ABSTRAKSI: Conjugate Gradient merupakan metode optimasi yang dapat meminimasi suatu fungsi, dimana arah pencariannya berdasarkan arah konjugasi yang nilainya ortogonal. Karena sifat pencariannya yang ortogonal, sehingga Conjugate Gradient cepat mencapai konvergensi pada solusi yang dicari. Conjugate Gradient tidak hanya dapat digunakan untuk menyelesaikan fungsi yang linier, tetapi juga dapat digunakan untuk masalah non linier, salah satunya digunakan untuk pelatihan jaringan syaraf tiruan.
Pada tugas akhir ini, digunakan algoritma Conjugate Gradient Powell-Beale Restarts dalam pelatihan jaringan syaraf tiruan sebagai sistem prediksi penjualan flexi. Data penjualan masa lalu yang digunakan pada prediksi ini berbentuk time series dan dikumpulkan dari april 2005 - desember 2009. Data time series yang terkumpul dibagi menjadi dua: data pelatihan dan data pengujian. Data pelatihan digunakan pada proses pelatihan untuk menghasilkan suatu arsitektur jaringan yang baik. Data pengujian dan arsitektur jaringan hasil proses pelatihan digunakan untuk proses pengujian sampai menghasilkan suatu hasil pengujian dengan tingkat keakuratan yang baik.
Dari hasil pengujian yang dilakukan terhadap sistem prediksi penjualan flexi ini terbukti bahwa sistem ini dapat menghasilkan keluaran dengan hasil pengujian lebih dari 90%.Kata Kunci : Conjugate Gradient Powell-Beale Restarts, prediksi, penjualan flexi.ABSTRACT: Conjugate Gradient is one of optimation method that minimaze a function, where the search directions are constructed by its conjugation and orthogonal values. Because the orthogonal direction, Conjugate Gradient can be convergence to the solution. Conjugate Gradient not only can be used to solve linier function, but also non linier problems, such as Artificial Neural Network training.
In this final project, Conjugate Gradient Polak Ribiere algorithm used in Artificial Neural Network training as flexi sales prediction system. Data Past sales data used in this form of time series prediction and collected from april 2005 - december 2009. Time series data collected was divided into two: the training data and testing data. Training data used in the training process to produce a good network architecture. Test data and results of the training process of network architecture used for the testing process to produce a test result with good accuracy.
From the results of tests conducted on flexi sales prediction system has proved that this system can produce output with the test results of more than 90%.Keyword: Conjugate Gradient Powell-Beale Restarts, prediction, flexi sales.