State of The Art

9

BAB II LANDASAN TEORI

2.1. State of The Art

Beberapa penelitian yang telah dilakukan sebelumnya terkait dengan judul yang diangkat adalah : Tian Syung Lan, dkk. melakukan menggunakan metode Neural Network Back Propagation untuk meramal penjualan material untuk proses sputtering film. Hasil dari penelitian yang dilakukan, didapat metode Neural Network Back Propagataion sangat akurat dalam meramalkan penjualan material. Dengan menggunakan metode ini, persahaan dapat mencegah peningkatan biaya yang disebankan oleh import yang berlebihan dan juga mengurangi kehilangan order yang disebabkan oleh kekurangan bahan Lan dkk., 2012. Dalam penelitian yang dilakukan oleh David Yuliandar, dkk dikatakan bahwa penggunaan Artificial Neural Network ANN dalam peramalan time series dapat menjadi solusi yang baik, algoritma ANN memiliki kelemahan yaitu pada saat pemilihan metode pelatihan yang tepat. Salah satu pilihan yang tepat adalah dengan menggunakan Algoritma Genetika AG. Data yang digunakan dalam penelitian ini adalah nilai tukar mata uang Dolar Australia AUD terhadap rupiah periode 3 Januari 2011 sampai 29 Januari 2012. Hasil dari penelitian tersebut adalah Algoritma Genetika dapat memberikan bobot yang optimum untuk melatih jaringan Feed Forward Neural Network Yuliandar dkk., 2012. Kun-Huang Huarng, dkk. pada tahun 2012, melakukan penelitian penggunaan metode Neural Network based Fuzzy Time Series Model untuk meramal kedatangan turis di Taiwan. Hasil dari penelitian ini dibandingkan dengan penelitian yang dilakukan oleh Chen pada tahun 1996 yang menggunakan Algoritma Fuzzy Time Series dan Huarng pada tahun 2007 yang menggunakan metode yang sama dengan penelitian ini yaitu Neural Network based Fuzzy Time Series, namun hanya menggunakan derajat keanggotaan maksimal. Dalam penelitian ini digunakan beberapa derajat keanggotaan dan menghasilkan hasil peramalan yang lebih baik dari pada kedua penelitian tersebut Kun-Huang Huarng dkk., 2012. Agus Dharma, dkk. dalam penelitiannya tentang peramalan penggunaan listrik pada hari spesial di Bali menggunakan metode Fuzzy Type-2. Pada penelitian tersebut didapatkan penggunaan metode fuzzy type-2 memberikan hasil peramalan yang lebih akurat dari pada penggunaan metode fuzzy yang lain Dharma dkk., 2013. Penelitian yang menggabungkan metode Particle Swarm Optimization dan metode Neural Network pernah dilakukan oleh Joko S. Dwi Raharjo pada tahun 2013 prediksi laju inflasi. Hasil yang didapat pada penelitian tersebut adalah penerapan model PSO-ANN dalam prediksi laju inflasi memberikan hasil yang lebih baik dari pada menggunakan metode ANN. Data yang yang digunakan pada penelitian ini berjumlah 147 eksperimen yang terbagi dalam empat variasi jumlah neuron pada satu hidden layer Raharjo, 2013. Penelitian yang dilakukan oleh Erol Egrioglu menggabungkan dua algoritma yaitu algoritma Fuzzy Time Series dan Algoritma Particle Swarm Optimization PSO untuk meramalkan data bursa saham. Algoritma Fuzzy Time Series digunakan untuk mencari data periode selanjutnya, sedangkan PSO digunakan untuk mengoptimasi proses pada tahap menentukan relasi fuzzy. Dengan mengoptimasi Algoritma Fuzzy Time Series menggunakan Algoritma PSO, didapat peningkatan performa peramalan. Penggabungan dua metode ini dapat menghasilkan peramalan yang lebih baik dari pada metode yang lain yang disebutkan dalam literatur yang terdapat pada penelitian ini. Metode tersebut antara lain Fuzzy Logic Group Relation Tables, ANN, Fuzzy Relation Matrices, PSO dan Genetic Algorithm Egrioglu, 2014. Ashvin Kochak, Suman Sharma tahun 2015 mempublikasikan penelitianya yang membahas beberapa metode peramalan misalnya moving average, exponential smoothing, box jenkins, regresi dan model econometric. Metode tersebut memiliki akurasi yang baik namun, masih memiliki kelemahan yaitu akurasi dapat terjamin jika data yang dimiliki sangat besar dan Susah mengidentifikasi pola non-linier. Dengan menggunakan Algoritma ANN masalah yang terdapat pada beberapa algoritma diatas dapat diatasi. Hasil dari penelitian ini adalah algortima neural network menghasilkan akurasi yang lebih baik dari beberapa algoritma yang disebutkan sebelumnya Kochak and Sharma, 2015.

2.2. Persediaan