Garuda - Garba Rujukan Digital

RANTAI PASOK BERAS PADA BULOG BERBASIS NEURAL NETWORK Ghozali, Muhammad Imam
Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol 7, No 2 (2016): JURNAL SIMETRIS VOLUME 7 NO 2 TAHUN 2016
Publisher : Universitas Muria Kudus

Sebagai lembaga terpenting dalam menjaga ketahanan pangan di Indonesia, perusahaan umum (Perum) Badan urusan Logistik (BULOG) sejak didirikannya memiliki tugas memasok bahan pangan, sehingga pengetahuan dan pengalaman BULOG dalam manajemen rantai pasok pangan dan hasil pertanian lainnya seyogianya dapat diandalkan. Namun BULOG belum teruji dalam perspektif masih menghadapi berbagai permasalahan yang sangat kompleks, yang muncul mulai dari masalah pasokan gabah di level petani, proses penggilingan gabah di level industri penggilingan (miller), hingga proses distribusi beras ke level konsumen. Dengan demikian, sebagai komoditas pangan utama, permasalahan beras bukan hanya merupakan permasalahan ekonomi saja tetapi juga bersifat politis. Data mining dapat membantu dalam memprediksi suatu sistem, sehingga dapat dilakukan pada penelitian ini agar prediksi lebih tepat dan akurat. Penelitian ini teknik yang dipakai ialah neural network backpropagation, ada beberapa tahap dalam peneilitian ini yaitu tahap pengumpulan data historik, pengolahan data, model atau metode yang diusulkan, eksperimen pada model tersebut, evaluasi dan validasi hasil. Pada hasil analisa menunjukan bahwa model ini mempunyai tingkat kesalahan atau error yang kecil atau didalam backpropagation sering disebut dengan mean square erorr (MSE). Disimpulkan bahwa teknik data mining menggunakan neural network backpropagation dapat menghasilkan suatu nilai error yang minimal sehingga tepat dan akurat untuk menentukan jumlah pasokan beras pada tahun berikutnya. Kata kunci: pasok beras, supply chain, data mining, neural network backpropagation, mean square erorr.

ANALISA POLA BELANJA MENGGUNAKAN ALGORITMA FP GROWTH, SELF ORGANIZING MAP (SOM) DAN K MEDOIDS Ghozali, Muhammad Imam; Ehwan, Rif'an Zaenal; Sugiharto, Wibowo Harry
Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol 8, No 1 (2017): JURNAL SIMETRIS VOLUME 8 NO 1 TAHUN 2017
Publisher : Universitas Muria Kudus

Dalam sebuah bisnis, diperlukan upaya memaksimalkan keuntungan. Diantaranya dengan melakukan promosi. Ketepatan promosi dapat dipelajari dari database sebuah perusahaan ritel utamanya pola belanja pada produk yang baiasa dibeli bersamaan. Informasi tentang pola belanja pelanggan yang tidak akurat menyebabkan kebijakan promosi tidak tepat dan efisien.Salah satu upaya lazim untuk memperoleh dan menggali pola belanja pelanggan adalah menggunakan data mining yang dikenal sebagai Knowledge Discovery in Database (KDD). Pendekatan yang biasa digunakan adalah asosiasi. Permasalahannya adalah aturan asosiasi cenderung mengabaikan dataset yang besar. Untuk mengatasi hal tersebut dilakukan klasifikasi barang yang dibeli dan tidak dibeli bersamaan. Algoritma Self Organizing Map (SOM) dan K-Medoids cocok untuk diterapkan dalam mengkluster dataset besar. Penelitian ini akan menguji kevalidan dan kecepatan algortima Self Organizing Map (SOM) dan K-Medoids jika dikombinasi dengan Frequent Pattern-Growth (FP-Growth).

ANALISA POLA BELANJA MENGGUNAKAN ALGORITMA FP GROWTH, SELF ORGANIZING MAP (SOM) DAN K MEDOIDS Ghozali, Muhammad Imam; Ehwan, Rif'an Zaenal; Sugiharto, Wibowo Harry
Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol 8, No 1 (2017): JURNAL SIMETRIS VOLUME 8 NO 1 TAHUN 2017
Publisher : Fakultas Teknik Universitas Muria Kudus

Dalam sebuah bisnis, diperlukan upaya memaksimalkan keuntungan. Diantaranya dengan melakukan promosi. Ketepatan promosi dapat dipelajari dari database sebuah perusahaan ritel utamanya pola belanja pada produk yang baiasa dibeli bersamaan. Informasi tentang pola belanja pelanggan yang tidak akurat menyebabkan kebijakan promosi tidak tepat dan efisien.Salah satu upaya lazim untuk memperoleh dan menggali pola belanja pelanggan adalah menggunakan data mining yang dikenal sebagai Knowledge Discovery in Database (KDD). Pendekatan yang biasa digunakan adalah asosiasi. Permasalahannya adalah aturan asosiasi cenderung mengabaikan dataset yang besar. Untuk mengatasi hal tersebut dilakukan klasifikasi barang yang dibeli dan tidak dibeli bersamaan. Algoritma Self Organizing Map (SOM) dan K-Medoids cocok untuk diterapkan dalam mengkluster dataset besar. Penelitian ini akan menguji kevalidan dan kecepatan algortima Self Organizing Map (SOM) dan K-Medoids jika dikombinasi dengan Frequent Pattern-Growth (FP-Growth).

RANTAI PASOK BERAS PADA BULOG BERBASIS NEURAL NETWORK Muhammad Imam Ghozali
Simetris: Jurnal Teknik Mesin, Elektro dan Ilmu Komputer Vol 7, No 2 (2016): JURNAL SIMETRIS VOLUME 7 NO 2 TAHUN 2016
Publisher : Universitas Muria Kudus

Sebagai lembaga terpenting dalam menjaga ketahanan pangan di Indonesia, perusahaan umum (Perum) Badan urusan Logistik (BULOG) sejak didirikannya memiliki tugas memasok bahan pangan, sehingga pengetahuan dan pengalaman BULOG dalam manajemen rantai pasok pangan dan hasil pertanian lainnya seyogianya dapat diandalkan. Namun BULOG belum teruji dalam perspektif masih menghadapi berbagai permasalahan yang sangat kompleks, yang muncul mulai dari masalah pasokan gabah di level petani, proses penggilingan gabah di level industri penggilingan (miller), hingga proses distribusi beras ke level konsumen. Dengan demikian, sebagai komoditas pangan utama, permasalahan beras bukan hanya merupakan permasalahan ekonomi saja tetapi juga bersifat politis. Data mining dapat membantu dalam memprediksi suatu sistem, sehingga dapat dilakukan pada penelitian ini agar prediksi lebih tepat dan akurat. Penelitian ini teknik yang dipakai ialah neural network backpropagation, ada beberapa tahap dalam peneilitian ini yaitu tahap pengumpulan data historik, pengolahan data, model atau metode yang diusulkan, eksperimen pada model tersebut, evaluasi dan validasi hasil. Pada hasil analisa menunjukan bahwa model ini mempunyai tingkat kesalahan atau error yang kecil atau didalam backpropagation sering disebut dengan mean square erorr (MSE). Disimpulkan bahwa teknik data mining menggunakan neural network backpropagation dapat menghasilkan suatu nilai error yang minimal sehingga tepat dan akurat untuk menentukan jumlah pasokan beras pada tahun berikutnya. Kata kunci: pasok beras, supply chain, data mining, neural network backpropagation, mean square erorr.

Title

Found 4 Documents
Search
Journal : Jurnal Simetris

Abstract

Abstract

Abstract

Abstract

Title Search

Found 4 Documents Search Journal : Jurnal Simetris

Abstract

Abstract

Abstract

Abstract

Title

Found 4 Documents
Search
Journal : Jurnal Simetris