PERAMALAN JUMLAH PERMINTAAN PRODUK PDH MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK PADA DAKOTA RUMAH KONVEKSI

Robbani, Ilham and Setiafindari, Widya (2025) PERAMALAN JUMLAH PERMINTAAN PRODUK PDH MENGGUNAKAN METODE BACKPROPAGATION NEURAL NETWORK PADA DAKOTA RUMAH KONVEKSI. Tugas Akhir thesis, University of Technology Yogyakarta.

Text 5210611098 ILHAM ROBBANI_ABSTRAK.pdf Download (201kB)

Abstract

ABSTRAK Dakota rumah konveksi merupakan perusahaan yang bergerak dibidang konveksi yang berada di kecamatan kalasan, kabupaten sleman, Yogyakarta dengan sistem make to order dimana produk akan diproduksi ketika menerima pesanan dari pelanggan. Dakota Rumah Konveksi pada bulan Desember 2023 memproduksi sebanyak 987 pcs. Akan tetapi, pada tahun berikutnya jumlah produksi Kemeja Dinasmengalami kenaikan yang signifikan. Pada Desember 2024 Dakota Rumah Konveksi memproduksi Kemeja Dinas sebanyak 1302 pcs. Hal ini menunjukkan bahwa produksi naik sebesar 32 %. Dan hal tersebut juga menunjukkan terjadinya overproduction dimana maksimal kapasitas produksi dakota rumah konveksi sebesar 1200 pcs. Oleh karena itu, Dakota Rumah Konveksi mengalami kelebihan produksi sebanyak 102 pcs. Sehingga Dakota Rumah Konveksi mengalami ketidakpastian target produksi yang menyebabkan overproduction. Dengan masalah tersebut, maka akan dilakukan peramalan permintaan produk Kemeja Dinas dengan Backpropagation. Penelitian ini bertujuan untuk mengetahui jumlah permintaan produk Kemeja Dinas dengan Backpropagation. Diharapkan dengan peramalan jumlah produk Kemeja Dinas dengan Backpropagation akan menjadi dasar target produksi di masa yang akan datang. Hasil yang didapatkan diketahui bahwa model dengan model 64 neuron hidden layer, dengan fungsi pembelajaran Adam, fungsi aktivasi relu, epoch 75 serta learning rate 0,001 Didapatkan nilai error terendah yaitu 0,0362 pada proses pelatihan dan 0,0431 pada proses pengujian. Model tersebut dapat digunakan sebagai target produksi produk Kemeja Dinas Dakota Rumah Konveksi pada bulan Maret-Juli 2025. Kata Kunci : Overproduction, Peramalan, Backpropagation, Neuron, error ABSTRACT Dakota Rumah Konveksi is a garment manufacturing company located in Kalasan District, Sleman Regency, Yogyakarta. It operates a make-to-order system where products are produced upon receipt of customer orders. Dakota Rumah Konveksi produced 987 units in December 2023. However, the following year, the production volume of official shirts increased significantly. In December 2024, Dakota Rumah Konveksi produced 1,302 uniform shirts. This represents a 32% increase in production. It also indicated overproduction, as Dakota Rumah Konveksi's maximum production capacity is 1,200 uniform shirts. Therefore, Dakota Rumah Konveksi experienced an overproduction of 102 uniform shirts. Consequently, Dakota Rumah Konveksi faces uncertain production targets, leading to overproduction. Due to this problem, demand forecasting for official shirts using backpropagation will be conducted. This study aims to determine the demand for official shirts using backpropagation. It is expected that forecasting the number of official shirts using backpropagation will serve as the basis for future production targets. The results indicate that a model with 64 hidden layer neurons, with the Adam learning function, relu activation function, 75 epochs, and a learning rate of 0.001, achieve the lowest error value of 0.0362 in the training process and 0.0431 in the testing process. This model can be used to determine the production target for Dakota Rumah Konveksi's official shirts for March-July 2025. Keywords: Overproduction, Forecasting, Backpropagation, Neuron, Error

Item Type:	Thesis (Skripsi, Tugas Akhir or Kerja Praktek) (Tugas Akhir)
Subjects:	T Technology > TS Manufactures
Divisions:	Fakultas Sains dan Teknologi > S1 Teknik Industri
Depositing User:	Kaprodi S1 Teknik Industri UTY
Date Deposited:	31 Dec 2025 03:25
Last Modified:	31 Dec 2025 03:25
URI:	http://eprints.uty.ac.id/id/eprint/19586

Actions (login required)

View Item