Implementasi Jaringan Saraf Tiruan Backpropagation dalam Menganalisis Product Life Cycle (Studi Kasus : PT. ULTRA JAYA Milk Tbk.)

BERY SETIA BUDI

Informasi Dasar

113030308
005.1
Karya Ilmiah - Skripsi (S1) - Reference

ABSTRAKSI: Setiap produk yang ditawarkan ke masyarakat akan menjalani suatu siklus kehidupan yang disebut dengan product life cycle, yang terdiri atas empat tahapan; pengenalan (introduction), pertumbuhan (growth), kejenuhan (maturity), dan penurunan (decline). Kenyataannya, tidak semua produk memiliki tahapan yang sesuai dengan keempat tahapan tersebut. Seperti produk susu lowfat yang bersifat kebutuhan sesaat, dimana pertumbuhan penjualannya bersifat non-linier.
Metode jaringan saraf tiruan dalam kasus peramalan dapat digunakan untuk mengamati product life cycle. Algoritma pelatihan yang digunakan adalah adaptive learning rate dengan momentum yang dapat menghasilkan mean squared error lebih kecil dari pada algoritma gradient descent standar. Data yang digunakan merupakan data time series, dimana data penjualan pada periode sebelumnya mempengaruhi data penjualan untuk periode berikutnya.
Proses yang terdapat pada sistem yang dibuat meliputi proses pelatihan, validasi dan pengujian jaringan dengan menggunakan data penjualan yang telah di bagi menjadi data pelatihan, validasi dan pengujian. Proses-proses ini bertujuan untuk mendapatkan arsitektur jaringan terbaik yang menghasilkan tingkat akurasi maksimum dalam mengenali data pengujian. Arsitektur terbaik digunakan sebagai parameter jaringan untuk prediksi penjualan produk dalam beberapa periode ke depan, kemudian hasil prediksi ini dianalisis tahapan product life cycle-nya.
Hasil prediksi penjualan untuk periode beberapa bulan ke depan pada penjualan produk susu lowfat menghasilkan nilai yang relatif konstan, hal ini dikarenakan kemampuan generalisasi jaringan yang kurang dalam mengenali data baru hasil prediksi. Periode penjualan 20 bulan ke depan menunjukkan bahwa produk susu lowfat berada pada tahapan maturity.Kata Kunci : jaringan saraf tiruan, adaptive learning rate, time series, product life cycle.ABSTRACT: Every product that offered into market will be passes a life cycle or known as product life cycle, which is divided into four stages; introduction, growth, maturity, and decline. In reality not all product have all the four stages. Like lowfat milk product which is momentary needed, where the sales growth are non-linear.
Neural networks in forecasting case can be used for monitoring product life cycle. Training algorithm used is adaptive learning rate with momentum which can produce minimal mean square error compared to standard gradient descent algorithm. The data used is time series data, where sales data in time period before effecting sales data in future time period.
Processes in the sistem are training, validation and testing networks process, using sales data which have divided into training, validation and testing set. The purpose of this processes is to find the best network architecture which perform maximum accuration level in recognizing testing set. The best architecture is used as neural networks parameter for predicting product sales in several period in the future. Then product life cycle are analysed based on sales pattern from this predict result.
Sales prediction result for several period in the future from lowfat milk product sales data perform relative constant sales values. This is because lack of networks generalitation ability in recognizing new data prediction result. In 20 months future sales period showed that lowfat milk product are in maturity stage.Keyword: neural networks, adaptive learning rate, time series, product life cycle.

Subjek

Informatika Teori dan Pemrograman
 

Katalog

Implementasi Jaringan Saraf Tiruan Backpropagation dalam Menganalisis Product Life Cycle (Studi Kasus : PT. ULTRA JAYA Milk Tbk.)
 
 
Indonesia

Sirkulasi

Rp. 0
Rp. 0
Tidak

Pengarang

BERY SETIA BUDI
Perorangan
Retno Novi Dayawati, Sri Widowati
 

Penerbit

Universitas Telkom
Bandung
2008

Koleksi

Kompetensi

 

Download / Flippingbook

 

Ulasan

Belum ada ulasan yang diberikan
anda harus sign-in untuk memberikan ulasan ke katalog ini