PREDIKSI KEBUTUHAN PRODUKSI VARIAN MINUMAN COKLAT DENGAN MENGGUNAKAN METODE NEURAL NETWORK (Studi Kasus: Gerai Minuman Cokelat Choctenan)

ALFATH, HABBI RIZAL (2019) PREDIKSI KEBUTUHAN PRODUKSI VARIAN MINUMAN COKLAT DENGAN MENGGUNAKAN METODE NEURAL NETWORK (Studi Kasus: Gerai Minuman Cokelat Choctenan). S1 thesis, Universitas Mercu Buana Jakarta.

[img]
Preview
Text (HAL COVER)
1. Hal Judul.pdf

Download (40kB) | Preview
[img]
Preview
Text (ABSTRAK)
2. Abstrak.pdf

Download (75kB) | Preview
[img]
Preview
Text (LEMBAR PERNYATAAN)
3. Surat Pernyataan.pdf

Download (196kB) | Preview
[img]
Preview
Text (LEMBAR PENGESAHAN)
4. Lembar Pengesahan.pdf

Download (227kB) | Preview
[img]
Preview
Text (KATA PENGANTAR)
5. Kata Pengantar.pdf

Download (65kB) | Preview
[img]
Preview
Text (DAFTAR ISI)
6. Daftar Isi.pdf

Download (108kB) | Preview
[img]
Preview
Text (DAFTAR TABEL)
7. Daftar tabel.pdf

Download (100kB) | Preview
[img]
Preview
Text (DAFTAR GAMBAR)
8. Daftar Gambar.pdf

Download (100kB) | Preview
[img]
Preview
Text (DAFTAR LAMPIRAN)
9. Daftar Lampiran.pdf

Download (98kB) | Preview
[img] Text (BAB I)
10. Bab 1.pdf
Restricted to Registered users only

Download (34kB)
[img] Text (BAB II)
11. Bab 2.pdf
Restricted to Registered users only

Download (280kB)
[img] Text (BAB III)
12. Bab 3.pdf
Restricted to Registered users only

Download (22kB)
[img] Text (BAB IV)
13. Bab 4.pdf
Restricted to Registered users only

Download (227kB)
[img] Text (BAB V)
14. Bab 5.pdf
Restricted to Registered users only

Download (670kB)
[img] Text (BAB VI)
15. Bab 6.pdf
Restricted to Registered users only

Download (25kB)
[img] Text (DAFTAR PUSTAKA)
16. Daftar Pustaka.pdf
Restricted to Registered users only

Download (81kB)
[img] Text (LAMPIRAN)
17. Lampiran.pdf
Restricted to Registered users only

Download (618kB)

Abstract

Micro, small and medium enterprises (MSMEs) are one of the main supporting sectors of the Indonesian economy. To be able to compete, MSMEs should increase their sales. One of important factor in a business is production planning and completion to achieve maximum business benefits. In this study, the research used the application of the BPNN (Back Propagation Neural Network) to predict future sales, to prepare for drink ingredient stock so it will not run out of stock or excess in each outlet. Data training that used in the BPNN method is sales data, rainfall, daily temperature average, and population data in Sidoarjo from 2014 to 2018. The data is classified into seven models and each model compared the smallest error value. To determine the level of error in forecasting data, the calculation of RMSE (Root Mean Square Error) is used, which is considered inversely proportional to the level of accuracy of the data. Finally the result for the best model is a combination of three variables, namely rainfall data, average daily temperature and population. The best number of nodes for the model is 20. It is expected that with this research the owner of the CHOTENAN beverage outlets can predict sales well and can be used to determine the direction of the business strategy. Keywords: Forecasting, Neural Network, Production, Sales, Data Mining Usaha mikro, kecil, dan menengah (UMKM) adalah salah satu sektor penopang utama perekonomian Indonesia. Untuk dapat bersaing, UMKM harus jeli dalam meningkatkan penjualannya. Salah satu faktor yang penting dalam sebuah usaha adalah perencanaan produksi dan persediaan demi tercapainya keuntungan bisnis yang maksimal. Dalam penelitian ini, peneliti menggunakan penerapan BPNN (Back Propagation Neural Network) guna memprediksi penjualan harian di masa akan datang, untuk mempersiapkan persediaan bahan baku agar tidak terjadi out of stock maupun overload pada setiap gerainya. Data training yang digunakan pada metode BPNN adalah data penjualan, data curah hujan dan rata-rata suhu harian di Kabupaten Sidoarjo serta data jumlah penduduk di Kecamatan Sidoarjo sejak tahun 2014 hingga 2018. Data-data tersebut dibuat menjadi tujuh model yang akan dibandingkan nilai error terkecilnya. Untuk mengetahui tingkat error pada data peramalan, digunakan perhitungan RMSE (Root Mean Square Error) yang mana nilainya berbanding terbalik terhadap tingkat akurasi data. Hasilnya didapatkan model terbaik adalah model yang menggunakan penggabungan tiga variabel yaitu data curah hujan, rata-rata suhu harian dan jumlah penduduk. Jumlah node yang terbaik untuk model tersebut sebanyak 20. Diharapkan dengan adanya penelitian ini pemilik gerai minuman CHOTENAN dapat memprediksi penjualan dengan baik serta dapat berguna untuk menentukan arah strategi bisnis usaha tersebut. Kata kunci: Prediksi, Neural Network, Produksi, Penjualan, Data Mining

Item Type: Thesis (S1)
NIM: 41817110135
Uncontrolled Keywords: Prediksi, Neural Network, Produksi, Penjualan, Data Mining
Subjects: 300 Social Science/Ilmu-ilmu Sosial > 330 Economics/Ilmu Ekonomi > 338 Production, Industrial Economics/Produksi, Ekonomi Industri > 338.5 General Production Economics, Firm/Ekonomi Produksi Umum, Firma
300 Social Science/Ilmu-ilmu Sosial > 330 Economics/Ilmu Ekonomi > 338 Production, Industrial Economics/Produksi, Ekonomi Industri > 338.6 Organization of Production/Organisasi Produksi
300 Social Science/Ilmu-ilmu Sosial > 330 Economics/Ilmu Ekonomi > 339 Macroeconomics and Related Topics/Makroekonomi, Ekonomi Makro dan Topik Terkait > 339.4 Factors Affecting National Product, Wealth, Income/Faktor yang Mempengaruhi Produksi Nasional, Faktor yang Mempengaruhi Kekayaan dan Pendapatan Nasional
600 Technology/Teknologi > 650 Management, Public Relations, Business and Auxiliary Service/Manajemen, Hubungan Masyarakat, Bisnis dan Ilmu yang Berkaitan > 658 General Management/Manajemen Umum > 658.5 Management of Production/Manajemen Produksi
Divisions: Fakultas Ilmu Komputer > Sistem Informasi
Depositing User: Dede Muksin Lubis
Date Deposited: 13 Sep 2019 01:05
Last Modified: 13 Sep 2019 01:05
URI: http://repository.mercubuana.ac.id/id/eprint/50339

Actions (login required)

View Item View Item