PERAMALAN PASAR PENJUALAN BATIK MENGGUNAKAN METODE EXTREME LEARNING MACHINE (ELM)
SKRIPSI
ABBAS MUNANDAR RAMBE 111402054
PROGRAM STUDI S1 TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
PERAMALAN PASAR PENJUALAN BATIK MENGGUNAKAN METODE EXTREME LEARNING MACHINE (ELM)
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Teknologi Informasi
ABBAS MUNANDAR RAMBE 111402054
PROGRAM STUDI S1 TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA
PERSETUJUAN
Judul : PERAMALAN PASAR PENJUALAN BATIK MENGGUNAKAN METODE EXTREME
LEARNING MACHINE (ELM) Kategori : SKRIPSI
Nama : ABBAS MUNANDAR RAMBE Nomor Induk Mahasiswa : 111402054
Program Studi : SARJANA (S1) TEKNOLOGI INFORMASI Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI (FASILKOM-TI)
UNIVERSITAS SUMATERA UTARA
Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
Dedy Arisandi, S.T., M.Kom. Sajadin Sembiring, S.Si., M.Comp.Sc. NIP : 197908312009121002 NIP : -
Diketahui/Disetujui oleh
Program Studi S1 Teknologi Informasi Ketua,
PERNYATAAN
PERAMALAN PASAR PENJUALAN BATIK MENGGUNAKAN METODE EXTREME LEARNING MACHINE (ELM)
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, 13 Juni 2016
UCAPAN TERIMA KASIH
Puji dan syukur penulis sampaikan ke hadirat Allah SWT yang telah memberikan rahmat dan hidayah-Nya sehingga penulis dapat menyelesaikan skripsi ini
sebagai syarat untuk memperoleh gelar Sarjana Teknologi Informasi, Program Studi S1 Teknologi Informasi Universitas Sumatera Utara.
Ucapan terima kasih penulisan sampaikan kepada Bapak Sajadin Sembiring, S.Si., M.Comp.Sc selaku pembimbing pertama dan Bapak Dedy Arisandi, S.T., M.Kom selaku pembimbing kedua yang telah banyak meluangkan waktu untuk memberikan kritik dan saran dalam penelitian dan penulisan skripsi ini. Selanjutnya, terima kasih juga kepada Ibu Dr. Erna Budhiarti Nababan, M. IT sebagai dosen penguji pertama serta Bapak Dani Gunawan, S.T., M.T sebagai dosen penguji kedua. Penulis juga mengucapkan terima kasih kepada Bapak dan Ibu dosen S1 Teknologi Informasi yang telah mengajar dan memberikan masukan serta saran yang bermanfaat selama proses perkuliahan hingga dalam penulisan skripsi ini. Ucapan terima kasih juga ditujukan kepada semua pegawai dan staf tata usaha Teknologi Informasi dan Fasilkom-TI, yang telah membantu proses administrasi selama perkuliahan.
Penulis juga berterima kasih kepada kedua orang tua penulis, Bapak Marwanuddin Rambe dan Ibu Kartini Pasaribu yang telah membesarkan penulis dengan penuh cinta dan kasih dan selalu memberikan dukungan yang luar biasa sehingga penulis bisa menyelesaikan skripsi ini.
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
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.
DAFTAR ISI
Hal.
PERSETUJUAN i
PERNYATAAN ii
UCAPAN TERIMA KASIH iii
ABSTRAK iv
1.7 Sistematika Penulisan 5
BAB 2 LANDASAN TEORI 6
2.1 Batik 6
2.2 Peramalan (Forecasting) 8 2.3 Ukuran Akurasi Peramalan 13 2.4 Metode Extreme Learning Machine (ELM) 14
2.5 Penelitian Terdahulu 17
BAB 3 ANALISIS DAN PERANCANGAN 23
3.1 Arsitektur Umum 23
3.2 Data yang digunakan 24
3.3 Arsitektur ELM 26
3.3.1 Penentuan jumlah input 26
3.3.2 Penentuan jumlah hidden neuron 26
3.3.4 Training ELM 27
3.3.5 Testing ELM 34
3.3.6 Analisis hasil peramalan 34
3.4 Perancangan Sistem 35
3.4.1 Use case diagram 35
3.4.2 Diagram aktifitas (activity diagram) 36
3.4.3 Perancangan database 42
3.4.4 Rancangan tampilan antarmuka 43
BAB 4 IMPLEMENTASI DAN PENGUJIAN 49
4.1 Implementasi Sistem 49
4.1.1 Spesifikasi perangkat keras dan perangkat lunak
yang digunakan 49
4.1.2 Implementasi perancangan antarmuka 49
4.2 Pengujian Kinerja Sistem 54
BAB 5 KESIMPULAN DAN SARAN 61
5.1 Kesimpulan 61
5.2 Saran 61
DAFTAR TABEL
DAFTAR GAMBAR
Hal. Gambar 2.1. Data Runtun Waktu Dengan Pola Horizontal (Tanjung, 2012) 10 Gambar 2.2. Data Runtun Waktu Dengan Pola Tren (Tanjung, 2012) 10 Gambar 2.3. Data Runtun Waktu Dengan Pola Siklus (Tanjung, 2012) 11 Gambar 2.4. Data Runtun Waktu Dengan Pola Musiman (Tanjung, 2012) 12 Gambar 2.5. Struktur Umum ELM (Agustina et al, 2010) 15
Gambar 3.1. Arsitektur Umum 24
Gambar 3.2. Ilustrasi Jaringan ELM untuk Peramalan Penjualan Batik 27 Gambar 3.3. Flowchart Training ELM 28 Gambar 3.4. Use Case Sistem Peramalan Penjualan Batik 35 Gambar 3.5. Activity Diagram Melihat Kategori 37
Gambar 3.6. Activity Diagram Pengaturan Kategori 37 Gambar 3.7. Activity Diagram Melihat Produk 38 Gambar 3.8. Activity Diagram Pengaturan Produk 39
Gambar 4.5. Halaman Produk 52 Gambar 4.6. Halaman Edit Produk 53 Gambar 4.7. Halaman Penjualan 53
Gambar 4.8. Halaman Peramalan 54
