Implementasi Backpropagation Neural Network pada prediksi jumlah penjualan Toyota Avanza di Indonesia

INDONESIA:

Prediksi merupakan cabang ilmu yang digunakan untuk memperkirakan kejadian yang mungkin terjadi dimasa yang akan datang berdasarkan kejadian lampau. Salah satu metode prediksi yang berkembang, Backpropagation Neural Network, metode yang memiliki tingkat efektifitas yang baik. Penelitian ini bertujuan untuk mengetahui model dan keakuratan model dalam memprediksi jumlah penjualan Toyota Avanza serta mengetahui hasil prediksi penjualan selama 12 bulan kedepan dengan menganalisis jumlah penjualan pada Januari 2010 hingga Oktober 2021. Diperoleh model prediksi jumlah penjualan Toyota Avanza dengan menggunakan Backpropagation Neural Network yaitu 12-13-1, dimana terdapat 12 variabel pada lapisan masukan, 13 variabel pada lapisan tersembunyi dan 1 variabel pada lapisan keluaran dengan nilai learning rate 0,5 serta momentum 0. Dihasilkan prediksi jumlah penjualan Toyota Avanza selama 12 bulan yang berada pada rata-rata batas atas 6215 dan rata-rata batas bawah 3415 dengan nilai MAPE 9,39135%, sehingga akurasi model tersebut dapat dikatakan sangat baik.

ENGLISH:

Prediction is a branch of science that is used to predict events that may occur in the future based on past events. One of the developed prediction methods, Backpropagation Neural Network, a method that has a good level of effectiveness. This study aims to determine the model and the accuracy of the model in predicting the total sales of the Toyota Avanza and to find out the results of sales predictions for the next 12 months by analyzing the number of sales in January 2010 to October 2021. The prediction model for the number of Toyota Avanza sales using the Backpropagation Neural Network is 12-13-1, where there are 12 variables in the input layer, 13 variables in the hidden layer and 1 variable in the output layer with a learning rate value of 0.5 and momentum 0. The predictions for the number of Toyota Avanza sales for 12 months are at an average upper limit of 6215 and an average lower limit of 3415 with a MAPE value of 9,39135%, so that the model’s accuration can be said to be very good.