iv
ABSTRAK
Batik merupakan salah salah satu produk tekstil yang sedang digandrungi oleh masyarakat luas. Pada kenyataannya, banyaknya permintaan terhadap produk ini di
pasaran tidak diimbangi dengan strategi produksi yang tepat dan akurat dari para produsen. Ketidakseimbangan ini mengakibatkan terjadinya penumpukan stok (overstocking) ataupun kekurangan stok (understocking) yang membuat produsen mengalami kerugian baik dari sisi materil ataupun tenaga karena proses pembuatan batik tergolong memakan waktu dan energi. Pada Penelitian ini, penulis akan membuat sistem peramalan penjualan untuk mengatasi masalah dari pihak produsen dalam menangani permintaan konsumen. Data yang digunakan adalah data penjualan motif batik yang telah dikumpulkan dari beberapa produsen batik. Untuk mendapatkan error
peramalan yang rendah serta tingkat akurasi peramalan yang tinggi, penulis menggunakan metode extreme learning machines (ELM) yang merupakan metode baru dan tergolong ke dalam single hidden layer feedforward neural networks (SLFNs). Dari hasil penelitian, terbukti bahwa metode ini memiliki tingkat akurasi yang baik, dengan nilai error peramalan yang dihitung dengan mean absolute percentage error (MAPE) sebesar 0,67%. Semakin rendahnya nilai error peramalan menunjukkan peramalan memiliki tingkat akurasi yang lebih baik.
Kata kunci: Peramalan, Extreme Learning Machine, Single Hidden Layer Feedforward
Neural Networks, MAPE.
v
MARKET FORECASTING SALES OF BATIK USING EXTREME LEARNING MACHINE METHOD
ABSTRACT
Batik is one of the most favored textile by consumer these days. The fact, the high demand for these textile in the market are not balanced with the right strategy and the right production. This imbalance led to overstocking and understocking which makes producers suffered losses, both in terms of material and energy for the the manufacture of batik relatively time-consuming and energy. In this study, the author will build a sales forecasting system to overcome the problems of the producers in addressing the consumer demand. The data used is the batik sales data that have been collected from some producers of batik. To obtain a low forecasting error and an accurate forecasting value, the author uses the extreme learning machine (ELM) method which is the new method and classified in single hidden layer feedforward neural networks (SLFNs). From the result of this study proved that this metode has high level accuracy, the error forecasting value is calculated by mean absolute percentage error (MAPE) by 0,67%. The low value of the forecasting error shows that the forecasting has better accuracy rate.
Keyword: Forecasting, Extreme Learning Machine, Single Hidden Layer Feedforward Neural Networks, MAPE.
