PREDIKSI PENJUALAN PADA PERUSAHAAN INDUSTRI MENGGUNAKAN BACK PROPAGATION
SKRIPSI M HERRI MUSTAQIM HSB 101402089
PROGRAM STUDI S1 TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2015
Universitas Sumatera Utara
PREDIKSI PENJUALAN PADA PERUSAHAAN INDUSTRI MENGGUNAKAN BACK PROPAGATION
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat mencapai gelar Sarjana Teknologi Informasi
M HERRI MUSTAQIM HSB 101402089
PROGRAM STUDI TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN 2015
Universitas Sumatera Utara
ii PERSETUJUAN
Judul
: PREDIKSI PENJUALAN PADA PERUSAHAAN INDUSTRI MENGGUNAKAN BACK PROPAGSTION
Kategori
: SKRIPSI
Nama
: M HERRI MUSTAQIM HSB
Nomor Induk Mahasiswa
: 101402089
Program Studi
: SARJANA (S1) TEKNOLOGI INFORMASI
Departemen
: TEKNOLOGI INFORMASI
Fakultas
: ILMU KOMPUTER DAN TEKNOLOGI INFORMASI (FASILKOMTI) UNIVERSITAS SUMATERA UTARA
Diluluskan di Medan, Januari 2015 Komisi Pembimbing
:
Pembimbing 2
Pembimbing 1
Dr. Syahril Efendi, S.Si, M.IT NIP
Dr. Erna Budhiarti Nababan, MIT NIP
Diketahui/Disetujui oleh Program Studi S1 Teknologi Informasi Ketua,
Muhammad Anggia Muchtar, ST.MM.IT NIP 1980010 200801 1 010 PERNYATAAN
PREDIKSI PENJUALAN PADA PERUSAHAN INDUSTRI
Universitas Sumatera Utara
iii MENGGUNAKAN METODE BACKPROPAGATION
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Juari 2015
M Herri Mustaqim HSB 101402089
PENGHARGAAN
Universitas Sumatera Utara
iv Puji dan syuur penulis panjakat atas kehadirat Allah SWT yang telah memberikan rahmat dan hidayah-Nya sehingga penulis dapat menyelesaikan skripsi ini sebagai syarat utama memperoleh gelar Sarjana Teknologi Informasi, Program Studi S1 Teknologi Informasi Universitas Sumatera Utara. Ucapan terima kasih penulis sampaikan kepada: 1. Dekan dan Pembantu Dekan Fakultas Ilmu Komputer Dan Teknologi Informasi Universitas Sumatera Utara 2. Ucapan terima kasih kepada ketua dan seketaris Program Studi Teknologi Informasi, Muhammad Anggia Muchtar, ST, M.IT dan M.Fadly Syahputra, B.Sc, M.Sc.IT. 3. Ucapan terima kasih kepada pembimbing satu ibu Dr.Erna Budhiarti Nababan, M.IT dan kepada bapak Bapak Syahril Efendi, S.Si, M.IT selaku pembimbing dua yang telah meluangkan waktu serta pikiranya untuk memotivasi dan memberikan kritik dan saran membangun kepada penulis. 4. Ucapan terima kasih kepada bapak Muhammad Anggia Muchtar,ST,M.IT selaku dosen pembanding satu dan bapak Romi Fadhillah Rahmat,B.Sc.M.Sc selaku pembanding dua yang telah bersedia sebagai dosen pembanding, semua dosen Teknologi Informasi,Serta seluruh pegawai di Program Studi Teknologi Informasi. 5. Ucapan terima kasih kepada kedua orang tua penulis dan seluruh keluarga penulis yang telah memberikan motivasi baik spiritual maupun materil, papa Ir.H.Syahrizal Novian Hasibuan dan mama Hj.Hertati Sri Ardiani yang selalu sabar dan tabah membesarkan penulis. Serta ucapa terima kasih kepada adik penulis Utari Nisrina Hasibuan selalu memberikan dorongan kepada penulis 6. Ucapan terima kasih kepada PT.Semen Andalas Indonesia Area yang telah membantu dan membimbing penulis dalam pemberian data penjualan kepada penulis dalam melakukan riset, bapak Ricki Syahputra Sitompul dan bapak Zulkarnain Is. 7. Ucapan Terima kasih kepada seluruh teman-teman angkatan 2010 , teman-teman TA, serta seluruh teman-teman mahasiswa Teknologi Informasi yang tidak dapat disebutkan namanya satu persatu, semoga Allah SWT membalas kebaikan kalian semua dengan nikmat serta kesehatan. Akhir kata, penulis ucapkan terimakasih kepada semua pihak yang terlibat dalam menyelesaikan skripsi ini yang tidak bisa saya sebutkan satu persatu, semoga Allah SWT membalas kebaikan kalian semua serta nikmat kesehatan dan keberkahan kepada kita semua.
Universitas Sumatera Utara
v
ABSTRAK Prediksi dalam menghitung nilai penjualan dibutuhkan oleh managemen perusahaan industri dalam menentukan kebijakan tentang
penjualan terkait penghitungan
penjualan perbulan dan penjualan pertahun. Penelitian ini bertujuan untuk menentukan faktor penjualan perbulan, pertahun dari wilayah pemasaran produk yang berpengaruh terhadap penjualan di masa yang akan datang dan membangun model prediksi terbaik dengan teknik jaringan saraf tiruan. Kriteria pilihan model yang digunakan adalah backpropagation. Metode backpropagation menghitung seluruh data sampel yang berjumlah 1344 data, untuk mencari nilai rata-rata penjualan pada masa yang akan datang dari histori data sebelumnya yang dimulai tahun 2006 hingga 2013 dari lima wilayah pemasaran produk yaitu Lhokseumawe, Lhoknga, Belawan, Dumai, Batam. Selain itu juga dihitung nilai rata-rata training dan testing, berdasarkan pembagian nilai rata-rata di dapatkan 1075 data pelatihan atau 80% data keseluruhan dan 269 data pengujian atau 20% data keseluruhan. Dari hasil pengujian yang dilakukan diperoleh tingkat ketepatan terhadap prediksi dalam menggunakan jaringan saraf tiruan backpropagation dengan hasil rata dari 50% hingga 99%.
Kata kunci : Prediksi Penjualan , jaringan saraf tiruan, backpropagation.
Universitas Sumatera Utara
vi
SALES FORCAST ON INDUSTRIAL COMPANIES USING BACKPROPAGATION NEURAL NETWORK
ABSTRACT Predictions for calculating the value of sales required by the management of industrial enterprises in determining the policies of the relevant sales tally monthly sales and sales per year. This study aims to determine the factors of sales per month, per year of marketing areas that affect the sales of products in the future and build the best predictive models with neural network techniques. Criteria for selection model used is backpropagation. Backpropagation method calculates the entire data sample of 1344 data, to look for the average value of sales in the future from previous data history that began in 2006 and 2013 from five regions, namely product marketing Lhokseumawe, Lhoknga, Belawan, Dumai, Batam. It also calculated the average value of training and testing, based on the division of the average value in getting the training data in 1075 or 80% overall data and test data 269 or 20% of the overall data. From the results of tests performed on the prediction accuracy rate obtained using backpropagation neural networks with an average yield of 50% to 99%. Keywords: Sales prediction, neural networks, backpropagation
Universitas Sumatera Utara
vii
DAFTAR ISI
Hal PERSETUJUAN PERNYATAAN UCAPAN TERIMA KASIH ABSTRAK ABSTRACT DAFTAR ISI DAFTAR TABEL DAFTAR GAMBAR
ii ii iv v vi vii ix x
BAB 1 PENDAHULUAN 1.1 Latar Belakang 1.2 Rumusan Masalah 1.3 Batasan Masalah 1.4 Tujuan Penelitian 1.5 Manfaat Penelitian 1.6 Metodologi Penelitian 1.7 Sistematika Penulisan
1 1 2 2 2 2 3 3
BAB 2 LANDASAN TEORI 2.1 Defenisi Semen 2.2 Definisi Penjualan 2.3 Definisi Prediksi Penjualan 2.3.1 Jenis – Jenis Prediksi Penjualan 2.4 Jaringan Saraf Tiruan 2.4.1 Konsep Dasar Jaringan Saraf Tiruan 2.5 Algoritma Backpropagation 2.5.1 Tahap Algoritma Pelatihan 2.5.1.1 Inisialisasi Bobot 2.5.2 Tahap Algortima Aplikasi 2.5.3 Activation Function 2.5.4 Penginisialisasi Nilai Bobot dan Bias 2.5.5 Momentum Terhadap Pengupdatean Nilai bobot 2.7 Penlitian terdahulu
5 5 6 6 7 8 8 9 10 11 13 13 14 15 16
BAB 3 ANALISIS DAN PERANCANGAN SISTEM 3.1 Data yang Digunakan 3.2.Analasis Sistem 3.3 Use Case Diagram 3.3.1 Use Case Specification 3.3.2 Use case spesifikasi 3.4 Perancangan Aplikasi Antarmuka Pemakai 3.4.1 Form Login 3.4.2 Halaman Awal (Home)
18 18 19 25 25 28 30 31 31
Universitas Sumatera Utara
viii 3.4.3 Halaman Prediksi
32
3.4.4 Halaman Data 3.4.5 Halaman Grafik 3.4.6 Halaman Logout
33 34 35
BAB 4 IMPLEMENTASI DAN PENGUJIAN SISTEM 4.1 Implementasi Sistem 4.2 Antarmuka Pengguna (Interface) 4.2.1 Tampilan Awal (Home) 4.2.2 Halaman Prediksi 4.2.3 Halaman Data 4.2.4 Halaman Grafik 4.3 Pengujian Sistem 4.3.1 Rancangan Sistem 4.4 Pengujian Sistem 4.4.1 Pengujian Sistem 4.4.2 Hasil Pengujian Jaringan Saraf Tiruan Backpropagation 4.4.3 Data Pengujian
36 36 36 37 37 38 40 41 41 43 43 46 50
BAB 5 KESIMPULAN DAN SARAN 5.1 Kesimpulan 5.2 Saran
52 52 52
DAFTAR PUSTAKA LAMPIRAN KODE PROGRAM
53 55
Universitas Sumatera Utara
ix
DAFTAR TABEL
Tabel 2.1 Penelitian Terdahulu Tabel 3.1 Rangkuman Data Penjualan Tabel 3.2 Use Case Specification untuk Use Case Home Tabel 3.3 Use Case Specification untuk Use Case Prediksi Tabel 3.4 Use Case Specification untuk Use Case Login Tabel 3.5 Use Case Specification untuk Use Case Home Tabel 3.6 Use Case Specification untuk Use Case Prediksi Tabel 3.7 Use Case Specification untuk Use Case Login Tabel 3.8 Use Case Specification Untuk Use Case Data Tabel 4.1 Rencana Pengujian Tabel 4.2 Hasil Pengujian Tabel 4.3 Tabel Data OPC Tabel 4.4 Tabel Data PCC Tabel 4.5 Tabel Data OPC bulk Tabel 4.6 Tabel Data OPC normalisasi Tabel 4.7 Tabel Data PCC normalisasi Tabel 4.8 Tabel Data OPC bulk normalisasi Tabel 4.9 Hasil Pelatihan Jaringan Saraf Tiruan Backpropagation
Hal. 16 18 26 26 27 28 28 29 29 41 42 44 44 44 45 45 45 46
Universitas Sumatera Utara
x
DAFTAR GAMBAR
Hal. Gambar 2.1 Arsitektur dasar jaringan saraf tiruan (sutejo et al, 2011) Gambar 2.2 Jaringan backpropagation dengan lapisan tersembunyi (Puspita, 2006) Gambar 2.3 Alur kerja algoritma tahap pelatihan backpropagation (sutejo et al, 2011) Gambar 3.1 Grafik pnjualan Gambar 3.2 Flowchat Proses training Gambar 3.3 Flowchat Proses testing Gambar 3.4 Use Case Diagram Penjualan Gambar 3.5 Halaman login Gambar 3.6 Halaman awal (Home) Gambar 3.7 Halaman Prediksi Gambar 3.8 Halaman Data Gambar 3.9 Halaman Grafik Gambar 3.10 Halaman Logout Gambar 4.1 Tampilan Halaman Awal (Home) Gambar 4.2 Tampilan Prediksi Gambar 4.3 Tampilan Data Gambar 4.4 Tampilan Tambah Data Gambar 4.5 Tampilan Grafik Gambar 4.6 Tampilan Grafik Lanjutan Gambar 4.7 Grafik Parameter Penelitian Gambar 4.8 Grafik Prediksi Penjualan Gambar 4.9 Grafik Pelatihan nilai error Gambar 4.10 Grafik Hasil Prediksi
9 10 10 18 22 24 25 31 32 33 34 34 35 37 38 39 39 40 40 50 50 67 68
Universitas Sumatera Utara
