Prediksi Penjualan Pada Perusahaan Industri Menggunakan Back Propagation
v
ABSTRAK
Prediksi dalam menghitung nilai penjualan dibutuhkan oleh managemen perusahaan
industri dalam menentukan kebijakan tentang
penjualan terkait penghitungan
penjualan perbulan dan penjualan pertahun. Penelitian ini bertujuan untuk menentukan
faktor penjualan perbulan, pertahun dari wilayah pemasaran produk yang berpengaruh
terhadap penjualan di masa yang akan datang dan membangun model prediksi terbaik
dengan teknik jaringan saraf tiruan. Kriteria pilihan model yang digunakan adalah
backpropagation. Metode backpropagation menghitung seluruh data sampel yang
berjumlah 1344 data, untuk mencari nilai rata-rata penjualan pada masa yang akan
datang dari histori data sebelumnya yang dimulai tahun 2006 hingga 2013 dari lima
wilayah pemasaran produk yaitu Lhokseumawe, Lhoknga, Belawan, Dumai, Batam.
Selain itu juga dihitung nilai rata-rata training dan testing, berdasarkan pembagian
nilai rata-rata di dapatkan 1075 data pelatihan atau 80% data keseluruhan dan 269 data
pengujian atau 20% data keseluruhan. Dari hasil pengujian yang dilakukan diperoleh
tingkat ketepatan terhadap prediksi dalam menggunakan jaringan saraf tiruan
backpropagation dengan hasil rata dari 50% hingga 99%.
Kata kunci : Prediksi Penjualan , jaringan saraf tiruan, backpropagation.
Universitas Sumatera Utara
vi
SALES FORCAST ON INDUSTRIAL COMPANIES USING
BACKPROPAGATION NEURAL NETWORK
ABSTRACT
Predictions for calculating the value of sales required by the management of industrial
enterprises in determining the policies of the relevant sales tally monthly sales and
sales per year. This study aims to determine the factors of sales per month, per year
of marketing areas that affect the sales of products in the future and build the best
predictive models with neural network techniques. Criteria for selection model used is
backpropagation. Backpropagation method calculates the entire data sample of 1344
data, to look for the average value of sales in the future from previous data history
that began in 2006 and 2013 from five regions, namely product marketing
Lhokseumawe, Lhoknga, Belawan, Dumai, Batam. It also calculated the average
value of training and testing, based on the division of the average value in getting the
training data in 1075 or 80% overall data and test data 269 or 20% of the overall data.
From the results of tests performed on the prediction accuracy rate obtained using
backpropagation neural networks with an average yield of 50% to 99%.
Keywords: Sales prediction, neural networks, backpropagation
Universitas Sumatera Utara
ABSTRAK
Prediksi dalam menghitung nilai penjualan dibutuhkan oleh managemen perusahaan
industri dalam menentukan kebijakan tentang
penjualan terkait penghitungan
penjualan perbulan dan penjualan pertahun. Penelitian ini bertujuan untuk menentukan
faktor penjualan perbulan, pertahun dari wilayah pemasaran produk yang berpengaruh
terhadap penjualan di masa yang akan datang dan membangun model prediksi terbaik
dengan teknik jaringan saraf tiruan. Kriteria pilihan model yang digunakan adalah
backpropagation. Metode backpropagation menghitung seluruh data sampel yang
berjumlah 1344 data, untuk mencari nilai rata-rata penjualan pada masa yang akan
datang dari histori data sebelumnya yang dimulai tahun 2006 hingga 2013 dari lima
wilayah pemasaran produk yaitu Lhokseumawe, Lhoknga, Belawan, Dumai, Batam.
Selain itu juga dihitung nilai rata-rata training dan testing, berdasarkan pembagian
nilai rata-rata di dapatkan 1075 data pelatihan atau 80% data keseluruhan dan 269 data
pengujian atau 20% data keseluruhan. Dari hasil pengujian yang dilakukan diperoleh
tingkat ketepatan terhadap prediksi dalam menggunakan jaringan saraf tiruan
backpropagation dengan hasil rata dari 50% hingga 99%.
Kata kunci : Prediksi Penjualan , jaringan saraf tiruan, backpropagation.
Universitas Sumatera Utara
vi
SALES FORCAST ON INDUSTRIAL COMPANIES USING
BACKPROPAGATION NEURAL NETWORK
ABSTRACT
Predictions for calculating the value of sales required by the management of industrial
enterprises in determining the policies of the relevant sales tally monthly sales and
sales per year. This study aims to determine the factors of sales per month, per year
of marketing areas that affect the sales of products in the future and build the best
predictive models with neural network techniques. Criteria for selection model used is
backpropagation. Backpropagation method calculates the entire data sample of 1344
data, to look for the average value of sales in the future from previous data history
that began in 2006 and 2013 from five regions, namely product marketing
Lhokseumawe, Lhoknga, Belawan, Dumai, Batam. It also calculated the average
value of training and testing, based on the division of the average value in getting the
training data in 1075 or 80% overall data and test data 269 or 20% of the overall data.
From the results of tests performed on the prediction accuracy rate obtained using
backpropagation neural networks with an average yield of 50% to 99%.
Keywords: Sales prediction, neural networks, backpropagation
Universitas Sumatera Utara