PENERAPAN NEURAL NETWORK TIME SERIES UNTUK PREDIKSI TITIK PESAN KEMBALI PERSEDIAAN PADA UD. RAJAWALI CITRA MOTOR
APPLICATION OF NEURAL NETWORK TIME SERIES IN PREDICTING STOCK REORDER POINT AT UD. RAJAWALI CITRA MOTOR
Undergraduate Theses dari STIKOM Surabaya / 13-06-2008 14:18:40 WIB
Posting oleh
prazetyo • Ditampilkan sebanyak
84175 kali
Share this information :
Author : Denny Hariyanto (99410104004)
| Subject | : | FORECASTING |
| Keyword | : | titik pesan kembali
backpropagation neural network
prediksi
penjadwalan |
Abstract in
Bahasa IndonesiaPerkembangan di sektor ekonomi yang mengalami peningkatan akhir-akhir ini juga membawa pengaruh terhadap kegiatan transaksi yang ada didunia, baik perdagangan dan investor. Selama ini kegiatan transaksi tersebut juga tidak terlepas dari masalah pemesanan persediaan, yang harus dihidari dari transaksi pemesanan barang yakni Pemesanan barang yang terlalu besar harus dihindari oleh perusahaan, karena hal tersebut merupakan suatu pemborosan bagi perusahaan, seperti : biaya gudang, biaya untuk penyediaan barang. Disamping itu kecukupan persediaan yang sesuai dengan permintaan sangat dibutuhkan, agar perusahaan tidak mengalami kerugiaan akibat dari hilangnya kesempatan dari penjualan. Penentuaan titik pesan kembali barang menjadi sangat penting untuk pengelolaan kecukupan persediaan ini.
Berdasarkan pada permasalahan di atas, backpropagation neural network (BPN) dengan algoritma backpropagation dapat digunakan untuk melakukan prediksi terhadap titik pesan kembali persediaan per periode waktu tertentu.
Selama proses training, backpropagation neural network (BPN) akan menganalisa pola data pada pemesanan kembali persediaan. Output yang dihasilkan adalah jumlah persediaan yang akan dipesan. Dengan mengunakan metode BPN diharapkan hasil prediksi lebih tepat daripada mengunakan metode prediksi konvensional. Tahap pelatihan yang dimiliki backpropagation neural network (BPN) dapat digunakan untuk meminimalkan tingkat kesalahan prediksi. Setelah melakukan beberapa kali tahap pelatihan maka diharapkan kecenderungan nilai kesalahan akan semakin kecil.
Hasil dari proses peramalan dengan backpropagation neural network (BPN), memperoleh error yang cenderung lebih kecil dibandingkan dengan hasil peramalan dengan metode konvensional.
| Contributor | : | AHMAD SAIKHU, S.SI., M.T
ROMEO, S.T |
| Date Create | : | 13-06-2008 |
| Type | : | Text |
| Format | : | pdf |
| Language | : | Indonesian |
| Identifier | : | STIKOMP-Undergraduate-4-21229 |
| Collection ID | : | 4-21229 |
| Call Number | : | PERPUSTAKAAN STIKOMP 006.33 Har P |
Coverage : Terbatas Sivitas Akademika STIKOMP Surabaya
Rights : Hak Cipta (c) 2008 oleh STIKOMP SURABAYA. Dilarang mengcopy atau mendistribusikan baik sebagian atau seluruh isi koleksi ini dalam bentuk apapun, baik secara elektronis maupun mekanis tanpa izin dari penulis.
Download koleksi - Terbatas untuk Member1. STIKOMP-Undergraduate-105-guest.pdf - 911 KB
2. STIKOMP-Undergraduate-105-ABSTRAKSI.pdf - 346 KB
3. STIKOMP-Undergraduate-105-DAFTAR ISI.pdf - 566 KB
4. STIKOMP-Undergraduate-105-BAB I.pdf - 833 KB
5. STIKOMP-Undergraduate-105-BAB II.pdf - 3413 KB
6. STIKOMP-Undergraduate-105-BAB III.pdf - 4837 KB
7. STIKOMP-Undergraduate-105-BAB IV.pdf - 2821 KB
8. STIKOMP-Undergraduate-105-BAB V.pdf - 213 KB
9. STIKOMP-Undergraduate-105-DAFTAR PUSTAKA.pdf - 175 KB
.: Kembali ke daftar Undergraduate Theses
