antara satu dengan yang lainnya. Ketidak-pastian yang pertama adalah ketidak- pastian permintaan, biasanya dari arah distributor atau retailer atau konsumen
akhir. Ketidak-pastian kedua adalah dari arah supplier, berupa lead time pengiriman bahan baku yang tidak pasti, ketidak-pastian harga, demikian pula
jumlah dan mutu bahan baku. Ketidak-pastian lainnya adalah dari dalam manufaktur seperti
kerusakan mesin, tidak hadirnya tenaga kerja, mutu produk yang tidak pasti. Tantangan-tantangan yang terjadi dalam rantai pasok seperti
yang diuraikan tersebut perlu diminimalisir agar kegiatan-kegiatan sepanjang rantai pasok dalam berlangsung dengan baik untuk dapat memenuhi kebutuhan
dan keinginan konsumen akhir yaitu kepuasan konsumen.
2.5 Jaringan syaraf tiruan
Jaringan syaraf tiruan Artificial Neural Network merupakan salah satu representasi buatan dari otak manusia yang selalu mencoba mensimulasikan
proses pembelajaran pada otak manusia tersebut Siang 2009. Dinyatakan pula oleh Fausett 1994 bahwa jaringan syaraf tiruan adalah pemrosesan suatu
informasi yang terinspirasi oleh sistim sel syaraf biologi, sama seperti otak yang memproses suatu informasi. Elemen mendasar dari paradigma tersebut adalah
struktur yang baru dari sistim pemrosesan informasi. Jaringan syaraf tiruan memiliki kelebihan yaitu dapat mengingat dan membuat generalisasi dari apa
yang sudah ada sebelumnya. Sehingga dengan menggunakan jaringan syaraf tiruan dapat dikenali pola data berdasarkan data input di masa lalu yang dapat
mempermudah dalam melakukan peramalan. Jaringan syaraf tiruan berkembang secara pesat pada beberapa tahun
terakhir, dan telah dikembangkan sebelum adanya suatu komputer konvensional yang canggih dan terus berkembang walaupun pernah mengalami masa vakum
selama beberapa tahun. Tahun 1943 McCulloch dan Pitts memperkenalkan jaringan syaraf tiruan, dimana saat itu disimpulkan bahwa kombinasi beberapa
neuron sederhana menjadi sebuah sistem neural akan meningkatkan kemampuan komputasi. McCulloch dan Pitts mengusulkan pembobotan jaringan diatur dengan
fungsi logika sederhana. Fungsi aktivasi yang dipakai dalam jaringan ini adalah fungsi treshlod.
Pengembangan model jaringan perceptron dilakukan oleh Rosenblatt pada tahun 1958, dengan memperkenalkan metode pelatihan untuk mengoptimalkan
hasil iterasinya. Pada tahun 1960 Widrow dan Holf memperkenalkan aturan pelatihan jaringan yang merupakan pengembangan perceptron. Aturan ini dikenal
sebagai aturan delta atau disebut juga kuadrat rata-rata terkecil. Aturan ini akan mengubah bobot perceptron bila keluaran yang diperoleh tidak sesuai dengan
target yang ingin dicapai. Jaringan syaraf tiruan yang digunakan oleh para peneliti tersebut menggunakan jaringan dengan layer tunggal single layer. Pada
tahun 1986 Rumelhart mengembangkan perceptron menjadi backpropagation, yang memungkinkan jaringan menggunakan beberapa layer. Jaringan syaraf
tiruan ini juga dikembangkan oleh Kohonen pada 1972 dan Hopfield pada tahun 1982. Sejak tahun 1990 aplikasi model-model jaringan syaraf tiruan banyak
digunakan untuk menyelesaikan masalah-masalah di dunia nyata. Beberapa aplikasi jaringan syaraf tiruan antara lain pengenalan pola
Pattern Recognition, Signal Processing, dan Forecasting atau peramalan Siang, 2009. Pada pengenalan pola data, jaringan syaraf tiruan dapat digunakan untuk
mengenali pola seperti huruf, angka, tanda tangan, yang sudah sedikit berubah. Sama halnya dengan otak manusia yang masih mengenali orang yang sudah lama
tak bertemu. Berdasarkan kemampuan jaringan syaraf tiruan untuk mengingat dan melakukan generalisasi dari apa yang sudah ada sebelumnya, maka jaringan
syaraf tiruan juga dapat digunakan untuk meramalkan atau melakukan prakiraan tentang apa yang terjadi di masa datang berdasarkan pola data masa lalu. Selain
itu jaringan syaraf tiruan juga digunakan di bidang kontrol, bidang kedokteran dan bidang lainnya.
Selain kelebihan-kelebihannya yang dapat diaplikasikan dalam berbagai bidang, jaringan syaraf tiruan juga memiliki keterbatasan. Keterbatasannya adalah
hasil yang diperoleh tidak akurat, dan hanya bekerja berdasarkan pola yang terbentuk pada inputnya.
2.5.1 Arsitektur Jaringan
Beberapa arsitektur jaringan pada jaringan syaraf tiruan adalah jaringan layar tunggal single layer dan jaringan layar jamak multi layer network. Pada
awal pengenalannya arsitektur jaringan yang digunakan adalah jaringan layar