2.6.2. Parameter Weighted Evolving Fuzzy Neural Network
Weighted evolving fuzzy neural network memiliki beberapa parameter di dalam algoritmanya. Paramater-parameter tersebut digunakan sebagai batas kesalahan dalam
melakukan pembelajaran, batas minimum dari sebuah fungsi aktivasi, dan kontrol ukuran pada sebuah bobot. Parameter yang digunakan pada weighted evolving fuzzy
neural network adalah sebagai berikut Kasabov, 2001.
1. Sensitive threshold sThr adalah parameter yang digunakan untuk
medefinisikan nilai minumum aktivasi. Nilai sensitive threshold harus lebih besar dari 0 dan lebih kecil sama dengan 0,9. Apabila nilai dari sensitive
threshold lebih besar dari 0,9 maka fungsi aktivasi akan menjadi chaotic dimana pola data akan semakin acak dan sulit atau tidak bisa diprediksi
Gleick, 1987.
2. Error threshold errThr adalah suatu nilai yang sangat kecil sebagai batas
kesalahan yang ditoleransi dalam proses pembelajaran.
3. Learning rate 1 lr1 dan learning rate 2 lr2 adalah parameter yang
digunakan untuk mengontrol nilai bobot antara layer kedua dengan layer ketiga dan antara layer ketiga dengan layer keempat. Nilai parameter learning
rate maksimum bernilai 1 dan tidak boleh bernilai lebih kecil sama dengan 0 Liu, et. al, 2006.
2.7. Penelitian Sebelumnya
Tabel 2.2. Penelitian Sebelumnya
No PenelitiTahun
Judul Keterangan
1. Pei-Chann2007
The Development of a Weighted
Evolving Fuzzy Neural Network
for PCB
Sales Forecasting
Dalam penelitian ini dibuat untuk meramalkan
penjualan PCB dengan Weighted Evovling Fuzzy
Neural Netwok memasukan 15 faktor
Universitas Sumatera Utara
yang mempengaruhi dan untuk mekombinasikan
antar faktor mengunakan Grey Relation Analysis
GRA untuk eksperimen ini mempunyai nilai
MAPE sebesar 2,11
2. Pei-Chann
Chang2009 A Weighted Evolving
Fuzzy Neural Network for Electricity Demand
Forecasting Dalam penelitian ini
dibuat untuk meramalkan kelistirikan di masa yang
akan datang dengan mengunakan metode
Weighted Evolving Fuzzy Neural Network dengan
memasukan 7 faktor yang mempengaruhi dalam
meramalkan kelistrikan dengan nilai MAPE
sebesar 6.11
3. Priandana,
Gani2012 Monthly
Electricity Demand
Forecasting Based
on Weighted
Evolving Fuzzy Neural Network Approach
Penelitian ini
dibuat untuk
meramalkan kebutuhan listrik bulanan
4. Reza Elfranda2014
Prediksi banjir dengan menggunakan weighted
evolving fuzzy neural network WEFUNN
Penelitian ini
dibuat untuk memprediksi banjir
pada suatu daerah aliran sungai DAS
Berdasarkan penelitian sebelumnya penulis akan melakukan penelitian mengenai prediksi harga motor dengan menggunakan weighted evolving fuzzy neural network
WEFuNN, dimana WEFuNN merupakan sebuah metode hybrid yang pada pelatihannya dilakukan pengkoneksian node-node WEFuNN berdasarkan data sampel
masukan. Dengan cara ini, WEFuNN dapat melakukan pelatihan secara online dan data sample dapat ditambah tanpa harus menggubah parameter pada WEFuNN
Kasabov, 2007.
Universitas Sumatera Utara
BAB 1
PENDAHULUAN
1.1. Latar Belakang
Perkembangan produk sepeda motor di Indonesia semakin pesat dari waktu ke waktu. Setiap perusahaan sepeda motor berusaha menghasilkan produk yang berkualitas
tinggi, baik segi teknologi dan eksteriornya. Hal ini, mengakibatkan persaingan antar perusahaan produk sepeda motor. Mengantisipasi hal tersebut, setiap perusahaan
melakukan peramalan penjualan untuk mengetahui perkembangan penjualan produknya.
Peramalan atau forecast merupakan suatu fungsi bisnis yang berusaha memperkirakan penjualan, pengguna produk, dan permintaan pasar sehingga produk
produk itu dapat dibuat dalam kuantitas yang tepat Murahartawaty, 2009. Tujuan dari peramalan adalah untuk menghitung perbandingan harga dan menentukan
permintaan konsumen di masa yang akan datang. Dengan kata lain, peramalan merupakan estimasi terhadap permintaan yang akan datang berdasarkan data formal
maupun informal.
Keberhasilan suatu perusahaan dicerminkan oleh kemampuan manajemen untuk memanfaatkan peluang secara optimal sehingga dapat menghasilkan penjualan dan
laba sesuai dengan yang diharapkan. Kesalahan mendasar yang sering terjadi dalam membuat semua rencana penjualan sulit direalisasi adalah kesalahan dalam pembuatan
prediksi penjualan yang tepat. Apabila prediksi penjualan di buat terlalu besar maka biaya produksi akan membengkak dan seluruh investasi yang ditanamkan menjadi
kurang efisien. Sebaliknya, bila prediksi penjualan di buat terlalu kecil maka
Universitas Sumatera Utara
perusahaan akan menghadapi kehabisan persediaan Stock Out, sehingga pelanggan terpaksa menunggu terlalu lama untuk produk yang diinginkan.
Maka pada penelitian ini digunakan metode weighted evolving fuzzy neural network WEFuNN untuk memprediksi harga sepeda motor berdasarkan data dari
income sebelumnya. WEFuNN merupakan pengembangan dari metode Evolving Fuzzy Neural Network EFuNN yang memiliki struktur hybrid dari metode Fuzzy
Inference System FIS dan jaringan saraf tiruan Neural Network dengan menerapkan prinsip Evolving Conection System ECOS Kasabov, 2007 didalam
jaringan. Salah satu kelebihan dari metode Weighted Evolving Fuzzy Neural Network WEFuNN ini adalah data sampel dapat ditambah dan diubah ubah tanpa harus
mengubah parameter yang digunakan.
1.2. Rumusan Masalah
