Peramalan Penjualan Roti Menggunakan Extreme Learning Machine dengan Variasi Fungsi Aktivasi Sigmoid (Studi Kasus: Aulia Bakery)

Abstract

Aulia Bakery adalah UMKM yang dirintis sejak 2014, berada di Kecamatan Sumberbaru, Kabupaten Jember. Permasalahan yang dialami oleh UMKM Aulia Bakery adalah belum menggunakan metode yang dalam menunjang peramalan penjualan sehingga UMKM tersebut menentukan penjualan hanya dengan mengacu pada periode sebelumnya tanpa ada perhitungan matematis sehingga mengkibatkan kekurangan produksi saat sedang ramai permintaan dan kelebihan produksi disaat sepi permintaan. Hal tersebut berdampak pada ketahanan dari roti yang tidak menggunakan pengawet sehingga menyebabkan kerugian pada UMKM tersebut. Berdasarkan permasalahan yang telah diuraikan, digunakan metode peramalan yaitu Extreme Learning Machine menggunakan satu lapisan tersembunyi dan disebut sebagai Single Hidden Layer Feedforward Neural Network (SLFNs). Extreme Learning Machine diciptakan untuk mengatasi kelemahan pada Jaringan Saraf Tiruan (JST) feedforward dalam hal learning speed. Parameter seperti input weight dan bias yang dilipilih secara acak mengakibatkan Extreme Learning Machine memiliki learning speed yang bagus dan model matematis yang sederhana. Menggunakan data penjualan roti Aulia Bakery dari Januari 2019 hingga Agustus 2023. Pada penelitian ini, MAPE digunakan untuk mengukur tingkat kesalahan. Hasil peramalan metode ini menunjukkan tingkat kesalahan yang kecil, yang akan menjadi acuan bagi pelaku UMKM untuk menetapkan target penjualan berikutnya.