• Tidak ada hasil yang ditemukan

Peramalan Pasar Penjualan Batik Menggunakan Metode Extreme Learning Machine (ELM)

N/A
N/A
Protected

Academic year: 2017

Membagikan "Peramalan Pasar Penjualan Batik Menggunakan Metode Extreme Learning Machine (ELM)"

Copied!
5
0
0

Teks penuh

(1)

BAB 1 PENDAHULUAN

1.1. Latar Belakang

Peralaman merupakan salah satu aktifitas fungsi bisnis yang digunakan untuk memperkirakan penjualan produk di masa mendatang (Gaspersz, 2004). Dengan adanya

peramalan, para produsen dan pelaku industri dapat melakukan perencanaan produksi yang tepat. Untuk mencapai hal tersebut, dalam proses peramalan dibutuhkan data penjualan serta analisis pola data produk di masa lampau. Salah satu produk yang sedang berkembang di Indonesia yang bahkan sudah diakui oleh dunia adalah batik. Batik merupakan salah satu produk di bidang tekstil yang saat ini banyak digunakan sebagai bahan baku produk pakaian. Banyaknya motif yang ditawarkan menjadikan batik memiliki banyak modifikasi di setiap produk-produk yang dipasarkan. Variasi motif ini juga menimbulkan keadaan dimana konsumen produk batik memiliki motif favoritnya masing-masing sehingga terdapat beberapa motif batik yang menjadi populer di kalangan konsumen karena lebih banyak diminati dan penjualannya lebih tinggi dari motif lain.

Kenyataannya saat ini banyak produsen dan penjual batik yang tidak memiliki strategi penjualan yang tepat. Kebanyakan produsen melakukan stok barang atas semua motif batik yang ada tanpa perhitungan yang akurat. Produsen menyadari ada motif batik yang sedang populer di pasaran sehingga mereka kebanyakan melakukan stok besar-besaran terhadap motif tersebut hanya berdasarkan penjualan masa lalu. Hal seperti ini juga menjadikan motif lainnya menjadi terabaikan karena produsen terlalu fokus pada motif yang sedang populer padahal motif lain tersebut jika dikelola dengan baik juga dapat memberikan keuntungan penjualan. Keadaan ini pada akhirnya

berujung pada terjadinya penumpukan stok (overstocking) yang membuat para produsen merugi baik itu dari sisi materil ataupun tenaga karena proses pembuatan batik

(2)

(understocking) dimana kedua keadaan ini menjadikan penjualan produsen menjadi tidak efektif (Riyadi, 2015). Untuk menghindari terjadinya hal tersebut, oleh karena itu dibutuhkan sebuah metode untuk meramalkan penjualan yang tepat untuk mencapai penjualan yang efektif dan maksimal.

Peramalan bukanlah hal yang baru di dunia industri. Sudah banyak penelitian-penelitian terdahulu dilakukan karena peramalan memang dipandang dapat meningkatkan kualitas produksi. Darmawan (2012) dalam penelitiannya membuat sistem pendukung keputusan untuk memprediksi penjualan batik tulis dengan menggunakan metode Trend Moment. Masih dalam bentuk sistem pendukung keputusan, Fardani, Wuryanto, & Werdiningsih (2015) meramalkan jumlah kunjungan pasien pada poli gigi di rumah sakit menggunakan metode Extreme Learning Machine

(ELM). Penelitian selanjutnya dilakukan oleh Agustina et al. (2010). Mereka menggunakan metode Extreme Learning Machine (ELM) untuk melakukan prediksi permintaan konsumen dengan mengambil data penjualan kaos dan pin dari sebuah toko di Surabaya. Jia & Hao (2013) juga menggunakan metode Extreme Learning Machine

(ELM) untuk meramalkan permintaan konsumsi air. Hanya saja dalam penelitiannya,

mereka menggunakan ELM dengan adaptive metrics of inputs untuk meningkatkan akurasi peramalan. Sedangkan Taylor (2007) dalam penelitiannya melakukan peramalan penjualan harian di supermarket menggunakan metode Exponential Weighted Quantile Regression (EWQR).

Pada penelitian ini, penulis mengangkat topik peramalan pasar penjualan batik menggunakan metode Extreme Learning Macine (ELM). Metode ELM dipilih karena ELM memiliki kelebihan dalam hal learning speed (Huang et al, 2005). Selain itu, ELM juga mempunyai tingkat ketelitian peramalan yang lebih akurat dibandingkan dengan metode lainnya. Bedanya dengan penelitian terdahulu adalah penulis lebih fokus pada peramalan motif-motif batik. Dengan metode ini diharapkan hasil peramalan yang didapat lebih akurat dan efektif sehingga bisa diandalkan dalam penggunaannya (Agustina et al, 2010). Dengan adanya peramalan ini, pihak produsen bisa terbantu dalam hal melakukan proses produksi yang tepat karena sudah memiliki acuan produksi sehingga penjualan maksimal produk dapat tercapai.

Berdasarkan latar belakang di atas, maka penulis mengajukan penelitian dengan

(3)

1.2. Rumusan Masalah

Kebanyakan produsen ataupun penjual dalam pasar batik saat ini tidak memiliki strategi penjualan yang tepat, dimana produsen melakukan stok barang berdasarkan penjualan masa lalu tanpa adanya perhitungan yang akurat. Produsen menyadari ada motif batik yang sedang populer di pasaran sehingga mereka melakukan stok besar-besaran terhadap motif tersebut. Hal seperti ini menjadikan motif lainnya menjadi terabaikan karena produsen terlalu fokus pada motif yang sedang populer padahal motif lain tersebut jika dikelola dengan baik juga dapat memberikan keuntungan penjualan. Keadaan ini pada akhirnya berujung pada terjadinya penumpukan stok (overstocking) yang membuat para produsen merugi baik itu dari sisi materil ataupun tenaga karena proses pembuatan batik tergolong memakan waktu dan energi, ataupun terjadinya

kekurangan stok (understocking) dimana kedua keadaan ini menjadikan penjualan produsen menjadi tidak efektif. Untuk menghindari terjadinya hal tersebut, oleh karena itu dibutuhkan sebuah metode untuk meramalkan penjualan yang tepat untuk mencapai penjualan yang efektif dan maksimal.

1.3. Batasan Masalah

Agar penelitian yang dilakukan penulis terarah dan fokus, maka penulis membatasi ruang masalah penelitian sebagai berikut :

1. Lingkup penjualan yang diteliti adalah pasar penjualan batik di kota Medan, dengan data yang dikumpulkan dari produsen batik.

2. Batik yang digunakan adalah batik dengan motif adat dari daerah Sumatera Utara.

3. Peramalan penjualan dilakukan berdasarkan penjualan motif batik. 4. Peramalan tidak meramalkan stok ukuran pakaian.

5. Kejadian-kejadian bencana alam yang mungkin mempengaruhi hasil peramalan seperti gempa bumi, banjir, kebakaran, dan lain sebagainya tidak dipertimbangkan dalam penelitian.

1.4. Tujuan Penelitian

(4)

1.5. Manfaat Penelitian

Manfaat dari penelitian ini, yaitu :

1. Membantu pihak produsen dan pelaku industri batik untuk melakukan perencanaan produksi yang efektif.

2. Mengetahui kemampuan metode ELM dalam melakukan peramalan penjualan. 3. Menambah pengetahuan dan wawasan penulis dan pembaca.

4. Sebagai bahan pembelajaran dan referensi untuk peneliti selanjutnya.

1.6. Metodologi

Tahapan-tahapan yang akan dilakukan dalam pelaksanaan penelitian ini adalah sebagai berikut :

1. Studi Literatur

Pada tahap ini penulis mengumpulkan dan mempelajari materi-materi yang berhubungan dengan penelitian. Referensi yang diambil berasal dari buku, skripsi, jurnal, informasi dari internet, dan referensi lainnya yang memiliki hubungan dengan batik, metode peramalan, dan juga Extreme Learning Machine (ELM).

2. Analisis Permasalahan

Pada tahap ini penulis melakukan analisis terhadap studi literatur yang telah dikumpulkan sebelumnya untuk mendapatkan pemahaman mengenai metode ELM dalam rangka menyelesaikan masalah peramalan.

3. Perancangan

Pada tahap ini penulis melakukan perancangan sistem dalam rangka menyelesaikan permasalahan yang ada pada tahap analisis. Selanjutnya rancangan sistem akan diimplementasikan pada sistem yang akan dibuat.

4. Implementasi

Pada tahap ini dilakukan implementasi analisis yang telah peneliti lakukan dan membangun program yang sesuai dengan alur yang ada.

5. Pengujian

(5)

memastikan semua aplikasi yang dibangun berjalan lancar dan sesuai dengan yang diharapkan.

6. Penyusunan Laporan

Pada tahap ini penulis melakukan penyusunan laporan terhadap penelitian yang telah dilakukan.

1.7. Sistematika Penulisan

Sistematika penulisan dari skripsi ini terdiri dari lima bagian utama sebagai berikut:

Bab 1: Pendahuluan

Bab ini berisi latar belakang, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metodologi penelitian, dan sistematika penulisan.

Bab 2: Landasan Teori

Bab ini berisi teori-teori yang digunakan untuk memahami permasalahan yang dibahas pada penelitian ini. Pada bab ini dijelaskan tentang batik, peramalan, neural network,

dan metode Extreme Learning Machine (ELM).

Bab 3: Analisis dan Perancangan Sistem

Bab ini berisi analisis dari metode yang digunakan yaitu metode Extreme Learning Machine (ELM) dan penerapannya untuk meramalkan penjualan, serta perancangan

sistem yang dibuat seperti pemodelan dengan flowchart dan usecase diagram, dan

activity diagram.

Bab 4: Implementasi dan Pengujian Sistem

Bab ini berisi pembahasan tentang implementasi dari analisis dan perancangan sistem yang disusun pada Bab 3 dan hasil pengujian terhadap sistem yang dibangun.

Bab 5: Kesimpulan dan Saran

Referensi

Dokumen terkait

Berdasarkan undang-undang ketenagakerjaan no 13 (2003) di Indonesia usia produktif adalah orang yang berumur 15 sampai 54 tahun. Berdasarkan pendapat tersebut usia tersebut sudah

Andre´ Masson was also there, and we went swimming, I think in the river, and when we were in our bathing shorts, I noticed he had a gaping hole in his chest, and I turned to his

yang berjudul “Pengaruh Penerapan Prinsip – Prinsip Good Governance Terhadap Efektivitas Kerja Pegawai di Kantor Camat Medan Helvetia”.. Karya ilmiah ini merupakan salah satu

Hasil yang diperoleh dari penentuan panjang gelombang maksimum (λ max ) yang menggunakan larutan standar besi(II) dengan konsentrasi 5 ppm dengan rentang 10 nm pada

Dengan ini saya menyatakan bahwa tesis yang berjudul Efisiensi Superovulasi Pada Sapi Melalui Sinkronisasi Gelombang Folikel dan Ovulasi adalah hasil karya saya sendiri dan

MENGUNGKAP PEMAHAMAN APARATUR TERHADAP SISTEM AKUNTABILITAS KINERJA INSTANSI PEMERINTAH (STUDI KASUS PADA KANTOR PELAYANAN PERBENDAHARAAN NEGARA SURABAYA I)..

1) Penguatan dan Pengembangan Jaringan Pengarusutamaan Gender (PUG) dan Pengarusutamaan Anak (PUA). 2) Fasilitasi peningkatan peran perempuan dalam rangka pemberdayaan perempuan.

Temuan dalam penelitian ini yang berupa properti psikometris level butir dan skala mendukung bahwa skala AMS versi bahasa Indonesia telah diadaptasi dengan baik dan