Melola Discovery

← Melola Discovery

Jurnal

PERAMALAN PENJUALAN SEMEN MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK DAN RECURRENT NEURAL NETWORK

Unnes Journal of Mathematics · Vol. 9 No. 1 (2020) · hlm. 6–21

DOI
10.15294/ujm.v9i1.29970
ISSN
2460-5859, 2252-6943
Terbit
2020-06-22
Penerbit
Universitas Negeri Semarang
Bahasa
eng

Abstrak

Backpropagation Neural Netwrok (BPNN) adalah Neural Network (NN) yang tidak memiliki loop, sedangkan Recurrent Neural Network (RNN) adalah NN yang memiliki minimal satu feedback loop. Dalam penelitian ini dilakukan peramalan penjualan semen di PT Semen Indonesia (Persero) Tbk dengan menggunakan BPNN dan RNN tipe Elman. Tujuan penelitian ini adalah untuk memperoleh pemodelan BPNN dan RNN tipe Elman untuk peramalan penjualan semen, serta hasil peramalan menggunakan model terbaik. Hasil penelitian menunjukkan model BPNN terbaik adalah BPNN (9-5-1) dengan algoritma pelatihan Levenberg-Marquardt dengan inisialisasi Mu yang digunakan adalah 0,02 dan fungsi aktivasi yang digunakan adalah logsig, sedangkan model RNN tipe Elman terbaik adalah RNN tipe Elman (9-5-1) dengan algoritma pelatihan gradient descent dengan momentum dan adaptive learning rate dengan momentum yang digunakan adalah 0,2, learning rate yang digunakan adalah 0,2, dan fungsi aktivasi yang digunakan adalah logsig. Model terbaik untuk peramalan penjualan semen di PT Semen Indonesia (Persero) Tbk adalah BPNN (9-5-1).

Jaringan kolaborasi para penulis

40 penulis · 95 tautan kepenulisan bersama · menampilkan 40 yang paling banyak terhubung

Arahkan kursor atau ketuk sebuah nama untuk menyorot rekan penulisnya. Klik dua kali untuk membuka halaman penulis.

  • State University of Semarang
  • Afiliasi tidak diketahui
  • Organisasi berbeda
  • Organisasi sama
  • Afiliasi tidak diketahui
  • Garis lebih tebal = lebih banyak artikel bersama · lingkaran lebih besar = lebih banyak artikel
Tampilkan sebagai tabel
Rekan penulisOrganisasiArtikel bersama
Emi PujiastutiState University of Semarang7
Scolastika MarianiState University of Semarang6
Amin SuyitnoState University of Semarang6
Putriaji HendikawatiState University of Semarang5
Masrukan MasrukanState University of Semarang4
Sunarmi SunarmiAfiliasi tidak diketahui3
Nurkaromah DwidayatiState University of Semarang2
Arief AgoestantoAfiliasi tidak diketahui2
Isti HidayahState University of Semarang2
Zaenuri ZaenuriState University of Semarang2
Scolastika MarianiState University of Semarang1
Wardono WardonoState University of Semarang1
Ayu AristikaState University of Semarang1
Vena AgustinaState University of Semarang1
Bayu Rizky PratamaAfiliasi tidak diketahui1
Heriyanto HeriyantoAfiliasi tidak diketahui1
Nurul HidayatiAfiliasi tidak diketahui1
Zaenuri MasturAfiliasi tidak diketahui1
Dedeh KurniasihAfiliasi tidak diketahui1
Putri Dwi PradinaAfiliasi tidak diketahui1
Leili UlfiatiAfiliasi tidak diketahui1
Tias SafitriAfiliasi tidak diketahui1
Sri PujilestariAfiliasi tidak diketahui1
Eko SupriyadiAfiliasi tidak diketahui1
Siti Ma'unahAfiliasi tidak diketahui1
hengky tri ikhsanto hengky tri ikhsantoAfiliasi tidak diketahui1
Ari CynthiaAfiliasi tidak diketahui1
Alamsyah AlamsyahState University of Semarang1
Bravura Candra HalimAfiliasi tidak diketahui1
Sunarti SunartiAfiliasi tidak diketahui1
Elisa Desi AsrianiAfiliasi tidak diketahui1
Saroful AnamAfiliasi tidak diketahui1
Muhammad KharisAfiliasi tidak diketahui1
lida MawartiAfiliasi tidak diketahui1
Nurul LutfianiAfiliasi tidak diketahui1
Dyah NovaliaAfiliasi tidak diketahui1
Dimas Arif YuliantoAfiliasi tidak diketahui1

Afiliasi berasal dari OpenAlex; metadata OAI-PMH jurnal tidak memuatnya. Penulis tanpa ID OpenAlex dicocokkan berdasarkan nama, sehingga dua orang bisa tergabung atau satu orang bisa terpisah.

Sumber metadata: OAI-PMH (metadata jurnal) https://journal.unnes.ac.id/sju/index.php/ujm/oai, pertama di-harvest 6 Nov 2026, terakhir terlihat 6 Nov 2026.
Metadata asli (oai_dc)
<oai_dc:dc xmlns="http://www.openarchives.org/OAI/2.0/" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:oai_dc="http://www.openarchives.org/OAI/2.0/oai_dc/" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://www.openarchives.org/OAI/2.0/oai_dc/  http://www.openarchives.org/OAI/2.0/oai_dc.xsd">
	<dc:title xml:lang="en-US">PERAMALAN PENJUALAN SEMEN MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK DAN RECURRENT NEURAL NETWORK</dc:title>
	<dc:creator>Achmalia, Aisyah Fany</dc:creator>
	<dc:creator>Walid, Walid</dc:creator>
	<dc:creator>Sugiman, Sugiman</dc:creator>
	<dc:description xml:lang="en-US">Backpropagation Neural Netwrok (BPNN) adalah Neural Network (NN) yang tidak memiliki loop, sedangkan Recurrent Neural Network (RNN) adalah NN yang memiliki minimal satu feedback loop. Dalam penelitian ini dilakukan peramalan penjualan semen di PT Semen Indonesia (Persero) Tbk dengan menggunakan BPNN dan RNN tipe Elman. Tujuan penelitian ini adalah untuk memperoleh pemodelan BPNN dan RNN tipe Elman untuk peramalan penjualan semen, serta hasil peramalan menggunakan model terbaik. Hasil penelitian menunjukkan model BPNN terbaik adalah BPNN (9-5-1) dengan algoritma pelatihan Levenberg-Marquardt dengan inisialisasi Mu yang digunakan adalah 0,02 dan fungsi aktivasi yang digunakan adalah logsig, sedangkan model RNN tipe Elman terbaik adalah RNN tipe Elman (9-5-1) dengan algoritma pelatihan gradient descent dengan momentum dan adaptive learning rate dengan momentum yang digunakan adalah 0,2, learning rate yang digunakan adalah 0,2, dan fungsi aktivasi yang digunakan adalah logsig. Model terbaik untuk peramalan penjualan semen di PT Semen Indonesia (Persero) Tbk adalah BPNN (9-5-1).</dc:description>
	<dc:publisher xml:lang="en-US">Universitas Negeri Semarang</dc:publisher>
	<dc:date>2020-06-22</dc:date>
	<dc:type>info:eu-repo/semantics/article</dc:type>
	<dc:type>info:eu-repo/semantics/publishedVersion</dc:type>
	<dc:type xml:lang="en-US">Peer-reviewed Article</dc:type>
	<dc:format>application/pdf</dc:format>
	<dc:identifier>https://journal.unnes.ac.id/sju/ujm/article/view/29970</dc:identifier>
	<dc:identifier>10.15294/ujm.v9i1.29970</dc:identifier>
	<dc:source xml:lang="en-US">Unnes Journal of Mathematics; Vol 9 No 1 (2020); 6-21</dc:source>
	<dc:source>2460-5859</dc:source>
	<dc:source>2252-6943</dc:source>
	<dc:source>10.15294/ujm.v9i1</dc:source>
	<dc:language>eng</dc:language>
	<dc:relation>https://journal.unnes.ac.id/sju/ujm/article/view/29970/16244</dc:relation>
	<dc:rights xml:lang="en-US">Copyright (c) 2020 Unnes Journal of Mathematics</dc:rights>
</oai_dc:dc>