OPTIMASI PARAMETER ALPHA MENGGUNAKAN ALGORITMA PEMROGRAMAN NON LINIER UNTUK PERAMALAN KLIMATOLOGI KOTA BANDUNGDALAM METODE PEMULUSAN EKSPONENSIAL GANDA SATU PARAMETER DARI BROWN.

(1)

Muhammad Nur Prayogo, 2014

OPTIMASI PARAMETER ALPHA MENGGUNAKAN ALGORITMA PEMROGRAMAN NON LINIER

UNTUK PERAMALAN KLIMATOLOGI KOTA BANDUNGDALAM METODE PEMULUSAN EKSPONENSIAL GANDA SATU PARAMETER DARI BROWN

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu OPTIMASI PARAMETER ALPHA

MENGGUNAKAN ALGORITMA PEMROGRAMAN NON LINIER UNTUK PERAMALAN KLIMATOLOGI KOTA BANDUNGDALAM METODE

PEMULUSAN EKSPONENSIAL GANDA SATU PARAMETER DARI BROWN

Skripsi

Diajukan Untuk Memenuhi Sebagian dari Syarat Memperoleh Gelar Sarjana Komputer

Program Studi Ilmu Komputer

Oleh:

Muhammad Nur Prayogo

NIM: 0801363

PROGRAM STUDI ILMU KOMPUTER

FAKULTAS PENDIDIKAN MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS PENDIDIKAN INDONESIA

(2)

OPTIMASI PARAMETER ALPHA MENGGUNAKAN ALGORITMA PEMROGRAMAN NON LINIER UNTUK PERAMALAN KLIMATOLOGI KOTA BANDUNGDALAM METODE PEMULUSAN EKSPONENSIAL GANDA SATU PARAMETER DARI BROWN

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu

Optimasi Parameter Alpha

Menggunakan Algoritma Pemrograman Non Linier

Untuk Peramalan Klimatologi Kota Bandung

Dalam Metode Pemulusan Eksponensial Ganda Satu

Parameter dari Brown

Oleh

Muhammad Nur Prayogo

Sebuah skripsi yang diajukan untuk memenuhi salah satu syarat memperoleh gelar Sarjana pada Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam

Oktober 2013

Hak Cipta dilindungi undang-undang.

(3)

dengan dicetak ulang, difoto kopi, atau cara lainnya tanpa ijin dari penulis. LEMBAR PENGESAHAN

OPTIMASI PARAMETER ALPHA

MENGGUNAKAN ALGORITMA PEMROGRAMAN NON LINIER UNTUK PERAMALAN KLIMATOLOGI KOTA BANDUNG DALAM METODE PEMULUSAN EKSPONENSIAL GANDA SATU PARAMETER DARI BROWN

Oleh:

Muhammad Nur Prayogo

0801363

Disetujui dan Disahkan oleh:

Pembimbing I Pembimbing II

Herbert Siregar, MT Wawan Setiawan, Dr., M.Kom

NIP 197005022008121001 NIP 196601011991031005

Mengetahui,

Ketua Program Studi Ilmu Komputer

Rasim, MT

(4)

i

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu OPTIMASI PARAMETER ALPHA

MENGGUNAKAN ALGORITMA PEMROGRAMAN NON LINIER UNTUK PERAMALAN KLIMATOLOGI KOTA BANDUNG DALAM METODE PEMULUSAN EKSPONENSIAL GANDA SATU PARAMETER

DARI BROWN

ABSTRAK

Dalam dunia peramalan ada beberapa kategori peramalan, misalnya kategori pemulusan eksponensial, kategori regresi dan kategori dekomposisi. Untuk metode peramalan yang menggunakan pemulusan eksponensial, membutuhkan satu sampai tiga konstanta. Pada penelitian ini, metode pemulusan eksponensial digunakan untuk meramalkan klimatologi Kota Bandung, dalam metode tersebut besaran dari nilai konstanta sangat berpengaruh terhadap keakuratan peramalan. Maka dari itu, tujuan dari skripsi ini adalah mengoptimasi konstanta tersebut. Nilai konstanta dikatakan optimal jika proses keseluruhan peramalan menghasilkan nilai galat yang kecil. Satuan galat yang digunakan pada penelitian ini adalah mean absoulute percentage error (MAPE). Pada penelitian ini juga berhasil dibangun perangkat lunak untuk membuktikan hasil perhitungan dan keabsahan dari parameter yang dioptimasi. Perangkat lunak juga mampu untuk meramalkan klimatologi Kota Bandung sebanyak 36 periode atau tiga tahun ke depan. Dari serangkaian pengujian pada kasus temperature Kota Bandung didapatkan hasil yang baik, terbukti dari MAPE yang dihasilkan oleh konstanta optimal sebesar 2,3596%. Adapun rata-rata gap atau selisih antara data asli dibandingkan data ramalan pada periode yang sama, didapatkan rata-rata gap sebesar 0,27930C.

(5)

ii

PARAMETER ALPHA OPTIMIZATION USING NON-LINEAR PROGRAMMING ALGORITHM FOR BANDUNG CLIMATOLOGY

FORECAST ON DOUBLE EXPONENTIAL SMOOTHING ONE PARAMETER FROM BROWN METHOD

ABSTRACT

(6)

v

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu DAFTAR ISI

ABSTRAK ... Error! Bookmark not defined. KATA PENGANTAR ... Error! Bookmark not defined. UCAPAN TERIMA KASIH ... Error! Bookmark not defined. DAFTAR ISI ... v DAFTAR TABEL ... Error! Bookmark not defined. DAFTAR GAMBAR ... Error! Bookmark not defined. BAB I PENDAHULUAN

1.1 Latar Belakang ... Error! Bookmark not defined. 1.2 Rumusan Masalah ... Error! Bookmark not defined. 1.3 Batasan Masalah ... Error! Bookmark not defined. 1.4 Tujuan Penelitian ... Error! Bookmark not defined. 1.5 Manfaat Penelitian ... Error! Bookmark not defined. 1.6 Metodologi Penelitian... Error! Bookmark not defined. 1.7 Sistematika Penulisan ... Error! Bookmark not defined. BAB II LANDASAN TEORI

2.1 Peramalan Klimatologi ... Error! Bookmark not defined. 2.2 Pengertian dan Manfaat Peramalan ... Error! Bookmark not defined. 2.3 Klimatologi ... Error! Bookmark not defined. 2.4 Metode Peramalan ... Error! Bookmark not defined. 2.4.1 Definisi Metode Peramalan ... Error! Bookmark not defined. 2.4.2 Teknik-teknik Peramalan... Error! Bookmark not defined. 2.4.3 Langkah-langkah Peramalan ... Error! Bookmark not defined. 2.5 Metode Pemulusan Eksponensial (Exponential Smoothing) ... Error!

Bookmark not defined.

2.5.1 Pemulusan Eksponensial Ganda Satu Parameter Dari Brown Error!

2.5.2 Ukuran Akurasi Peramalan ... Error! Bookmark not defined. 2.6 Algoritma Pemrograman Non Linier Untuk Optimasi Peramalan

Menggunakan Pemulusan Eksponensial Satu Parameter Error! Bookmark

not defined.

2.6.1 Metode Pencarian Dikotomi ... Error! Bookmark not defined. BAB III METODE PENELITIAN

(7)

vi

3.2 Metode Penelitian ... Error! Bookmark not defined. 3.2.1 Proses Pengumpulan Data ... Error! Bookmark not defined. 3.3 Alat dan Bahan Penelitian ... Error! Bookmark not defined. 3.3.1 Alat Penelitian ... Error! Bookmark not defined. 3.3.2 Bahan Penelitian ... Error! Bookmark not defined. 3.4 Proses Implementasi Perangkat Lunak ... Error! Bookmark not defined. 3.5 Implementasi Penelitian... Error! Bookmark not defined. BAB IVHASIL PENELITIAN DAN PEMBAHASAN

4.1 Hasil Penelitian ... Error! Bookmark not defined. 4.1.1 Pengumpulan Data ... Error! Bookmark not defined. 4.1.2 Pola Data Klimatologi Kota Bandung ... Error! Bookmark not

defined.

4.1.3 Proses Trial Error Parameter alpha dengan Pemulusan

Eksponensial Ganda Satu Parameter Dari BrownError! Bookmark

not defined.

4.1.4 Mengurutkan Parameter Alpha Berdasarkan MAPE Terkecil Error!

(8)

1 Muhammad Nur Prayogo, 2014

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu BAB I

PENDAHULUAN

1.1 Latar Belakang

Klimatologi adalah ilmu yang membahas dan menerangkan tentang iklim,

bagaimana iklim dapat berbeda pada suatu tempat dengan tempat lainya dan

bagaimana kaitan antara iklim dan manusia. Iklim merupakan hal yang sangat

berpengaruh bagi kehidupan manusia. Misalnya pada bidang industri, seperti

produktivitas pertanian, perkebunan, sayur mayur dan peternakan dipengaruhi

oleh kondisi iklimnya. Kondisi iklim juga berperan pada hampir semua bidang

transportasi seperti keadaan hujan, keadaan angin, jarak pandang dan tinggi

gelombang.

Seiring berkembangnya zaman, demi memenuhi kebutuhan-kebutuhan

manusia dalam beraktivitas, maka dibutuhkan informasi klimatologi di masa yang

akan datang untuk membantu memproyeksikan kondisi klimatologi, sehingga

diharapkan dapat merencanakan kebutuhan-kebutuhan manusia dengan efisien

dan efektif di masa mendatang.

Data peramalan klimatologi memiliki pola runtun waktu (time series) yang

dikumpulkan tiap periode untuk memproyeksikan perubahan klimatologi. Data

klimatologi umumnya memiliki dua sifat data yang berbeda, yaitu data

stasionerdan data non stasioner. Data stasioner adalah data yang proses

bangkitannya (generating process) memiliki nilai rata-rata yang konstan,

(9)

2 Muhammad Nur Prayogo, 2014

memiliki nilai rata-rata yang konstan atau sangat fluktuatif. Kedua sifat data

(10)

3

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu fa

klimatologi Kota Bandung, tetapi lebih dominan data yang bersifat non stasioner.

Sesuai dengan keadaan tersebut, maka pada penelitian ini digunakan metode

pemulusan eksponensial ganda satu parameter diadopsi dari Brown yanglebih

cocok untuk data non stasioner (Makridakis, 1999). Selain itu, metode ini hanya

mempunyai satu parameter saja, yaitu parameter alpha. Parameter alpha

merupakan sebuah konstanta peramalan bernilai antara 0 dan 1 yang besar kecil

nilainya mempengaruhi seluruh proses peramalan. Nilai parameter alpha terbaik

adalah nilai yang mengasilkan peramalan yang mendekati data sebenarnya. Cara

menentukan nilai parameter alpha terbaik dapat dilakukan dengan optimasi

menggunakan algoritma non linier (Makridakis, 1999) atau menggunakan trial

error. Pada percobaan sebelumnya, optimasi parameter alpha menggunakan

algoritma non linier menghasilkan nilai parameter alpha optimal dengan cepat dan

tepat (Jin Ai, 1999). Sedangkan pada cara trial error dibutuhkan proses yang

panjang dan berulang-ulang sampai didapatkan nilai parameter alpha yang

optimal, sehingga prosesnya menjadi lebih lama. Oleh karena itu, agar didapatkan

nilai peramalan yang mendekati data sebenarnya dengan cara yang cepat dan

tepat, maka diperlukan optimasi nilai parameter alpha menggunakan algoritma

non linier.

1.2 Rumusan Masalah

Berdasarkan latar belakang masalah yang ada, maka permasalahan dalam

(11)

4

1. Bagaimana mengoptimasi nilai paramater alpha pada pemulusan eksponensial

ganda satu parameter yang diadopsi dari Brown dengan menggunakan

algoritma pemrograman non linier dalam sistem peramalan klimatologi?

2. Bagaimana membuat sistem peramalanklimatologi menggunakan pemulusan

eksponensial ganda satu parameter diadopsi dari Brown dengan parameter

alpha optimal?

3. Bagaimana hasil peramalanklimatologi menggunakan pemulusan

alpha optimal?

1.3 Batasan Masalah

Pada penelitian ini, permasalahan dibatasi hal-hal berikut ini.

1. Penerapan metode peramalan hanya pada data klimatologi Kota Bandung

yang diambil dari Stasiun Klimatologi Husein Sastranegara periode Januari

2008 – Desember 2011.

2. Menentukan akurasi peramalan klimatologi pada metode pemulusan

eksponensial ganda satu parameter yang diadopsi dari Brown menggunakan

algoritma non linier sebagai optimasi parameter dengan menggunakan mean

absoulute percentage error (MAPE) sebagai satuan galat peramalan.

1.4 Tujuan Penelitian

Berdasarkan rumusan masalah diatas, maka tujuan penelitian dalam tugas

(12)

5

1. Mengetahui cara pengoptimasian parameter alpha dalam metode pemulusan

eksponensial menggunakan algoritma non linier pada sistem peramalan

klimatologi.

2. Mengetahui cara membuat sistem peramalan klimatologi menggunakan

metode pemulusan eksponensial ganda satu parameter diadopsi dari Brown

dengan parameter alpha optimal.

3. Mengetahui hasil peramalanklimatologi menggunakan pemulusan

alpha optimal.

1.5 Manfaat Penelitian

Manfaat dari penelitan ini adalah:

1. Diharapkan dapat menambah ilmu pengetahuan tentang pemulusan

eksponensial ganda satu parameter diadopsi dari Brown dan memahami

penerapan pemulusan eksponensial ganda satu parameter dari Brown dalam

kasus peramalan klimatologi.

2. Dapat mengetahui nilai parameter alpha optimal sehingga diharapkan

menghasilkan data ramalan klimatologi Kota Bandung yang akurat.

3. Dapat sebagai bahan pertimbangan dan masukan bagi pihak yang

berkepentingan serta dapat menjadi acuan dalam membuat sistem peramalan

(13)

6

1.6 Metodologi Penelitian

Pada penelitian ini, penulis berusaha untuk mengumpulkan data dan

informasi akurat yang dapat menunjang proses penelitian. Berikut ini merupakan

metode pengumpulan data yaitu:

1. Eksplorasi dan Studi Literatur

Eksplorasi dan studi literatur dilakukan dengan cara mempelajari

konsep-konsep yang berkaitan dengan penelitian ini, seperti peramalan, klimatologi,

pemulusan eksponensial, algoritma non linier melalui textbook, jurnal, artikel,

situs, internet, dan sumber ilmiah lainnya.

2. Analisis dan Perancangan Perangkat Lunak

Analisis dan perancangan perangkat lunak dilakukan untuk menentukan

bahasa pemograman yang akan digunakan, struktur data, input/output serta

algoritma yang digunakan.

3. Implementasi dan Pengujian Perangkat Lunak

Implementasi dilakukan setelah analisis dilakukan. Pengujian kualitas

dilakukan dengan membandingkan hasil keluaran dengan kenyataan pada sample.

1.7 Sistematika Penulisan

Dalam menyusun tugas akhir ini, sistematika penulisan dibagi menjadi

beberapa bab sebagai berikut:

BAB I PENDAHULUAN

Bab ini menjelaskan masalah secara umum meliputi latar belakang

penelitian, rumusan masalah, batasan masalah, tujuan penelitian, manfaat

(14)

7

BAB II TINJAUAN PUSTAKA

Bab ini berisi landasan teori yang akan digunakan dalam analisis,

perancangan, dan implementasi perangkat lunak.

BAB III METODOLOGI PENELITIAN

Berisi tentang teknis pelaksanaan penelitian berupa alat dan bahan

penelitian, desain penelitian dan proses penelitian.

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

Berisi hasil penelitian serta analisis yang dilakukan selama penelitian

BAB V KESIMPULAN DAN SARAN

Berisi kesimpulan yang didapat selama penelitian dan saran-saran dalam

meningkatkan kualitas dan kuantitas hasil penelitian.

LAMPIRAN

(15)

27

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu BAB III

METODE PENELITIAN

3.1 Desain Penelitian

Pada bab ini akan dipaparkan skema umum penelitian yang

dilakukan untuk mempermudah dalam melakukan penelitian. Dalam

penelitian ini terdapat dua tahapan utama yang dilakukan, pertama

penelitian yang berkaitan dengan teori atau konsep ilmu yang akan diteliti,

sedangkan tahapan kedua adalah penerapan teori atau konsep tersebut

dengan cara perhitungan manual maupun secara komputasi. Gambaran

umum kedua bagian itu dapat dilihat pada Gambar 3.1.

Berikut langkah-langkah penelitian yang dilakukan:

1. Need Assesment

a. Mempersiapkan bahan penelitian, bahan penelitian adalah data-data

yang dikumpulkan,

b. Mempersiapkan alat penelitian, alat penelitian adalah perangkat

keras (hardware) dan perangkat lunak (software),

2. Menganalisis dan mendisain sistem,

3. Mengimplementasi sistem dengan metode sekuensial linier,

4. Analisis dan hasil dari pengoperasian sistem tersebut adalah parameter

(16)

28

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu Gambar 3. 1 Desain Penelitian

Rumusan Masalah

1. Membutuhkan data ramalan klimatologi Kota Bandung

dengan hasil yang akurat.

Studi Literatur

1. Mempelajari metode-metode peramalan

2. Menentukan metode peramalan yang tepat

dengan data klimatologi

Metode

1. Pemulusan Eksponensial Ganda Satu

Parameter dari Brown

2. Algoritma non linier metode

pencarian dikotomi

Data

1. Data klimatologi Kota Bandung

sebanyak 4 tahun (48 periode)

Analisis untuk proses optimasi

1. Mengumpulkan data klimatologi Kota Bandung sebanyak 4 tahun

(48 periode).

2. Melakukan proses trial error dengan parameter alpha yang

berbeda-beda menggunakan metode pemulusan eksponensial ganda satu parameter dari Brown dan dihitung nilai galatnya (MAPE).

3. Mengurutkan parameter alpha berdasarkan nilai MAPE terkecil.

4. Menghitung nilai parameter alpha optimal dengan cara mengambil

dua parameter terkecil lalu dioptimasi menggunakan algoritma non linier metode pencarian dikotomi

5. Melakukan proses peramalan klimatologi Kota Bandung

Tahapan Rekayasa Perangkat Lunak

Requierement

Data klimatologi kota Bandung sebanyak 4 tahun (48

Desain

Merancang sistem optimasi parameter alpha pada metode pemulusan eksponensial ganda satu parameter dari Brown menggunakan algortima non linier metode pencarian dikotomi dan menghitung hasil peramalan sebanyak 36 periode ke depan

Koding

Menerjemahkan desain perangkat lunak ke dalam bahasa pemrograman.

(17)

29

Penelitian dimulai dengan menentukan rumusan masalah sebagai

tahap awal yang didasari atas latar belakang masalah. Rumusan masalah

pada penelitian ini adalah mendapatkan nilai ramalan klimatologi Kota

Bandung dengan hasil yang akurat. Untuk dapat menentukan metode yang

cocok, maka dilakukan studi literatur yang berhubungan dengan akurasi

peramalan dan sifat data klimatologi Kota Bandung. Metode peramalan

yang cocok untuk data klimatologi Kota Bandung adalah pemulusan

eksponensial ganda satu parameter dari Brown. Metode ini hanya memiliki

satu konstanta (parameter alpha) yang nilainya sangat mempengaruhi hasil

peramalan, sehingga diperlukan parameter alpha yang optimal agar hasil

peramalan akurat. Maka dari itu, parameter alpha dioptimasikan

menggunakan algoritma non linier metode pencarian dikotomi. Langkah

selanjutnya adalah melakukan analisis untuk proses optimasi dengan cara

mengumpulkan data klimatologi Kota Bandung sebanyak empat tahun (48

periode). Lalu dilanjutkan dengan melakukan trial error menggunakan

parameter alpha yang berbeda-beda untuk menghasilkan nilai galat

(MAPE). Langkah selanjutnya adalah mengurutkan parameter alpha trial

error tersebut berdasarkan MAPE terkecil, barulah proses optimasi

menggunakan pencarian dikotomi dilakukan dengan mengambil dua

parameter alpha terkecil berdasarkan MAPE. Setelah parameter alpha

optimal didapatkan, langkah selanjutnya adalah melakukan proses

peramalan menggunakan pemulusan eksponensial ganda satu parameter

yang diadopsi dari Brown sebanyak 36 periode atau tiga tahun ke depan.

(18)

30

membuktikan hasil perhitungan dan membuktikan keabsahan parameter

yang telah dioptimasi. Metode membangun perangkat lunak yang penulis

gunakan adalah sekuensial linier yang secara berturut-turut dimulai dari

analisis, desain, koding dan testing. Untuk menanggulangi kekurangan pada

perangkat lunak, maka dilakukan pemeliharaan.

Tanda panah menunjukan alur maju dari satu tahap ke tahap lain,

sedangkan tahapan-tahapan yang dibatasi dengan garis putus-putus

merupakan satu kesatuan beberapa tahap yang ada didalamnya.

3.2 Metode Penelitian

3.2.1 Proses Pengumpulan Data

Dalam penelitian ini, data dan informasi yang tersedia dapat

menunjang proses penelitian. Metode-metode yang digunakan untuk

pengumpulan data sebagai berikut:

a. Studi Literatur

Dengan mempelajari metode-metode mengenai sistem peramalan,

dan mempelajari cara optimasi parameter pada sistem peramalan melalui

studi literatur seperti textbook, jurnal, dan sumber-sumber di internet yang

berkorelasi dengan topik peramalan.

b. Observasi

Observasi dilakukan dengan cara menggunakan beberapa nilai

parameter alpha yang berbeda pada pemulusan eksponensial ganda satu

parameter yang diadopsi dari Brown dan dihitung nilai galat peramalan

(19)

31

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu 3.2 Alat dan Bahan Penelitian

3.2.1 Alat Penelitian

Dalam penelitian ini penulis menggunakan perangkat keras dan

perangkat lunak sebagai berikut:

1. Laptop dengan spesifikasi

a. Prosesor Intel Dual Core CPU 2.30 GHz

b. RAM 2,00 GB

c. Harddisk 300 GB

d. Koneksi Internet up to 3.1 Mbps

2. Perangkat Lunak :

a. Sistem Operasi : Windows 7 Starter 32- bit

b. PHP Server : XAMPP versi 1.7.7

c. IDE Netbeans dan Notepad++ versi 5.8.7

d. Power Designer versi 15.0b

e. Microsoft Office Visio 2007

f. Mesin browser : Google Chrome 25.0.1364.152 dan Mozilla

Firefox 19.0.2

3.2.2 Bahan Penelitian

Data klimatologi kota Bandung pada penelitian ini berasal dari situs

internet NOAA Satellite and Information Service, diakses pada alamat

http://www7.ncdc.noaa.gov yang dapat digunakan diluar negara Amerika

Serikat sebagai aktivitas non komersil. Data yang tersedia merupakan

jumlah data klimatologi harian tetapi tidak lengkap dan oleh penulis di

(20)

32

Desember 2012. Bahan penelitian lain berupa paper, textbook, dan

dokumentasi lainya didapat dari hasil studi literatur dan observasi.

3.3 Proses Implementasi Perangkat Lunak

Model implementasi perangkat lunak dalam penelitian ini adalah

proses sekuensial linear. Model sekuensial linear (Air Terjun) merupakan

rekayasa perangkat lunak yang paling tua, dengan mengusulkan sebuah

pendekatan perkembangan perangkat lunak yang sistematis dan sekuensial

yang dimulai pada tingkat dan kemajuan sistem pada seluruh analisis,

desain, kode, pemeliharaan, dan tes. Model ini meliputi aktivitas sebagai

berikut.

Gambar 3. 2Model Rekayasa Perangkat Lunak Sekuensial Linier

Berikut merupakan tahapan sekuensial linear.

1. Rekayasa dan Pemodelan Sistem Informasi

Perangkat lunak merupakan bagian dari sistem yang lebih besar,

bekerja mulai dengan membangun syarat dari semua elemen sistem dan

mengalosikan beberapa subset dari kebutuhan ke perangkat lunak tersebut

untuk membuat sistem peramalan. Pemodelan sistem informasi

(21)

33

2. Analisis Kebutuhan Perangkat Lunak

Proses analisis kebutuhan perangkat lunak ini merupakan tahap

untuk menganalisis kebutuhan fungsional dan non fungsional dalam

membangun sistem optimasi parameter alpha pada pemulusan eksponensial

ganda satu parameter dari Brown menggunakan data klimatologi Kota

Bandung. Untuk memahami sifat program yang akan dibangun harus

dipahami tipe-tipe data yang dibutuhkan pada pembuatan perangkat lunak

seperti tipe data temperature, tipe data dew point, tipe data visibility, tipe

data wind speed, tipe data maximum temperature, tipe data minimum

temperature, dan tipe data nilai parameter alpha.

3. Desain

Merupakan tahap menerjemahkan kebutuhan yang sudah dianalisa

ke sebuah perancang perangkat lunak. Tahap dari desain meliputi

perancangan struktur data diantaranya merancang Entity Relationship

Diagram (ERD), merancang struktur perangkat lunak seperti context

diagram, data flow diagram (DFD) dan process specification, perancangan

prosedur algoritma, perancangan interface, perancangan sistem peramalan

klimatologi Kota Bandung dan perancangan optimasi parameter alpha

dengan menggunakan algoritma non linier metode pencarian dikotomi.

4. Pengkodean

Proses pengkodean (coding) merupakan proses menerjemahkan

analisis dan desain yang telah dibuat ke dalam bahasa pemrograman yang

(22)

34

berbasis web, yaitu PHP: Hypertext Preprocessor dan MySQL sebagain

basis data.

5. Tes

Proses ini dilakukan untuk menguji dan memastikan perangkat lunak

yang telah dibuat dapat bekerja sesuai dengan yang direncakan sebelumnya.

Selain itu proses tes ini untuk memastikan sistem akan memberikan hasil

yang akurat, proses pengujian dilakukan dengan blackbox serta menemukan

kesalahan-kesalahan (bug) pada program yang dibuat, sehingga dapat

diperbaharui.

3.4 Implementasi Penelitian

Dalam menyelesaikan penelitian harus dilakukan tahapan-tahapan

seperti pengumpulan data, observasi metode penelitian, pemahaman metode

dan algoritma, serta perancangan perangkat lunak. Selain itu diperlukan

pemahaman terhadap metode yang digunakan, yaitu optimasi parameter

menggunakan algoritma non linear metode pencarian dikotomi dalam

pemulusan eksponensial ganda satu parameter dari Brown. Langkah terakhir

adalah merancang dan membangun perangkat lunak dan menerapkan

metode optimasi tersebut pada pemulusan eksponensial ganda satu

(23)

109

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu BAB V

KESIMPULAN DAN SARAN

5.1 Kesimpulan

Adapun kesimpulan akhir dari penelitian Optimasi Parameter Alpha

Menggunakan Algoritma Non Linier Untuk Peramalan Klimatologi Kota

Bandung dalam Metode Pemulusan Eksponensial Ganda Satu Parameter

dari Brown:

1. Dalam mencari nilai parameter alpha optimal menggunakan

algoritma non linier metode pencarian dikotomi, batasan-batasan

pada metode tersebut harus ditentukan dengan baik agar ketelitian

pencarian parameter alpha optimal menghasilkan nilai yang

diharapkan dan menghasilkan jumlah iterasi yang tepat. Nilai delta

(δ) sebesar 0,001 terbukti lebih efektif dalam menentukan banyaknya

iterasi. Dengan menggunakan delta (δ) sebesar 0,001, nilai parameter

alpha optimal didapatkan sebesar 0,135 pada iterasi ke-16.

Sedangkan jika menggunakan nilai delta (δ) yang lebih kecil lagi,

dengan nilai sebesar 0,00000001, parameter alpha optimal tetap

didapatkan sebesar 0,135, tetapi proses pencarian berhenti pada

iterasi ke-32, sehingga nilai proses pencarian nilai optimal berjalan

lebih lama dan tidak efektif.

2. Hasil ramalan akan menghasilkan nilai yang baik dengan

menggunakan parameter alpha optimal, terbukti dengan MAPE yang

(24)

110

menghasilkan nilai terbaik jika proses peramalan menggunakan

seluruh indeks musiman, dibandingkan hanya menggunakan indeks

musiman selama satu tahun saja. Rata-rata gap atau selisih antara

data asli dengan data ramalan, didapatkan rata-rata gap sebesar

0,27930C.

5.2 Saran

Untuk pengembangan lebih lanjut, saran-saran yang diberikan pada

penelitian ini adalah sebagai berikut:

1. Perlu penelitian lebih lanjut dengan menggunakan metode pencarian

nilai optimal lain untuk membandingkan dengan metode pencarian

dikotomi, agar dapat diketahui metode yang lebih optimal.

2. Perlu dikembangkan proses pencarian parameter optimal pada

keluarga metode pemulusan eksponensial lainnya yang memiliki

(25)

xii

Universitas Pendidikan Indonesia | repository.upi.edu | perpustakaan.upi.edu DAFTAR PUSTAKA

Akeb, Hakim; Hifi, Mhand. (2010). An Augmented beam-searchbased

algorithm for the strip packing problem. World Academy of Science,

Engineering and Technology Volume: 42 2010-06-26.

Assauri, Sofyan. (1984). Teknik dan Metode Peramalan: Penerapannya

dalam Ekonomi dan Dunia Usaha. Jakarta: LPFE-UI.

Bassil, Yousef. (2011). A Simulation Model for the Waterfall Software

Development Life Cycle. International Journal of Engineering and

Technology Volume 2. ISSN: 2049-3444.

Handoko. (1995). Landasan pemahaman fisika atmosfer dan unsur-unsur

iklim. Jakarta: Pustaka Jaya.

Herjanto, Eddy. (2010). Manajemen Operasi. Jakarta: Grasindo.

Jin Ai, The. (1999). Optimasi Peramalan Pemulusan Eksponensial Satu

Parameter dengan Menggunakan Algoritma Non-Linear

Programming. Jurnal Teknologi Industri. Vol. III, No. 3, hal 139-148.

Luknanto, Djoko. (2000). Pengantar Optimasi Non Linier. Yogyakarta:

Universitas Gadjah Mada.

Kartasaputra; Gurniasih, Ance., (2008). Pengaruh iklim terhadap tanah dan

tanaman. Cetakan ke-3. Jakarta:Bumi Asih Aksara.

Makridakis, Spyros; Wheelwright, S. C; McGee, V. E. (1999). Metode dan

(26)

xiii

Nasution, A.H. (2003). Perencanaan dan Pengendalian Produksi. (2003).

Surabaya: Guna Widya.

Nurhidayati, E. N. (2012). Penggunaan Algoritma Nonlinear Programming Untuk

Mengoptimalkan Parameter α Dalam Metode Pemulusan Ekspoenensial

Satu Parameter. Surabaya: Institut Sepuluh November.

Putra, H. P.; Rachman, F. H. Sistem Peramalan Distribusi Beras Menggunakan

Metode Exponential Smoothing. Jurnal Sarjana Teknik Informatika Vol. 1,

No.1, Februari 2013, halaman 1-8 Universitas Trunojoyo.

S.Rao, Singiresu. (2009). Engineering Optimazation: Theory and Practice. New

Jersey: John Wiley and Sons, Inc.

Sharma, Sanjay.(2006). Applied Nonlinear Programming. New Delhi: New Age

International (P) Ltd.

Yani. (2012). Peramalan Permintaan (Demand Forecasting). [Online]. Tersedia:

http://www.docstoc.com/docs/122571647/YANI-PERAMALAN diakses pada 15 Juni

2013.

Zainun, Noor Y.; Majid, M. Z. Automated Low Cost House Demand Forecasting

for Urban Area. The 4th Annual Seminar of National Science Fellowship

2004.

__________. (2013). Teknik Peramalan. [Online].

Tersedia:ocw.usu.ac.id/course/download/.../tdi_437_handout_peramalan1.p