Prediksi pengeluaran roti menggunakan Metode Recurrent Neural Network di wilayah (Perusahaan Sari Roti) Pasuruan

Hasyim, Mokhamad (2024) Prediksi pengeluaran roti menggunakan Metode Recurrent Neural Network di wilayah (Perusahaan Sari Roti) Pasuruan. Undergraduate (S1) thesis, Universitas Merdeka Pasuruan.

	Text COVER.pdf Download (682kB)
	Text BAB-I.pdf Download (220kB)
	Text BAB-II.pdf Restricted to Repository staff only Download (690kB)
	Text BAB-III.pdf Restricted to Repository staff only Download (347kB)
	Text BAB-IV.pdf Restricted to Repository staff only Download (515kB)
	Text BAB-V.pdf Restricted to Repository staff only Download (180kB)
	Text DAFTAR-PUSTAKA.pdf Restricted to Repository staff only Download (215kB)
	Text LAMPIRAN.pdf Restricted to Repository staff only Download (228kB)

Abstract

Prediksi pengeluaran roti adalah suatu cara yang dapat mengembangkan dan meningkatkan laba serta dapat bersaing. Berdasarkan informasi tentang jumlah pengeluaran roti tawar di perusahaan sari roti di Kabupaten Pasuruan setiap tahunnya mengalami peningkatan atau penurunan. Hal ini mengakibatkan persediaan roti tawar menjadi tidak dinamis sehingga perusahaan sari roti mengalami kekurangan persediaan bahan-bahan pembuatan roti tawar serta dapat mempengaruhi keuntungan ataupun kerugiian yang tidak sesuai. Prediksi dilakukan untuk mengetahui pengeluaran penjualan roti dimasa mendatang, sehingga dapat memenuhi kebutuhan konsumen. Dalam memecahkan suatu permasalah terdapat beberapa metode yang terkait dalam forecasting, penelitian ini menggunakan Metode Recurrent Neural Network (RNN) untuk melakukan prediksi pengeluaran penjualan roti kedepannya. Data yang digunakan data pengeluaran roti mulai bulan 1 april - 1 mei 2024 yang digunakan untuk melatih dan menguji model RNN. Hasil evaluasi model dari data Pengeluaran roti menggunakan metode RNN cukup optimal diperoleh dengan perbandingan data latih (training) 80% dan uji (testing) 20% mendapatkan nilai RMSE untuk training sebesar 1044.53 dan testing sebesar 1118.81 dengan menggunakan parameter batch size 32, Hidden layer sebesar 64, dan max epoch sebesar 100. Hasil prediksi pengeluaran menunjukkan dengan menggunkan model RNN menghasilkan prediksi cukup baik.

Item Type:	Thesis (Undergraduate (S1))
Uncontrolled Keywords:	Prediksi, Pengeluaran roti, Metode RNN
Subjects:	T Technology > T Technology (General)
Divisions:	Fakultas Teknologi Informasi > Informatika
Depositing User:	Perpustakaan Unmer Pasuruan
Date Deposited:	28 Feb 2025 02:16
Last Modified:	28 Feb 2025 02:16
URI:	http://repository.unmerpas.ac.id/id/eprint/765

Actions (login required)

View Item