Peramalan Permintaan Keju Mozzarella Chizzu Menggunakan Metode Artificial Neural Network (ANN) Backpropagation dan Metode Time Series di CV Narendra Food Malang

Silalahi, Handy Putra Malo and Wike Agustin Prima Dania, STP., M.Eng., PhD and Danang Triagus Setiyawan, S.T., M.T (2022) Peramalan Permintaan Keju Mozzarella Chizzu Menggunakan Metode Artificial Neural Network (ANN) Backpropagation dan Metode Time Series di CV Narendra Food Malang. Sarjana thesis, Universitas Brawijaya.

Abstract

Produksi susu segar dari tahun 2011 hingga tahun 2020 mengalami peningkatan walaupun sempat terjadi penurunan di tahun 2013. Peningkatan produksi terjadi terus-menerus dari tahun 2013 hingga tahun 2020. Produksi susu segar pada tahun 2013 sebesar 786.894 ton dan Produksi pada tahun 2020 sebesar 947.685,36 ton. Hal ini berarti bahwa produksi susu segar di Indonesia cukup melimpah, khususnya di Jawa Timur yang sangat berpotensi untuk dikembangkan sehingga dapat menaikkan nilai tambah susu tersebut. Salah satu cara untuk meningkatkan nilai tambahnya yaitu mengolah susu segar menjadi keju mozzarella. CV Narendra Food merupakan salah satu produsen pengolah susu menjadi keju mozzarella di Provinsi Jawa Timur, Kota Malang. Penelitian ini bertujuan untuk meramalkan permintaan keju mozzarella Chizzu dan membandingkan hasil yang didapatkan menggunakan metode Artficial Neural Network (ANN) dan metode Time Series. Metode time series merupakan metode peramalan sederhana yang mudah diterapkan dalam meramalkan permintaan karena hanya membutuhkan data historis dalam jangka waktu tertentu untuk dapat melihat pola dari suatu data. Metode ANN merupakan salah satu penggambaran yang mewakili otak manusia dimana selalu mencoba mensimulasikan proses pembelajaran pada otak manusia. Metode ANN yang digunakan pada penelitian ini yaitu ANN backpropagation. Algoritma backpropagation terdiri atas 3 fase yaitu fase I perambatan maju (forward propagation), fase II perambatan mundur (backpropagation), dan fase III perubahan bobot. Fase ini dilakukan terus menerus hingga menghasilkan nilai error terkecil. Hasil peramalan keju mozzarella Chizzu dengan metode time series memiliki metode terbaik yang terpilih yaitu Simple Exponential Smoothing dengan nilai Mean Absolute Percentage Error (MAPE) sebesar 19.403%. Nilai MAPE yang berada dibawah angka 20 memiliki kemampuan peramalan yang baik. Metode Single Exponential Smoothing merupakan metode yang cocok untuk meramalkan data yang bersifat fluktuatif tanpa trend yang konsisten. Hasil perbandingan metode time series dengan data aktual memiiki nilai memiliki rata-rata kesalahan (MAPE) sebesar 22.65%. Hasil peramalan ANN kausal menunjukan bahwa arsitektur terbaik yaitu 2-5- 1 (2 input, 5 neuron hidden layer, dan 1 output layer) dengan persentase data 70% training dan 30% testing. Hasil peramalan metode ANN kausal dibandingkan dengan data aktual memiliki rata-rata kesalahan (MAPE) sebesar 13.48%. Hasil peramalan ANN dataset time series menunjukan bahwa arsitektur terbaik yaitu 12-5-1 (12 input, 5 neuron hidden layer, dan 1 output layer). Hasil peramalan metode ANN dataset time series dibandingkan dengan data aktual memiliki rata-rata kesalahan (MAPE) sebesar 22.35%. Berdasarkan hal tersebut, metode terbaik yang terpilih untuk meramalkan permintaan keju mozzarella Chizzu yaitu metode ANN kausal dengan nilai MAPE terkecil sebesar 13.48%

English Abstract

Fresh milk production from 2011 to 2020 has increased although there was a decline in 2013. The increase in production occurred continuously from 2013 to 2020. Fresh milk production in 2013 was 786,894 tons and Production in 2020 was 947,685.36 tons. This means that the production of fresh milk in Indonesia is quite abundant, especially in East Java which has the potential to be developed so as to increase the added value of the milk. One way to increase the added value is to process fresh milk into mozzarella cheese. CV Narendra Food is one of the producers of milk processing into mozzarella cheese in East Java Province, Malang City. This study aims to predict the demand for Chizzu mozzarella cheese and compare the results obtained using the Artificial Neural Network (ANN) method and the Time Series method. The time series method is a simple forecasting method that is easy to apply in forecasting demand because it only requires historical data for a certain period of time to be able to see the pattern of a data. The ANN method is one of the depictions that represent the human brain which always tries to simulate the learning process in the human brain. The ANN method used in this research is ANN backpropagation. The backpropagation algorithm consists of 3 phases, namely phase I of forward propagation, phase II of backward propagation, and phase III of weight changes. This phase is carried out continuously until it produces the smallest error value. The results of forecasting mozzarella Chizzu cheese with the time series method have the best method chosen, namely Simple Exponential Smoothing with a Mean Absolute Percentage Error (MAPE) value of 19.40%. MAPE values below 20 have good forecasting abilities. The Single Exponential Smoothing method is a suitable method for forecasting fluctuating data without a consistent trend. The results of the comparison of the time series method with the actual data have an average error value (MAPE) of 22.65%. Causal ANN forecasting results show that the best architecture is 2-5-1 (2 inputs, 5 hidden layer neurons, and 1 output layer) with a data percentage of 70% training and 30% testing. The forecasting result of the causal ANN method compared to the actual data has an average error (MAPE) of 13.48%. The ANN time series dataset forecasting results show that the best architecture is 12-5-1 (12 inputs, 5 neurons hidden layer, and 1 output layer). The result of forecasting the ANN time series dataset method compared to the actual data has an average error (MAPE) of 22.35%. Based on this, the best method chosen for forecasting demand for Chizzu mozzarella cheese is the causal ANN method with the smallest MAPE value of 13.48%

Item Type:	Thesis (Sarjana)
Identification Number:	0522100010
Uncontrolled Keywords:	Artificial Neural Network, Time Series, Backpropagation, Peramalan, Keju Mozzarella,rtificial Neural Network, Time Series, Backpropagation, Forecasting, Mozzarella Cheese
Subjects:	300 Social sciences > 338 Production > 338.1 Agriculture > 338.16 Production efficiency
Divisions:	Fakultas Teknologi Pertanian > Teknologi Industri Pertanian
Depositing User:	soegeng sugeng
Date Deposited:	08 Feb 2022 06:36
Last Modified:	24 Feb 2022 03:35
URI:	http://repository.ub.ac.id/id/eprint/189550

Text (DALAM MASA EMBARGO) 175100301111056 - Handy Putra Malo Silalahi.pdf Restricted to Registered users only until 31 December 2024. Download (2MB)

Actions (login required)

View Item