Ahmad Fadhil, Firmansyah (2025) PREDIKSI JUMLAH PENJUALAN BONEKA PADA F.R COLLECTION MENGGUNAKAN ARTIFICIAL NEURAL NETWORK (ANN) JENIS MULTI LAYER PERCEPTRON. Other thesis, UNSADA.
|
Text
COVER.pdf Download (2MB) |
|
|
Text
BAB 1.pdf Download (602kB) |
|
|
Text
BAB 2.pdf Download (966kB) |
|
|
Text
BAB 3.pdf Restricted to Registered users only Download (1MB) |
|
|
Text
BAB 4.pdf Restricted to Registered users only Download (1MB) |
|
|
Text
BAB 5.pdf Download (609kB) |
|
|
Text
DAFTAR PUSTAKA.pdf Download (616kB) |
|
|
Text
LAMPIRAN.pdf Download (985kB) |
|
|
Text
HASIL TURNITIN.pdf Download (494kB) |
|
|
Text
SUKET TURNITIN.pdf Download (673kB) |
Abstract
F.R Collection merupakan usaha penjualan boneka yang mengalami fluktuasi penjualan setiap bulannya. Untuk membantu pengambilan keputusan dan strategi pemasaran yang lebih efektif, diperlukan suatu sistem prediksi penjualan yang akurat. Penelitian ini bertujuan untuk memprediksi jumlah penjualan boneka pada F.R Collection menggunakan algoritma Artificial Neural Network (ANN) jenis Multi Layer Perceptron (MLP). Data yang digunakan dalam penelitian ini terdiri dari fitur-fitur seperti kategori, jenis boneka, harga satuan, jumlah unit, diskon, musim atau event, jenis transaksi, serta bulan penjualan. Model MLPRegressor dilatih menggunakan data historis penjualan dan dievaluasi menggunakan metrik Mean Squared Error (MSE), Mean Absolute Error (MAE), dan koefisien determinasi (R²). Hasil evaluasi menunjukkan bahwa model mampu memberikan performa prediksi yang baik dengan nilai MSE sebesar 28.02, MAE sebesar 4.15, dan R² sebesar 0.87. Dengan hasil tersebut, model ANN jenis MLP ini dinilai efektif dalam membantu prediksi penjualan dan dapat diimplementasikan sebagai alat bantu dalam perencanaan stok dan strategi bisnis di masa depan.
| Item Type: | Thesis (Other) |
|---|---|
| Additional Information: | Dosen Pembimbing : Dr. Linda Nur Afifa, ST, MT |
| Uncontrolled Keywords: | Prediksi Penjualan, Artificial Neural Network, Multi Layer Perceptron, F.R Collection. |
| Divisions: | Fakultas Teknik > Teknik Informatika |
| Depositing User: | Suwatno Suwatno Perpustakaan |
| Last Modified: | 25 Nov 2025 07:43 |
| URI: | http://repository.unsada.id/id/eprint/10138 |
Actions (login required)
![]() |
View Item |
