IMPLEMENTASI PEMODELAN ARTIFICIAL NEURAL NETWORKS (ANN) DALAM PREDIKSI DATA TIME SERIES PENJUALAN STUDI KASUS PT.

Transkripsi

1 TUGAS AKHIR CI1599 IMPLEMENTASI PEMODELAN ARTIFICIAL NEURAL NETWORKS (ANN) DALAM PREDIKSI DATA TIME SERIES PENJUALAN STUDI KASUS PT. VARIA USAHA BETON ATHUR ADHI BUWANA NRP Dosen Pembimbing I Chastine Fatichah, S.Kom, M.Kom JURUSAN TEKNIK INFORMATIKA Fakultas Teknologi Informasi Institut Teknologi Sepuluh Nopember Surabaya 2009

2

3 (halaman sengaja dikosongkan)

4 UNDERGRADUATE THESES CI1599 ARTIFICIAL NEURAL NETWORKS (ANN) MODELING IMPLEMENTATION IN TIME SERIES DATA FORECASTING CASE STUDY PT. VARIA USAHA BETON ATHUR ADHI BUWANA NRP Dosen Pembimbing I Chastine Fatichah, S.Kom, M.Kom DEPARTMENT OF INFORMATICS Faculty of Information Technology Sepuluh Nopember Institute of Technology Surabaya 2009

5 (halaman sengaja dikosongkan)

6 IMPLEMENTASI PEMODELAN ARTIFICIAL NEURAL NETWORKS (ANN) DALAM PREDIKSI DATA TIME SERIES PENJUALAN STUDI KASUS PT. VARIA USAHA BETON TUGAS AKHIR Diajukan Untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer pada Bidang Studi Sistem Bisnis Cerdas Program Studi S-1 Jurusan Teknik Informatika Fakultas Teknologi Informasi Institut Teknologi Sepuluh Nopember Oleh: ATHUR ADHI BUWANA Nrp Disetujui oleh Tim Pembimbing Tugas Akhir: 1. Chastine Fatichah S.Kom, M.Kom.. (Pembimbing I) SURABAYA, Agustus 2009 v

7 (halaman sengaja dikosongkan) vi

8 IMPLEMENTASI PEMODELAN ARTIFICIAL NEURAL NETWORKS (ANN) DALAM PREDIKSI DATA TIME SERIES PENJUALAN STUDI KASUS PT. VARIA USAHA BETON Nama Mahasiswa : Athur Adhi Buwana NRP : Jurusan : Teknik Informatika FTIF-ITS Dosen Pembimbing : Chastine Fatichah S.Kom, M.Kom. ABSTRAK Peramalan merupakan hal terpenting dalam dunia bisnis saat ini. Berbagai metode telah dikembangkan dan masing-masing memiliki keandalan dan kelemahan sendiri-sendiri. Penjualan beton siap pakai PT. Varia Usaha merupakan data time series yang perlu dilakukan peramalan karena akan membantu pihak manajemen dalam menentukan kebijakankebijakan strategis di masa yang akan datang. Dalam penelitian ini data yang berasal dari Kantor Cabang Surabaya akan dianalisis menggunakan ANN (Artificial Neural Network). Sebelum dilakukan analisa dengan ANN, data time series penjualan akan dinormalisasikan dengan metode Moving Average. Dari hasil uji coba didapatkan besarnya penjualan beton siap pakai untuk beberapa bulan ke depan. Kata kunci: Data Time Series ANN, Moving Average, vii

9 (halaman sengaja dikosongkan) viii

10 ARTIFICIAL NEURAL NETWORKS (ANN) MODELING IMPLEMENTATION IN TIME SERIES DATA FORECASTING CASE STUDY PT. VARIA USAHA BETON Nama Mahasiswa : Athur Adhi Buwana NRP : Jurusan : Teknik Informatika FTIF-ITS Dosen Pembimbing : Chastine Fatichah S.Kom, M.Kom. ABSTRACT Forecasting is the important thing in the business world at this time. Various methods have been developed and their reliability and have their own weaknesses. Sales of ready concrete PT. Varia Usaha is the time series data that needs to be analyzed because the forecasting will help the management in determining the strategic policies in the future. In this research data coming from the Branch Office Surabaya akan analyzed using ANN (Artificial Neural Network). Prior to analysis with the ANN, time series sales data will be normalized by the Moving Average method. From the results of the testing, found the large concrete sales ready for several months Key words: Time Series Data, ANN, Moving Average, ix

11 (halaman sengaja dikosongkan) x

12 KATA PENGANTAR Segala puji dan syukur sebesar-besarnya penulis panjatkan kepada Alloh SWT atas segala rahmat dan petunjuknya sehingga penulis dapat menyelesaikan Tugas Akhir yang berjudul: IMPLEMENTASI PEMODELAN ARTIFICIAL NEURAL NETWORKS (ANN) DALAM PREDIKSI DATA TIME SERIES PENJUALAN STUDI KASUS PT. VARIA USAHA BETON Dengan ini, penulis menyampaikan penghormatan dan terima kasih yang sebesarnya kepada pihak-pihak yang telah memberikan bantuan dan dukungan secara langsung maupun tidak langsung antara lain kepada : 1. Mama dan Papa yang tak henti memberikan dorongan semangat dan perhatian. 2. Ibu Chastine Fatichah S.Kom., M.Kom, selaku pembimbing 1, yang banyak membantu penulis dalam penyelesaian tugas akhir ini. 3. Ketua Jurusan Teknik Informatika ITS, Bapak Yudhi Purwananto. 4. Segenap Dosen dan staf jurusan teknik informatika, yang telah banyak memberikan ilmu dan membantu penulis selama masa perkuliahan di ITS. 5. Savitri Putri atas waktu yang indah, masukan,semangat yang tak ada henti. Cepat sembuh Witri 6. Ananto Dwi Nugroho dan Onang Adiluhung,teman seperjuangan dalam mengerjakan Tugas akhir. 7. Teman teman kost KG-16, Sigid, Yoga, Geger, Andie, Agung, Mambo,Fiyan, Edy atas keceriaan yang selalu ditunjukkan. xi

13 8. Teman teman Travian dan Farm Town yang menemani penulis beberapa bulan terakhir dalam meyelesaiakan Tugas Akhir. Sebagai manusia biasa, penulis menyadari bahwa Tugas Akhir ini masih jauh dari kesempurnaan dan memiliki banyak kekurangan. Oleh karena itu, penulis mengharapkan saran dan kritik yang membangun dari pembaca. Surabaya, Agustus 2009 Athur Adhi Buwana xii

14 DAFTAR ISI HALAMAN JUDUL... vii ABSTRAK... vii KATA PENGANTAR... xi DAFTAR ISI... xiii DAFTAR GAMBAR......xvii DAFTAR TABEL......xix BAB 1 PENDAHULUAN Latar Belakang Tujuan Perumusan Masalah Batasan Masalah Metodologi Sistematika Pembahasan... 4 BAB 2 TINJAUAN PUSTAKA Konsep Dasar Peramalan Metode-metode Peramalan Model Time Series Model Nonlinear Time Series Model NAR Model ARCH Model TAR Model Linear Time Series Model Autoregresif Model Moving Average Model Autoregresif Integreted Moving Average Konsep Artificial Neural Networks Fungsi Aktifasi...22 xiii

15 2.5.2 Faktor Yang Berkaitan Daengan ANN Algoritma Pelatihan Backpropagataion Implementasi Backpropagataion BAB 3 PERANCANGAN DAN PEMBUATAN SOFTWARE Pendahuluan Pemilihan Data Inputan Normalisasi Data Meranacang Model Jaringan Syara Training Training Bacpropagation Penggantian Bobot Momentum Penghitungan Error BAB 4 PENGUJIA DAN ANALISA Lingkungan Analisa Data Analisa Skenario Uji Coba Pelaksanaan Uji Coba Implementasi Model Jaringan Syaraf Preprocessing Model Jaringan Syaraf Model Jaringan Syaraf Training,Testing,Postprocessing Jaringan Syaraf Output Data Prediksi Tahap Analisis Ucikoba Data Empat Bulan Ujicoba Data Satu Tahun BAB 5 PENUTUP Kesimpulan Saran DAFTAR PUSTAKA xiv

16 LAMPIRAN BIODATA PENULIS xv

17 (halaman sengaja dikosongkan) xvi

18 DAFTAR GAMBAR Gambar 2.1 Satuan Pemroses Generik Gambar 2.2 Fungsi Aktivasi Sigmoid Gambar 2.3 Fungsi Aktivasi Tangen Hiperbola Gambar 2.4 Fungsi Aktivasi Linear Gambar 3.1 Diagram Sistem Gambar 3.2 Grafik Lokal Ekstrim Gambar 3.3 Contoh Perhitungan MSE Gambar 3.4 Contoh Perhitungan MAE Gambar 3.5 Contoh Perhitungan MAPE...50 Gambar 4.1 Gambaran Model Jaringan Saraf Gambar 4.2 Grafik Hasil Analisis Gambar 4.3 Grafik Hasil Analisis Lampiran 1 Data Penjualan Juni 2007 Juli Lampiran 2 Data Penjualan Juni 2008 Juli xvii

19 (halaman sengaja dikosongkan) xviii

20 DAFTAR TABEL Tabel 4.1 Spesifikasi lingkungan analisa...51 xix

21 (halaman sengaja dikosongkan) xx