<![CDATA[Penjualan produk di industri garmen merupakan aspek krusial yang sangat mempengaruhi keberlangsungan dan keberhasilan bisnis. Namun, prediksi penjualan seringkali menghadapi berbagai tantangan, seperti ketidakpastian data, fluktuasi permintaan, dan pola penjualan yang kompleks dan tidak linier. Penelitian ini mengusulkan penggunaan metode backpropagation pada jaringan saraf tiruan (artificial neural networks) sebagai solusi untuk memprediksi penjualan secara lebih akurat dan andal. Tujuan utama penelitian adalah mengembangkan model prediksi yang mampu menangkap pola-pola penjualan berdasarkan data historis yang diperoleh dari sebuah pabrik garmen selama periode tertentu. Pengujian model dilakukan dengan menggunakan dataset penjualan yang mencakup berbagai variabel penentu, dan hasil evaluasi menunjukkan bahwa model ini berhasil mencapai tingkat akurasi sebesar 92,5% dengan nilai mean squared error (MSE) yang rendah, menandakan prediksi yang sangat mendekati data aktual. Dengan demikian, metode backpropagation ini tidak hanya meningkatkan keakuratan prediksi, tetapi juga dapat menjadi alat bantu yang efektif dalam perencanaan produksi dan pengelolaan stok, sehingga membantu perusahaan dalam mengoptimalkan sumber daya dan meminimalkan risiko kelebihan atau kekurangan stok di industri garmen.]]>
Copyrights © 2025
