Analisis Jaringan Syaraf Tiruan Untuk Memprediksi Tingkat Pengunjung Restoran Di Desa Sebong Pereh Dengan Model Fuzzy

Ayu Aprilyana Kusuma Dewi
{"title":"Analisis Jaringan Syaraf Tiruan Untuk Memprediksi Tingkat Pengunjung Restoran Di Desa Sebong Pereh Dengan Model Fuzzy","authors":"Ayu Aprilyana Kusuma Dewi","doi":"10.46837/journey.v5i1.97","DOIUrl":null,"url":null,"abstract":"Prediksi jumlah pengunjung dapat membantu pihak manajemen restoran, penguasaha dan instansi terkait. Penelitian ini diharapkan dapat memantau & mengatisipasi pada membludaknya tingkat pengunjung. Dalam penelitian ini memakai model fuzzy & jaringan syaraf tiruan (JST) untuk memprediksi tingkat pengunjung restoran dan tingkat keakuratan model fuzzy pada proses memprediksi tingkat pengunjung. Metode yang dipakai dipenelitian ini adalah metode Mamdani dengan mengelompokkan data training dan testing, lalu memilih input output. Tahap berikutnya memutuskan fungsi keanggotaan menurut himpunan tersebut, serta menyusun aturan fuzzy berdasarkan data training hingga membuat sebuah model fuzzy. Terakhir menentukan tingkat keakuratan model fuzzy yang diperoleh dari nilai MSE dan MAPE dalam data training & testing. Penerapan model fuzzy diterapkan untuk tingkat kunjungan restoran di periode Januari 2017 sampai Desember 2019. Hasil prediksi menggunakan model fuzzy meperlihatkan bahwa tingkat keakuratan yang dihasilkan menggunakan input lag 12 dan lag 1 lebih baik dibandingkan menggunakan input lag 2 dan lag 1. Hal tersebut didapat menurut nilai MSE & MAPE yang lebih kecil mempunyai tingkat kesalahan prediksi lebih rendah. Pada data training, model fuzzy memakai lag 12 & lag 1 menghasilkan nilai sebesar 10064 dan 9,4139%, sedangkan dengan menggunakan input lag 2 & lag 1 menghasilkan nilai 10238 dan 10,0847%. Untuk data testing model fuzzy menghasilkan nilai 8723 dan 7,9674%, apabila memakai input lag 2 & lag 1 menghasilkan nilai sebesar 9203 dan 11,4103%.\n\nKata Kunci: Prediksi Tingkat Pengunjung, Jaringan Syaraf Tiruan, Model Fuzzy","PeriodicalId":231027,"journal":{"name":"Journey : Journal of Tourismpreneurship, Culinary, Hospitality, Convention and Event Management","volume":"41 1","pages":"0"},"PeriodicalIF":0.0000,"publicationDate":"2022-12-29","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Journey : Journal of Tourismpreneurship, Culinary, Hospitality, Convention and Event Management","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.46837/journey.v5i1.97","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0

Abstract

Prediksi jumlah pengunjung dapat membantu pihak manajemen restoran, penguasaha dan instansi terkait. Penelitian ini diharapkan dapat memantau & mengatisipasi pada membludaknya tingkat pengunjung. Dalam penelitian ini memakai model fuzzy & jaringan syaraf tiruan (JST) untuk memprediksi tingkat pengunjung restoran dan tingkat keakuratan model fuzzy pada proses memprediksi tingkat pengunjung. Metode yang dipakai dipenelitian ini adalah metode Mamdani dengan mengelompokkan data training dan testing, lalu memilih input output. Tahap berikutnya memutuskan fungsi keanggotaan menurut himpunan tersebut, serta menyusun aturan fuzzy berdasarkan data training hingga membuat sebuah model fuzzy. Terakhir menentukan tingkat keakuratan model fuzzy yang diperoleh dari nilai MSE dan MAPE dalam data training & testing. Penerapan model fuzzy diterapkan untuk tingkat kunjungan restoran di periode Januari 2017 sampai Desember 2019. Hasil prediksi menggunakan model fuzzy meperlihatkan bahwa tingkat keakuratan yang dihasilkan menggunakan input lag 12 dan lag 1 lebih baik dibandingkan menggunakan input lag 2 dan lag 1. Hal tersebut didapat menurut nilai MSE & MAPE yang lebih kecil mempunyai tingkat kesalahan prediksi lebih rendah. Pada data training, model fuzzy memakai lag 12 & lag 1 menghasilkan nilai sebesar 10064 dan 9,4139%, sedangkan dengan menggunakan input lag 2 & lag 1 menghasilkan nilai 10238 dan 10,0847%. Untuk data testing model fuzzy menghasilkan nilai 8723 dan 7,9674%, apabila memakai input lag 2 & lag 1 menghasilkan nilai sebesar 9203 dan 11,4103%. Kata Kunci: Prediksi Tingkat Pengunjung, Jaringan Syaraf Tiruan, Model Fuzzy
假神经分析可以预测模糊模型Sebong Pereh餐厅的顾客率
预测访问者的数量可以帮助餐厅管理、管理人员和相关机构。本研究预计将监督和参与参观率的增长。在本研究中,使用模拟模型模糊和神经网络(JST)来预测餐馆参观者的比率和观景率。本研究采用的方法是Mamdani方法,通过对培训和测试数据进行分类,选择输出输入。下一阶段根据集合决定会员国功能,并根据培训数据制定模糊规则,直到创建一个模糊模型。最后确定了从MSE和MAPE数据培训和测试中获得的模糊模型的准确性水平。模糊模型的应用应用于2017年1月至2019年12月期间的餐厅探访水平。使用模糊模型进行预测,使用12滞后1比使用滞后2和滞后1的输入提高了准确率。它是根据较小的MSE和MAPE值获得的,预测误差率较低。在培训数据中,模型fuzzy使用滞后12和滞后1产生10064和9.4139%的值,而使用滞后2和滞后1产生10238和10.0847%的值。对于测试模型模糊数据产生8723值和7.9674%,如果输入延迟2 &延迟1,则产生9203值和11.4103%的值。关键词:访问率预测,模拟神经网络,模糊模型
本文章由计算机程序翻译,如有差异,请以英文原文为准。
求助全文
约1分钟内获得全文 求助全文
来源期刊
自引率
0.00%
发文量
0
×
引用
GB/T 7714-2015
复制
MLA
复制
APA
复制
导出至
BibTeX EndNote RefMan NoteFirst NoteExpress
×
提示
您的信息不完整,为了账户安全,请先补充。
现在去补充
×
提示
您因"违规操作"
具体请查看互助需知
我知道了
×
提示
确定
请完成安全验证×
copy
已复制链接
快去分享给好友吧!
我知道了
右上角分享
点击右上角分享
0
联系我们:info@booksci.cn Book学术提供免费学术资源搜索服务,方便国内外学者检索中英文文献。致力于提供最便捷和优质的服务体验。 Copyright © 2023 布克学术 All rights reserved.
京ICP备2023020795号-1
ghs 京公网安备 11010802042870号
Book学术文献互助
Book学术文献互助群
群 号:481959085
Book学术官方微信