PREDIKSI HARGA SEPEDA MOTOR MENGGUNAKAN METODE
WEIGHTED EVOLVING FUZZY NEURAL NETWORK
(WEFuNN)
SKRIPSI
SANRA CHENEY
081402028
PROGRAM STUDI TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
PREDIKSI HARGA SEPEDA MOTOR MENGGUNAKAN METODE WEIGHTED EVOLVING F UZZY NEURAL NETWORK (WEFuNN)
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat untuk memperoleh ijazah Sarjana Teknologi Informasi
SANRA CHENEY 081402028
PROGRAM STUDI TEKNOLOGI INFORMASI
PERSETUJUAN
Nomor Induk Mahasiswa : 081402028
Program Studi : SARJANA (S1) TEKNOLOGI INFORMASI Departemen : TEKNOLOGI INFORMASI
Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI (FASILKOMTI) UNIVERSITAS SUMATERA UTARA
Diluluskan di
Medan, Oktober 2014
Komisi Pembimbing :
Pembimbing 2 Pembimbing 1
PERNYATAAN
PREDIKSI HARGA SEPEDA MOTOR MENGGUNAKAN METODE WEIGHTED EVOLVING FUZZY NEURAL NETWORK
(WEFUNN)
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Oktober 2014
UCAPAN TERIMA KASIH
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa, dengan segala rahmat dan karuniaNya penulisan tugas akhir ini berhasil diselesaikan dalam waktu yang telah ditetapkan. Selama penyelesaian tugas akhir ini, banyak bantuan dan kerja sama serta doa dan dukungan dari berbagai pihak, oleh karena itu penulis sampaikan ucapan terima kasih sedalam-dalamnya dan penghargaan kepada :
1. Kedua orang tua dan sanak saudara penulis yang telah memberikan dukungan dan motivasi baik materil dan spiritual, Ayahanda Saut Sihite, SE dan Ibunda Randalina Sembiring, SE yang selalu sabar dalam mendidik dan membesarkan penulis. Untuk kakak penulis Nathasa Weisdania Sihite dan adik penulis Narwastu Sihite yang selalu memberikan semangat kepada penulis.
2. Bapak Romi Fadillah Rahmat, B. Comp.Sc., M.Sc dan Bapak Dr.Syahril Efendi, S.Si.,M.IT selaku pembimbing yang telah banyak meluangkan waktu dan pikirannya, memotivasi dan memberikan kritik dan saran kepada penulis.
3. Bapak Drs. Sawaluddin, M.IT dan Ibu Sarah Purnamawati, ST.,M.Sc yang telah bersedia menjadi dosen pembanding yang telah memberikan kritik dan saran kepada penulis.
4. Bapak M. Anggia Muchtar, ST.,MM.IT, selaku ketua jurusan program studi Teknologi Informasi dan M. Fadly Syahputra, B.Sc., M.Sc sebagai sekretaris jurusan Teknologi Informasi Universitas Sumatera Utara.
5. Dekan dan Pembantu Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara, semua dosen serta pegawai di Fakultas Ilmu Komputer dan Teknologi Informasi.
6. Terima kasih kepada staf pegawai administrasi tata usaha Program Studi Teknologi Informasi Abangda Faisal Hamid dan Ibu Delima Harahap yang telah banyak membantu segala urusan administrasi.
iv
ABSTRAK
Harga sepeda motor selalu berubah setiap tahunnya, oleh karena itu diperlukan sebuah pendekatan dalam memprediksi besarnya harga sepeda motor dengan keakuratan maksimum. Salah satu dari jenis prediksi kuantitatif adalah prediksi data time series yakni suatu teknik prediksi yang dibangun menggunakan data runtun waktu pada periode tertentu. Dalam tugas akhir ini digunakan metode Weighted Evolving Fuzzy
Neural Network (WEFuNN) untuk memprediksi harga sepeda motor berdasarkan data
runtun waktu. WEFuNN merupakan pengembagan dari metode Evolving Fuzzy
Neural Network (EFuNN) yang memiliki struktur hybrid dari metode Fuzzy Inference
System (FIS) dan jaringan saraf tiruan (Neural Network) dengan menerapkan prinsip
Evolving Conection System (ECOS) didalam jaringan. Tingkat keakuratan hasil
prediksi diukur dengan nilai MAPE (Mean Absolute Percentage Error). Hasil prediksi WEFuNN didapat hasil error rata-rata (MAPE) yaitu sebesar 1,269% dengan menggunakan data penjualan real periode Januari 2014 sampai dengan Juli 2014.
Kata kunci: weighted evolving fuzzy neural networks, fuzzy, evolving connectionist
WEFUNN METHOD IN FORECASTING THE PRICE OF MOTORCYCLE
SALES
ABSTRACT
Motorcycles price is always changing every year, therefore we need an approach to predict the magnitude of the price of a motorcycle with a maximum of accuracy. One of the types of quantitative prediction is forecasting of time series data that is a prediction technique which is constructed using time series data over a given period. In this thesis used Weighted Evolving Fuzzy Neural Network (WEFuNN) to predict the price of a motorcycle based on time series data. WEFuNN is developing a method of Evolving Fuzzy Neural Network (EFuNN) which has a hybrid structure of the Fuzzy Inference System (FIS) and artificial neural networks (Neural Network) by applying the principle of Conection Evolving System (ECOS) in the network. The level of accuracy of the prediction is measured by the value of MAPE (Mean Absolute Percentage Error). Results obtained WEFuNN prediction average error (MAPE) is equal to 1,269% by using real sales data for the period of January 2014 through July 2014.
Keywords : weighted evolving fuzzy neural networks, fuzzy, evolving connectionist
DAFTAR ISI
Halaman
Persetujuan i
Pernyataan ii
Ucapan Terima Kasih iii
Abstrak v
1.4. Tujuan Penelitian 3
1.5. Manfaat Penelitian 3
1.6. Metode Penelitian 3
1.7. Sistematika Penulisan 5
Bab 2 Landasan Teori 6
2.4 Evolving Connection System (ECOS) 14
2.5 Weighted Evolving Fuzzy Neural Network 17
2.6 Prediksi Menggunakan WEFuNN 20 2.6.1. Arsitektur Weighted Evolving Fuzzy Neural Network 21 2.6.2. Parameter Weighted Evolving Fuzzy Neura l Network 23
2.7 Penelitian Sebelumnya 23
Bab 3 Analisis dan Perancangan Sistem 25
3.1. Identifikasi Masalah 25
3.2. Data yang Digunakan 26
viii
3.4. Perancangan Sistem 31
3.3.1 Use CaseDiagram 31
A. Rancangan Halaman Home 41
B. Rancangan Halaman Kategori Motor 42 C. Rancangan Halaman Parameter Data 42 D. Rancangan Halaman Parameter Aplikasi 43 E. Rancangan Halaman Prediksi 43
Bab 4 Implementasi dan Pengujian Sistem 44
4.1. Implementasi Sistem 44
4.1.1. Spesifikasi Perangkat Keras dan Perangkat Lunak 44 4.1.2. Implementasi Perancangan Antarmuka 45
A. Halaman Home 45
Bab 5 Kesimpulan dan Saran
5.1. Kesimpulan 57
DAFTAR TABEL
Halaman
Tabel 2.1 Rentang Waktu dalam Peramalan 7
Tabel 2.2 Penelitian Sebelumnya 23
Tabel 3.1 Rangkuman Data Penjualan Sepeda Motor 26 Tabel 3.2 Use Case Spesifikasi untuk Use Case Home 32 Tabel 3.3 Use Case Spesifikasi untuk Use Case Kategori Motor 32 Tabel 3.4 Use Case Spesifikasi untuk Use Case Parameter Data 33 Tabel 3.5 Use Case Spesifikasi untuk Use Case Parameter Aplikasi 34 Tabel 3.6 Use Case Spesifikasi untuk Use Case Prediksi 34 Tabel 4.1 Rangkuman Data Penjualan Sepeda Motor 49
Tabel 4.2 Rencana Pengujian Sistem 50
DAFTAR GAMBAR
Halaman
Gambar 2.1 Contoh grafik himpunan fuzzy pada variabel umur 9 Gambar 2.2 Grafik Fungsi Keanggotaan pada Representasi Linier Naik 10 Gambar 2.3 Grafik Fungsi Keanggotaan pada Representasi Linier Turun 11 Gambar 2.4 Grafik Fungsi Keanggotaan pada Representasi Kurva Segitiga 12 Gambar 2.5 Grafik Fungsi Keanggotaan pada Representasi Kurva Trapesium 12 Gambar 2.6 Diagram blok sistem inferensi fuzzy 13
Gambar 2.7 Arsitektur ECOS 16
Gambar 2.8 Proses Interaksi ECOS 17
Gambar 2.9 Arsitektur Standar WEFuNN 21 Gambar 2.10 Arsitektur WEFuNN dengan Short-Term Memory 21 Gambar 3.1 Algoritma Weighted Evolving Fuzzy Neural Network pada sistem 27 Gambar 3.2 Himpunan Fuzzy untuk Data Penjualan 29 Gambar 3.3 Use Case Diagram Sistem Prediksi harga sepeda motor 31
Gambar 3.4 Diagram Aktivitas home 35
Gambar 3.5a Diagram Aktivitas Kategori Motor 36 Gambar 3.5b Diagram Aktifitas Hapus Kategori 36 Gambar 3.5c Diagram Aktifitas Edit Kategori 37 Gambar 3.6a Diagram Aktifitas Parameter Data 37 Gambar 3.6b Diagram Aktifitas Hapus Parameter Data 38 Gambar 3.6c Diagram Aktifitas Edit Parameter 38 Gambar 3.7a Diagram Aktifitas Parameter Aplikasi 39 Gambar 3.7b Diagram Aktifitas Hapus Parameter Aplikasi 39 Gambar 3.7c Diagram Aktifitas Edit Parameter Aplikasi 40 Gambar 3.8 Diagram Aktifitas Halaman Prediksi 40
Gambar 3.9 Rancangan Menu Sistem 41
Gambar 3.10 Rancangan Antarmuka Halaman Home 41 Gambar 3.11 Rancangan Antarmuka Halaman Kategori Motor 42 Gambar 3.12 Rancangan Antarmuka Halaman Parameter Data 42 Gambar 3.13 Rancangan Antarmuka Halaman Parameter Aplikasi 43 Gambar 3.14 Rancangan Antarmuka Halaman Prediksi 43
Gambar 4.1 Tampilan halaman home 45