PENERAPAN ELMAN RECURRENT NEURAL NETWORK (ERNN) UNTUK MEMPREDIKSI JUMLAH PRODUKSI BARANG (STUDI KASUS: EKAPUTRA FOODS)

Rahmelia Yarman, - (2019) PENERAPAN ELMAN RECURRENT NEURAL NETWORK (ERNN) UNTUK MEMPREDIKSI JUMLAH PRODUKSI BARANG (STUDI KASUS: EKAPUTRA FOODS). Skripsi thesis, Universitas Islam Negeri Sultan Syarif Kasim Riau.

[img] Text
TANPA BAB V.pdf

Download (3MB)
[img] Text (BAB V)
BAB V.pdf - Published Version
Restricted to Repository staff only

Download (3MB)

Abstract

Perusahaan adalah tempat terjadinya kegiatan produksi dan berkumpulnya semua faktor produksi. Produksi barang dalam jumlah yang banyak dan terjual hanya beberapa serta jumlah barang yang disediakan yang kurang juga akan berdampak terhadap biaya produksi yang sangat memakan biaya dan perusahaan akan mengalami kerugian. Oleh karena itu diperlukannya metode Elman Recurrent Neural Network (ERNN) yang mampu melakukan prediksi terhadap jumlah produksi barang Ekaputra foods agar dapat menimalisir terjadinya kerugian. Variabel yang digunakan untuk penelitian ini yaitu biaya produksi, jumlah produksi, stok barang, persediaan bahan baku, pendapatan, dan penjualan. Jumlah data yang digunakan yaitu 96 data pada tahun 2011 sampai tahun 2018. Parameter yang digunakan yaitu epoch 300, learning rate 0,1 sampai 0,9 dengan arsitekur 5 neuron input layer dan 6 neuron hidden layer dan 1 output. Hasil pengujian MAPE nilai terkecil pada learning 0,5 pada pembagian 70% data latih dan 30% data uji yaitu 0,21473. Dengan demikian, dapat disimpulkan bahwa metode ERNN dapat diterapkan untuk prediksi jumlah produksi pada Ekaputra Foods untuk bulan berikutnya. Kata kunci: Elman Recurrent Neural Network, Jaringan Syaraf Tiruan, Jumlah Produksi, MAPE, Prediksi

Item Type: Thesis (Skripsi)
Subjects: 000 Karya Umum > 003 Sistem-sistem
Divisions: Fakultas Sains dan Teknologi > Teknik Informatika
Depositing User: fsains -
Date Deposited: 30 Dec 2019 02:05
Last Modified: 30 Dec 2019 02:08
URI: http://repository.uin-suska.ac.id/id/eprint/24117

Actions (login required)

View Item View Item