Skripsi

Perbandingan algoritma backpropagation levenberg marquardt dengan Bayesian regularization untuk memprediksi jumlah transaksi penjualan di Ghealsyshoes / Arneray Vega Hildyatama

Abstrak
RINGKASAN Hildyatama Arneray Vega. 2019. Perbandingan Algoritma Backpropagation Levenberg Marquardt dengan Bayesian Regularization untuk Memprediksi Jumlah Transaksi Penjualan di Ghealsyshoes. Skripsi. Jurusan Teknik Elektro Fakultas Teknik Universitas Negeri Malang. Pembimbing (I) Dr. Eng. Anik Nur Handayani S.T. M.T. (II) Triyanna Widiyaningtyas S.T. M.T. Kata kunci prediksi jumlah transaksi penjualan lenvenberg marquardt bayesian regularization. Prediksi jumlah traksaksi penjualan yang tidak sesuai akan mengakibatkan banyak transaksi penjulan yang ditunda pengirimannya karena jumlah transaksi penjualan lebih besar dari pada jumlah stok barang yang tersedia. Hal ini mengharuskan pembeli untuk memesan barang dengan sistem Pre Order. Sebaliknya jika jumlah transaksi kurang dari perkiraan dan jumlah produksi barang terlalu banyak maka akan mengakibatkan penumpukan barang di gudang dan mengakibatkan pemborosan biaya produksi. Untuk mengantisipasi permasalahan tersebut perlu dilakukan prediksi atau perkiraan jumlah transaksi penjualan. Penelitian ini menggunakan dua metode yaitu Backpropagation Levenberg Marquardt dan Bayesian Regularization sebagai perbandingan untuk menghasilkan metode terbaik dalam memprediksi jumlah transaksi penjualan. Pada proses pelatijan jaringan syaraf tiruan akan dilakukan eksperimen pelatihan jaringan syaraf tiruan untuk menentukan arsitektur jaringan syaraf tiruan yang optimal. Eksperimen dibagi menjadi beberapa tahapan. Tahapan pertama adalah menentukan normalisasi terbaik. Setelah mengetahui hasil normalisasi terbaik langkah selanjutnya adalah menentukan parameter target MSE maksimal epoch dan parameter Mu. Tahapan selanjutnya adalah penentuan arsitektur jaringan syaraf tiruan. Eksperimen dilakukan menggunakan software MATLAB. Lalu pengujian dilakukan dengan proporsi data latih dan data uji yang berbeda dan hasil pengujian tersebut kemudian dievaluasi menggunakan MSE dan RMSE. Berdasarkan hasil analisis algoritma Levenberg Marquardt memberikan nilai MSE terekecil sebesar 0 0046318 dan RMSE sebesar 0 068057. Sedangkan algoritma Bayesian Regularization memberikan nilai MSE terkecil sebesar 0 0046096 dan RMSE sebesar 0 067894. Jadi dapat disimpulkan bahwa algoritma Bayesian Regularization merupakan algoritma yang terbaik untuk memprediksi jumlah transaksi penjualan dikarenakan algoritma tersebut menghasilkan nilai MSE dan RMSE pengujian yang lebih kecil dari pada algoritma Levenberg Marquardt.

Informasi Detail

DDC

Rs 005.1 HIL p

Prodi

Universitas Negeri Malang. Program Studi Teknik Informatika, 2019.

Deskripsi Fisik

xiii, 87 lembar: ill., tab.; 30 cm

Bahasa

Indonesia

No Reg

06381/KI/19

Edisi

Skripsi (Sarjana)--Universitas Negeri Malang. 2019

Subjek

1. ALGORITMA KOMPUTER
2. BACKPROPAGATION LEVENBERG MARQUARDT
3. COMPUTER ALGORITHMS

Pembimbing

1. Anik Nur Handayani; 2. Triyanna Widiyaningtyas

Lampiran Berkas