PREDIKSI PENDAPATAN PERUSAHAAN MENGGUNAKAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) SKRIPSI HARIGO CANHY MELANOF

Transkripsi

1 PREDIKSI PENDAPATAN PERUSAHAAN MENGGUNAKAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) SKRIPSI HARIGO CANHY MELANOF DEPARTEMEN TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA 2014

2 PREDIKSI PENDAPATAN PERUSAHAAN MENGGUNAKAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) SKRIPSI Diajukan untuk melengkapi tugas dan memenuhi syarat untuk memperoleh ijazah Sarjana Teknologi Informasi PROGRAM STUDI TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2014

3 PERSETUJUAN Judul : PREDIKSI PENDAPATAN PERUSAHAAN MENGGUNAKAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) Kategori : SKRIPSI Nama : HARIGO CANHY MELANOF Nomor Induk Mahasiswa : Program Studi : SARJANA (S1) TEKNOLOGI INFORMASI Departemen : TEKNOLOGI INFORMASI Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI (FASILKOMTI) UNIVERSITAS SUMATERA UTARA Diluluskan di Medan, Agustus 2014 Komisi Pembimbing : Pembimbing 2 Pembimbing 1 NIP NIP Diketahui/Disetujui oleh Program Studi S1 Teknologi Informasi Ketua, M. Anggia Muchtar, ST. MM.IT NIP

4 PERNYATAAN PREDIKSI PENDAPATAN PERUSAHAAN MENGGUNAKAN METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS) SKRIPSI Saya mengakui bahwa skripsi ini adalah hasil karya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya. Medan, Agustus 2014 Harigo Canhy Melanof

5 UCAPAN TERIMA KASIH Puji dan syukur penulis sampaikan kehadirat Allah SWT yang telah memberikan rahmat dan hidayah-nya sehingga penulis dapat menyelesaikan skripsi ini sebagai syarat untuk memperoleh ijazah Sarjana Teknologi Informasi, Program Studi S1 Teknologi Informasi. Ucapan terimakasih penulis sampaikan kepada: 1. Kedua orang tua dan keluarga yang telah memberikan dukungan dan motivasi baik moril dan materil serta spiritual, Ayahanda Edi Firman dan Ibunda Zuraida yang selalu sabar dalam mendidik dan membesarkan saya,juga kepada Zicco Sandra Prayudha, S.T., Sintha Febria, S.Farm.Apt., Feny Primawati, A.md., Imam Firdaus Muttaqin, Ibu Nasmita, A.md., dan Ibu Asnimar. 2. Bapak Muhammad Anggia Muchtar, S.T., M.M.IT. selaku pembimbing satu dan Bapak Muhammad Fadly Syahputra, B.Sc., M.Sc.IT. selaku pembimbing dua yang telah banyak meluangkan waktu dan pikirannya, memotivasi dan memberikan kritik dan saran kepada penulis, dan juga ditujukan kepada Ibu Sarah Purnamawati, S.T., M.Sc. dan Bapak Baihaqi Siregar, S.Si., M.Sc. selaku penguji yang telah bersedia menjadi dosen pembanding. 3. Dekan dan Pembantu Dekan Fakultas Ilmu Komputer dan Teknologi Informasi, semua dosen dan pegawai di Program Studi Teknologi Informasi. 4. Terima kasih kepada staf pegawai administrasi tata usaha Program Studi Teknologi Informasi, terutama Abangda Faisal Hamid dan Ibu Delima Harahap yang telah membantu penulis dalam menyelesaikan semua urusan administrasi di Program Studi Teknologi Informasi.

6 5. Terima kasih kepada sahabat-sahabat, Raja Ade Fitrasari Mochtar, S.E., M.Ak., Barkah Adhy Nugraha, S.T., Joko Rinaldi,S.Kep.Ners., Rahmadan, S.T., Eri Yunaldo, S.T., dan Bayu Haryadi, S.T yang selalu memotivasi saya. 6. Terima kasih kepada keluarga bapak Nurjasri dan ibu Elly yang telah banyak membantu saya sejak pertama kali menginjakan kaki di kota medan, juga kepada kakanda Devy Molanda, dr.lysa Ogestha dan Angga Rizky Permana. 7. Terima kasih juga kepada teman-teman terbaik saya yang terus mendukung tanpa henti, Reyhan Samantha, Teza Amaluddin, Atika Chan, Azharul Wanda Siregar, Rizky Yanda, Dwiporanda E, Kharisma Rinaldi Siregar, Inis Caisarian Siregar, Karina Wibawanti, Zulfikri Putra, Sanra Cheney, Joko Nugroho, dan Andre serta teman-teman mahasiswa Teknologi Informasi lainnya yang tidak dapat penulis sampaikan satu persatu. Akhir kata, saya ucapkan terima kasih kepada semua pihak yang terkait dalam penyelesaian skripsi ini yang tidak bisa saya sebut satu persatu. Semoga Allah SWT senantiasa memberi rahmat dan keberkahan-nya kepada kita semua.

7 ABSTRAK Pertumbuhan omset (pendapatan) merupakan salah satu ukuran keberhasilan sebuah perusahaan yang harus dipantau. Sebuah perusahaan tentu mengharapkan terdapat pertumbuhan pendapatan setiap tahun yang dicanangkan dalam target pendapatan. Dalam waktu tertentu jumlah penerimaan pendapatan akan semakin meningkat dan dalam situasi yang lain akan terjadi sebaliknya. Untuk itu perlu adanya proyeksi atau peramalan terhadap jumlah penerimaan pendapatan untuk tahun selanjutnya. Peramalan atau yang sering disebut dengan forecasting adalah satu bagian yang harus dipertimbangkan untuk membuat perencanaan. Dalam tugas akhir ini digunakan metode Adaptive Neuro Fuzzy Inference System (ANFIS) untuk memprediksi pendapatan perusahaan berdasarkan data-data pendapatan sebelumnya. ANFIS adalah salah satu sistem hybrid dimana metode pembelajaran jaringan syaraf tiruan digunakan untuk mengimplementasikan metode Fuzzy Inference System. Pengukuran tingkat akurasi hasil prediksi dilakukan dengan nilai MAPE (Mean Absolute Percentage Error). Hasil prediksi yang dilakukan menggunakan ANFIS dengan parameter laju penbelajaran 0.2, momentum 0.1, dan max epoch 400 pada pendapatan perusahaan Breakdown Apparell periode 1 Januari 2011 sampai dengan 31 Desember Kata kunci: adaptive neuro fuzzy inference system, neuro fuzzy, neural network, fuzzy inference system, prediksi, peramalan, pendapatan perusahaan.

8 Abstract The growth of turnover (revenue) is one measure of the success of a company that should be monitored. A company certainly expects revenue growth every year there are envisioned in the revenue targets. Within a certain amount of receipt of income will increase and in other situations would occur otherwise. For that we need a projection or forecast of the amount of receipt of income for the next year. Forecasting or forecasting is often referred to as one part that should be considered for planning. In this thesis used the method of Adaptive Neuro Fuzzy Inference System (ANFIS) to predict the company revenue data based on previous earnings. ANFIS is a hybrid system in which one neural network learning methods are used to implement the Fuzzy Inference System. Measuring the level of accuracy of the predictions made by the value of MAPE (Mean Absolute Percentage Error). The results of prediction were performed using ANFIS with learning rate parameter 0.2, momentum 0.1, and max epoch 400 on corporate earnings Breakdown apparell period January 1, 2011 until December 31, Keywords: adaptive neuro-fuzzy inference system, neuro fuzzy, neural network, fuzzy inference system, prediction, forecasting, companies revenue.

9 DAFTAR ISI Persetujuan ii Pernyataan iii Ucapan Terima Kasih iv Abstrak vi Abstract vii Daftar Isi viii Daftar Tabel x Daftar Gambar xi Bab 1 Pendahuluan Latar Belakang Rumusan Masalah Batasan Masalah Tujuan Penelitian Manfaat Penelitian Metodologi Penelitian Sistematika Penulisan 5 Bab 2 Landasan Teori Perusahaan Bentuk Perusahaan Pendapatan Peramalan Metode Peramalan Fuzzy System Fuzifikasi Fungsi Keanggotaan Fuzzy Clustering Inferensi Operasi Himpunan Fuzzy Metode Inferensi Sugeno Defuzifikasi Jaringan Syaraf Tiruan Prediksi Menggunakan Anfis Penelitian Terdahulu 29 Bab 3 Analisis dan Perancangan Identifikasi Masalah Data yang Digunakan 32

10 3.3. Analisis Teknikal Perancangan Sistem Use Case Diagram Use Case Specification Activity Diagram Rancangan Menu System Perancangan Antarmuka Rancangan Halaman Home Rancangan Halaman Data Pendapatan Rancangan Halaman Peramalan Rancangan Halaman About 49 Bab 4 Implementasi dan Pengujian Implementasi Spesifikasi Perangkat Keras yang Digunakan Implementasi Perancangan Antarmuka Implementasi Data Pengujian Sistem Rencana Pengujian Sistem Kasus dan Hasil Pengujian Pengujian Kinerja Sistem 57 Bab 5 Kesimpulan dan Saran Kesimpulan Saran 60 Daftar Pustaka 62

11 DAFTAR TABEL Tabel 2.1 Rentang Waktu dan Peramalan 12 Table 2.2 Penelitian Terdahulu 29 Tabel 3.1 Rangkuman Data Pendapatan Breakdown Apparel 32 Tabel 3.2 Use Case Spesifikasi untuk Use Case Home 39 Tabel 3.3 Use Case Spesifikasi untuk Use Case Pendapatan 39 Tabel 3.4 Use Case Spesifikasi untuk Use Case Peramalan 40 Tabel 3.5 Use Case Spesifikasi untuk Use Case Grafik Aktual 40 Tabel 3.6 Use Case Spesifikasi untuk Use Case Grafik Ramalan 41 Table 3.7 Use Case Spesifikasi untuk Use Case Data Saham 41 Tabel 4.1 Data Perusahaan Breakdown Apparel 54 Tabel 4.2 Rencana Pengujian 56 Tabel 4.3 Hasil Pengujian Menggunakan Metode Black Box 56 Tabel 4.4 Data Pendapatan Perusahaan 57 Tabel 4.5 Hasil Prediksi Data Pendapatan 58 Hal.

12 DAFTAR GAMBAR Gambar 2.1 Proses Fuzzy Inference System Error! Bookmark not defined.4 Gambar 2.2 Kurva Segitiga Error! Bookmark not defined.5 Gambar 2.3 Kurva Trapesium 14 Gambar 2.4 Kurva Generalized Bell 15 Gambar 2.5 Kurva Gaussian 16 Gambar 2.6 Blok diagram ANFIS 17 Gambar 3.1 Grafik Pendapatan Breakdown Apparel 34 Gambar 3.2 Algoritma ANFIS pada Sistem 35 Gambar 3.3 Use Case Diagram Sistem Prediksi 38 Gambar 3.4 Diagram Aktivitas Home 42 Gambar 3.5 Diagram Aktivitas Data Pendapatan 43 Gambar 3.6 Diagram Aktivitas Peramalan 44 Gambar 3.7 Diagram Aktivitas Grafik Aktual 44 Gambar 3.8 Diagram Aktivitas Grafik Peramalan 45 Gambar 3.9 Diagram Aktivitas Grafik Aktual dan Grafik Peramalan 45 Gambar 3.10 Struktur Menu Sistem 46 Gambar 3.14 Rancangan Halaman Home 47 Gambar 3.15 Rancangan Halaman Data Pendapatan 48 Gambar 3.16 Rancangan Halaman Ramalan 49 Gambar 3.17 Rancangan Halaman About 50 Gambar 4.1 Halaman Home 52 Gambar 4.2 Halaman Data Pendapatan Perusahaan 53 Gambar 4.3 Halaman Prediksi 54 Hal.