pengujian.m

clc;clear;close all;

% load jaringan yang sudah dibuat pada proses pelatihan
load net.mat

% Proses membaca data uji dari excel
filename = 'TableKelompok5.xlsx';
sheet = 2;
xlRange = 'C17:O28';

Data = xlsread(filename, sheet, xlRange);
data_uji = Data(:,1:12)';
target_uji = Data(:,13)';
[m,n] = size(data_uji);

% Hasil prediksi
hasil_uji = sim(net_keluaran,data_uji);
nilai_error = hasil_uji-target_uji;

max_data = 112;
min_data = 11;
hasil_uji = ((hasil_uji-0.1)*(max_data-min_data)/0.8)+min_data;

% Performansi hasil prediksi
error_MSE = (1/n)*sum(nilai_error.^2);

filename = 'TableKelompok5.xlsx';
sheet = 1;
xlRange = 'E7:P7';

target_uji_asli = xlsread(filename, sheet, xlRange);

figure,
plotregression(target_uji_asli,hasil_uji,'Regression')

figure,
plot(hasil_uji,'bo-')
hold on
plot(target_uji_asli,'ro-')
hold off
grid on
title(strcat(['Grafik Keluaran JST vs Target dengan nilai MSE = ',...
    num2str(error_MSE)]))
xlabel('Pola ke-')
ylabel('Persediaan Barang')
legend('Keluaran JST','Target','Location','Best')