PERAMALAN PASAR PENJUALAN BATIK MENGGUNAKAN METODE EXTREME LEARNING MACHINE (ELM) SKRIPSI ABBAS MUNANDAR RAMBE 111402054 PROGRAM STUDI S1 TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2016
PERAMALAN PASAR PENJUALAN BATIK MENGGUNAKAN METODE EXTREME LEARNING MACHINE (ELM) SKRIPSI Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah Sarjana Teknologi Informasi ABBAS MUNANDAR RAMBE 111402054 PROGRAM STUDI S1 TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA 2016
i PERSETUJUAN Judul : PERAMALAN PASAR PENJUALAN BATIK MENGGUNAKAN METODE EXTREME LEARNING MACHINE (ELM) Kategori : SKRIPSI Nama : ABBAS MUNANDAR RAMBE Nomor Induk Mahasiswa : 111402054 Program Studi : SARJANA (S1) TEKNOLOGI INFORMASI Fakultas : ILMU KOMPUTER DAN TEKNOLOGI INFORMASI (FASILKOM-TI) UNIVERSITAS SUMATERA UTARA Komisi Pembimbing : Pembimbing 2 Pembimbing 1 Dedy Arisandi, S.T., M.Kom. Sajadin Sembiring, S.Si., M.Comp.Sc. NIP : 197908312009121002 NIP : - Diketahui/Disetujui oleh Program Studi S1 Teknologi Informasi Ketua, Muhammad Anggia Muchtar, S.T., MM.IT. NIP 19800110 200801 1 010
ii PERNYATAAN PERAMALAN PASAR PENJUALAN BATIK MENGGUNAKAN METODE EXTREME LEARNING MACHINE (ELM) SKRIPSI Saya mengakui bahwa skripsi ini adalah hasil karya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya. Medan, 13 Juni 2016 Abbas Munandar Rambe 111402054
iii UCAPAN TERIMA KASIH Puji dan syukur penulis sampaikan ke hadirat Allah SWT yang telah memberikan rahmat dan hidayah-nya sehingga penulis dapat menyelesaikan skripsi ini sebagai syarat untuk memperoleh gelar Sarjana Teknologi Informasi, Program Studi S1 Teknologi Informasi. Ucapan terima kasih penulisan sampaikan kepada Bapak Sajadin Sembiring, S.Si., M.Comp.Sc selaku pembimbing pertama dan Bapak Dedy Arisandi, S.T., M.Kom selaku pembimbing kedua yang telah banyak meluangkan waktu untuk memberikan kritik dan saran dalam penelitian dan penulisan skripsi ini. Selanjutnya, terima kasih juga kepada Ibu Dr. Erna Budhiarti Nababan, M. IT sebagai dosen penguji pertama serta Bapak Dani Gunawan, S.T., M.T sebagai dosen penguji kedua. Penulis juga mengucapkan terima kasih kepada Bapak dan Ibu dosen S1 Teknologi Informasi yang telah mengajar dan memberikan masukan serta saran yang bermanfaat selama proses perkuliahan hingga dalam penulisan skripsi ini. Ucapan terima kasih juga ditujukan kepada semua pegawai dan staf tata usaha Teknologi Informasi dan Fasilkom-TI, yang telah membantu proses administrasi selama perkuliahan. Penulis juga berterima kasih kepada kedua orang tua penulis, Bapak Marwanuddin Rambe dan Ibu Kartini Pasaribu yang telah membesarkan penulis dengan penuh cinta dan kasih dan selalu memberikan dukungan yang luar biasa sehingga penulis bisa menyelesaikan skripsi ini. Terima kasih juga penulis ucapkan kepada seluruh teman-teman S1 Teknologi Informasi yang telah bersama-sama melewati perkuliahan dengan penulis, yang telah memberikan dukungan semangat dan doa serta teman-teman mahasiswa USU lainnya.
iv ABSTRAK Batik merupakan salah salah satu produk tekstil yang sedang digandrungi oleh masyarakat luas. Pada kenyataannya, banyaknya permintaan terhadap produk ini di pasaran tidak diimbangi dengan strategi produksi yang tepat dan akurat dari para produsen. Ketidakseimbangan ini mengakibatkan terjadinya penumpukan stok (overstocking) ataupun kekurangan stok (understocking) yang membuat produsen mengalami kerugian baik dari sisi materil ataupun tenaga karena proses pembuatan batik tergolong memakan waktu dan energi. Pada Penelitian ini, penulis akan membuat sistem peramalan penjualan untuk mengatasi masalah dari pihak produsen dalam menangani permintaan konsumen. Data yang digunakan adalah data penjualan motif batik yang telah dikumpulkan dari beberapa produsen batik. Untuk mendapatkan error peramalan yang rendah serta tingkat akurasi peramalan yang tinggi, penulis menggunakan metode extreme learning machines (ELM) yang merupakan metode baru dan tergolong ke dalam single hidden layer feedforward neural networks (SLFNs). Dari hasil penelitian, terbukti bahwa metode ini memiliki tingkat akurasi yang baik, dengan nilai error peramalan yang dihitung dengan mean absolute percentage error (MAPE) sebesar 0,67%. Semakin rendahnya nilai error peramalan menunjukkan peramalan memiliki tingkat akurasi yang lebih baik. Kata kunci: Peramalan, Extreme Learning Machine, Single Hidden Layer Feedforward Neural Networks, MAPE.
v MARKET FORECASTING SALES OF BATIK USING EXTREME LEARNING MACHINE METHOD ABSTRACT Batik is one of the most favored textile by consumer these days. The fact, the high demand for these textile in the market are not balanced with the right strategy and the right production. This imbalance led to overstocking and understocking which makes producers suffered losses, both in terms of material and energy for the the manufacture of batik relatively time-consuming and energy. In this study, the author will build a sales forecasting system to overcome the problems of the producers in addressing the consumer demand. The data used is the batik sales data that have been collected from some producers of batik. To obtain a low forecasting error and an accurate forecasting value, the author uses the extreme learning machine (ELM) method which is the new method and classified in single hidden layer feedforward neural networks (SLFNs). From the result of this study proved that this metode has high level accuracy, the error forecasting value is calculated by mean absolute percentage error (MAPE) by 0,67%. The low value of the forecasting error shows that the forecasting has better accuracy rate. Keyword: Forecasting, Extreme Learning Machine, Single Hidden Layer Feedforward Neural Networks, MAPE.
vi DAFTAR ISI Hal. PERSETUJUAN i PERNYATAAN ii UCAPAN TERIMA KASIH iii ABSTRAK iv ABSTRACT v DAFTAR ISI vi DAFTAR TABEL viii DAFTAR GAMBAR ix BAB 1 PENDAHULUAN 1 1.1 Latar Belakang 1 1.2 Rumusan Masalah 3 1.3 Batasan Masalah 3 1.4 Tujuan Penelitian 3 1.5 Manfaat Penelitian 4 1.6 Metodologi 4 1.7 Sistematika Penulisan 5 BAB 2 LANDASAN TEORI 6 2.1 Batik 6 2.2 Peramalan (Forecasting) 8 2.3 Ukuran Akurasi Peramalan 13 2.4 Metode Extreme Learning Machine (ELM) 14 2.5 Penelitian Terdahulu 17 BAB 3 ANALISIS DAN PERANCANGAN 23 3.1 Arsitektur Umum 23 3.2 Data yang digunakan 24 3.3 Arsitektur ELM 26 3.3.1 Penentuan jumlah input 26 3.3.2 Penentuan jumlah hidden neuron 26 3.3.3 Penentuan output layer 27
vii 3.3.4 Training ELM 27 3.3.5 Testing ELM 34 3.3.6 Analisis hasil peramalan 34 3.4 Perancangan Sistem 35 3.4.1 Use case diagram 35 3.4.2 Diagram aktifitas (activity diagram) 36 3.4.3 Perancangan database 42 3.4.4 Rancangan tampilan antarmuka 43 BAB 4 IMPLEMENTASI DAN PENGUJIAN 49 4.1 Implementasi Sistem 49 4.1.1 Spesifikasi perangkat keras dan perangkat lunak yang digunakan 49 4.1.2 Implementasi perancangan antarmuka 49 4.2 Pengujian Kinerja Sistem 54 BAB 5 KESIMPULAN DAN SARAN 61 5.1 Kesimpulan 61 5.2 Saran 61 DAFTAR PUSTAKA 62
viii DAFTAR TABEL Hal. Tabel 2.1. Penelitian Terdahulu Tentang Batik 19 Tabel 2.2. Penelitian Terdahulu Menggunakan Metode ELM 21 Tabel 3.1. Data Penjualan Berdasarkan Motif Batik 25 Tabel 3.2. Contoh Data Untuk Proses Normalisasi 29 Tabel 3.3. Hasil Normalisasi Contoh Data 30 Tabel 3.4. Deskripsi Use Case Sistem Peramalan Penjualan Batik 36 Tabel 4.1. Hasil Peramalan Penjualan 56
ix DAFTAR GAMBAR Hal. Gambar 2.1. Data Runtun Waktu Dengan Pola Horizontal (Tanjung, 2012) 10 Gambar 2.2. Data Runtun Waktu Dengan Pola Tren (Tanjung, 2012) 10 Gambar 2.3. Data Runtun Waktu Dengan Pola Siklus (Tanjung, 2012) 11 Gambar 2.4. Data Runtun Waktu Dengan Pola Musiman (Tanjung, 2012) 12 Gambar 2.5. Struktur Umum ELM (Agustina et al, 2010) 15 Gambar 3.1. Arsitektur Umum 24 Gambar 3.2. Ilustrasi Jaringan ELM untuk Peramalan Penjualan Batik 27 Gambar 3.3. Flowchart Training ELM 28 Gambar 3.4. Use Case Sistem Peramalan Penjualan Batik 35 Gambar 3.5. Activity Diagram Melihat Kategori 37 Gambar 3.6. Activity Diagram Pengaturan Kategori 37 Gambar 3.7. Activity Diagram Melihat Produk 38 Gambar 3.8. Activity Diagram Pengaturan Produk 39 Gambar 3.9. Activity Diagram Melihat Penjualan 39 Gambar 3.10. Activity Diagram Pengaturan Penjualan 40 Gambar 3.11. Activity Diagram Peramalan Penjualan 41 Gambar 3.12. Database Relationship 42 Gambar 3.13. Rancangan Halaman Login 43 Gambar 3.14. Rancangan Halaman Utama (Home) 44 Gambar 3.15. Rancangan Halaman Kategori 45 Gambar 3.16. Rancangan Halaman Produk 46 Gambar 3.17. Rancangan Halaman Penjualan 47 Gambar 3.18. Rancangan Halaman Peramalan 48 Gambar 4.1. Halaman Login 50 Gambar 4.2. Halaman Utama 51 Gambar 4.3. Halaman Kategori 51 Gambar 4.4. Halaman Edit Kategori 52
x Gambar 4.5. Halaman Produk 52 Gambar 4.6. Halaman Edit Produk 53 Gambar 4.7. Halaman Penjualan 53 Gambar 4.8. Halaman Peramalan 54 Gambar 4.9. Contoh Peramalan Untuk 3 Bulan 55 Gambar 4.10. Hasil Peramalan Data Training 57 Gambar 4.11. Grafik Aktual Penjualan Batik 58 Gambar 4.12. Grafik Peramalan Penjualan Batik 59 Gambar 4.13. Grafik Aktual - Peramalan Penjualan Batik 60