IMPLEMENTASI JARINGAN SYARAF TIRUAN UNTUK MEMPREDIKSI MEREK KOSMETIK YANG PALING DIMINATI KONSUMEN MENGGUNAKAN METODE BACKPROPOGATION
Abstract
Jaringan syaraf tiruan merupakan cabang dari kecerdasan buatan yang meniru atau mencontoh cara kerja otak manusia. JST dapat diimplementasikan pada berbagai macam aplikasi untuk menyelesaikan banyak masalah khususnya dalam bidang peramalan. Salah satu algoritma yang sering digunakan adalah Bacpropagation. Backpropagation merupakan salah satu algoritma yang dapat digunakan untuk memprediksi indeks penjualan kosmetik. Ada dua tahapan yang digunakan pada metode backpropagation ini yaitu tahap pelatihan dan tahap pengujian. Pada tahap pelatihan pola berusaha untuk mengenali masukan dan pada tahap pengujian pola yang sudah dikenali diujikan sehingga diketahui pola jaringan yang dapat mengenali dan melakukan prediksi terhadap indeks harga penjualan kosmetik Kosmetik merupakan kebutuhan bagi seorang wanita yang tidak dapat dipisahkan dari aktivitas sehari-hari. Dalam penelitian ini metode jaringan syaraf tiruan yang diguanakan adalah metode backpropagtion untuk memprediksi penjuala kosmetik. Perangkat lunak yang diguanakan untuk pengujian adalah aplikasi Matlab versi 6.1Downloads
Published
2017-07-21
Issue
Section
Articles
License

This work is licensed under a Creative Commons Attribution 4.0 International License
Authors who publish with this journal agree to the following terms:
- Authors retain copyright and grant the journal right of first publication with the work simultaneously licensed under Creative Commons Attribution 4.0 International License that allows others to share the work with an acknowledgment of the work's authorship and initial publication in this journal.
- Authors are able to enter into separate, additional contractual arrangements for the non-exclusive distribution of the journal's published version of the work (e.g., post it to an institutional repository or publish it in a book), with an acknowledgment of its initial publication in this journal.
- Authors are permitted and encouraged to post their work online (e.g., in institutional repositories or on their website) prior to and during the submission process, as it can lead to productive exchanges, as well as earlier and greater citation of published work (Refer to The Effect of Open Access).