Peramalan E-commerce Garmen Berdasarkan Grey Model

(1)

M A H A S I S W A

K H U M A I R O H D I C K Y P R A M I T A S A R I 5 1 0 4 1 0 0 1 1 6

D O S E N P E M B I M B I N G

Y U D H I P U R W A N A N T O , S . K O M . , M . K O M R U L L Y S O E L A I M A N , S . K O M . , M . K O M

J U R U S A N T E K N I K I N F O R M A T I K A F A K U L T A S T E K N O L O G I I N F O R M A S I

I N S T I T U T T E K N O L O G I S E P U L U H N O P E M B E R S U R A B A Y A 2 0 1 2

Peramalan E-commerce Garmen Berdasarkan Grey Model

PRESENTASI TUGAS AKHIR - 2012

(2)

POKOK PEMBAHASAN

2

 Pendahuluan

 Metode : Grey Incidence Analysis & Grey Model

 Uji Coba Aplikasi

 Kesimpulan dan Saran

(3)

PENDAHULUAN

(4)

LATAR BELAKANG

4

 E-commerce garmen menunjukkan tren peningkatan yang kuat sehingga memiliki peluang bisnis yang besar.

 Dibutuhkan peramalan e-commerce garmen sebagai acuan dalam pengembangan bisnis atau dalam mengambil keputusan.

 E-commerce garmen merupakan suatu hal yang baru sehingga data statistik belum ada.

 Data jumlah transaksi e-commerce menggunakan estimasi para ahli kemudian disempurnakan keakuratannya menggunakan Grey Model

 Grey Model adalah sebuah metode peramalan yang bisa digunakan untuk kasus dengan data sedikit.

(5)

RUMUSAN PERMASALAHAN

5

 Bagaimana menemukan faktor yang paling berkaitan dengan GETA menggunakan perhitungan Grey Incidence Analysis.

 Bagaimana membentuk multi-variable grey model untuk melakukan peramalan

 Bagaimana melakukan itterative fitting untuk mengoreksi nilai GETA dan membentuk persamaan multi-variable grey model baru.

 Bagaimana melakukan peramalan jumlah transaksi e-commerce garmen di tahun berikutnya.

(6)

BATASAN PERMASALAHAN

6

 Menggunakan data ekonomi statistik Provinsi Hebei China 2001-2008.

 Data yang digunakan adalah

1) Produk Domestik Bruto (PDB) atau Gross Domestic Product (GDP),

2) Pengeluaran konsumsi per kapita penduduk perkotaan atau per capita consumption expenditure of urban residents (PCCE) ,

3) Total penjualan eceran barang-barang konsumsi atau the total retail sales of consumer goods(TRSCG),

4) Jumlah pengguna internet atau the number of internet users (NIU).

 Metode peramalan yang digunakan adalah Grey Model.

 Implementasi aplikasi menggunakan bahasa pemrograman MATLAB .

(7)

METODE

(8)

GREY INCIDENCE ANALYSIS

8

 Grey Incidence Analysis adalah sebuah metode untuk mengukur tingkat korelasi antar dua faktor. Menentukan apakah keduanya dekat atau tidak berdasarkan pada tingkat kesamaan dari pola-pola geometris bentuk kurva sekuen. Semakin mirip kurvanya, semakin tinggi tingkat korelasi keduanya, dan sebaliknya.

 Grey Incidence Analysis dilakukan dengan melakukan perhitungan derajat kejadian abu-abu (Degree of Grey Incidence).

 Degree of Grey Incidence ada 3 macam yaitu:

 Absolute Degree of Incidence

 Relative Degree of Incidence

 Synthetic Degree of Incidence

 Hasil perhitungan dari Grey Incidence Analysis adalah kelompok data dengan nilai synthetic Degree of Incidence terbesar.

(9)

Degree of Incidence

9

 Absolute Degree of Incidence

Nilai hubungan antara perilaku sekuens dengan garis zig zag pada kurva.

 Relative Degree of Incidence

Representasi kuantitatif dari tingkat perubahan data terhadap titik awal

 Synthetic Degree of Incidence

Sebuah indeks numerik yang menggambarkan semua hubungan kedekatan antar data sekuens

(10)

GREY MODEL

10

 Grey Model adalah sebuah model peramalan yang cocok digunakan pada kasus dengan data sedikit.

 MGM(1,2) artinya Multivariable Grey Model (turunan pertama, 2 variabel)

 Hasil perhitungan Grey Model pada kasus ini adalah

 Persamaan Multivariabel Grey Model yang untuk selanjutnya digunakan untuk meramalkan jumlah transaksi e-commerce tahun berikutnya.

 Nilai jumlah transaksi e-commerce baru yaitu hasil koreksi dari nilai estimasi para ahli

 Perhitungan Grey Model dilakukan berulang kali hingga rata-rata error < 3%

(11)

UJI COBA

(12)

DATA UJI COBA

12

NO TAHUN GETA GDP PCCE TRSCG NIU

10⁸RMB 10⁸RMB RMB 10⁸RMB 10⁴

1 2001 1.65 5517 4480 1778 170

2 2002 2.35 6018 5068 1968 219

3 2003 3.94 6921 5440 2178 289

4 2004 5.09 8477 5820 2576 387

5 2005 6.66 10096 6700 2953 486

6 2006 10.36 11516 7344 3397 631

7 2007 16.45 13710 8325 3986 830

8 2008 24.28 16189 9087 4482 1080

*) GETA – Data jumlah penjualan e-commerce garmen hasil estimasi para ahli.

*) GDP, PCCE, TRSCG, NIU – Data ekonomi Provinsi Hebei, China. 2001-2008

*) RMB adalah satuan mata uang China / Yuan

(13)

13

0 2000 4000 6000 8000 10000 12000 14000 16000 18000

2001 2002 2003 2004 2005 2006 2007 2008

GETA GDP PCCE TRSCG NIU

(14)

HASIL UJI COBA (1)

14

Dengan θ = 0.2 artinya lebih memperhatikan hubungan kuantitas mutlak antar kelompok data Hasil Perhitungan : NIU dengan nilai 0,6968

GDP PCCE TRSCG NIU

Absolute 0,5008 0,5017 0,5030 0,5103 Relative 0,6008 0,5816 0,5850 0,7434 Synthetic 0,5808 0,5656 0,5686 0,6968 Hasil uji coba Grey Incidence Analysis dengan θ = 0.2

(15)

HASIL UJI COBA (1)

15

Hasil Perhitungan : NIU dengan nilai 0,6268

(16)

HASIL UJI COBA (1)

16

θ = 0.7 artinya lebih memperhatikan pada kecepatan perubahan hubungan antar kelompok data.

Hasil Perhitungan : NIU dengan nilai 0,5802

(17)

HASIL UJI COBA (2)

17

Hasil uji coba Grey Model Menggunakan Data Ekonomi Hebei, China 2001-2008

 4 kali iterasi perhitungan Grey Model.

 GETA Tahun 2009 = 26,2026 x 10⁸ RMB

 Nilai GETA baru

Tahun GETA 2001 1.65 2002 2.32 2003 3.16 2004 4.35 2005 6.08 2006 8.58 2007 12.27 2008 17.80

(18)

HASIL UJI COBA (3)

18



 GETA Tahun 2006 = 8,3552 x 10⁸ RMB

 Relative Error GETA(2006) = (8,58 – 8,3552)/8,58 * 100%

= 2,6 %

(19)

HASIL UJI COBA (4)

19

 GETA Tahun 2007 = 12,1668 x 10⁸ RMB

= 0,8 %

(20)

HASIL UJI COBA (5)

20

 GETA Tahun 2008 = 12,4084 x 10⁸ Yuan

= 30 %

(21)

KESIMPULAN

21

 Grey Model cocok digunakan pada e-commerce garmen karena memiliki data statistik yang sedikit.

 Grey Model bisa digunakan untuk meramalkan jumlah transaksi e-commerce garmen yang bisa menjadi referensi dalam pengembangan e-commerce

garmen.

 Dari hasil uji coba setelah dibandingkan dengan data GETA baru ternyata banyak data yang memiliki error kecil sehingga metode ini cocok digunakan untuk meramalkan kasus dengan data yang sedikit.

 Jumlah pengguna internet mempunyai hubungan erat dengan e-commerce garmen

(22)

SARAN

22

Saran untuk pengembangan lebih lanjut adalah sebaiknya ditambahkan data hasil survey statistik terkait jumlah transaksi e-commerce garmen sehingga bisa digunakan untuk mengukur keakuratan nilai jumlah transaksi e-commerce garmen (GETA) dari perhitungan perangkat lunak pada tugas akhir ini.

(23)

SELESAI

(24)

LAMPIRAN

(25)

ABSOLUTE DEGREE OF INCIDENCE

25

(26)

RELATIVE DEGREE OF INCIDENCE

26

(27)

SYNTHETIC DEGREE OF INCIDENCE

27

θ bisa bernilai 0.5, jika hubungan antara kuantitas mutlak lebih ditekankan, nilai θ dapat lebih besar dan sebaliknya, jika tingkat

perubahan data lebih ditekankan maka nilai θ lebih kecil.

(28)

GREY MODEL

28

(29)

29

(30)

Mapping kuantitas

30

GDP – Produk domestik bruto -> merefleksikan seluruh kondisi ekonomi

PCCE – komsumsi per kapita penduduk perkotaan -> perkembangan ekonomi , pendapatan masyarakat dll

TRSCG – total penjualan eceran barang konsumen - kekuatan masyarakat dalam Membeli barang, standart hidup masyarakat

NIU – perkembangan e-commerce garmen.