PENERAPAN METODE EXTREME LEARNING MACHINE (ELM) DALAM MENENTUKAN PERAMALAN (FORECASTING) PERMINTAAN BBM INDUSTRI PADA PT KHANZA SINAR MULIA

JANAH, NUR and Urva, Gellysa and Desyanti, Desyanti (2019) PENERAPAN METODE EXTREME LEARNING MACHINE (ELM) DALAM MENENTUKAN PERAMALAN (FORECASTING) PERMINTAAN BBM INDUSTRI PADA PT KHANZA SINAR MULIA. Other thesis, Sekolah Tinggi Teknologi Dumai.

[img] Text
BAB I.docx - Accepted Version
Restricted to Repository staff only
Available under License Creative Commons Public Domain Dedication.

Download (35kB)
[img] Text
DAFTAR PUSTAKA.docx - Bibliography
Restricted to Repository staff only
Available under License Creative Commons Public Domain Dedication.

Download (28kB)

Abstract

PT Khanza Sinar Mulia menyalurkan bahan bakar minyak berupa solar dan jasa angkut,dimana dalam permintaan solar maupun jasa angkut yang setiap harinya tidak menentu maka perusahaan kesulitan dalam menentukan mobil yang tidak sesuai dengan kapasitas mobil,dimana permintaan konsumen 5.000 liter maka perusahaan harus menyediakan mobil dengan kapasitas 5.000 liter jika perusahaan menyediakan mobil dengan kapasitas 10.000 liter maka perusahaan telah mengalami kerugian besar dimana dengan mobil kapasitas 10.000 liter bisa mengangkut BBM solar sebanyak 10.000 liter Maka dari itu permintaan produk solar membutuhkan suatu peramalan (forecasting) untuk menentukan permintaan konsumen dan jasa angkut terhadap minyak industri setiap harinya agar dapat menyesuaikan kapasitas mobil di PT. Khanza Sinar Mulia. Berdasarkan hasil penelitian sebelumnya mengenai Metode Extreme Learning Machine(ELM) yang memiliki kelebihan dalam hal Learning speed dan juga mempunyai tingkat ketelitian peramalan yang lebih akurat dibandingkan dengan metode lainnya. Penerapan Metode Extreme Learning Machine pada Peramalan (Forecasting) Penjualan BBM Industri di PT Khanza Sinar Mulia di lakukan perbandingan data Input Layer dengan nilai input yaitu (3) , (6) , dan (9) untuk mencari nilai input tersebut secara trial/acak sampai menemukan nilai error yang terkecil, berdasarkan Dari hasil perbandingan diatas dapat dilihat bahwa Mean Square Error (MSE) terkecil diperoleh dengan nilai input 3 , yaitu 0,001 . Hal ini menunjukkan bahwa forecast terbaik untuk meramalkan penjualan minyak industri terhadap minyak solar adalah dengan menggunakan input layer 3. Jadi, nilai peramalan penjualan minyak industri di PT Khanza Sinar Mulia untuk hari berikutnya dengan input = 3 adalah sebesar 5,095 atau sekitar 5,095/KL.

Item Type: Thesis (Other)
Uncontrolled Keywords: Peramalan (Forecasting), Penjualan, Extreme Learning Machine
Subjects: Z Bibliography. Library Science. Information Resources > Z665 Library Science. Information Science
Divisions: Faculty of Engineering, Science and Mathematics > School of Electronics and Computer Science
Depositing User: Unnamed user with email merinapratiwi@mail-sttdumai.ac.id
Date Deposited: 21 Sep 2020 04:06
Last Modified: 21 Sep 2021 09:25
URI: http://repository.sttdumai.ac.id/id/eprint/218

Actions (login required)

View Item View Item