Prediksi Dalam Produksi Roti Menggunakan Adaptive Neuro Fuzzy Inference System (ANFIS)
Abstract
Penelitian ini bertujuan untuk mengoptimalkan keuntungan dan meminimalisir kerugian hasil produksi roti di UD. Pinkan yang telah dicapai di masa yang akan mendatang. Data yang digunakan pada peneitian ini diperoleh langsung dari UD. Pinkan Bangun17 dengan melakukan observasi dan wawancara. UD. Pinkan merupakan salah satu industri yang memproduksi dan menjual tahu untuk dipasarkan di daerahnya dan di luar daerah. UD. Pinkan yang terletak di Bangun17. Data yang akan diolah hasil pproduksi roti di UD. Pinkan menggunakan metode adaptive neuro fuzzy inference system (ANFIS) yang merupakan gabungan Logika Fuzzy dengan Jaringan Saraf Tiruan. Data yang digunakan adalah data perbulan penjualan tahu dari tahun 2019 sampai 2021 sebanyak 36 data. Dari total 36 data tersebut akan dibagi menjadi 2 jenis pembagian data latih dan uji yakni 90:10 dengan jumlah epoch 60 dan rentang learning rate dari 0.1 – 0.9. Dari hasil penelitian didapatkan akurasi tertingi sebesar 88.55% pada data latih 90% dan data uji 10% dengan learning rate sebesar 0.6. Diperoleh kesimpulan bahwa metode ANFIS dapat di implementasikan dalam prediksi hasil produksi roti. Dengan dilakukannya penelitian ini diharapkan dapat memberikan masukan kepada UD. Pinkan dalam mengoptimalkan keuntungan dan meminimalisir kerugian hasil penjualan roti di masa yang akan mendatang.
Kata kunci: Prediksi, Produksi, Roti, Adaptive neuro fuzzy inference system (ANFIS)
Full Text:
Diterima: Revisi MinorReferences
Adiguna, M. A., & Muhajirin, A. (2017). Penerapan Logika Fuzzy Pada Penilaian Mutu Dosen Terhadap Tri Dharma Perguruan Tinggi. 2(1), 16–19.
Adli, N., & Darmawand, A. (2017). Prediksi Suku Bunga Acuan (BI RATE) Menggunakan Metode Adaptive Neuro Fuzzy Inference System (ANFIS).
Andani, S. R., Wibowo, S., Utara, R., & Catur, C. (2018). Sistem pendukung keputusan dalam menentukan penerima beasiswa dengan fuzzy sugeno. 10.
Angraini, N. (2019). PENERAPAN ALGORITMA ARTIFICIAL IMMUNE SYSTEM.
Cahyono, B. (2013). Penggunaan Software Matrix Laboratory (MATLAB) Dalam Pembelajaran Aljabar Linier. 1, 45–62.
Dwi Fitra Maharani. (2018). peramalan penjualan koran menggunakan adaptive neuro fuzzy inference system (ANFIS). Teknologi, 1–20.
Ferdinand, W., & Siahaan, A. (2019). Analisa Kinerja Adaptive Neuro Fuzzy Inferences System Pada Feature Input Dengan Tournament Selection Menggunakan Algoritma Algoritma Genetika. Ilmu Komputer Dan Teknologi Informatika.
Fitriyani, N., & Angkasa, S. (2020). Prediksi Harga Saham Menggunakan Metode Jaringan Syaraf Tiruan Backpropagation dan Adaptive Neuro Fuzzy Inference System (ANFIS). Teknologi Informasi Ilmu Komputer, 15, 1–8.
Hajar, S., Badawi, M., Setiawan, Y. D., Noor, M., & Siregar, H. (2020). Prediksi Perhitungan Jumlah Produksi Tahu Mahanda dengan Teknik Fuzzy Sugeno. 4, 210–219.
Hardiyanti, S. A., & Shofiyah, Q. (2020). Prediksi Kasus COVID-19 Di Indonesia Menggunakan Metode Adaptive Neuro Fuzzy Inference System (ANFIS). 6(1), 974–981.
Hizkia Glorius Soma, M. I. A. (2018). pengukuran parameter input panel surya berbasis metode adaptive neuron-fuzzy inference system (ANFIS).
Ilham, W., & Fajri, N. (2020). Penentuan Jumlah Produksi Tahu Dengan Menggunakan Metode Fuzzy Tsukamoto Pada UKM Abadi Berbasis Web. Jurnal Digit, 10(1), 71–82. https://doi.org/10.51920/jd.v10i1.158.
Ningrat, D. R., Maruddani, D. A. I., & Wuryandari, T. (2016). Analisis cluster dengan algoritma k-means dan fuzzy c-means clustering untuk pengelompokan data obligasi korporasi. 5, 641–650.
Nurmawa. (2016). Prediksi Produksi Karet Menggunakan Adaptive Neuro Fuzzy Inference System (ANFIS). Teknologi Informasi Ilmu Komputer.
P Pratama, P. A. (2019). Aplikasi Pengolahan Data Inventory Pada PT. Purnama Sari Mandiri Palembang. Menejem Informatika Teknik Komputer.
Sumardi, Y. (2002). Penggunan Microsoft Excel Dalam Analisa Data Eksperimen Pada Pembelajaran. 2.
Refbacks
- There are currently no refbacks.
 | LPPM STIKOM Tunas Bangsa
|
