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 outpu
t.
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