2.3.1. Karakteristik Peramalan
Menurut Nasution 1999, bahwa peramalan yang baik mempunyai beberapa kriteria yang penting, antara lain akurasi, biaya, dan kemudahan.
1. Akurasi
Akurasi dari suatu hasil peramalan diukur dengan kebiasaan dan kekonsistensian peramalan. Hasil peramalan dikatakan bila peramalan
tersebut terlalu tinggi atau rendah disbanding dengan kenyataan yang sebenarnya terjadi. Hasil peramalan dikatakan bila kesalahan peramlan
relative kecil. 2.
Biaya Biaya yang diperlukan untuk pembuatan suatu peramalan tergantung dari
jumlah item yang diramalkan, lamanya periode peramalan, dan metode peramalan yang dipakai.
3. Kemudahan
Penggunaan metode peramalan yang sederhana, mudah dibuat, dan mudah diaplikasikan akan memberikan keuntungan bagi perusahaan.
2.3.2. Metode Peramalan atau Prediksi
Berdasarkan metode peramalan yang digunakan peramalan dibedakan menjadi metode kualitatif dan kuantitatif.
1. Metode Kualitatif
Didasarkan pada intuisi dan penilaian orang yang melakukan peramalan dari pada pemanipulasi pengolahan dan penganalisisan data.
2. Metode Kuantitatif
Didasarkan pada pemanipulasian atas data yang tersedia secara memadai dan tanpa intuisi maupun penilaian subyektif dari orang yang melakukan
peramalan. PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
2.4. Jaringan Syaraf Tiruan
Jaringan syaraf tiruan JST adalah sistem pemroses informasi yang memiliki karakteristik mirip dengan jaringan syaraf biologis Siang, 2009. JST
dibentuk sebagai generalisasi model matematika dari jaringan syaraf biologis, dengan asumsi bahwa :
a. Pemrosesan informasi terjadi pada banyak elemen sederhana neuron
b. Sinyal dikirimkan diantara neuron-neuron melalui penghubung-
penghubung c.
Penghubung antar neuron memiliki bobot yang akan memperkuat atau memperlemah sinyal
d. Untuk menentukan output, setiap neuron menggunakan fungsi aktivasi
biasanya bukan fungsi linier yang dikenakan pada jumlahan input yang diterima. Besarnya output ini selanjutnya dibandingkan dengan suatu batas
ambang. JST ditentukan oleh 3 hal :
a. Pola hubungan antar neuron
b. Metode untuk menentukan bobot penghubung
c. Fungsi aktivasi
s
Gambar 2.1 Siang 2009 Y menerima input dari neuron X
1,
X
2
dan X
3
dengan bobot hubungan masing- masing adalah W
1
,W
2
dan W
3
. ketiga impuls neuron yang ada dijumlahkan net = X
1
W
1
+ X
2
W
2
+ X
3
W
3
…………………..….. 2.1 Besarnya impuls yang diterima oleh Y mengikuti fungsi aktivasi y = fnet.
Apabila nilai fungsi aktivasi cukup kuat, maka sinyal akan diteruskan. Nilai fungsi
X
1
X
2
X
3
Y W
1
W
3
W
2
aktivasi keluaran model jaringan juga dapat dipakai sebagai dasar untuk merubah bobot.
Menurut Siang 2009 ada beberapa arsitektur jaringan yang sering dipakai dalam jaringan syaraf tiruan, antara lain :
a. Jaringan Layar Tunggal Single Layer Network
Dalam jaringan ini, sekumpulan input neuron dihubungkan langsung dengan sekumpulan output-nya. Dalam beberapa model misal
perceptron, hanya ada sebuah unit neuron output.
X
1
X
i
X
n
Y
m
Y
j
Y
1
W
11
W
ji
Gambar 2.2 Siang 2009
Gambar di atas menunjukan arsitektur jaringan dengan n unit input X dan m unit output Y.
Dalam jaringan tersebut, semua unit input dihubungkan dengan semua unit output, meskipun dengan bobot yang berbeda-beda. Tidak ada unit input
yang dihubungkan dengan unit input lainnya. Demikian pula dengan unit output.
Besaran w menyatakan bobot hubungan antara unit onput dengan urut output. Bobot-bobot ini aling independen. Selama proses pelatihan,
bobot-bobot ini saling independen. Selama proses pelatihan, bobot-bobot tersebut akan dimodifikasi untuk meningkatkan keakuratan hasi. Model
semacam ini tepat
digunakan untuk pengenalan pola karena
kesederhanaannya. PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Kategori