Penerapan Metode Algoritma Neural Network Untuk Memprediksi Penjualan Bahan Bakar Minyak

Jenny Veronika; Andri Andri

doi:10.51519/journalita.volume3.isssue2.year2022.page235-243

Authors

Jenny Veronika Universitas Bina Darma
Andri Andri Universitas Bina Darma

DOI:

10.51519/journalita.volume3.isssue2.year2022.page235-243

Keywords:

BBM, Algoritma Neural Network, Rapidminer, Accuracy

Abstract

Produksi dari kendaraan bermotor tiap tahun selalu mengalami peningkatan, hal ini seiring dengan pertumbuhan penduduk yang selalu bertambah, kondisi ini berkaitan erat akan kebutuhan terhadap Bahan Bakar Minyak (BBM). Kebutuhan akan BBM memiliki variasi yang berbeda – beda, hal ini tergantung dari jenis kendaraan bermotor yang ada, antara lain premium, pertalite, biosolar dan pertamax yang di jual oleh PT. Dempo Migas/SPBU 24.31550. Algoritma Neural Network merupakan salah satu sistem pemrosesan informasi yang di design dengan meniru cara kerja otak manusia dalam menyelesaikan suatu masalah yang dapat di gunakan untuk memprediksi penjualan terhadap BBM. Dengan menggunakan software rapidminer dapat menerapkan penggunaan metode Algoritma Neural Network pada PT. Dempo Migas/SPBU 24.31550, adapun jumlah record yang 4324, hasil dari pengolahan dengan menggunakan Algoritma Neural Nework di dapat untuk penjualan tahun 2022 di prediksi penjualan Biosolar akan mengalami peningkatan, hal ini melihat hasil pengolahan dengan perbandingan data, 60:40, 70:30 dan 80:20 di dapat BBM biosolar mengalami peningkata dengan nilai accuracy sebesar 99.77 %, 99.60 % dan 99.83 %.

References

R. Risdiyanta, “MEMBEDAH STASIUN PENGISIAN BAHAN BAKAR UMUM (SPBU) di INDONESIA,” Swara Patra Maj. Ilm. PPSDM Migas, vol. 4, no. 3, Art. no. 3, Dec. 2014, Accessed: Sep. 08, 2022. [Online]. Available: http://ejurnal.ppsdmmigas.esdm.go.id/sp/index.php/swarapatra/article/view/91

“Stasiun Pengisian Bahan Bakar.” https://p2k.unkris.ac.id/id3/1-3065-2962/Stasiun-Pengisian-Bahan-Bakar_26163_unusa_p2k-unkris.html (accessed Sep. 08, 2022).

Syaifullah., Pengenalan Metode AHP ( Analytical Hierarchy Process ). Wordpress, 1–11, 2010.

M. A. S. Ekowati and E. Umbulolo, “PERANCANGAN SISTEM INFORMASI APLIKASI DATA MINING UNTUK MEMPREDIKSI KEMUNGKINAN TAMU HOMESTAY MENGULANGI KEDATANGANNYA (Study Kasus Homestay di Tawangmanggu Kab Karanganyar),” ReTII, Nov. 2018, Accessed: Sep. 08, 2022. [Online]. Available: //journal.itny.ac.id/index.php/ReTII/article/view/870

I. Ernawati, “DATA MINING SEBAGAI SALAH SATU SOLUSI STRATEGI BISNIS,” Inform. J. Ilmu Komput., vol. 14, no. 1, Art. no. 1, Apr. 2018, doi: 10.52958/iftk.v14i1.367.

Fayyad, Usama, Advances in Knowledge Discovery and Data Mining. MIT Press., 1996.

M. Agustin and T. Prahasto, “Penggunaan Jaringan Syaraf Tiruan Backpropagation Untuk Seleksi Penerimaan Mahasiswa Baru Pada Jurusan Teknik Komputer Di Politeknik Negeri Sriwijaya,” JSINBIS J. Sist. Inf. Bisnis, vol. 2, no. 2, pp. 089–097, Jun. 2012, doi: 10.21456/vol2iss2pp089-097.

A. L. Unihehu and I. Suharjo, “KLASIFIKASI JENIS IKAN BERBASIS JARINGAN SARAF TIRUAN MENGGUNAKAN ALGORITMA PRINCIPAL COMPONENT ANALYSIS (PCA),” vol. 7, no. 2, p. 6, 2021.

D. L. Rahakbauw, “ANALISIS JARINGAN SARAF TIRUAN BACKPROPAGATION TERHADAP PERAMALAN NILAI TUKAR MATA UANG RUPIAH DAN DOLAR,” BAREKENG J. Ilmu Mat. Dan Terap., vol. 8, no. 2, pp. 27–32, Dec. 2014, doi: 10.30598/barekengvol8iss2pp27-32.

M. S. Maulidin and L. Assaffat, “JARINGAN SYARAF TIRUAN SEBAGAI METODE PERAMALAN BEBAN LISTRIK HARIAN DI PT. PISMATEX PEKALONGAN,” vol. 7, no. 2, p. 9, 2014.

A. P. Widodo, S. Suhartono, E. A. Sarwoko, and Z. Firdaus, “AKURASI MODEL PREDIKSI METODE BACKPROPAGATION MENGGUNAKAN KOMBINASI HIDDEN NEURON DENGAN ALPHA,” MATEMATIKA, vol. 20, no. 2, pp. 79–84, Nov. 2017, Accessed: Sep. 08, 2022. [Online]. Available: https://ejournal.undip.ac.id/index.php/matematika/article/view/16677

“Proses Data Mining KDD,” School of Information Systems. https://sis.binus.ac.id/2021/09/30/proses-data-mining-kdd/ (accessed Sep. 08, 2022).