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.
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
