Search for collections on Itenas Repository

TA:FORECASTING PENENTUAN PEMBELIAN BAHAN BAKU DENGAN METODE EXTREME LEARNING MACHINE DAN SOFTMAX

Putra, Mochamad Fahrizky Rohmana (2020) TA:FORECASTING PENENTUAN PEMBELIAN BAHAN BAKU DENGAN METODE EXTREME LEARNING MACHINE DAN SOFTMAX. Skripsi thesis, Institut Teknologi Nasional Bandung.

[img]
Preview
Text (Cover)
01.pdf

Download (1MB) | Preview
[img]
Preview
Text (Abstrak)
02.pdf

Download (222kB) | Preview
[img]
Preview
Text (Daftar Isi)
03.pdf

Download (149kB) | Preview
[img]
Preview
Text (Bab 1)
04.pdf

Download (159kB) | Preview
[img]
Preview
Text (Bab 2)
05.pdf

Download (462kB) | Preview
[img]
Preview
Text (Daftar Pustaka)
06.pdf

Download (139kB) | Preview

Abstract

Peramalan adalah suatu aktivitas untuk mengetahui kejadian di masa mendatang berdasarkan data masa lalu.Pada proses penentuan pembelian bahan baku ada beberapa masalah yang muncul yaitu masalah keakuratan dan kecepatan, yang membuat proses penentuan pembelian bahan baku tidak efisien. Masalah keakuratan dan kecepatan akan diselesaikan dengan metode Extreme Learning Machine dan di gabungkan dengan metode softmax untuk melakukan normalisasi data sebelum di lakukan memproses data. yang terbukti efisien digunakan untuk memecahkan masalah seperti pada proses penentuan pembelian bahan baku. Hasil pengujian, maka penelitian menghasilkan tingkat error terkecil sebesar 0.00551106 untuk dengan menggunakan 28 neuron pada hidden layer, 7 fitur, dan data penjualan selama 60 bulan. learning speed yang dibutuhkan oleh ELM pada penelitian ini sangat cepat, yaitu rata-rata 0.0559 detik . Kata Kunci: Peramalan, Prediksi, Neural Network, Normalisasi, Pembelian Bahan Baku, jaringan syaraf tiruan

Item Type: Thesis (Skripsi)
Contributors:
ContributionContributorsemail
Thesis advisorRosmala, DewiUNSPECIFIED
Divisions: 1 Fakultas Teknologi Industri > 55201 Teknik Informatika S1
Depositing User: Erma Sukmaida
Date Deposited: 06 Apr 2021 04:47
Last Modified: 06 Apr 2021 04:47
URI: http://eprints.itenas.ac.id/id/eprint/1320

Actions (login required)

View Item View Item