Implementasi Fuzzy Neural Network untuk Peramalan Penjualan Sepeda Motor

Diska Yulia Maisarah, Sugiyarto Sugiyarto

Abstract


Penelitian ini membahas tentang implementasi Fuzzy Neural Network untuk peramalan penjualan sepeda motor di Cahaya Sakti Motor. Fuzzy Neural Network merupakan salah satu system hybrid yang menggabungkan dua metode yaitu logika fuzzy dan dan jaringan syaraf tiruan. Metode Fuzzy Neural network yang digunakan dalam penelitian ini adalah kombinasi logika fuzzy dengan pendekatan Multi Layer Perceptron. Penelitian ini bertujuan mengetahui jumlah penjualan sepeda motor di tahun 2019 berdasarkan data penjualan Januari 2014 hingga Desember 2018. Berdasarkan hasil penelitian, model Fuzzy Neural Network ini cocok digunakan untuk peramalan penjualan sepda motor, karena nilai MSE yang diperoleh sangat kecil yaitu 9.9924e-06 untuk data training dan 0.0560 untuk data testing. Adapun hasil peramalan penjualan sepeda motor tahun 2019 di Cahaya Sakti Motor yaitu sebanyak 153 unit pada bulan Januari, 133 unit pada bulan Februari, 114 unit pada bulan Maret, 116 unit pada bulan April, 125 unit pada bulan Mei, 157 unit pada bulan Juni, 120 unit pada bulan Juli, 114 unit pada bulan  Agustus, 122 unit pada bulan September, 125 unit pada bulan Oktober, 160 unit pada bulan November, dan 115 unit pada bulan Desember.

Keywords


Logika Fuzzy; Jaringan Syaraf Tiruan Fuzzy; Peramalan; Multi Layer Perceptron

Full Text:

PDF

References


S. Kusumadewi, “Artificial intelligence (teknik dan aplikasinya),†Yogyakarta Graha Ilmu, vol. 278, 2003.

L. F. Mubin, W. Anggraeni, and A. Vinarti, “Prediksi Jumlah Kunjungan Pasien Rawat Jalan Menggunakan Metode Genetic Fuzzy Systems Studi Kasus: Rumah Sakit Usada Sidoarjo,†J. Tek. ITS, vol. 1, no. 1, pp. A482–A487, 2012.

A. Rahmadiani and W. Anggraeni, “Implementasi Fuzzy Neural Network untuk Memperkirakan Jumlah Kunjungan Pasien Poli Bedah di Rumah Sakit Onkologi Surabaya,†J. Tek. ITS, vol. 1, no. 1, pp. A403–A407, 2012.

B. G. A. Rizka and R. Kusumawati, “FUZZY FEED FORWARD NEURAL NETWORK UNTUK PERAMALAN INDEKS HARGA SAHAM GABUNGAN (IHSG) DENGAN ALGORITMA GENETIKA MENGGUNAKAN VARIASI SELEKSI,†J. Mat., vol. 6, no. 3, pp. 1–9, 2017.

M. R. P. Harahap and A. Suharsono, “Analisis Peramalan Penjualan Sepeda Motor di Kabupaten Ngawi dengan Arima dan Arimax,†J. Sains dan Seni ITS, vol. 3, no. 2, pp. D122–D127, 2014.

Z. E. K. Tsani and D. E. Kusrini, “Peramalan Penjualan Sepeda Motor Baru Di Area Penjualan Surabaya Dengan Menggunakan Regresi Panel,†J. Sains dan Seni ITS, vol. 3, no. 2, pp. D158–D163, 2014.

F. Dristyan, “Prediksi Jumlah Penjualan Kredit Sepeda Motor Menggunakan Algoritma Backpropagation,†in Seminar Nasional Royal (SENAR), 2018, vol. 1, no. 1, pp. 185–190.

C.-T. Lin and C. S. G. Lee, Neural fuzzy systems: a neuro-fuzzy synergism to intelligent systems. Prentice hall, 1996.

S. Kusumadewi and S. Hartati, “Neuro-Fuzzy: Integrasi Sistem Fuzzy dan Jaringan Syaraf,†Yogyakarta Graha Ilmu, 2006.




DOI: http://dx.doi.org/10.26555/konvergensi.v7i2.19604

Refbacks

  • There are currently no refbacks.


View My Stats JIM