DICHY ANDES OKTAVIANDY (2017) PERAMALAN JUMLAH KEBUTUHAN TABUNG GAS LPG 3KG MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK(BPNN)(Studi Kasus : PT. Hasanuddin Bersaudara). Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.
|
Text
1. COVER.pdf Download (128kB) | Preview |
|
|
Text
2. PENGESAHAN.pdf Download (1MB) | Preview |
|
|
Text
3. ABSTRAK.pdf Download (301kB) | Preview |
|
|
Text
4. KATA PENGANTAR.pdf Download (322kB) | Preview |
|
|
Text
5. DAFTAR ISI.pdf Download (242kB) | Preview |
|
|
Text
6. BAB I.pdf Download (365kB) | Preview |
|
|
Text
7. BAB II.pdf Download (405kB) | Preview |
|
|
Text
8. BAB III.pdf Download (451kB) | Preview |
|
|
Text
9. BAB IV.pdf Download (870kB) | Preview |
|
![[img]](http://repository.uin-suska.ac.id/style/images/fileicons/text.png) |
Text
10. BAB V.pdf Restricted to Repository staff only Download (890kB) |
|
|
Text
11. BAB VI.pdf Download (191kB) | Preview |
|
|
Text
12. DAFTAR PUSTAKA.pdf Download (326kB) | Preview |
Abstract
PT. Hasanuddin Bersaudaramerupakan salah satu agen distributor gasterbesar di Pekanbarudengan penyebaran yang luas di berbagai wilayahdi KotaPekanbaru. Dibalik distribusi yang hampir dilakukan setiap hari, terdapat permasalahan yang muncul yakni kurangnya stock tabung gas yang mengakibatkan kelangkaan. Oleh karena itu diterapkan ilmu kecerdasan buatan Jaringan Syaraf Tiruan dengan metode Backpropagation yang mampu memprediksi kebutuhan tabung gasuntuk mengatasi kelangkaan. Dengan menggunakan parameter data penjualan, jumlah kartu keluargadan jumlah usaha kecil menengahmenghasilkan keluaran berupa hasil prediksi kebutuhan gas. Dari total data 200 datadilakukan pembagian untuk data latih dan data uji. Pembagian dilakukan dengan 3 macam pola pembagian yakni 70% data latih dan 30% data uji, 80% data latih dan 20% data uji, serta 90% data latih dan 10% data uji. Jumlah epoch dalam pengujian adalah 10dengan rentang α dari 0.1, 0,2, 0,3, 0,4 hingga 0,9. Hasil penelitian dengan metode Backpropagation ini memiliki rataan akurasi peramalan tertinggi sebesar 73,1%pada pola pembagian data 70% data latih dan 30% data uji dengan learning rate atau α sebesar 0.1. Dengan demikian dapat disimpulkan bahwa Backpropagation adalah metode yang cukup baik untuk peramalan kebutuhan gas. Di pengujian RMSE nilai yang dihasilkan cukup rendah yang artinya tingkat error peramalan lebih sedikit..Kata Kunci: BPNN, Peramalan, Neural Network,LPG.
| Item Type: | Thesis (Skripsi) |
|---|---|
| Subjects: | 600 Teknologi dan Ilmu-ilmu Terapan |
| Divisions: | Fakultas Sains dan Teknologi > Teknik Informatika |
| Depositing User: | Ms. Nilam Badriyah |
| Date Deposited: | 20 Aug 2019 04:43 |
| Last Modified: | 20 Aug 2019 04:43 |
| URI: | http://repository.uin-suska.ac.id/id/eprint/17736 |
Actions (login required)
 |
View Item |