Pendekatan Backpropagation Untuk Prediksi Penjualan Pakaian Jadi Pada Pabrik Garmen Di Tangerang
DOI:
https://doi.org/10.36774/jusiti.v14i1.1709Keywords:
Prediksi Penjualan, Backpropagation, Jaringan Saraf Tiruan, Industri GarmenAbstract
Penjualan produk di industri garmen merupakan aspek krusial yang sangat mempengaruhi keberlangsungan dan keberhasilan bisnis. Namun, prediksi penjualan seringkali menghadapi berbagai tantangan, seperti ketidakpastian data, fluktuasi permintaan, dan pola penjualan yang kompleks dan tidak linier. Penelitian ini mengusulkan penggunaan metode backpropagation pada jaringan saraf tiruan (artificial neural networks) sebagai solusi untuk memprediksi penjualan secara lebih akurat dan andal. Tujuan utama penelitian adalah mengembangkan model prediksi yang mampu menangkap pola-pola penjualan berdasarkan data historis yang diperoleh dari sebuah pabrik garmen selama periode tertentu. Pengujian model dilakukan dengan menggunakan dataset penjualan yang mencakup berbagai variabel penentu, dan hasil evaluasi menunjukkan bahwa model ini berhasil mencapai tingkat akurasi sebesar 92,5% dengan nilai mean squared error (MSE) yang rendah, menandakan prediksi yang sangat mendekati data aktual. Dengan demikian, metode backpropagation ini tidak hanya meningkatkan keakuratan prediksi, tetapi juga dapat menjadi alat bantu yang efektif dalam perencanaan produksi dan pengelolaan stok, sehingga membantu perusahaan dalam mengoptimalkan sumber daya dan meminimalkan risiko kelebihan atau kekurangan stok di industri garmen.
Downloads
References
M. Thoriq, A. E. Syaputra, dan Y. S. Eirlangga, “Prediksi Peningkatan Kunjungan Pasien Dimasa Mendatang Mengunakan Jaringan Saraf Tiruan Backpropagation,†JURNAL FASILKOM, vol. 14, no. 1, hlm. 34–40, Apr 2024.
N. Amalya dan V. Yasin, “Perbandingan Algoritma Resilient Backpropagation Dan Conjugate Gradient Polak-Ribiere Dalam Memprediksi Penyakit Stroke,†Jurnal JISIILKOM, vol. 1, no. 1, hlm. 13–19, 2023.
Yunarto, M. R. Pribadi, dan H. Irsyad, “Perbandingan Algoritma Backpropagation Dan Support Vector Machine Pada Pengenalan Jenis Biji Jagung,†Jurnal Algoritme, vol. 1, no. 1, hlm. 111–119, 2020.
Y. Aprizal, R. I. Zainal, dan A. Afriyudi, “Perbandingan Metode Backpropagation dan Learning Vector Quantization (LVQ) Dalam Menggali Potensi Mahasiswa Baru di STMIK PalComTech,†MATRIK : Jurnal Manajemen, Teknik Informatika dan Rekayasa Komputer, vol. 18, no. 2, hlm. 294–301, Mei 2019, doi: 10.30812/matrik.v18i2.387.
P. Natalia Napitupulu, A. Rahim Damanik, dan J. Evonella Napitupulu, “Implementasi Algoritma Backpropagation Jaringan Syaraf Tiruan untuk Prediksi Angka Harapan Hidup di Kota Jambi,†Jurnal JPILKOM, vol. 1, no. 1, hlm. 10–15, 2023.
M. Hadiyan Amaly, R. Haiban Hirzi, dan P. Studi Statistika, “Perbandingan Metode ANN Backpropagation dan Arma untuk Peramalan Inflasi di Indonesia,†JAMBURA JOURNAL OF PROBABILITY AND STATISTICS, vol. 3, no. 2, hlm. 61–70, 2022, doi: 10.34312/jjps.v1i1.15440.
A. Muhamad, M. Titah Jatipaningrum, dan J. Statistika, “Perbandingan Peramalan Indeks Harga Saham Gabungan Menggunakan Metode Autoregressive Integrated Moving Average dan Jaringan Syaraf Tiruan Backpropagation,†Jurnal Statistika Industri dan Komputasi, vol. 08, no. 2, hlm. 48–59, 2023.
Masruroh dan K. Farouq Mauladi, “Perbandingan Metode Regresi Linear dan Neural Network Backpropagation dalam Prediksi Nilai Ujian Nasional Siswa SMP Menggunakan Software R,†JOUTICA, vol. 5, no. 1, hlm. 331–336, 2020.
M. R. Zamroni dan S. Mujilahwati, “Metode Jaringan Syaraf Tiruan untuk Memprediksi Penjualan Pakaian Pada Distro di Lamongan,†Jurnal MNEMONIC, vol. 5, no. 1, hlm. 26–30, 2022.
M. Rifadly Ottay, H. S. Tambunan, dan Z. A. Siregar, “Implementasi Metode Back-Propagation dalam Memprediksi Jumlah Produksi Daging Ayam Ras Pedaging di Indonesia,†JUISIK, vol. 2, no. 2, hlm. 66–74, 2022, [Daring]. Tersedia pada: http://journal.sinov.id/index.php/juisik/indexHalamanUTAMAJurnal:https://journal.sinov.id/index.php
F. Tangguh Admojo dkk., “Pemanfaatan Backpropagation untuk Memprediksi Produksi Buah Kelapa Sawit pada PT. Tunas Baru Lampung Tbk,†TEKNOMATIKA, vol. 11, no. 02, hlm. 1–5, 2021.
D. Satria dan F. Chandra, “Analisis Dan Prediksi Kasus Positif Covid-19 Dengan Menggunakan Perbandingan Metode Backpropagation dan Metode Kalman Filter di Jambi,†Adil : Jurnal Hukum STIH YPM, vol. 4, no. 1, hlm. 39–48, 2022.
Downloads
Published
How to Cite
Issue
Section
License
Copyright (c) 2025 E-JURNAL JUSITI : Jurnal Sistem Informasi dan Teknologi Informasi
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
