PREDIKSI PENJUALAN SEPEDA MOTOR SECARA KREDIT MENGGUNAKAN ALGORITMA BACKPROPAGATION ( Studi Kasus : UD Bima Motor Buol )

ABSTRAK
Fluktuasi yang signifikan dari penjualan sepeda motor secara kredit sering
mengakibatkan dealer mengalami kelebihan atau kekurangan stok, shingga
dibutuhkan sistem prediksi. Penelitian ini bertujuan untuk memprediksi penjualan
sepeda motor secara kredit dengan menggunakan algoritma jaringan saraf tiruan
(JST) backpropagation. Data penjualan bulanan suatu dealer dinormalisasi dengan
menggunakan fungsi sigmoid ke dalam interval [0,1 – 0,9], untuk dibentuk pola
input-target menggunakan metode sliding window berukuran 3 yang
dikombinasikan dengan 5 variabel musiman (pola sinus, kosinus, penanda Hari
Raya Idul Fitri, akhir tahun, dan musim panen). Hasilnya adalah pasangan data
dengan 8 variabel input. Arsitektur JST yang digunakan terdiri atas 8 neuron pada
lapisan input, 10 neuron pada hidden layer, dan 1 neuron pada lapisan output.
Learning rate ? = 0,05 digunakan untuk fungsi aktivasi sigmoid, dengan target error
= 0,01 dan maksimum epoch = 1000. Proses pelatihan dan pengujian dilakukan
untuk suatu dataset dengan menggunakan perangkat lunak MATLAB R2023b.
Hasil eksekusi program menunjukkan nilai MSE training sebesar 0,000907 dan
MSE testing sebesar 0,006161, dengan nilai yang memberikan tingkat akurasi
sebesar 99,99%. Menurut kriteria Lewis, hasil tersebut berada dakam kategori
prediksi sangat baik. Pola musiman yang konsisten dengan data historis, dengan
penjualan tertinggi juga berhasil ditampilkan.
Kata kunci: Prediksi, Penjualan Sepeda Motor Kredit, Jaringan Saraf Tiruan,
Backpropagation, Sliding Window, Variabel Musiman, Akurasi.