PERAMALAN PERMINTAAN LADA BUBUK INSTAN PT XYZ MENGGUNAKAN TEKNIK JARINGAN SYARAF TIRUAN BACKPROPAGATION
DOI:
https://doi.org/10.62281/7gkynj59Keywords:
Lada, Permintaan, Peramalan, Jaringan Syaraf TiruanAbstract
Lada merupakan salah satu rempah yang mempunyai nilai ekonomis yang sangat tinggi baik di pasar nasional maupun internasional. Lada menjadi kebutuhan bumbu tambahan penyedap rasa untuk makanan yang mempunyai prospek bisnis yang baik. Salah satu perusahaan manufaktur yang mengolah lada bubuk instan adalah PT XYZ. Permintaan lada bubuk sering mengalami peningkatan dan penurunan yang berfluktuatif. Fluktuasi pola permintaan konsumen menyulitkan perusahaan dalam menentukan perencanaan produksi. Permasalahan dalam pengadaan bahan baku menjadi hambatan dalam memproduksi lada bubuk instan. Ketersediaan bahan baku lada di pasaran tidak selalu stabil dan cenderung berfluktuasi karena pengaruh produktivitas lada di tingkat petani. Peramalan permintaan produk lada bubuk instan yang tepat dapat membantu PT XYZ untuk mengoptimalisasi perencanaan produksi dengan memproyeksikan kebutuhan bahan baku di periode produksi masa mendatang. Tujuan dari penelitian ini adalah pengembangan model jaringan (JST) Backpropagation untuk prediksi kebutuhan bahan baku lada. Model JST dikembangkan dengan perlakuan optimasi parameter jaringan dengan kombinasi lapisan tersembunyi (node hidden layer), fungsi aktivasi, laju pembelajaran (learning rate). Data penelitian yang digunakan pada data penjualan periode Januari 2021-Desember 2024. Hasil Nilai (MSE) pelatihan 0,001 dan Nilai (MAPE) pengujian 12,56%. Prediksi permintaan lada bubuk instan di tahun 2025 yaitu 363, 431, 378, 406, 382, 374, 437, 387, 396, 362, 379, 386. Hasil peramalan permintaan digunakan untuk memproyeksi kebutuhan bahan baku lada bubuk instan.
Downloads
References
BPS Kabupaten Mojokerto. (2024). Kabupaten Mojokerto Dalam Angka 2024.
Budiarti, L., & Nurcahyo, G. W. (2024). Penerapan Metode Jaringan Syaraf Tiruan Backpropagation Untuk Memprediksi Kualitas Makanan Kucing. Jurnal Komtekinfo, 390–397.
Budiarto, F. N. R., Winarno, S. Tj., & Wijayati, P. D. (2024). Analisis Posisi Indonesia Sebagai Eksportir Lada Di Pasar Internasional. Jurnal Sosial Ekonomi Pertanian, 20(3), 365–375.
Dewi Nurfauzia, F., Pandu Kusuma, A., & Nur Budiman, S. (2022). IMPLEMENTASI ALGORITMA BACKPROPAGATION UNTUK MEMPREDIKSI PENJUALAN KERIPIK (STUDI KASUS: RUMAH INDUSTRI KERIPIK AGE ENAK). In Jurnal Mahasiswa Teknik Informatika) (Vol. 6, Issue 2).
Ermatita, D. V. A., Noprisson, H., Purba, M., Ardianto, F., & Adrezo, M. (2025). Pengantar Deep Learning: Algoritma Dan Studi Kasus. CV Jejak (Jejak Publisher).
Firmansyach, W. A., Hayati, U., & Wijaya, Y. A. (2023). ANALISA TERJADINYA OVERFITTING DAN UNDERFITTING PADA ALGORITMA NAIVE BAYES DAN DECISION TREE DENGAN TEKNIK CROSS VALIDATION. In Jurnal Mahasiswa Teknik Informatika (Vol. 7, Issue 1).
Firmansyah, M. A., Sasmito, A. P., & Zahro, H. Z. (2021). Aplikasi Forecasting Penjualan Bahan Bangunan Menggunakan Metode Trend Moment (Studi Kasus Di Ud. Hasil Bumi). JATI (Jurnal Mahasiswa Teknik Informatika), 5(2), 526–533.
Fitri, F. D. N., Kusuma, A. P., & Budiman, S. N. (2022). Implementasi Algoritma Backpropagation Untuk Memprediksi Penjualan Keripik (Studi Kasus: Rumah Industri Keripik Age Enak). JATI (Jurnal Mahasiswa Teknik Informatika), 6(2), 782–789.
Hariandja, E. S. (2025). Pemasaran Strategik: Analisis Pelanggan, Pesaing, Pasar, Dan Lingkungan. Penerbit NEM.
Khairunisa, R. R., Anne Marie, I., Moengin, P., & Jihan, N. W. (2021). Peramalan Permintaan Menggunakan Jaringan Syaraf Tiruan Dan Perencanaan Produksi Menggunakan Linear Programming Pada Perusahaan Aluminium. Jurnal Teknik Industri.
Khodijah, H. (2024). Implementasi Jaringan Syaraf Tiruan Untuk Memprediksi Penjualan Sepeda Motor Listrik. Jurnal Penelitian Ilmu Komputer, 2(3), 103–108.
Oktafiani, R., Hermawan, A., & Avianto, D. (2023). Pengaruh Komposisi Split Data Terhadap Performa Klasifikasi Penyakit Kanker Payudara Menggunakan Algoritma Machine Learning. Jurnal Sains Dan Informatika, 19–28.
Putra, B. B. W., Albar, M. A., & Irmawati, B. (2019). IMPLEMENTASI JARINGAN SYARAF TIRUAN METODE BACKPROPAGATION UNTUK MEMPREDIKSI JUMLAH NILAI EKSPOR DI PROVINSI NTB.
Putra, B. T., Hunusalela, Z. F., & Satya, R. R. D. (2024). Usulan Perencanaan Persediaan Produk FMCG Menggunakan Metode Algoritma Apriori Dan Jaringan Syaraf Tiruan (JST) Pada PT Borwita Indah: Proposed FMCG Product Inventory Planning Using The Apriori Algorithm Method And Artificial Neural Network (ANN) At PT Borwita Indah. Jurnal Rekayasa Sistem Industri, 13(2), 29–44.
Siang, J. J. (2019). Matematika Diskrit Dan Aplikasinya Pada Ilmu Komputer.
Slamet, A. H. H., Purnomo, B. H., & Soedibyo, D. W. (2020). Model Jaringan Syaraf Tiruan Untuk Prakiraan Harga Komponen Bahan Baku Pakan Unggas Di PT XYZ. Industria: Jurnal Teknologi Dan Manajemen Agroindustri, 9(2), 151–161. Https://Doi.Org/10.21776/Ub.Industria.2020.009.02.9
Sofiati, E. (2025). OPTIMASI PREDIKSI PENCETAKAN E-KTP: PENERAPAN REVOLUSIONER JARINGAN SYARAF TIRUAN DENGAN METODE BACKPROPAGATION. JIKO (Jurnal Informatika Dan Komputer), 9(1), 68–78.
Thoriq, M. (2022). Peramalan Jumlah Permintaan Produksi Menggunakan Jaringan Syaraf Tiruan Algoritma Backpropagation. Jurnal Informasi Dan Teknologi, 27–32.
Ula, W. A., Afdal, M., Zarnelly, Z., & Permana, I. (2024). Penerapan Algoritma Artificial Neural Network Dan Economic Order Quantity Dalam Memprediksi Persediaan Pengendalian BBM. Journal Of Computer System And Informatics (Josyc), 5(2), 404–415. Https://Doi.Org/10.47065/Josyc.V5i2.4916
Wadi, H. (2020). Jaringan Syaraf Tiruan Backpropagation Menggunakan Python GUI: Langkah Demi Langkah Memahami Dan Mengimplementasikan Jaringan Syaraf Tiruan Backpropagation Untuk Prediksi Data Penjualan Air Minum Dalam Kemasan. TR Publisher.
Downloads
Published
Issue
Section
License
Copyright (c) 2025 Wildanu Ubaidillah, Ahmad Haris Hasanuddin Slamet, Septine Brillyantina, Rahmad Dhandy (Author)
This work is licensed under a Creative Commons Attribution-ShareAlike 4.0 International License.
