REDIKSI KETERSEDIAAN STOK KAYU DENGAN METODE BACKPROPOGATION DAN JARINGAN KOHONEN (Studi Kasus Ud. Wahyu Nugroho Grabag Magelang)

Abstract


 
 
 Jaringan syaraf tiruan merupakan salah satu teknologi komputer dalam bidang kecerdasan buatan yang mampu memahami pola data yang rumit. Salah satu kemampuan teknologi JST adalah mampu memprediksi sebuah keluaran berdasarkan pola data pelatihan yang diberikan saat proses pembelajaran sistem. Pada penelitian ini, JST akan mencoba memprediksi persediaan stok kayu. Backpropagation merupakan algoritma pembelajaran terawasi yang dapat memperbaiki bobot pada masing-masing lapisan penghubung hingga diperoleh bobot terbaik dengan minimum error yang telah diberikan. Sedangkan Kohonen merupakan jaringan yang dipakai untuk membagi pola masukan kedalam beberapa kelompok (cluster). Aplikasi ini memiliki struktur jaringan yang terdiri dari 6 neuron masukan, 100 neuron pada lapisan tersembunyi, dan 1 dan 6 neuron pada lapisan keluaran. Jumlah keseluruhan data yakni 365 data, 250 data digunakan untuk data pelatihan, dan 115 digunakan untuk data pengujian. Mesin pemrediksi ini menggunakan iterasi maksimal sampai 100.000 epochs, konstanta pembelajaran 0.5, momentum 0.9, serta tingkat error minimum 0,001. Dengan variasi nilai dari komponen backpropagation dihasilkan prediksi sebesar kurang dari 150m3/bulan., Sedangkan dari bobot yang dihasilkan akan diprediksi dengan metode Kohonen dan menghasilkan prediksi pengeluaran stok kayu perbulan. Berdasarkan hasil pengujian terhadap 115 data pengujian, prosentase tingkat keakuratan sistem adalah 73,9 % . Pengurangan konstanta pembelajaran dan penambahan data pelatihan mungkin dapat meningkatkan keakuratan sistem dalam melakukan prediksi.