PREDIKSI PENGADAAN DAN PENGELOLAAN INVENTORI JARINGAN SYARAF TIRUAN ALGORITMA BACKPROPAGATION PADA PERUM BULOG

ethan mahesa murty
DOI: 10.24269/jkt.v5i1.637

Abstract


Perum Bulog is a state-owned public company in food logistics field. Perum Bulog has a duty to stabilize food availability in Indonesia. The most consumed food by Indonesians is rice. It is estimated that the total national rice consumption reaches 30.25 million tons of rice. In this way, Perum Bulog must be able to meet their rice stock to maintain national food stability. However, in fact, in 2019 as many as 20 thousand tons of domestic rice had gone bad and caused the company to lose up to 167 billion. Thus, it is important to make predictions to determine the amount of rice stock in the future. One of the prediction techniques that can be used is prediction using Artificial Neural Networks. This study aims to determine the future rice stock of Perum Bulog using Artificial Neural Networks.

 

Perum Bulog merupakan perusahaan umum milik negara yang bergerak di  bidang logistik pangan.  Perum Bulog memiliki tugas untuk menstabilkan ketersediaan pangan di Indonesia. makanan pokok yang paling sering dikonsumsi masyarakat Indonesia adalah beras. Diperkirakan jumlah konsumsi beras nasional mencapai 30,25 juta ton beras. Dengan begitu Perum Bulog harus dapat memenuhi stok beras mereka untuk menjaga kestabilan pangan nasional. Namun, nyatanya dilapan pada tahun 2019  sebanyak 20 ribu ton beras dalam negeri mengalami pembusukan dan membuat perusahaan rugi hingga 167 miliar. Dengan begitu pentingnya melakukan prediksi  untuk mengetahui jumlah stok beras dimasa depan. Salah satu teknik prediksi yang dapa digunakan adalah prediksi menggunakan jaringan syaraf tiruan. Penelitian ini bertujuan untuk mengetahui stok beras masa depan Perum Bulog menggunakan jaringan syaraf tiruan.


Keywords


Perum Bulog, Food Availability, Prediction, Artificial Neural Network

References


Cynthia, E. P., & Ismanto, E. (2017, May). Jaringan Syaraf Tiruan Algoritma Backpropagation Dalam Memprediksi Ketersediaan Komoditi Pangan Provinsi Riau. In Seminar Nasional Teknologi Informasi Komunikasi dan Industri (pp. 271-282).

Dristyan, F. (2018, September). PREDIKSI JUMLAH PENJUALAN KREDIT SEPEDA MOTOR MENGGUNAKAN ALGORITMA BACKPROPAGATION. In Seminar Nasional Royal (SENAR) (Vol. 1, No. 1, pp. 185-190).

Trimulya, A., & Syaifurrahman, F. A. S. (2015). Implementasi Jaringan Syaraf Tiruan Metode Backpropagation untuk Memprediksi Harga Saham. Coding Jurnal Komputer dan Aplikasi, 3(2).

Pakaja, F., Naba, A., & Purwanto, P. (2012). Peramalan Penjualan Mobil Menggunakan Jaringan Syaraf Tiruan dan Certainty Factor. Jurnal Eeccis, 6(1), 23-28.

Nurhayati, S., & Immanudin, I. (2019). Penerapan Logika Fuzzy Mamdani Untuk Prediksi Pengadaan Peralatan Rumah Tangga Rumah Sakit. Komputika: Jurnal Sistem Komputer, 8(2), 81-87.

Lestari, Y. D. (2017). Jaringan syaraf tiruan untuk prediksi penjualan jamur menggunakan algoritma backropagation. Journal Information System Development (ISD), 2(1).

Putra, E. F., Asdi, Y., & Maiyastri, M. (2019). Peramalan dengan Metode Pemulusan Eksponensial Holt-Winter dan Sarima (Studi Kasus: Jumlah Produksi Ikan (Ton) di Kota Sibolga Tahun 2000-2017). Jurnal Matematika UNAND, 8(1), 75-83.

Sunardi, S. (2020). Sistem Prediksi Curah Hujan Bulanan Menggunakan Jaringan Saraf Tiruan Backpropagation. Sistem Prediksi Curah Hujan Bulanan Menggunakan Jaringan Saraf Tiruan Backpropagation, 10(2), 155-162.

Monika, D., Wahyudi, M., Lubis, M. R., Saputra, W., & Solikhun, S. (2020, February). Penerapan Jaringan Syaraf Tiruan Dalam Memprediksi Ketersediaan Tanaman Cabai Berdasarkan Provinsi di Indonesia. In Seminar Nasional Teknologi Komputer & Sains (SAINTEKS) (Vol. 1, No. 1, pp. 197-201).

Cahyono, B. (2013). Penggunaan Software Matrix Laboratory (Matlab)-Dalam Pembelajaran Aljabar Linier. Jurnal Phenomenon, 1(1), 42-62.

Subagyo, P. (2000). Manajemen operasi. BPFE Yogyakarta.

Herjanto, E. (2003). Manajemen Produksi dan Operasi Cetakan Ke-3. Jakarta: Grasindo.

Van Weele, A. J. (2009). Purchasing and supply chain management: Analysis, strategy, planning and practice. Cengage Learning EMEA.

Yukins, C. R., & Schooner, S. L. Incrementalism: Eroding the Impediments to A Global Procurement Market’(2006-2007). Geo J Int’l L, 38, 529.

Benvenuto, F., Piana, M., Campi, C., & Massone, A. M. (2018). A hybrid supervised/unsupervised machine learning approach to solar flare prediction. The Astrophysical Journal, 853(1), 90.

Rahayu, T. P. (2013). Implementasi Kebijakan E-procurement untuk Mewujudkan Efisiensi dan Transparansi. Jurnal Administrasi Publik, 1(2), 290-298.

Nugroho, R. S. (2015). Pengaruh implementasi sistem pengadaan secara elektrinik (E-Procurement) terhadap fraud pengadaan barang/jasa pemerintah (Studi pada Satuan Kerja Perangkat Daerah Kabupaten Magetan). Jurnal Administrasi Publik, 3(11), 1905-1911.

Indrajit, R. E., & Djokopranoto, R. (2003). Manajemen Persediaan. Grasindo: Jakarta.

Rohmawati, F., Rohman, M. G., & Mujilahwati, S. (2017). SISTEM PREDIKSI JUMLAH PENGUNJUNG WISATA WEGO KEC. SUGIO KAB. LAMONGAN MENGGUNAKAN METODE FUZZY TIME SERIES. Joutica, 2(2).

Wanto, A., & Windarto, A. P. (2017). Analisis Prediksi Indeks Harga Konsumen Berdasarkan Kelompok Kesehatan Dengan Menggunakan Metode Backpropagation. SinkrOn, 2(2), 37-43.

Sumayang, L. (2003). Dasar-dasar manajemen Produksi dan Operasi. Jakarta: Salemba Empat.

Heizer, J., & Render, B. (2005). Operations Management Edisi 7 Bahasa Indonesia. Jakarta: Salemba, 4.

Trihendradi, C. (2005). SPSS 13.0 Analisis Data Statistik. Yogyakarta: Andi.

Puspitaningrum, D. (2006). Pengantar jaringan syaraf tiruan.

Raharjo, P. S. (2019). 5 Makanan Pokok Lokal Pengganti Nasi yang Tak Kalah Bergizi. Merahputih.com

Pariona, A. (2019). What Are the World's Most Important Staple Foods?. Worldatlas.com

Nasution, D. D. (2019). Data Final, Validasi Luas Lahan Baku Sawah 7.463.918 Hektare. Republika.co.id

(2020). Produksi Beras Dipastikan Masih Surplus. Mediaindonesia.com

Perlu Otoritas Penuh Untuk Wujudkan Kedaulatan Pangan. Bulog.co.id

(2020). Stok Beras Numpuk Bulog Kesulitan Serap Gabah, Ketersediaan Pangan Nasional Akan Terganggu. Hasanah.id

Siregar, E. L. (2019). Waduh! 20.000 ton Beras Bulog kok Bisa Rusak?. Cnbcindonesia.com.

Thomas, V. F. (2019) Bulog Musnahkan 20 Ribu Ton Beras: Karena Impor atau Salah Kelola?. Tirto.id.

Bayu, D. J. (2019) Buang 20 Ribu Ton Beras, Buwas Sebut Sri Mulyani Bakal Ganti Rugi. Katadata.co.id.

Rambitan, B. F., Sumarauw, J. S., & Jan, A. H. (2018). Analisis Penerapan Manajemen Persediaan Pada CV. Indospice Manado. Jurnal EMBA: Jurnal Riset Ekonomi, Manajemen, Bisnis dan Akuntansi, 6(3).

Rahardjo, M. (2011). Metode pengumpulan data penelitian kualitatif.

Zakikhani, K., Zayed, T., Abdrabou, B., & Senouci, A. (2020). Modeling Failure of Oil Pipelines. Journal of Performance of Constructed Facilities, 34(1), 04019088.

Jauhari, D., Himawan, A., & Dewi, C. (2016). Prediksi Distribusi Air PDAM Menggunakan Metode Jaringan Syaraf Tiruan Backpropagation Di PDAM Kota Malang. Jurnal Teknologi Informasi dan Ilmu Komputer (JTIIK), 3(2), 83-87.

Safaat, N., Widiyanto, D., & Chamidah, N. (2020). Implementasi Jaringan Syaraf Tiruan Backpropagation Dalam Prediksi Rata-Rata Harga Beras Premium Dan Medium. Seminar Nasional Mahasiswa Ilmu Komputer dan Aplikasinya (SENAMIKA), 721-731.

Baktiar, C., Wibowo, A., & Adipranata, R. (2015). Pembuatan Sistem Peramalan Penjualan Dengan Metode Weighted Moving Average dan Double Exponential Smoothing Pada UD Y. Jurnal Infra, 3(1), 222-226.

Punaji, S. (2010). Metode penelitian pendidikan dan pengembangan. Jakarta: kencana.

Srinadi, I. G. A. M., & Nilakusmawati, D. P. E. (2018). Model Deret Waktu Produksi Genteng Pejaten dalam Keterbatasan Sumber Daya. Jurnal Matematika, 8(2), 126-138.

Köksoy, O. (2006). Multiresponse robust design: Mean square error (MSE) criterion. Applied Mathematics and Computation, 175(2), 1716-1729


Full Text: PDF

Refbacks

  • There are currently no refbacks.