Prediksi Rentet Waktu Penjualan Barang Menggunakan Algoritma Backpropagation

Prediction of Time Series of Goods Sales Using the Backpropagation Algorithm

  • Budi Mulyono Fakultas Teknik, Universitas Muhammadiyah Palu, Indonesia
  • Nursalim Fakultas Teknik, Universitas Muhammadiyah Palu, Indonesia
DOI: https://doi.org/10.56338/jks.v6i2.3300
Keywords: Transaksi, Penjualan, Prediksi, Time Series, Neural Network, Backpropagation

Abstract

Data transaksi penjualan merupakan informasi yang sangat penting untuk menentukan strategi pemasaran dan juga untuk menentukan ketersediaan barang. Ketersediaan barang yang dijual merupakan bagian dari pelayanan pelanggan, kurangnya ketersediaan barang akan mengganggu proses pelayanan dan penjualan serta akan mengurangi keuntungan. Dalam menentukan ketersediaan barang sangat penting untuk mengetahui berapa jumlah barang yang akan terjual pada periode berikutnya. Untuk mengetahui angka penjualan periode selanjutnya perlu dilakukan prediksi berdasarkan data transaksi yang terjadi. Penelitian ini menggunakan data time series 10 kumpulan data barang berdasarkan jumlah penjualan tertinggi dan dilakukan dengan menggunakan analisis Neural Network dengan struktur algoritma backpropagation, dimana Neural Network sering digunakan untuk memprediksi sedangkan algoritma backpropagation memiliki akurasi yang tinggi dalam prediksi. Hasil Aplikasi Neural Network dengan Algoritma Backpropagation Arsitektur Indomie Goreng Spesial MN (28-18-1) dan MSE 0.002772, Arsitektur Gula Lokal 1 Kg (23-18-i) dan MSE 65.503470, Arsitektur Telur Ayam Ras (19-25 -1) dan MSE 1.952032, arsitektur Teh Kotak Ultra 200 Extra 50 (21-21-i) dan MSE 0.672921, arsitektur Indomie Sedap Soto WF (22-18-1) dan MSE 0.173779, arsitektur Air Mineral Vitro 240 Ml (25- 19-1) dan UMK 10.626992, Arsitektur Rokok Sampoerna 16 (21-18-1) dan UMK 0.375329, Arsitektur Indomie Sedap Goreng WF (2 7-21-1) dan UMK 5.228250, Arsitektur SKM Bendera Kaleng Putih 385 Kg (16- 18-1) dan UMK 5.178826, Arsitektur Indomie Kari Ayam (17-19-1) dan UMK 7.01215.

References

Abiodun, Oludare Isaac, Aman Jantan, Abiodun Esther Omolara, Kemi Victoria Dada, Nachaat AbdElatif Mohamed, and Humaira Arshad. 2018. “State-of-the-Art in Artificial Neural Network Applications: A Survey.” Heliyon 4(11):e00938.
Aulia, Nilda. 2020. “Prediksi Harga Ethereum Berdasarkan Informasi Blockchain Menggunakan Metode Long Short Term Memory.”
Darmadi, Didik, M. A. Suharyono, and Wasis A. Latief. 2013. “Pengaruh Promosi Penjualan Terhadap Penjualan.” Jurnal Administrasi Bisnis (JAB) Vol 2:N0.
Gurney, Kevin. 2018. An Introduction to Neural Networks. CRC press.
Hadihardaja, Iwan K., and Sugeng Sutikno. 2005. “Pemodelan Curah Hujan-Limpasan Menggunakan Artificial Neural Network (ANN) Dengan Metode Backpropagation.” Jurnal Teknik Sipil ITB 12(4):250–58.
Han, Jiawei, and Micheline Kamber. 2006. “Classification and Prediction.” Data Mining: Concepts and Techniques 2006:347–50.
Hariati, Indah Putri, Panji Deoranto, and Ika Atsari Dewi. 2012. “Peramalan Pemintaan Produk Keripik Tempe CV Aneka Rasa Dengan Metode Jaringan Syaraf Tiruan.” Industria: Jurnal Teknologi Dan Manajemen Agroindustri 1(1):10–21.
Hartono, Daniel, and Romi Satrio Wahono. 2013. “Model Prediksi Rentet Waktu Penjualan Minuman Kesehatan Berbasis Neural Network.” Jurnal Teknologi Informasi 9:12–21.
Karsoliya, Saurabh. 2012. “Approximating Number of Hidden Layer Neurons in Multiple Hidden Layer BPNN Architecture.” International Journal of Engineering Trends and Technology 3(6):714–17.
Larose, Daniel T. 2006. Data Mining Methods & Models. John Wiley & Sons.
Latifah, Nurul. 2022. “Saluran Distribusi Dan Daya Beli Masyarakat Terhadap Volume Penjualan.” Jurnal Riset Mahasiswa Ekonomi (RITMIK) 4(4):246–55.
Le, Hai-Son, Ilya Oparin, Alexandre Allauzen, Jean-Luc Gauvain, and François Yvon. 2011. “Structured Output Layer Neural Network Language Model.” Pp. 5524–27 in 2011 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP). IEEE.
Marom, Chairul. 2002. “System Akuntansi Perusahaan Dagang, Jakarta.” PT. Prenhallindo.
Novi, Yanti. 2011. “Penerapan Metode Neural Network Dengan Struktur Backpropagation Untuk Prediksi Stok Obat Di Apotik.” in Seminar nasional aplikasi teknologi informasi.
Pakaja, Fachrudin, Agus Naba, and Purwanto Purwanto. 2012. “Peramalan Penjualan Mobil Menggunakan Jaringan Syaraf Tiruan Dan Certainty Factor.” Jurnal EECCIS (Electrics, Electronics, Communications, Controls, Informatics, Systems) 6(1):23–28.
Pratama, T. Iwan B. 1999. “Metode Peramalan Memakai Jaringan Syaraf Buatan Dengan Cara Backpropagation.” Jurnal Teknologi Industri 3(2):109–16.
Rahayu, Dwi, Randy Cahya Wihandika, and Rizal Setya Perdana. 2018. “Implementasi Metode Backpropagation Untuk Klasifikasi Kenaikan Harga Minyak Kelapa Sawit.” Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer E-ISSN 2548:964X.
Sakinah, Nabilla Putri, Imam Cholissodin, and Agus Wahyu Widodo. 2018. “Prediksi Jumlah Permintaan Koran Menggunakan Metode Jaringan Syaraf Tiruan Backpropagation.” Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer E-ISSN 2548:964X.
Saragih, Jonas Rayandi, Mhd Billy Sandi Saragih, and Anjar Wanto. 2018. “Analisis Algoritma Backpropagation Dalam Prediksi Nilai Ekspor (Juta USD).” Jurnal Pendidikan Teknologi Dan Kejuruan 15(2).
Sidqi, Fajar. 2019. “Peramalan Penjualan Barang Single Variant Menggunakan Metode Arima, Trend Analysis, Dan Single Exponential Smoothing (Studi Kasus: Toko Swalayan Xyz).”
Simamora, Henry. 2000. “Manajemen Pemasaran Internasional Jilid II.”
Swastha, Basu, and T. Hani Handoko. 2002. “Manajemen Pemasaran.” Edisi Kedua. Cetakan Kedelapan. Jakarta: Penerbit Liberty.
Utomo, Winarto. 2015. “Prediksi Nilai Ujian Nasional Produktif Sekolah Menengah Kejuruan Menggunakan Metode Neural Network.” Techno. Com 14(1):33–41.
Witten, Ian H., E. Frank, and M. Hall. 2011. “A.(2011). Data Mining: Practical Machine Learning Tools and Techniques.” Annals of Physics 54(2).
Yusnita, M. 2020. Pola Perilaku Konsumen Dan Produsen. Alprin.
Published
2023-02-13
Issue
Vol. 6 No. 2: FEBRUARI 2023
Section
Artikel Penelitian