Perbandingan Peramalan Permintaan Pia Apel Menggunakan Metode Jaringan Syaraf Tiruan (JST) Backpropagation dan Metode Fuzzy Time Series (FTS) Chen (Studi Kasus di Permata Agro Mandiri, Kota Batu, Jawa Timur).

Yasmin Pradina., Salsabila and Aunur Rofiq Mulyarto,, STP, STP, and Muhammad Arif Kamal,, STP, M.Si. (2023) Perbandingan Peramalan Permintaan Pia Apel Menggunakan Metode Jaringan Syaraf Tiruan (JST) Backpropagation dan Metode Fuzzy Time Series (FTS) Chen (Studi Kasus di Permata Agro Mandiri, Kota Batu, Jawa Timur). Sarjana thesis, Universitas Brawijaya.

Abstract

RINGKASAN Permata Agro Mandiri merupakan salah satu UMKM di Kota Batu yang memproduksi pia apel. Pada tahun 2019 permintaan pia apel di Permata Agro Mandiri mencapai lebih dari 70.000 pcs. Namun, kemunculan COVID-19 menyebabkan turunnya permintaan pia apel dan pengembalian produk dari outlet kerja sama. Pada tahun 2022 permintaan pia apel mulai mengalami peningkatan, namun belum pasti sehingga diperlukan sebuah metode peramalan permintaan yang tepat. Penelitian ini bertujuan untuk mengetahui hasil peramalan permintaan pia apel pada Permata Agro Mandiri menggunakan metode FTS Chen dan metode JST Backpropagation. Selain itu, juga untuk mengetahui hasil perbandingan peramalan permintaan pia apel pada Permata Agro Mandiri menggunakan metode FTS Chen dan metode JST Backpropagation. Metode yang digunakan pada penelitian ini yaitu JST Backpropagation dan FTS Chen. JST Backpropagation dilakukan melalui tiga fase dalam melakukan pelatihan, yaitu fase feedforward, fase backpropagation, dan fase perubahan bobot. Metode FTS Chen dilakukan dengan menentukan himpunan semesta pembicara (U), menentukan banyaknya himpunan fuzzy, melakukan fuzzyfikasi, membuat FLR dan FLRG, serta melakukan defuzzyfikasi. MSE digunakan dalam pengukuran kesalahan peramalan dan nilai MSE terkecil dari hasil perbandingan kedua metode tersebut yang akan dipilih. Perangkat lunak yang digunakan, yaitu Google Colab dengan bahasa pemrograman python. Berdasarkan hasil analisis, dapat diketahui hasil peramalan permintaan pia apel menggunakan metode FTS Chen dan JST Backproagation memiliki pola yang hampir sama dengan data permintaan aktual. Kedua metode menunjukkan kesamaan pola dengan permintaan aktual pada penurunan dan kenaikan permintaan di bulan-bulan tertentu. Namun, dari hasil selisih dan persentase kesalahan, pola yang ditunjukkan oleh metode JST memiliki nilai peramalan yang lebih mendekati dengan permintaan aktual. Perbandingan hasil peramalan permintaan pia apel menggunakan metode JST Backproagation memiliki nilai MSE yang lebih kecil yaitu 184.802,9 dibanding dengan metode FTS Chen sebesar 497.937,862. Oleh karena itu, dapat disimpulkan bahwa peramalan menggunakan metode JST Backproagation dinilai lebih baik dibandingkan dengan metode FTS Chen.

English Abstract

SUMMARY Permata Agro Mandiri is one of the home industries in Batu City which produces apple pie. In 2019 the demand for apple pie at Permata Agro Mandiri reached more than 70,000 pcs. However, the emergence of COVID-19 caused a decrease in demand for apple pie and product returns from partner outlets. In 2022 the demand for apple pia will begin to increase, but it is uncertain, so an appropriate demand forecasting method is needed. This study aims to determine the results of forecasting the demand for pia apples at Permata Agro Mandiri using the FTS Chen method and the Backpropagation ANN method. In addition, it is also to find out the comparative results of forecasting the demand for pia apples at Permata Agro Mandiri using the FTS Chen method and the Backpropagation ANN method. The method used in this research is Backpropagation ANN and FTS Chen. Backpropagation ANN is carried out through three phases in conducting training, namely the feedforward phase, the backpropagation phase, and the weight change phase. FTS Chen method is carried out by determining the universal set of speakers (U), determining the number of fuzzy sets, performing fuzzyfication, making FLR and FLRG, and defuzzifying. MSE is used in measuring forecasting errors and the smallest MSE value from the results of the comparison of the two methods will be selected. The software used is Google Colab with the Python programming language. Based on the results of the analysis, it can be seen that the forecasting results for apple pia demand using the FTS Chen and Backproagation ANN methods have a pattern that is almost the same as the actual demand data. Both methods show the similarity of the pattern with the actual demand on decreasing and increasing demand in certain months. However, from the results of the difference and the percentage of error, the pattern shown by the ANN method has a forecast value that is closer to the actual demand. Comparison of the results of forecasting demand for apple pia using the Backproagation ANN method has a smaller MSE value of 184.802,9 compared to FTS Chen method of 497.937,862. Therefore, it can be concluded that forecasting using the Backproagation ANN method is considered better than FTS Chen method. Keywords: Backproagation ANN, Demand Forecasting, FTS Chen

Item Type:	Thesis (Sarjana)
Identification Number:	052310
Uncontrolled Keywords:	FTS Chen, JST Backpropagation, Peramalan Permintaan
Divisions:	Fakultas Teknologi Pertanian > Teknologi Industri Pertanian
Depositing User:	Unnamed user with username saputro
Date Deposited:	15 Jan 2024 04:08
Last Modified:	15 Jan 2024 04:08
URI:	http://repository.ub.ac.id/id/eprint/210001

Text (DALAM MASA EMBARGO) Salsabila Yasmin Pradina.pdf Restricted to Registered users only until 31 December 2025. Download (4MB)

Actions (login required)

View Item