Model Prediksi Penjualan Makanan Berbasis Neural Network Backpropagation dengan Optimasi Particle Swarm Optimization

Abstract— Predictions in sales have an important role because prediction results can be used as a tool in making decisions based on sales history data. The Neural Network (NN) algorithm can be used in predicting. However, it still has weaknesses in training time and parameter determination. To overcome the problem used Particle Swarm Optimazation (PSO) for optimization and speed up the calculation time in the next process to achieve convergen state. In this research, the parameters of NN and PSO are arranged. Setting is done to get the smallest RMSE value so that formed the best model of the method used.Intisari— Prediksi di bidang penjualan memiliki peranan penting karena hasil prediksi dapat digunakan sebagai alat bantu dalam membuat keputusan berdasarkan data histori penjualan. Algoritma Neural Network (NN) dapat digunakan dalam hal memprediksi. Akan tetapi masih memiliki kelemahan dalam waktu pelatihan dan penentuan parameternya. Untuk mengatasi masalah tersebut digunakan Particle Swarm Optimazation (PSO) untuk optimasi dan mempercepat waktu kalkulasi pada proses selanjutnya untuk mencapai keadaan convergen. Dalam penelitian ini, dilakukan pengaturan Parameter-parameter NN dan PSO. Pengaturan tersebut dilakukan untuk mendapatkan nilai RMSE terkecil sehingga terbentuk model terbaik dari metode yang digunakan.Kata Kunci— Prediksi, time series, neural network, PSO