Peramalan Permintaan Keripik Pisang Menggunakan Metode Artificial Neural Network (ANN) dan Regresi Linear Berganda di Aira Food Malang

Nathania Darmawan, Verena and Arif Hidayat,, STP, M.AIT and Aunur Rofiq Mulyarto,, STP, M.Sc. (2023) Peramalan Permintaan Keripik Pisang Menggunakan Metode Artificial Neural Network (ANN) dan Regresi Linear Berganda di Aira Food Malang. Sarjana thesis, Universitas Brawijaya.

Abstract

RINGKASAN Pisang merupakan salah satu buah yang hasilnya melimpah di Indonesia. Pertumbuhan produksi pisang di Indonesia pada tahun 2014 -2017 menunjukkan adanya peningkatan yang cukup positif dengan rata-rata 2,67%. produksi pisang di kabupaten Malang yang menyumbang produksi pisang yang cukup banyak pada tahun 2018-2019 yaitu sebanyak 9.728.032. Hal ini dikarenakan pisang dapat tumbuh dengan baik dengan kondisi alam seperti di Kabupaten Malang. Salah satu cara untuk meningkatkan nilai tambahnya adalah dengan mengolahnya menjadi keripik pisang. Aira Food merupakan UKM yang terletak di Kabupaten Malang yang mengolah bahan baku pisang menjadi keripik pisang. Permintaan yang tidak stabil dari konsumen menjadi masalah bagi Aira Food jika tidak ditangani dengan baik, dapat merugikan perusahaan. Fluktuasi permintaan tersebut menyebabkan masalah di gudang, dengan terjadinya penumpukan stok yang berlebihan dan berpotensi mengakibatkan pemborosan serta penurunan kesegaran produk. Penumpukan tersebut disebabkan oleh ketidaksesuaian antara jumlah produksi dan penjualan. Maka, diperlukannya perencanaan produksi untuk memprediksi jumlah penjualan untuk memenuhi permintaan pelanggan di masa yang akan datang. Peramalan permintaan merupakan salah satu kegiatan yang mampu membantu perusahaan dalam menentukan kebutuhan bahan baku yang dibutuhkan dalam meramalkan jumlah penjualan produk dalam satu periode sehingga penentuan jumlah produksi menjadi lebih jelas dan tepat. Penyelesaian permasalahan di atas dapat dilakukan dengan menggunakan metode Artificial Neural Network (ANN) dan Regresi Linear Berganda. Kedua metode ini diharapkan mampu mengetahui faktor apa saja yang mempengaruhi permintaan pasar dan meramalkan permintaan agar produksi keripik pisang di Aira Food sesuai dengan yang dibutuhkan oleh konsumen. Model ANN Backpropagation dan regresi linear berganda digunakan untuk meramalkan permintaan keripik pisang Aira Food pada periode Januari – Juli 2023. Hasil perbandingan peramalan permintaan yang mempunyai nilai kesalahan terkecil yang nantinya akan digunakan sebagai dasar dalam merencanakan produksi keripik pisang. Hasil penelitian yang diperoleh dengan menggunakan metode ANN Backpropagation memiliki arsitektur terbaik yaitu 3-12-12-12-1 dengan persentase data 80& training dan 20% testing. Hasil peramalan ini dibandingkan dengan data aktual yang mempunyai nilai MAPE sebesar 100,19% sedangkan MAPE yang diperoleh dari metode regresi linear berganda adalah sebesar 45,12%. Pada regresi juga diperoleh persamaan regresi terbaik yaitu, Y = 973,034 – 0,002X1 – 0,001X2. Hasil rekomendasi yang dapat diberikan untuk penelitian berikutnya adalah perlu menggunakan data yang memiliki jumlah lebih banyak agar peramalan dapat memperoleh hasil yang lebih akurat dan maksimal. Peneliti selanjutnya juga dapat menggunakan metode lain untuk membandingkan hasil peramalan agar dapat memperoleh metode terbaik untuk diterapkan nantinya.

English Abstract

SUMMARY Banana is one of the abundant fruits in Indonesia. The growth of banana production in Indonesia from 2014 to 2017 showed a positive increase with an average of 2.67%. In the district of Malang, banana production contributed significantly in 2018-2019, amounting to 9,728,032. This is because bananas can thrive in the natural conditions found in Malang. One way to increase its value is by processing it into banana chips. Aira Food, a small and medium-sized enterprise (SME) located in Malang, processes bananas into banana chips. However, unstable consumer demand poses a problem for Aira Food and can potentially harm the company. Fluctuations in demand lead to issues in the warehouse, such as excessive stockpiling, waste, and a decline in product freshness. The accumulation of stock is caused by a mismatch between production and sales. Therefore, production planning is necessary to predict future sales and meet customer demands. Demand forecasting is a helpful activity for the company to determine the required raw materials for predicting product sales in a given period, ensuring a clearer and more accurate determination of production quantity. To address these challenges, the Artificial Neural Network (ANN) and Multiple Linear Regression methods can be employed. These methods are expected to identify the factors influencing market demand and forecast demand, enabling Aira Food to produce banana chips according to consumer needs. The demand for Aira Food's banana chips was predicted using ANN Backpropagation and multiple linear regression models from January to July 2023. To choose the model that would be the foundation for the production planning of banana chips, it was necessary to compare demand projections. The 3-12-12-12-1 architecture, with an 80% training and 20% testing data split, was shown to be the best architecture according to the research findings collected using the ANN Backpropagation method. When these predicted outcomes were contrasted with the aktual data, a mean absolute percentage error (MAPE) of 100.19% was found. On the other hand, the multiple linear regression method's MAPE was 45.12%. The best-fitting regression equation was also generated by the regression analysis, and it is Y = 973.034 - 0.002X1 - 0.001X2. The use of a larger dataset is advised for future study in order to improve the forecasts' precision and efficacy. Additionally, later researchers may investigate other techniques to evaluate forecasting results in an effort to pinpoint the best strategy for adoption in the future.

Item Type:	Thesis (Sarjana)
Identification Number:	052310
Uncontrolled Keywords:	Artificial Neural Network, Keripik Pisang, Peramalan Permintaan, Regresi Linear Berganda
Divisions:	Fakultas Teknologi Pertanian > Teknologi Industri Pertanian
Depositing User:	Unnamed user with username saputro
Date Deposited:	16 Jan 2024 02:30
Last Modified:	16 Jan 2024 02:30
URI:	http://repository.ub.ac.id/id/eprint/210677

Text (DALAM MASA EMBARGO) Verena Nathania Darmawan.pdf Restricted to Repository staff only until 31 December 2025. Download (4MB)

Actions (login required)

View Item