Implementasi Fuzzy Neural Network untuk Peramalan Penjualan Sepeda Motor
DOI:
https://doi.org/10.26555/konvergensi.v7i2.19604Keywords:
Logika Fuzzy, Jaringan Syaraf Tiruan Fuzzy, Peramalan, Multi Layer PerceptronAbstract
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.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.
Downloads
Published
Issue
Section
License
Authors who publish with this journal agree to the following terms:
1. Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under a Creative Commons Attribution License that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal.
2. Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
3. Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work.
This work is licensed under a Creative Commons Attribution-ShareAlike 2.0 Generic License.
