Implementasi Algoritma Backpropagation untuk Memprediksi KeuntunganPenjualan Sagu (Studi Kasus: CV. Pengolahan Sagu Fisilia Kabupaten Lingga)
Total View This Week0
Total View This Week0
Institusion
Universitas Maritim Raja Ali Haji
Author
Silvia, Marzalita
Martaleli, Bettiza
Nurfalinda, Nurfalinda
Martaleli, Bettiza
Nurfalinda, Nurfalinda
Subject
005.3 Programs/Program
Datestamp
2021-07-18 12:15:35
Abstract :
Kabupaten Lingga merupakan salah satu penghasil sagu di Provinsi Kepulauan Riau. Pencatatan mengenai keuntungan penjualan sagu perlu dilakukan dalam rangka peningkatan perekonomian rakyat. Penelitian ini memprediksi keuntungan penjualan sagu dengan menggunakan algoritma backpropagation di mana inisialisasi bobot awal menggunakan Nguyen Widrow. Keuntungan penjualan sagu diprediksi berdasarkan 5 (lima) variabel yaitu bahan baku, gaji, overhead, penyusutan dan pendapatan sedangkan hasil prediksi yang menjadi target adalah keuntungan penjualan sagu perbulan. Banyaknya data yang digunakan untuk penelitian berjumlah 52 data, di mana 70% data berjumlah 36 data digunakan untuk pelatihan dan 30% data berjumlah 16 menjadi data uji. Tingkat akurasi dari hasil prediksi diukur menggunakan Root Means Square Error (RMSE). Pada penelitian ini hasil data pengujian yang telah diujikan menunjukan hasil prediksi dari parameter pelatihan terbaik pada keuntungan penjualan sagu dengan neuron hidden layer 5, learning rate 0.3 target error 0.001, maximum epoch 1000 menghasilkan nilai RMSE 0.315261.
Kabupaten Lingga merupakan salah satu penghasil sagu di Provinsi Kepulauan Riau. Pencatatan mengenai keuntungan penjualan sagu perlu dilakukan dalam rangka peningkatan perekonomian rakyat. Penelitian ini memprediksi keuntungan penjualan sagu dengan menggunakan algoritma backpropagation di mana inisialisasi bobot awal menggunakan Nguyen Widrow. Keuntungan penjualan sagu diprediksi berdasarkan 5 (lima) variabel yaitu bahan baku, gaji, overhead, penyusutan dan pendapatan sedangkan hasil prediksi yang menjadi target adalah keuntungan penjualan sagu perbulan. Banyaknya data yang digunakan untuk penelitian berjumlah 52 data, di mana 70% data berjumlah 36 data digunakan untuk pelatihan dan 30% data berjumlah 16 menjadi data uji. Tingkat akurasi dari hasil prediksi diukur menggunakan Root Means Square Error (RMSE). Pada penelitian ini hasil data pengujian yang telah diujikan menunjukan hasil prediksi dari parameter pelatihan terbaik pada keuntungan penjualan sagu dengan neuron hidden layer 5, learning rate 0.3 target error 0.001, maximum epoch 1000 menghasilkan nilai RMSE 0.315261.
Download
book
BibTex
Latex, Jabref
cloud_download
Original Resource
url resource Institution
