalan jenis ini adalah Matlab 7.10. Sedangkan pengolahan data dengan metode time series meliputi metode moving average, metode eksponential smoothing, dan metode dekomposisi. Software yang digunakan untuk peramalan menggunakan metode time series adalah SPSS 17.1. Berdasarkan hasil penelitian, metode terbaik untuk peramalan dengan metode time series adalah metode Winters’ Additive. Metode Winters’ Additive merupakan salah satu dari model Holt- Winters (triple exponential smoothing) yang digunakan untuk menangani musiman. Nilai hasil mean square error (MSE) pelatihan pada Jaringan Syaraf Tiruan (JST) sebesar 4827.82, sedangkan nilai MSE pada metode Time Series sebesar 119440.0512. Rata-rata persentase kesalahan hasil simulasi peramalan permintaan menggunakan JST pada periode bulan Agustus - Desember 2012 adalah sebesar 5.72 %, sedangkan untuk Time Series adalah sebesar 10.06 %. Sehingga dapat disimpulkan bahwa bahwa Jaringan Syaraf Tiruan merupakan metode yang relatif lebih baik dari Time Series dalam meramalkan permintaan minuman kesehatan instan jahe DIA karena memiliki penyimpangan kesalahan yang lebih kecil dibandingkan metode time series.
English Abstract
Forecasting is an action to predict the situation in the future by examining the situation in the past, whereas the demand forecasting is the level of expected products demand will occur for certain period of time in the future. The issue encountered by Agroindustri Minuman Kesehatan DIA stated that the enterprise was still experiencing a difficulty to predict the consumer’s demand toward the demand of that instant functional beverage. The enterprise had not yet owned the optimal production planning due to that issue. In this research, the forecasting was conducted by considering the substances of marketing mix which comprised to the product’s price, the number of place, the distribution cost as well as the promotion cost; as input of the artificial neural network. Furthermore, the result of this forecasting would be compared by the forecasting used the time series method through the data of sales volume in order to figure out which one of the most appropriate method that could be applied to Agroindustri Minuman Kesehatan Instan DIA. This research was conducted in Agroindustri Minuman Kesehatan Instan DIA, Jl. Kembang Kertas 25 Malang from June to October, 2012. The tabulation of artificial neural network used back propagation of learning algorithm. The used software was Matlab 7.10, while the tabulation of time series method pervaded moving average method, exponential smoothing method, and decomposition method. The used software was SPSS 17.1. According to the result of this research, the best method by using time series method was winters’ additive method. This is one of the holt-winters (triple exponential smoothing) methods that used to handle the seasonal period. The value of mean square error (MSE) on the artificial neural network was 4827.82, while the value of MSE on the time series method was 119440.0512. The average of fault percentage from the result of demand’s forecasting by using artificial neural network from August to December, 2012 was 5.72%, while for the time series was 10.06%, so that it could be concluded that artificial neural network was a relatively better method than time series in forecasting the demand of instant functional beverage from ginger “DIA”, because it had smaller deviation error than time series method.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | SKR/FTP/2013/136/051307295 |
| Subjects: | 300 Social sciences > 338 Production > 338.1 Agriculture |
| Divisions: | Fakultas Teknologi Pertanian > Teknologi Industri Pertanian |
| Depositing User: | Hasbi |
| Date Deposited: | 20 Aug 2013 10:07 |
| Last Modified: | 20 Aug 2013 10:07 |
| URI: | http://repository.ub.ac.id/id/eprint/149242 |
Actions (login required)
 |
View Item |