Muhammad Arif Santoso (2015) Peramalan Penjualan Produk Dengan Menggunakan Jaringan Saraf Tiruan Metode Extreme Learning Machine. Skripsi thesis, UNIVERSITAS AIRLANGGA.

	Text (HALAMAN JUDUL) 1. COVER.pdf Download (359kB)
	Text (ABSTRAK) 2. ABSTRAK.pdf Download (373kB)
	Text (DAFTAR ISI) 3. DAFTAR ISI.pdf Download (441kB)
	Text (BAB I PENDAHULUAN) 4. BAB I PENDAHULUAN.pdf Download (305kB)
	Text (BAB II TINJAUAN PUSTAKA) 5. BAB II TINJAUAN PUSTAKA.pdf Restricted to Registered users only Download (596kB) | Request a copy
	Text (BAB III METODE PENELITIAN) 6. BAB III METODE PENELITIAN.pdf Restricted to Registered users only Download (514kB) | Request a copy
	Text (BAB IV PEMBAHASAN) 7. BAB IV PEMBAHASAN.pdf Restricted to Registered users only Download (1MB) | Request a copy
	Text (BAB V kESIMPULAN DAN SARAN) 8. BAB V SIMPULAN DAN SARAN.pdf Restricted to Registered users only Download (281kB) | Request a copy
	Text (DAFTAR PUSTAKA) 9. DAFTAR PUSTAKA.pdf Download (281kB)
	Text (LAMPIRAN) 10. LAMPIRAN.pdf Restricted to Registered users only Download (553kB) | Request a copy
Preview	Text (ABSTRAK) gdlhub-gdl-s1-2015-santosomuh-41587-5.-abstr-k.pdf Download (302kB) | Preview
	Text (FULLTEXT) MPM.78-15 San p.pdf Restricted to Repository staff only Download (2MB) | Request a copy

Abstract

Peramalan penjualan produk merupakan salah satu cara untuk menentukan target penjualan produk suatu perusahaan yang akan datang dengan memanfaatkan data penjualan sebelumnya. Penulisan skripsi peramalan penjualan produk ini bertujuan untuk mendapatkan nilai prediksi jumlah barang yang akan terjual pada bulan yang akan datang suatu perusahaan menggunakan algoritma jaringan syaraf tiruan metode extreme learning machine. Extreme learning machine merupakan metode pembelajaran yang baru pada algoritma jaringan syaraf tiruan dengan model feedforward neural networks. Meramalkan penjualan produk, data akan dilatih untuk mencari bobot optimal. Selanjutnya, melakukan proses pengujian data terlatih untuk mengetahui seberapa baik dalam mengenali pola jaringan sehingga error yang didapatkan mencapai nilai minimum. Menggunakan uji validasi akan diperoleh nilai peramalan penjulan bulan berikutnya menggunakan bobot optimum dari proses pelatihan. Berdasarkan implementasi yang dilakukan pada data penjualan mobil Toyota didapatkan arsitektur jaringan yang maksimum dengan jumlah input sebanyak 5, hidden layer sebanyak 5 dan jumlah total iterasi sebanyak 4826. Peramalan penjualan yang disimulasikan pada data penjualan mobil Toyota, menggunakan data mulai bulan Januari 2009 sampai bulan Juli 2015 menghasilkan nilai MSE (Mean Square Error) sebesar 0.000024732314, dapat disimpulkan bahwa peramalan yang dilakukan mampu mendekati nilai sebenarnya.

Actions (login required)

View Item