Analisis Peramalan Permintaan Produk dengan Algoritma Backpropagation Neural Network Pada PT Herba Emas Wahidatama
DOI:
https://doi.org/10.25126/jtiik.2025126Kata Kunci:
peramalan, permintaan produk, algoritma backpropagation neral networkAbstrak
PT Herba Emas Wahidatama menghadapi tantangan dalam permasalahan stok yang tidak seimbang, seperti kelebihan dan kekurangan stock akibat dari permintan yang bervariasi, mulai dari produk dengan permintaan tinggi (fast moving), permintaan stabil (reguler), dan permintaan rendah (slow moving). Untuk mengtasi permasalahan tersebut digunakan metode peramalan permintaan produk dengan algoritma backpropagation neural network dengan data historis permintaan tahun 2021 – 2023. Hasil peramalan menunjukkan bahwa model algoritma backpropagation neural network memiliki akurasi dengan nilai MAPE yang rendah dan efektifitas peramalan yang baik. namun permintaan produk tinggi dan rendah dapat di prediksi dengan sangat akurat. Hasil ini menunjukkan bahwa algoritma backpropagationn neural network dapat digunakan untuk meramalkan permintaan yang lebih akurat dan memebnatu perusahaan dalam mengatur persediaan secara efisien dan menghindari kekurangan atau kelebihan stock.
Abstract
PT Herba Emas Wahidatama faces challenges related to unbalanced stock, including excess and shortages, due to varying demand. This demand ranges from products with high demand (fast-moving), to stable demand (regular), and low demand (slow-moving). To overcome this issue, a product demand forecasting method is employed using the backpropagation neural network algorithm, which utilizes historical demand data from 2021 to 2023. The forecasting results indicate that the backpropagation neural network algorithm model demonstrates accuracy with a low MAPE value and good forecasting effectiveness. However, both high and low product demand can be predicted with great accuracy. These results suggest that the backpropagation neural network algorithm can be used for more accurate demand forecasting and can help companies manage inventory efficiently, avoiding shortages or excess stock.
Downloads
Referensi
ANDRIYANI, S., dan SIHOMBING, N. 2018. Implementasi Metode Backpropagation Untuk Prediksi Harga Jual Kelapa Sawit Berdasarkan Kualitas Buah. Jurteksi, 4(2), 155–164. https://doi.org/10.33330/jurteksi.v4i2.40
DARUHADI, G., dan SOPIATI, P. 2024. Pengumpulan Data Penelitian. 3(5), 5423–5443.
ERVINA, V. 2018. Analisis Peramalan (Forecasting) Permintaan Produk Kakap Merah (Lutjanus Campechanus) Beku Di Pt. Inti Luhur Fuja Abadi, Kabupaten Pasuruan, Jawa Timur. Thesis (Sarjana). http://repository.ub.ac.id/id/eprint/11204/
FAQUAN WU, dan ED, S. Q. 2012. Global View of Engineering Geology and The Environment.
FEBIANTI, Y. N. 2014. Permintaan Dalam Ekonomi Mikro. Jurnal Pendidikan Ekonomi (JURKAMI), 2 (1), 15–24.
IRWANSYAH, E., dan FAISAL, M. 2015. Advanced Clustering: Teori dan Aplikasi.
LESTARI, E. P., dan Isnina, WSU. 2017. Analisis Kinerja Industri Manufaktur Di Indonesia. Jurnal Riset Ekonomi Dan Manajemen, 17(1), 183. https://doi.org/10.17970/jrem.17.170115.id
M, P. A., dan SUSANTI, E. 2020. Analisis Peramalan Permintaan Produk Wooden Box dan Wooden Pallet Di PT XYZ. Jurnal Comasie, 3 (5).
MUFLIHIN, M. D. 2019. Permintaan, Penawaran Dan Keseimbangan Harga Dalam Prespektif Ekonomi Mikro Islam. JES (Jurnal Ekonomi Syariah), 4(2), 185–195. https://doi.org/10.30736/jesa.v4i2.68
NAUFAL, A. Y., TAFRIKAN, M., dan RACHMAWATI, A. K. 2023. Implementasi Backpropagation ANN dan. 5(1), 65–78.
NURHASANAH, N., NOVIYANTI, A., dan ARIBOWO, B. 2024. Analysis of Demand Forecasting in Upstream and Midstream Supply Chain Network of Sunflower Agro-industry Using Artificial Neural Networks. International Conference on Adavanced Information Scientific Development (ICAISD), 41–46.
PRATIWI, Y. 2018. Peramalan Permintaan Komoditi Kopi Robusta Menggunakan Metode Jaringan Saraf Tiruan (JST)(Studi Kasus Di Ptpn Xii Kebun Bangelan, Kab. Malang).
RAHAYU, D., WIHANDIKA, R. C., dan PERDANA, R. S. 2018. Implementasi Metode Backpropagation Untuk Klasifikasi Kenaikan Harga Minyak Kelapa Sawit. 2(4), 1547–1552.
ROBANDI, I. 2019. Artificial Intelligence: Mengupas Rekayasa Kecerdasan Tiruan. In Edisi I. Yogyakarta. ANDI.
RUDI, W. S., PRANOTO, Y. A., ARIWIBISONO, F. X. 2023. Kue Di Toko Karya Bahari Samarinda Berbasis Website. 7(4), 2451–2457.
SAPTARIA, L. 2016. Peramalan Permintaan Produk Cincau Hitam dalam Memaksimalkan SCM (Supply Chain Management). Jurnal Manajemen Dan Kewirausahaan, 1(3), 247–256.
SETIAWAN, I. 2021. Rancang Bangun Aplikasi Peramalan Persediaan Stok Barang Menggunakan Meode Weighted Average (WMA) Pada Toko Barang XYZ. 13(3), 1–9.
VELASCO, L. C. P., POLESTICO, D. L. L., MACASIEB, G. P. O., REYES, M. B. V, & JR, F. B. V. 2019. A Hybrid Model of Autoregressive Integrated Moving Average and Artificial Neural Network for Load Forecasting. December. https://doi.org/10.14569/IJACSA.2019.0101103
VENNY, S., dan ASRIATI, N. 2022. Permintaan Dan Penawaran Dalam Ekonomi Mikro. Jurnal Pendidikan Ekonomi (JURKAMI), 7(1), 184–194. https://doi.org/10.31932/jpe.v7i1.1583
WINDARTO, A. P., LUBIS, M. R., 2018. Model Arsitektur Neural Network Dengan Backpropogation Pada Prediksi Total Laba. 05(02), 147–158.
Unduhan
Diterbitkan
Terbitan
Bagian
Lisensi
Hak Cipta (c) 2025 Jurnal Teknologi Informasi dan Ilmu Komputer
Artikel ini berlisensiCreative Commons Attribution-ShareAlike 4.0 International License.
Artikel ini berlisensi Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0)
Penulis yang menerbitkan di jurnal ini menyetujui ketentuan berikut:
- Penulis menyimpan hak cipta dan memberikan jurnal hak penerbitan pertama naskah secara simultan dengan lisensi di bawah Creative Common Attribution-ShareAlike 4.0 International (CC BY-SA 4.0) yang mengizinkan orang lain untuk berbagi pekerjaan dengan sebuah pernyataan kepenulisan pekerjaan dan penerbitan awal di jurnal ini.
- Penulis bisa memasukkan ke dalam penyusunan kontraktual tambahan terpisah untuk distribusi non ekslusif versi kaya terbitan jurnal (contoh: mempostingnya ke repositori institusional atau menerbitkannya dalam sebuah buku), dengan pengakuan penerbitan awalnya di jurnal ini.
- Penulis diizinkan dan didorong untuk mem-posting karya mereka online (contoh: di repositori institusional atau di website mereka) sebelum dan selama proses penyerahan, karena dapat mengarahkan ke pertukaran produktif, seperti halnya sitiran yang lebih awal dan lebih hebat dari karya yang diterbitkan. (Lihat Efek Akses Terbuka).
