Permata, Lany Margaret and STP.,M.AIT.,Ph.D, Arif Hidayat and ST.,MT, Danang Triagus Setiyawan (2022) Peramalan Permintaan Keripik Tempe Menggunakan Metode Jaringan Saraf Tiruan (JST) Backpropagation di UKM Keripik Tempe Rohani, Malang, Jawa Timur. Sarjana thesis, Universitas Brawijaya.
Abstract
Indonesia dikenal sebagai negara agraris yang memiliki lahan pertanian yang luas dengan sumber daya yang beragam dan berlimpah. Terdapat berbagai hasil pertanian yang dimiliki Indonesia yang dijadikan sebagai bahan makanan pokok di Indonesia salah satunya kedelai. Di Indonesia, kedelai merupakan bahan makan pokok di Indonesia yang memiliki tingkat konsumsi nasional yang tinggi. Salah satu wilayah yang menjadi sentra utama kedelai nasional adalah Jawa timur dengan rata-rata produksi pertahun mencapai 215,014 ribu ton. Keberadaan kedelai yang melimpah menjadi peluang besar bagi perekonomian masyarakat Jawa Timur. Salah satu cara yang dapat meningkatkan nilai tambah kedelai yaitu diolah menjadi suatu produk seperti tempe dimana pengolahan tersebut dapat menghasilkan nilai tambah sebesar 36,65%. Namun saat ini tempe telah dikembangkan menjadi berbagai produk, seperti keripik tempe. Salah satu usaha yang memproduksi keripik tempe yaitu UKM Keripik Tempe Rohani. Pada tahun 2020, UKM Keripik Tempe Rohani mengalami kerugian yang besar akibat adanya pandemi Covid-19. Hal tersebut menyebabkan menurunnya jumlah kunjungan wisatawan sehingga berdampak pada total penjualan produk di UKM Keripik Tempe Rohani. Namun, setelah 2 tahun berlangsungnya masa pandemi covid-19, pemerintah melakukan upaya dengan membuka kembali kunjungan wisatawan ke Indonesia. Hal tersebut membuat UKM perlu beradaptasi kembali untuk mengantisipasi lonjakan permintaan. Oleh karena itu, penelitian ini bertujuan untuk mengetahui model peramalan permintaan keripik tempe dengan metode jaringan saraf tiruan backpropagation, mengetahui hasil dan akurasi peramalan permintaan dengan menggunakan metode jaringan saraf tiruan backpropagation dan metode time series, dan mengetahui hasil metode peramalan terbaik berdasarkan nilai error terkecil dengan data aktual sebagai pembandingnya di UKM Keripik Tempe Rohani. Metode Jaringan Saraf Tiruan backpropagation dan time series digunakan untuk melakukan peramalan permintaan keripik tempe spesial di UKM Keripik Tempe Rohani pada periode Januari- Desember 2022. Hasil peramalan permintaan dengan kedua metode tersebut akan dibandingkan dengan data aktual permintaan periode Januari – April 2022. Hasil perbandingan peramalan permintaan yang memiliki nilai kesalahan kecil akan digunakan sebagai acuan dasar dalam melakukan produksi keripik tempe spesial. Hasil penelitian didapatkan bahwa peramalan keripik tempe spesial menggunakan metode JST Backpropagation dengan arsitektur terbaik yakni 4-30-30-30-1 (4 input, 30 neuron lapisan ke-1, 30 neuron lapisan ke-2, 30 neuron lapisan ke-3, dan 1 output) dengan persentase data 80% Training dan 20% Testing. Hasil peramalan metode JST Backpropagation dibandingkan dengan data aktual memiliki rata-rata kesalahan kuadrat (MSE) sebesar 33,642,071.44. Hasil peramalan metode time series terbaik yang terpilih yaitu simple exponential smoothing. Hasil perbandingan peramalan dengan data aktual menunjukan bahwa metode time series simple exponential smoothing memiliki nilai perbandingan MSE sebesar 8,120,567.50. Hasil rekomendasi yang dapat diberikan untuk penelitian selanjutnya yaitu dapat melibatkan jumlah data yang lebih banyak untuk meningkatkan akurasi hasil peramalan. Peneliti selanjutnya dapat melakukan trial and error terhadap parameter lainnya yang mempengaruhi hasil akurasi prediksi. Rekomendasi untuk UKM Keripik Tempe Rohani yakni peramalan permintaan yang dapat digunakan untuk meramalkan permintaan di periode selanjutnya dengan menggunakan metode time series.
English Abstract
Indonesia is known as an agricultural country that has large agricultural land with diverse and abundant resources. There are various agricultural products owned by Indonesia that are used as staple foods in Indonesia, one of which is soybeans. In Indonesia, soybeans are a staple food in Indonesia that has a high level of national consumption. One of the regions that is the main center of national soybeans is East Java with an average annual production of 215,014 thousand tons. The existence of abundant soybeans is a great opportunity for the economy of the people of East Java. One way that can increase the added value of soybeans is to be processed into a product such as tempeh where the processing can produce an added value of 36.65%. But nowadays tempeh has been developed into various products, such as tempeh chips. One of the businesses that produces tempeh chips is the Keripik Tempe Rohani SMEs. In 2020, Keripik Tempe Rohani SMEs suffered heavy losses due to the Covid-19 pandemic. This has caused a decrease in the number of tourist visits, which has an impact on the total sales of products in SME Tempe Rohani Chips. However, after 2 years of the Covid-19 pandemic, the government made efforts by reopening tourist visits to Indonesia. This makes SMEs need to re-adapt to anticipate a surge in demand. Therefore, this study aims to find out the demand forecasting model of tempeh chips with the backpropagation artificial neural network method, find out the results and accuracy of demand forecasting using the backpropagation artificial neural network method and the time series method, and find out the results of the best forecasting method based on the smallest error value with actual data as a comparison in Keripik Tempe Rohani SMEs. The backpropagation and time series Artificial Neural Network method is used to forecast the demand for special tempeh chips at the Keripik Tempe Rohani SME in the period January-December 2022. The results of demand forecasting with both methods will be compared with the actual demand data for the January – April 2022 period. The results of the demand forecasting comparison that have a small error percentage value will be used as a basic reference in producing special tempeh chips. The results of the study found that forecasting special tempeh chips using the JST Backpropagation method with the best architecture, namely 4-30-30-30-1 (4 inputs, 30 neurons of the 1st layer, 30 neurons of the 2nd layer, 30 neurons of the 3rd layer, and 1 output) with a data percentage of 80% Training and 20% Testing. The forecasting results of the JST Backpropagation method compared with the actual data had an average squared error (MSE) of 33,642,071.44. The forecasting result of the best time series method selected is simple exponential smoothing. The results of the forecasting comparison with actual data show that the simple exponential smoothing time series method has an MSE comparison value of 8,120,567.50. The results of recommendations that can be given for further research are that they can involve a larger amount of data to improve the accuracy of forecasting results. Researchers can then conduct trial and error on other parameters that affect the results of prediction accuracy. The recommendation for SME Rohani Tempe Chips is demand forecasting that can be used to forecast demand in the next period using the time series method.
| Item Type: | Thesis (Sarjana) |
|---|---|
| Identification Number: | 0522100484 |
| Uncontrolled Keywords: | Backpropagation, Jaringan saraf tiruan, Keripik tempe, Peramalan., Artificial neural network, Backpropagation, Forecasting, Tempeh chips. |
| 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: | 17 May 2023 07:06 |
| Last Modified: | 17 May 2023 07:06 |
| URI: | http://repository.ub.ac.id/id/eprint/199819 |
![[thumbnail of DALAM MASA EMBARGO]](http://repository.ub.ac.id/style/images/fileicons/text.png) |
Text (DALAM MASA EMBARGO)
Lany Margaret Permata.pdf Restricted to Registered users only until 31 December 2024. Download (4MB) |
Actions (login required)
 |
View Item |