PREDIKSI PENDAPATAN PERUSAHAAN MENGGUNAKAN
METODE
ADAPTIVE NEURO FUZZY INFERENCE SYSTEM
(ANFIS)
SKRIPSI
HARIGO CANHY MELANOF
081402073
DEPARTEMEN TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
PREDIKSI PENDAPATAN PERUSAHAAN MENGGUNAKAN
METODE
ADAP TIVE NEURO F UZZY INF ERENCE SYSTEM
(ANFIS)
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat untuk memperoleh ijazah Sarjana Teknologi Informasi
PROGRAM STUDI TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : PREDIKSI PENDAPATAN PERUSAHAAN MENGGUNAKAN METODE ADAPTIVE
NEURO FUZZY INFERENCE SYSTEM (ANFIS) Kategori : SKRIPSI
Nama : HARIGO CANHY MELANOF Nomor Induk Mahasiswa : 081402073
Program Studi : SARJANA (S1) TEKNOLOGI INFORMASI Departemen : TEKNOLOGI INFORMASI
Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI (FASILKOMTI) UNIVERSITAS SUMATERA UTARA
Program Studi S1 Teknologi Informasi Ketua,
PERNYATAAN
PREDIKSI PENDAPATAN PERUSAHAAN MENGGUNAKAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS)
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Agustus 2014
UCAPAN TERIMA KASIH
Puji dan syukur penulis sampaikan kehadirat Allah SWT yang telah memberikan rahmat dan hidayah-Nya sehingga penulis dapat menyelesaikan skripsi ini sebagai syarat untuk memperoleh ijazah Sarjana Teknologi Informasi, Program Studi S1 Teknologi Informasi Universitas Sumatera Utara. Ucapan terimakasih penulis sampaikan kepada:
1. Kedua orang tua dan keluarga yang telah memberikan dukungan dan motivasi baik moril dan materil serta spiritual, Ayahanda Edi Firman dan Ibunda Zuraida yang selalu sabar dalam mendidik dan membesarkan saya,juga kepada Zicco Sandra Prayudha, S.T., Sintha Febria, S.Farm.Apt., Feny Primawati, A.md., Imam Firdaus Muttaqin, Ibu Nasmita, A.md., dan Ibu Asnimar.
2. Bapak Muhammad Anggia Muchtar, S.T., M.M.IT. selaku pembimbing satu dan Bapak Muhammad Fadly Syahputra, B.Sc., M.Sc.IT. selaku pembimbing dua yang telah banyak meluangkan waktu dan pikirannya, memotivasi dan memberikan kritik dan saran kepada penulis, dan juga ditujukan kepada Ibu Sarah Purnamawati, S.T., M.Sc. dan Bapak Baihaqi Siregar, S.Si., M.Sc. selaku penguji yang telah bersedia menjadi dosen pembanding.
3. Dekan dan Pembantu Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara, semua dosen dan pegawai di Program Studi Teknologi Informasi.
5. Terima kasih kepada sahabat-sahabat, Raja Ade Fitrasari Mochtar, S.E., M.Ak., Barkah Adhy Nugraha, S.T., Joko Rinaldi,S.Kep.Ners., Rahmadan, S.T., Eri Yunaldo, S.T., dan Bayu Haryadi, S.T yang selalu memotivasi saya.
6. Terima kasih kepada keluarga bapak Nurjasri dan ibu Elly yang telah banyak membantu saya sejak pertama kali menginjakan kaki di kota medan, juga kepada kakanda Devy Molanda, dr.Lysa Ogestha dan Angga Rizky Permana.
7. Terima kasih juga kepada teman-teman terbaik saya yang terus mendukung tanpa henti, Reyhan Samantha, Teza Amaluddin, Atika Chan, Azharul Wanda Siregar, Rizky Yanda, Dwiporanda E, Kharisma Rinaldi Siregar, Inis Caisarian Siregar, Karina Wibawanti, Zulfikri Putra, Sanra Cheney, Joko Nugroho, dan Andre serta teman-teman mahasiswa Teknologi Informasi lainnya yang tidak dapat penulis sampaikan satu persatu.
ABSTRAK
Pertumbuhan omset (pendapatan) merupakan salah satu ukuran keberhasilan sebuah perusahaan yang harus dipantau. Sebuah perusahaan tentu mengharapkan terdapat pertumbuhan pendapatan setiap tahun yang dicanangkan dalam target pendapatan. Dalam waktu tertentu jumlah penerimaan pendapatan akan semakin meningkat dan dalam situasi yang lain akan terjadi sebaliknya. Untuk itu perlu adanya proyeksi atau peramalan terhadap jumlah penerimaan pendapatan untuk tahun selanjutnya. Peramalan atau yang sering disebut dengan forecasting adalah satu bagian yang harus dipertimbangkan untuk membuat perencanaan. Dalam tugas akhir ini digunakan metode Adaptive Neuro Fuzzy Inference System (ANFIS) untuk memprediksi pendapatan perusahaan berdasarkan data-data pendapatan sebelumnya. ANFIS adalah salah satu sistem hybrid dimana metode pembelajaran jaringan syaraf tiruan digunakan untuk mengimplementasikan metode Fuzzy Inference System. Pengukuran tingkat akurasi hasil prediksi dilakukan dengan nilai MAPE (Mean Absolute Percentage Error). Hasil prediksi yang dilakukan menggunakan ANFIS dengan parameter laju penbelajaran 0.2, momentum 0.1, dan max epoch 400 pada pendapatan perusahaan Breakdown Apparell periode 1 Januari 2011 sampai dengan 31 Desember 2013.
Abstract
The growth of turnover (revenue) is one measure of the success of a company that should be monitored. A company certainly expects revenue growth every year there are envisioned in the revenue targets. Within a certain amount of receipt of income will increase and in other situations would occur otherwise. For that we need a projection or forecast of the amount of receipt of income for the next year. Forecasting or forecasting is often referred to as one part that should be considered for planning. In this thesis used the method of Adaptive Neuro Fuzzy Inference System (ANFIS) to predict the company revenue data based on previous earnings. ANFIS is a hybrid system in which one neural network learning methods are used to implement the Fuzzy Inference System. Measuring the level of accuracy of the predictions made by the value of MAPE (Mean Absolute Percentage Error). The results of prediction were performed using ANFIS with learning rate parameter 0.2, momentum 0.1, and max epoch 400 on corporate earnings Breakdown apparell period January 1, 2011 until December 31, 2013.
DAFTAR ISI
2.4.2.2. Metode Inferensi Sugeno 20
2.4.3 Defuzifikasi 22
2.5. Jaringan Syaraf Tiruan 22
2.6. Prediksi Menggunakan Anfis 23
2.7. Penelitian Terdahulu 29
Bab 3 Analisis dan Perancangan 31
3.1. Identifikasi Masalah 31
3.3. Analisis Teknikal 34
3.4.5.2. Rancangan Halaman Data Pendapatan 47 3.4.5.3. Rancangan Halaman Peramalan 48 3.4.5.4. Rancangan Halaman About 49
Bab 4 Implementasi dan Pengujian 51
4.1. Implementasi 51
4.1.1. Spesifikasi Perangkat Keras yang Digunakan 52 4.1.2. Implementasi Perancangan Antarmuka 53
4.1.3. Implementasi Data 54
4.2. Pengujian Sistem 55
4.2.1. Rencana Pengujian Sistem 55
DAFTAR TABEL
Hal.
Tabel 2.1 Rentang Waktu dan Peramalan 12
Table 2.2 Penelitian Terdahulu 29
Tabel 3.1 Rangkuman Data Pendapatan Breakdown Apparel 32 Tabel 3.2 Use Case Spesifikasi untuk Use Case Home 39 Tabel 3.3 Use Case Spesifikasi untuk Use Case Pendapatan 39 Tabel 3.4 Use Case Spesifikasi untuk Use Case Peramalan 40 Tabel 3.5 Use Case Spesifikasi untuk Use Case Grafik Aktual 40 Tabel 3.6 Use Case Spesifikasi untuk Use Case Grafik Ramalan 41 Table 3.7 Use Case Spesifikasi untuk Use Case Data Saham 41
Tabel 4.1 Data Perusahaan Breakdown Apparel 54
Tabel 4.2 Rencana Pengujian 56
Tabel 4.3 Hasil Pengujian Menggunakan Metode Black Box 56
Tabel 4.4 Data Pendapatan Perusahaan 57
DAFTAR GAMBAR
Hal.
Gambar 2.1 Proses Fuzzy Inference System Error! Bookmark not defined.4 Gambar 2.2 Kurva Segitiga Error! Bookmark not defined.5
Gambar 2.3 Kurva Trapesium 14
Gambar 2.4 Kurva Generalized Bell 15
Gambar 2.5 Kurva Gaussian 16
Gambar 2.6 Blok diagram ANFIS 17
Gambar 3.1 Grafik Pendapatan Breakdown Apparel 34
Gambar 3.2 Algoritma ANFIS pada Sistem 35
Gambar 3.3 Use Case Diagram Sistem Prediksi 38
Gambar 3.4 Diagram Aktivitas Home 42
Gambar 3.5 Diagram Aktivitas Data Pendapatan 43
Gambar 3.6 Diagram Aktivitas Peramalan 44
Gambar 3.7 Diagram Aktivitas Grafik Aktual 44
Gambar 3.8 Diagram Aktivitas Grafik Peramalan 45
Gambar 3.9 Diagram Aktivitas Grafik Aktual dan Grafik Peramalan 45
Gambar 3.10 Struktur Menu Sistem 46
Gambar 3.14 Rancangan Halaman Home 47
Gambar 3.15 Rancangan Halaman Data Pendapatan 48
Gambar 3.16 Rancangan Halaman Ramalan 49
Gambar 3.17 Rancangan Halaman About 50
Gambar 4.1 Halaman Home 52
Gambar 4.2 Halaman Data Pendapatan Perusahaan 53
