• Tidak ada hasil yang ditemukan

Peramalan Pasar Penjualan Batik Menggunakan Metode Extreme Learning Machine (ELM)

N/A
N/A
Protected

Academic year: 2017

Membagikan "Peramalan Pasar Penjualan Batik Menggunakan Metode Extreme Learning Machine (ELM)"

Copied!
4
0
0

Teks penuh

(1)

62

DAFTAR PUSTAKA

Alexsander, O. 2013. Fenomena kain batik sebagai tren fashion di Indonesia. Tugas Mata Kuliah. Universitas Bunda Mulia.

Agustina, I.D., Anggraeni, W. & Mukhlason, A. 2010. Penerapan metode extreme learning machine untuk peramalan permintaan. Tugas Akhir. Institut Teknologi Sepuluh November.

Beheshti-Kashi, S., Karimi, H.R., Thoben, K., Lutjen, M. & Teucke, M. 2014. A survey on retail sales forecasting and prediction in fashion markets. Int. J. of Systems

Science & Control Engineering 3: 154-161.

Darmawan, A.S. 2012. Sistem pendukung keputusan peramalan penjualan batik dengan metode trend moment. Jurnal Ilmiah ICTech 10(2): 1-5

Dasar Pemahaman Neural Networks. 2012. http://socs.binus.ac.id, 26 Juli 2012(diakses pada 18 April 2015).

Empat motif khas batik. 2015. http://www.kriyalea.com, (diakses 10 Oktober 2015).

Fardani, D.P., Wuryanto, E. & Werdiningsih, I. 2015. Sistem pendukung keputusan peramalan jumlah kunjungan pasien menggunakan metode extreme learning machine (studi kasus : poli gigi rsu dr. wahidin sudiro husodo mojokerto).

Journal of Information Systems Engineering and Business Intelligence 1(1) :

33-408.

Fumi, A., Pepe, A., Scarabotti , L. & Schiraldi, M.M. 2013. Fourier analysis for demand forecasting in a fashion company. Int. J. of Engineering Business Management

5: 1-10.

(2)

63

Gasperz, V. 2004. Production planning and inventory control. PT. Gramedia Pustaka Utama: Jakarta.

Green, M. & Harrison, P.J. 1973. Fashion forecasting for a mail order company using a Bayesian approach. Operational Research Quarterly 24(2): 193-205.

Huang, G.-B., Zhu, Q.-Y. & Siew, C.-K. 2006. Extreme learning machine : theory and applications. Int. J. of Neurocomputing 70(2006): 489-501.

Haykin, S.S. 1999. Neural networks : a comprohensive foundation. Prantice Hall: Michigan.

Heaton, J. 2008. Introduction to neural networks for java. Heaton Research, Inc: St. Louis.

Jia, J. & Hao, S. 2013. Water deman forecasting based on adaptive extreme learning machine. International Conference on Artificial Intelligence and Software

Engineering 2013: 42-45.

Kardha, F.R.D. 2012. Sistem informasi promix untuk peramalan produk (studi kasus pada pt. batik danar hadi solo). Skripsi. Universitas Atma Jaya Yogyakarta.

Levine, D. 2002. Statistics for managers using microsoft excel. Prentice Hall: New Jersey.

Liu, N., Ren, S., Choi, T.-M., Hui, C.-L. & Ng, S.-F. 2013. Sales forecasting for fashion retailing service industry : a review. Int. J. of Mathematical Problems in

Engineering 2013: 1-9.

Maftukhah, E. 2013. Mengenal Batik : Definisi, Periode Perkembangan, dan Jenis-Jenis Batik. http://garmenstudionline.blogspot.com/2013/01/mengenal-batik.html, Januari 2013 (diakses pada 28 April 2015).

(3)

64

Makridakis, S., Wheelwright, S.C. & McGee, V.E. 1999. Metode dan Aplikasi Peramalan. Erlangga: Jakarta.

Nenni, M.E., Guistiniano, L. & Pirolo, L. 2013. Demand forecasting in the fashion industry : a review. Int. J. of Engineering Business Management 5: 1-6.

Nurmaida, A. 2012. Penerapan metode exponential smoothing holt-winter dalam sistem peramalan curah hujan. Tugas Akhir. Universitas Pendidikan Indonesia.

Poerwanto. & Sukirno, Z.L. 2012. Inovasi produk dan motif seni batik pesisiran sebagai basis pengembangan industri kreatif dan kampung wisata minat khusus. Jurnal Al-Azhar Indonesia Seni Pranata Sosial 1(4): 217-229.

Riyadi, S. 2015. Aplikasi peramalan penjualan obat menggunakan metode pemulusan (studi kasus: instalasi farmasi rsud dr murjani). Seminar Nasional Teknologi Informasi dan Multimedia 5.3-1 - 5.3-6.

Sanmorino, A. 2012. Clustering batik image using fuzzy C-Means algorithm based on log-average luminance. In. J. of Computer Engineering and Applications 1(1): 25-31.

Setiawan, N. 2012. Teori Analisis Time Series. http://statistikceria.blogspot.com, 11

Mei 2012 (diakses 18 April 2015).

Simanjuntak, L.H. 2014. Prediksi jumlah permintaan barang musiman menggunakan metode holt-winters. Skripsi. Universitas Sumatera Utara.

Sun, Z.-L., Choi, T.-M., Au, K.-F. & Yu, Y. 2008. Sales forecasting using extreme learning machine with applications in fashion retailing. Int. J. of Decision

Support Systems 46(1): 411-419.

(4)

65

Taylor, J.W. 2007. Forecasting daily supermarker sales using exponential weighted quantile regression. European Journal of Operational Research 178 : 154-167.

Tanjung, I. H. 2012. Peramalan jumlah penjualan distributor telur terhadap permintaan pasar menggunakan metode average-based fuzzy time series (Abfts). Skripsi. Universitas Sumatera Utara.

Winarno, W.W. 2007. Analisis ekonometrika dan statistika dengan eviews. UPP STIM YKPN: Yogyakarta.

Referensi

Dokumen terkait

Sehingga dapat disimpulkan runtime pada metode Extreme Learning Machine (ELM) untuk pengujian jumlah hidden neuron memiliki learning speed yang cepat.. Pengujian

Setelah mendapatkan hasil akurasi minimum, maka dilanjutkan dengan proses peramalan menggunakan metode ELM menggunakan jumlah hidden nodes yang telah didapat- kan

Bab ini akan membahas hasil dari implementasi metode extreme learning machine dalam klasifikasi penyakit tuberculosis berdasarkan foto rontgen paru-paru manusia

Pada peramalan laju inflasi menggunakan extreme learning machine (ELM) dilakukan pengujian parameter terhadap jumlah neuron pada hidden layer.. Pengujian ini

Menyatakan bahwa Skripsi yang berjudul “Klasifikasi Kelangsungan Hidup Penderita Gagal Jantung menggunakan Extreme Learning Machine (ELM)” ini adalah karya ilmiah

Kemudian yang ketiga adalah penelitian yang dilakukan oleh Cao et al (2012) dengan metode Voting Based Extreme Learning Machine, dijelaskan bahwa dalam metode ELM masih

Berdasarkan dari pengujian algoritme Extreme Learning Machine (ELM) yang telah dilakukan menghasilkan Mean Absolute Percentage Error (MAPE) terbaik sebesar 1,1% dan

Extreme Learning Machine ELM adalah sebuah metode pembelajaran baru dalam jaringan syaraf tiruan dengan model single layer feedforward neural networks.Keakuratan dari metode Extreme