BAB I PENDAHULUAN 1.1. Latar Belakang Peramalan merupakan salah satu metode statistik yang berperan penting dalam mengambil keputusan. Metode peramalan berfungsi untuk memperkirakan apa yang akan terjadi dimasa yang akan datang berdasarkan data masa lalu. Peramalan dapat dilakukan dengan banyak model, seperti ARIMA, Smoothing (Pemulusan), Dekomposisi, dan sebagainya. Namun dengan berkembangnya teknologi, para peneliti memiliki keinginan untuk mengembangkan mesin cerdas dengan sejumlah elemen sederhana. Pada tahun 1943 lahir metode baru yang dilatarbelakangi oleh jaringan saraf manusia, Artificial Neural Network (Jaringan saraf tiruan). Jaringan saraf tiruan didefinisikan sebagai suatu sistem pemrosesan informasi yang memiliki karakteristik menyerupai jaringan saraf biologis manusia. Jaringan saraf tiruan mampu mengenali kegiatan berdasarkan data masa lalu, yang mana data tersebut akan dipelajari oleh jaringan saraf tiruan sehingga memiliki kemampuan untuk mengambil keputusan terhadap data yang belum dipelajari (Hermawan, 2006). Dalam kegiatan perdagangan internasional seperti kegiatan ekspor dan impor, diperlukan alat pembayaran yang diakui oleh dunia. Devisa merupakan saldo bank dalam valuta asing yang mempunyai catatan kurs dari Bank Indonesia. Cadangan devisa merupakan posisi bersih aktiva luar negeri, yang salah satu kegunaannya untuk membiayai kegiatan impor, dan dikelola oleh Bank Indonesia (Benny, 2013). Devisa hasil ekspor bermanfaat untuk mendukung terciptanya pasar keuangan yang lebih sehat, menjaga kestabilan nilai rupiah bagi pembangunan ekonomi nasional (Kementerian Hukum dan Hak Asasi Manusia Republik Indonesia, 2014). Penerapan metode Artificial Neural Network dalam peramalan pernah dilakukan oleh para peneliti terdahulu. Alarifi et al. (2011) membuat peramalan
2 tentang kekuatan gempa di daerah Laut Merah utara, menggunakan metode peramalan statistik konvensional dan jaringan saraf tiruan. Hasil dari penelitian tersebut membuktikan bahwa peramalan menggunakan jaringan saraf tiruan memiliki tingkat akurasi yang tinggi dari pada metode statistik lainnya. Penelitian selanjutnya oleh Islam et al. (2013) memprediksi radiasi matahari pada permukaan horizontal di Bangladesh. Jaringan saraf tiruan terbuki mampu memberikan akurasi yang tepat dengan parameter meteorologi dan geografis konvensional. Nilai error terkecil yang didapat berkisar antara 0,16% sampai 1,71%. Penelitian tersebut digunakan sebagai alat yang efektif untuk menentukan lokasi yang efisien untuk memanfaatkan energi surya. Mislan et al. (2015) menggunakan Backpropagation untuk memprediksi curah hujan di Tenggarong, Kalimantan Timur Indonesia. Model tersebut menghasilkan akurasi peramalan yang baik dengan nilai MSE 0.00096341 dengan jumlah epochs 1000. Ada beragam metode yang tersedia dalam hal peramalan, meliputi ketepatan, ruang lingkup, horison waktu, dan biaya. Perbedaan antara penelitian penulis dengan penelitian terdahulu yaitu penulis berfokus pada prediksi devisa negara. Metode jaringan saraf tiruan yang akan penulis pilih untuk memprediksi pendapatan devisa negara adalah metode Backpropagation yang diharapkan sesuai dalam menyelesaikan masalah pada penelitian ini. Berdasarkan latar belakang tersebut, penulis mengajukan proposal penelitian dengan judul PREDIKSI PENDAPATAN DEVISA NEGARA DARI SEKTOR EKSPOR KOMODITI MENGGUNAKAN BACKPROPAGATION NEURAL NETWORK. 1.2. Rumusan Masalah Indonesia merupakan salah satu negara berkembang dan juga produsen komoditas yang masih mampu menaikkan cadangan devisa. Salah satu pemasukan terbesar devisa negara berasal dari kegiatan ekspor. Negara memerlukan devisa agar kegiatan ekspor dan impor berlangsung secara optimal. Penelitian terdahulu membahas peramalan hanya sebatas pada kegiatan ekspor maupun impor di Indonesia. Oleh sebab itu dibutuhkan suatu pendekatan untuk meramalkan pendapatan devisa negara dari sektor ekspor komoditas CPO dan turunannya, melalui Pelabuhan Belawan, guna mengoptimalisasi pemanfaatan devisa hasil
3 ekspor sehingga negara dapat memiliki gambaran tentang cadangan devisa yang dapat dipergunakan untuk kebutuhan negara di periode yang akan datang. 1.3. Batasan Masalah Penulis memberikan beberapa batasan, sebagai berikut: 1. Data yang digunakan adalah data ekspor komoditi Kantor Bea & Cukai Belawan, Mei 2013 - Desember 2016. 2. Komoditas yang dimaksud adalah komoditas CPO (Crude Palm Oil) dan produk turunannya. 3. Jumlah variabel yang digunakan berjumlah satu yaitu nilai devisa komoditas yang lalu. 4. Kejadian-kejadian bencana alam yang mungkin mempengaruhi hasil peramalan seperti gempa bumi, dan lain sebagainya tidak dipertimbangkan dalam penelitian. 1.4. Tujuan Penelitian Tujuan penelitian ini adalah memprediksi pendapatan devisa negara dari sektor ekspor komoditi barang menggunakan Backpropagation Neural Network. 1.5. Manfaat Penelitian Manfaat pada penelitian ini antara lain: 1. Mendapatkan informasi mengenai kemampuan metode Backpropagation. 2. Memprediksi pendapatan devisa negara. 3. Sebagai referensi untuk penelitian selanjutnya. 1.6. Metodologi Terdapat beberapa tahapan dalam menyelesaikan masalah pada penelitian ini: 1. Studi Literatur Studi literatur dilakukan dalam rangka mengumpulkan dan mempelajari informasi-informasi dari buku, paper, jurnal, atau sumber lain yang relevan mengenai peramalan dan Backpropagation Neural Network.
4 2. Analisis Permasalahan Pada tahap ini dilakukan analisis terhadap data yang diperoleh dari hasil studi literatur untuk mendapat pemahaman dari metode yang akan digunakan, yaitu Backpropagation Neural Network untuk diimplementasikan dalam penelitian ini. 3. Perancangan Pada tahap ini dilakukan perancangan sistem seperti arsitektur dan antarmuka sistem. Proses perancangan dilakukan berdasarkan hasil analisis terhadap studi literatur yang telah dilakukan. 4. Implementasi dan Pengujian Sistem Pada tahap ini dilakukan implementasi ke dalam program berdasarkan analisis dan menguji apakah sistem berjalan dengan baik sesuai dengan yang diharapkan. 5. Dokumentasi Pada tahap ini dilakukan penulisan laporan mengenai keseluruhan penelitian yang telah dilakukan. 1.7. Sistematika Penulisan Sistematika penulisan dari skripsi ini terdiri dari lima bagian utama, sebagai berikut: Bab 1: Pendahuluan Bab ini berisikan konsep dasar yang terdiri dari latar belakang, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metodologi penelitian, dan sistematika penulisan. Bab 2: Landasan Teori Bab ini berisi teori-teori yang digunakan untuk memahami permasalahan yang dibahas pada penelitian ini. Pada bab ini dijelaskan tentang jaringan saraf tiruan, peramalan, dan Backpropagation Neural Network.
5 Bab 3: Analisis dan Perancangan Sistem Bab ini berisi analisis dari metode yang digunakan yaitu Backpropagation Neural Network dan penerapannya untuk memprediksi pendapatan devisa negara, serta perancangan sistem yang dibuat seperti pemodelan dengan flowchart dan usecase diagram. Bab 4: Implementasi dan Pengujian Sistem Bab ini berisi pembahasan tentang implementasi dari analisis dan perancangan sistem yang disusun pada Bab 3 dan hasil pengujian terhadap sistem yang dibangun. Bab 5: Kesimpulan dan Saran Bab ini berisi kesimpulan dari keseluruhan uraian bab-bab sebelumnya. Bab ini juga berisi saran-saran yang diajukan untuk pengembangan pada penelitian selanjutnya.