Giusti, Ayustina (2017) Prediksi Penjualan Mi Menggunakan Metode Extreme Learning Machine (ELM) Di Kober Mie Setan Cabang Soekarno Hatta. Sarjana thesis, Universitas Brawijaya.
Abstract
Kober Mie Setan cabang Soekarno Hatta merupakan sebuah perusahaan yang bergerak pada bidang makanan. Jumlah permintaan konsumen restoran Kober Mie Setan cabang Soekarno Hatta yang tak menentu setiap waktu berpengaruh terhadap sisa bahan baku yang ada. Bahan baku yang terlalu lama disimpan tidak baik untuk dikonsumsi. Ketika permintaan rendah dan bahan baku yang disediakan tinggi, maka sisa bahan baku dari penjualan hari itu akan dibuang. Agar bahan baku tidak terbuang sia-sia, maka prediksi penjualan diperlukan oleh Kober Mie Setan cabang Soekarno Hatta. Dengan prediksi penjualan tersebut restoran dapat memprioritaskan pembelanjaan bahan baku menu tertentu yang memiliki keminatan tinggi sehingga sisa bahan baku dapat berkurang. Penelitian ini diterapkan metode dari Jaringan Syaraf Tiruan (JST) yaitu Extreme Learning Machine (ELM) untuk memprediksi penjualan mi di restoran Kober Mie Setan cabang Soekarno Hatta. Proses prediksi penjualan mi di Kober Mie Setan yaitu normalisasi data, proses training, proses testing, denormalisasi data, dan perhitungan nilai error menggunakan Mean Square Error (MSE). Metode ELM memiliki kelebihan dalam learning speed dan tingkat error yang kecil. Berdasarkan pengujian yang dilakukan untuk mengetahui perbedaan penggunaan fitur data dalam penelitian ini menghasilkan tingkat error terkecil yaitu 0.0171 dengan menggunakan fitur data historis dan fitur data sisa penjualan.
English Abstract
Kober Mie Satan Soekarno Hatta branch is a company engaged in the field of food. The number of consumer demand of restaurant Kober Mie Setan Soekarno Hatta branch that is erratic every time affect the remaining raw materials. Raw materials that are stored for too long are not good for consumption. When demand is low and the raw materials provided are high, then the rest of the raw materials from the day's sales will be discarded. In order for raw materials are not wasted, then the sales prediction required by Kober Mie Setan Soekarno Hatta branch. With these sales predictions the restaurant can prioritize the expenditure of certain menu ingredients that have a high interest so that the remaining raw materials can be reduced. This research applies method of artificial neural network (JST) that is Extreme Learning Machine (ELM) to predict the sales of noodles in Kober Mie Setan restaurant of Soekarno Hatta branch. The prediction process of noodles sales in Kober Mie Setan is normalization of data, training process, testing process, data denomination, and error value calculation using Mean Square Error (MSE). ELM method has advantages in learning speed and small error rate. Based on the tests conducted to determine the differences in the use of data features in this study resulted in the smallest error rate of 0.0171 using the features of historical data and features of residual sales data.
Item Type: | Thesis (Sarjana) |
---|---|
Identification Number: | SKR/FTIK/2017/693/051708205 |
Uncontrolled Keywords: | Prediksi Penjualan, Extreme Learning Machine, Jaringan Syaraf Tiruan, MSE |
Subjects: | 000 Computer science, information and general works > 006 Special computer methods > 006.3 Artificial intelligence > 006.31 Machine learning |
Divisions: | Fakultas Ilmu Komputer > Teknik Informatika |
Depositing User: | Yusuf Dwi N. |
Date Deposited: | 11 Oct 2017 01:24 |
Last Modified: | 08 Sep 2020 12:56 |
URI: | http://repository.ub.ac.id/id/eprint/3521 |
Actions (login required)
View Item |