IMPLEMENTASI DATA MINING DENGAN METODE
NEURAL NETWORK UNTUK MEMPREDIKSI
PENJUALAN (Studi Kasus: Burjo Burneo Seturan Raya)
Total View This Week0
Total View This Week0
Institusion
Universitas Mercu Buana Yogyakarta
Author
Wonda, Detuer
Subject
QA75 Electronic computers. Computer science
Datestamp
2022-08-09 02:54:04
Abstract :
Burjo burneo merupakan usaha bisnis yang menjual berbagai macam produk makanan dan minuman dengan cepat saji. proses pendistribusian stok produk dilakukan setelah persediaan yang ada di gudang habis. Dengan Proses pemasok produk seperti ini justru sering kali mempengaruhi keuntugan laba yang di targetkan. Algoritma Neural Network jadi satu solusi alternatif bagi manajer untuk memprediksi terhadap penjualan barang untuk periode waktu selanjutnya dengan mengunakan data-data penjualan sebelumnya. Proses prediksi dimulai membuat pemodelan pada rapidminer dengan ketentuan parameter hidden layer 3 dan learning rate 0.03, selanjutnya model yang sudah dibentuk akan dilanjutkan proses running untuk menghsilkan nilai prediksi yang diinginkan. Tujuan dari prediksi ini adalah untuk mencari nilai root mean sequare error (RMSE) dengan performance terbaik pada setiap data yang di input. Rmse merupakan tingkat kesalahan hasil regresi, artinya semakin kecil nilai Rmse mendekati angkah 0, maka hasil regresi akan semakin akurat. Sehinnga hasil dari penelitian ini nilai perfornce error yang akurat didapatkan sebesar 0.025.
Burjo burneo merupakan usaha bisnis yang menjual berbagai macam produk makanan dan minuman dengan cepat saji. proses pendistribusian stok produk dilakukan setelah persediaan yang ada di gudang habis. Dengan Proses pemasok produk seperti ini justru sering kali mempengaruhi keuntugan laba yang di targetkan. Algoritma Neural Network jadi satu solusi alternatif bagi manajer untuk memprediksi terhadap penjualan barang untuk periode waktu selanjutnya dengan mengunakan data-data penjualan sebelumnya. Proses prediksi dimulai membuat pemodelan pada rapidminer dengan ketentuan parameter hidden layer 3 dan learning rate 0.03, selanjutnya model yang sudah dibentuk akan dilanjutkan proses running untuk menghsilkan nilai prediksi yang diinginkan. Tujuan dari prediksi ini adalah untuk mencari nilai root mean sequare error (RMSE) dengan performance terbaik pada setiap data yang di input. Rmse merupakan tingkat kesalahan hasil regresi, artinya semakin kecil nilai Rmse mendekati angkah 0, maka hasil regresi akan semakin akurat. Sehinnga hasil dari penelitian ini nilai perfornce error yang akurat didapatkan sebesar 0.025.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
