OPTIMASI ARSITEKTUR ARTIFICIAL NEURAL NETWORK (ANN) MENGGUNAKAN GENETIC ALGORITHM (GA) DALAM PERAMALAN PERMINTAAN PADA UMKM ROTI MADHANI

Abstrak

Fluktuasi permintaan produk pada UMKM ROTI MADHANI menyulitkan perencanaan produksi dan pengelolaan persediaan, sementara metode peramalan statistik konvensional kurang mampu menangkap pola permintaan yang non-linier dan kompleks. Penelitian ini bertujuan mengembangkan model prediksi permintaan finished goods menggunakan Artificial Neural Network (ANN) yang arsitekturnya dioptimasi dengan Genetic Algorithm (GA), agar diperoleh konfigurasi jaringan optimal tanpa trial-and-error manual. Data yang digunakan adalah 50 data historis bulanan (Januari 2022–Februari 2026) dengan lima variabel input, yaitu harga jual, indeks marketing, indeks hari besar, stok tersedia, dan kunjungan media sosial, serta permintaan produk sebagai variabel output. GA digunakan untuk mengoptimasi jumlah hidden layer, jumlah neuron, learning rate, dan batch size dengan ukuran populasi 8 kromosom selama 15 generasi, sedangkan ANN dilatih menggunakan algoritma backpropagation dengan optimizer Adam. Hasil optimasi menghasilkan arsitektur ANN dengan 3 hidden layer (56, 42, dan 26 neuron), learning rate 0,01, dan batch size 16. Evaluasi pada data pengujian menunjukkan model memperoleh MAE sebesar 94,4854, RMSE sebesar 102,5628, MAPE sebesar 21,10%, dan R² sebesar 98,89%. Hasil ini menunjukkan bahwa model ANN-GA mampu memprediksi permintaan finished goods dengan akurasi yang baik dan dapat digunakan sebagai alat bantu pengambilan keputusan dalam perencanaan produksi dan pengendalian persediaan pada UMKM Roti Madhani.