Algoritma Backpropagation Jaringan Syaraf Tiruan Untuk Prediksi Volume Logistik Pada Ketersediaan Gudang

Ariel  Ismail; Deden  Wahiddin; ra Rahmat

Ariel Kholid Ismail
Deden Wahiddin
ra Rahmat

Keywords: Backpropagtion, Jaringan Syaraf Tiruan, Logistik, Matlab, Prediksi

Abstract

Tujuan penelitian ini adalah memprediksi volume logistik untuk ketersediaan gudang, dimana hal tersebut tidak menutup kemungkinan dapat terjadinya pemasukan volume logistik yang seketika membengkak melebihi target persediaan gudang. Untuk mengatasi permasalahan tersebut yaitu dengan memprediksi stok/volume logistik untuk ketersediaan gudang menggunakan salah satu algoritma backpropagation jaringan syaraf tiruan dengan menggunakan tools matlab 2023a. Data yang diperoleh sebanyak 6 tahun dari tahun 2017 sampai 2022 setelah itu, data tersebut dilakukan proses pre processing. Setelah melalui tahap pre processing, data tersebut dibagi menjadi data latih dan data uji. Data latih untuk proses training dan data uji untuk proses testing, data latih sebanyak 5 tahun dari tahun 2017 sampai 2021, dan data uji sebanyak 1 tahun dari tahun 2022 saja. Tahapan penelitian ini dilakukan dengan mulai, pengumpulan data, analisis data, pengujian, implementasi, evaluasi sampai tahap selesai. Kesimpulan dari proses ini algoritma backpropagation menghasilkan nilai MAPE 8.2268%, MSE 0,008091, RMSE 0.08995 dan menghasilkan akurasi sebesar 92%.

References

[1] R. Risnawati and M. Handayani, “penerapan Jaringan Saraf Tiruan Untuk Proyeksi Logistik Berdasarkan Prediksi Pasien Menggunakan Algoritma Backpropagation,” Jurteksi, vol. 4, no. 1, pp. 21–28, 2017, doi: 10.33330/jurteksi.v4i1.20.
[2] K. Dan, Analisis Strategi Bersaing Perusahaan Yang Bergerak Dibidang Logistik Di Jakarta, vol. 2. 2019.
[3] E. Evanita and M. M. Hakim, “Prediksi Harga Jual Suku Cadang Impor Mesin Rokok Dengan Jaringan Syaraf Tiruan,” Simetris J. Tek. Mesin, Elektro dan Ilmu Komput., vol. 9, no. 1, pp. 67–76, 2018, doi: 10.24176/simet.v9i1.1550.
[4] I. R. Herlambang, M. N. Fauzan, and R. N. S. Fathonah, “Penentuan Rute Terpendek Pendistribusian Barang Menggunakan Algoritma Floyd-Warshall,” Techno.Com, vol. 20, no. 3, pp. 430–439, 2021, doi: 10.33633/tc.v20i3.4686.
[5] Y. Niar, K. Komariah, A. Surip, R. Saputra, and I. Ali, “Implementasi Algoritma Naïve Bayes Untuk Prediksi Persediaan Barang Rotan,” KOPERTIP J. Ilm. Manaj. Inform. dan Komput., vol. 4, no. 1, pp. 28–34, 2022, doi: 10.32485/kopertip.v4i1.112.
[6] N. Nendi and A. Wibowo, “Prediksi Jumlah Pengiriman Barang Menggunakan Kombinasi Metode Support Vector Regression, Algoritma Genetika dan Multivariate Adaptive Regression Splines,” J. Teknol. Inf. dan Ilmu Komput., vol. 7, no. 6, p. 1169, 2020, doi: 10.25126/jtiik.2020722441.
[7] H. K. Pambudi, P. G. A. Kusuma, F. Yulianti, and K. A. Julian, “Prediksi Status Pengiriman Barang Menggunakan Metode Machine Learning,” J. Ilm. Teknol. Infomasi Terap., vol. 6, no. 2, pp. 100–109, 2020, doi: 10.33197/jitter.vol6.iss2.2020.396.
[8] A. Rahmat, A. Fauzi, and D. Sulistya, “Penerapan Algoritma Backpropagation Untuk Memprediksi Mahasiwa Baru ( Studi Kasus : UBP Karawang ),” Penerapan Algoritm. Backpropagation Untuk Memprediksi Mahasiwa Baru, vol. IV, pp. 0–5, 2022.