Prediksi Pendapatan Perusahaan Menggunakan Metode Adaptive Neuro Fuzzy Inference System (Anfis)
PREDIKSI PENDAPATAN PERUSAHAAN MENGGUNAKAN
METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM
(ANFIS)
SKRIPSI
HARIGO CANHY MELANOF
081402073
DEPARTEMEN TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
2014
Universitas Sumatera Utara
PREDIKSI PENDAPATAN PERUSAHAAN MENGGUNAKAN
METODE ADAP TIVE NEURO F UZZY INF ERENCE SYSTEM
(ANFIS)
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat untuk memperoleh ijazah
Sarjana Teknologi Informasi
PROGRAM STUDI TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2014
Universitas Sumatera Utara
PERSETUJUAN
Judul
: PREDIKSI PENDAPATAN PERUSAHAAN
MENGGUNAKAN METODE ADAPTIVE
NEURO FUZZY INFERENCE SYSTEM (ANFIS)
Kategori
: SKRIPSI
Nama
: HARIGO CANHY MELANOF
Nomor Induk Mahasiswa
: 081402073
Program Studi
: SARJANA (S1) TEKNOLOGI INFORMASI
Departemen
: TEKNOLOGI INFORMASI
Fakultas
: ILMU KOMPUTER DAN TEKNOLOGI
INFORMASI (FASILKOMTI) UNIVERSITAS
SUMATERA UTARA
Diluluskan di
Medan, Agustus 2014
Komisi Pembimbing
:
Pembimbing 2
Pembimbing 1
NIP
NIP
Diketahui/Disetujui oleh
Program Studi S1 Teknologi Informasi
Ketua,
M. Anggia Muchtar, ST. MM.IT
NIP 19800110 2008 01 1010
Universitas Sumatera Utara
PERNYATAAN
PREDIKSI PENDAPATAN PERUSAHAAN MENGGUNAKAN METODE
ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS)
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya sendiri, kecuali beberapa kutipan
dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Agustus 2014
Harigo Canhy Melanof
081402073
Universitas Sumatera Utara
UCAPAN TERIMA KASIH
Puji dan syukur penulis sampaikan kehadirat Allah SWT yang telah memberikan
rahmat dan hidayah-Nya sehingga penulis dapat menyelesaikan skripsi ini sebagai
syarat untuk memperoleh ijazah Sarjana Teknologi Informasi, Program Studi S1
Teknologi Informasi Universitas Sumatera Utara. Ucapan terimakasih penulis
sampaikan kepada:
1. Kedua orang tua dan keluarga yang telah memberikan dukungan dan motivasi baik
moril dan materil serta spiritual, Ayahanda Edi Firman dan Ibunda Zuraida yang
selalu sabar dalam mendidik dan membesarkan saya,juga kepada Zicco Sandra
Prayudha, S.T., Sintha Febria, S.Farm.Apt., Feny Primawati, A.md., Imam Firdaus
Muttaqin, Ibu Nasmita, A.md., dan Ibu Asnimar.
2. Bapak Muhammad Anggia Muchtar, S.T., M.M.IT. selaku pembimbing satu dan
Bapak Muhammad Fadly Syahputra, B.Sc., M.Sc.IT. selaku pembimbing dua yang
telah banyak meluangkan waktu dan pikirannya, memotivasi dan memberikan
kritik dan saran kepada penulis, dan juga ditujukan kepada Ibu Sarah
Purnamawati, S.T., M.Sc. dan Bapak Baihaqi Siregar, S.Si., M.Sc. selaku penguji
yang telah bersedia menjadi dosen pembanding.
3. Dekan dan Pembantu Dekan Fakultas Ilmu Komputer dan Teknologi Informasi
Universitas Sumatera Utara, semua dosen dan pegawai di Program Studi
Teknologi Informasi.
4. Terima kasih kepada staf pegawai administrasi tata usaha Program Studi
Teknologi Informasi, terutama Abangda Faisal Hamid dan Ibu Delima Harahap
yang telah membantu penulis dalam menyelesaikan semua urusan administrasi di
Program Studi Teknologi Informasi.
Universitas Sumatera Utara
5. Terima kasih kepada sahabat-sahabat, Raja Ade Fitrasari Mochtar, S.E., M.Ak.,
Barkah Adhy Nugraha, S.T., Joko Rinaldi,S.Kep.Ners., Rahmadan, S.T., Eri
Yunaldo, S.T., dan Bayu Haryadi, S.T yang selalu memotivasi saya.
6. Terima kasih kepada keluarga bapak Nurjasri dan ibu Elly yang telah banyak
membantu saya sejak pertama kali menginjakan kaki di kota medan, juga kepada
kakanda Devy Molanda, dr.Lysa Ogestha dan Angga Rizky Permana.
7. Terima kasih juga kepada teman-teman terbaik saya yang terus mendukung tanpa
henti, Reyhan Samantha, Teza Amaluddin, Atika Chan, Azharul Wanda Siregar,
Rizky Yanda, Dwiporanda E, Kharisma Rinaldi Siregar, Inis Caisarian Siregar,
Karina Wibawanti, Zulfikri Putra, Sanra Cheney, Joko Nugroho, dan Andre serta
teman-teman mahasiswa Teknologi Informasi lainnya yang tidak dapat penulis
sampaikan satu persatu.
Akhir kata, saya ucapkan terima kasih kepada semua pihak yang terkait dalam
penyelesaian skripsi ini yang tidak bisa saya sebut satu persatu. Semoga Allah SWT
senantiasa memberi rahmat dan keberkahan-NYA kepada kita semua.
Universitas Sumatera Utara
ABSTRAK
Pertumbuhan omset (pendapatan) merupakan salah satu ukuran keberhasilan sebuah
perusahaan yang harus dipantau. Sebuah perusahaan tentu mengharapkan terdapat
pertumbuhan pendapatan setiap tahun yang dicanangkan dalam target pendapatan.
Dalam waktu tertentu jumlah penerimaan pendapatan akan semakin meningkat dan
dalam situasi yang lain akan terjadi sebaliknya. Untuk itu perlu adanya proyeksi atau
peramalan terhadap jumlah penerimaan pendapatan untuk tahun selanjutnya.
Peramalan atau yang sering disebut dengan forecasting adalah satu bagian yang harus
dipertimbangkan untuk membuat perencanaan. Dalam tugas akhir ini digunakan
metode Adaptive Neuro Fuzzy Inference System (ANFIS) untuk memprediksi
pendapatan perusahaan berdasarkan data-data pendapatan sebelumnya. ANFIS adalah
salah satu sistem hybrid dimana metode pembelajaran jaringan syaraf tiruan
digunakan untuk mengimplementasikan metode Fuzzy Inference System. Pengukuran
tingkat akurasi hasil prediksi dilakukan dengan nilai MAPE ( Mean Absolute
Percentage Error). Hasil prediksi yang dilakukan menggunakan ANFIS dengan
parameter laju penbelajaran 0.2, momentum 0.1, dan max epoch 400 pada pendapatan
perusahaan Breakdown Apparell periode 1 Januari 2011 sampai dengan 31 Desember
2013.
Kata kunci: adaptive neuro fuzzy inference system, neuro fuzzy, neural network, fuzzy
inference system, prediksi, peramalan, pendapatan perusahaan.
Universitas Sumatera Utara
Abstract
The growth of turnover (revenue) is one measure of the success of a company that
should be monitored. A company certainly expects revenue growth every year there
are envisioned in the revenue targets. Within a certain amount of receipt of income
will increase and in other situations would occur otherwise. For that we need a
projection or forecast of the amount of receipt of income for the next year. Forecasting
or forecasting is often referred to as one part that should be considered for planning. In
this thesis used the method of Adaptive Neuro Fuzzy Inference System (ANFIS) to
predict the company revenue data based on previous earnings. ANFIS is a hybrid
system in which one neural network learning methods are used to implement the
Fuzzy Inference System. Measuring the level of accuracy of the predictions made by
the value of MAPE (Mean Absolute Percentage Error). The results of prediction were
performed using ANFIS with learning rate parameter 0.2, momentum 0.1, and max
epoch 400 on corporate earnings Breakdown apparell period January 1, 2011 until
December 31, 2013.
Keywords: adaptive neuro-fuzzy inference system, neuro fuzzy, neural network, fuzzy
inference system, prediction, forecasting, companies revenue.
Universitas Sumatera Utara
DAFTAR ISI
Persetujuan
Pernyataan
Ucapan Terima Kasih
Abstrak
Abstract
Daftar Isi
Daftar Tabel
Daftar Gambar
Bab 1 Pendahuluan
1.1. Latar Belakang
1.2. Rumusan Masalah
1.3. Batasan Masalah
1.4. Tujuan Penelitian
1.5. Manfaat Penelitian
1.6. Metodologi Penelitian
1.7. Sistematika Penulisan
ii
iii
iv
vi
vii
viii
x
xi
1
1
3
3
3
4
4
5
Bab 2 Landasan Teori
2.1.Perusahaan
2.1.1. Bentuk Perusahaan
2.2. Pendapatan
2.3. Peramalan
2.3.1. Metode Peramalan
2.4. Fuzzy System
2.4.1 Fuzifikasi
2.4.1.1. Fungsi Keanggotaan
2.4.1.2. Fuzzy Clustering
2.4.2 Inferensi
2.4.2.1. Operasi Himpunan Fuzzy
2.4.2.2. Metode Inferensi Sugeno
2.4.3 Defuzifikasi
2.5. Jaringan Syaraf Tiruan
2.6. Prediksi Menggunakan Anfis
2.7. Penelitian Terdahulu
7
7
9
10
11
12
14
15
16
18
19
19
20
22
22
23
29
Bab 3 Analisis dan Perancangan
3.1. Identifikasi Masalah
3.2. Data yang Digunakan
31
31
32
Universitas Sumatera Utara
3.3. Analisis Teknikal
3.4. Perancangan Sistem
3.4.1. Use Case Diagram
3.4.2. Use Case Specification
3.4.3. Activity Diagram
3.4.4. Rancangan Menu System
3.4.5. Perancangan Antarmuka
3.4.5.1. Rancangan Halaman Home
3.4.5.2. Rancangan Halaman Data Pendapatan
3.4.5.3. Rancangan Halaman Peramalan
3.4.5.4. Rancangan Halaman About
34
37
37
39
42
46
46
46
47
48
49
Bab 4 Implementasi dan Pengujian
4.1. Implementasi
4.1.1. Spesifikasi Perangkat Keras yang Digunakan
4.1.2. Implementasi Perancangan Antarmuka
4.1.3. Implementasi Data
4.2. Pengujian Sistem
4.2.1. Rencana Pengujian Sistem
4.2.2. Kasus dan Hasil Pengujian
4.2.3 Pengujian Kinerja Sistem
51
51
52
53
54
55
55
56
57
Bab 5 Kesimpulan dan Saran
5.1. Kesimpulan
5.2. Saran
60
60
60
Daftar Pustaka
62
Universitas Sumatera Utara
DAFTAR TABEL
Hal.
Tabel 2.1 Rentang Waktu dan Peramalan
Table 2.2 Penelitian Terdahulu
Tabel 3.1 Rangkuman Data Pendapatan Breakdown Apparel
Tabel 3.2 Use Case Spesifikasi untuk Use Case Home
Tabel 3.3 Use Case Spesifikasi untuk Use Case Pendapatan
Tabel 3.4 Use Case Spesifikasi untuk Use Case Peramalan
Tabel 3.5 Use Case Spesifikasi untuk Use Case Grafik Aktual
Tabel 3.6 Use Case Spesifikasi untuk Use Case Grafik Ramalan
Table 3.7 Use Case Spesifikasi untuk Use Case Data Saham
Tabel 4.1 Data Perusahaan Breakdown Apparel
Tabel 4.2 Rencana Pengujian
Tabel 4.3 Hasil Pengujian Menggunakan Metode Black Box
Tabel 4.4 Data Pendapatan Perusahaan
Tabel 4.5 Hasil Prediksi Data Pendapatan
12
29
32
39
39
40
40
41
41
54
56
56
57
58
Universitas Sumatera Utara
DAFTAR GAMBAR
Hal.
Gambar 2.1 Proses Fuzzy Inference System
Error! Bookmark not defined.4
Gambar 2.2 Kurva Segitiga
Error! Bookmark not defined.5
Gambar 2.3 Kurva Trapesium
14
Gambar 2.4 Kurva Generalized Bell
15
Gambar 2.5 Kurva Gaussian
16
Gambar 2.6 Blok diagram ANFIS
17
Gambar 3.1 Grafik Pendapatan Breakdown Apparel
34
Gambar 3.2 Algoritma ANFIS pada Sistem
35
Gambar 3.3 Use Case Diagram Sistem Prediksi
38
Gambar 3.4 Diagram Aktivitas Home
42
Gambar 3.5 Diagram Aktivitas Data Pendapatan
43
Gambar 3.6 Diagram Aktivitas Peramalan
44
Gambar 3.7 Diagram Aktivitas Grafik Aktual
44
Gambar 3.8 Diagram Aktivitas Grafik Peramalan
45
Gambar 3.9 Diagram Aktivitas Grafik Aktual dan Grafik Peramalan
45
Gambar 3.10 Struktur Menu Sistem
46
Gambar 3.14 Rancangan Halaman Home
47
Gambar 3.15 Rancangan Halaman Data Pendapatan
48
Gambar 3.16 Rancangan Halaman Ramalan
49
Gambar 3.17 Rancangan Halaman About
50
Gambar 4.1 Halaman Home
52
Gambar 4.2 Halaman Data Pendapatan Perusahaan
53
Gambar 4.3 Halaman Prediksi
54
Universitas Sumatera Utara
METODE ADAPTIVE NEURO FUZZY INFERENCE SYSTEM
(ANFIS)
SKRIPSI
HARIGO CANHY MELANOF
081402073
DEPARTEMEN TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
2014
Universitas Sumatera Utara
PREDIKSI PENDAPATAN PERUSAHAAN MENGGUNAKAN
METODE ADAP TIVE NEURO F UZZY INF ERENCE SYSTEM
(ANFIS)
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat untuk memperoleh ijazah
Sarjana Teknologi Informasi
PROGRAM STUDI TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2014
Universitas Sumatera Utara
PERSETUJUAN
Judul
: PREDIKSI PENDAPATAN PERUSAHAAN
MENGGUNAKAN METODE ADAPTIVE
NEURO FUZZY INFERENCE SYSTEM (ANFIS)
Kategori
: SKRIPSI
Nama
: HARIGO CANHY MELANOF
Nomor Induk Mahasiswa
: 081402073
Program Studi
: SARJANA (S1) TEKNOLOGI INFORMASI
Departemen
: TEKNOLOGI INFORMASI
Fakultas
: ILMU KOMPUTER DAN TEKNOLOGI
INFORMASI (FASILKOMTI) UNIVERSITAS
SUMATERA UTARA
Diluluskan di
Medan, Agustus 2014
Komisi Pembimbing
:
Pembimbing 2
Pembimbing 1
NIP
NIP
Diketahui/Disetujui oleh
Program Studi S1 Teknologi Informasi
Ketua,
M. Anggia Muchtar, ST. MM.IT
NIP 19800110 2008 01 1010
Universitas Sumatera Utara
PERNYATAAN
PREDIKSI PENDAPATAN PERUSAHAAN MENGGUNAKAN METODE
ADAPTIVE NEURO FUZZY INFERENCE SYSTEM (ANFIS)
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya sendiri, kecuali beberapa kutipan
dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Agustus 2014
Harigo Canhy Melanof
081402073
Universitas Sumatera Utara
UCAPAN TERIMA KASIH
Puji dan syukur penulis sampaikan kehadirat Allah SWT yang telah memberikan
rahmat dan hidayah-Nya sehingga penulis dapat menyelesaikan skripsi ini sebagai
syarat untuk memperoleh ijazah Sarjana Teknologi Informasi, Program Studi S1
Teknologi Informasi Universitas Sumatera Utara. Ucapan terimakasih penulis
sampaikan kepada:
1. Kedua orang tua dan keluarga yang telah memberikan dukungan dan motivasi baik
moril dan materil serta spiritual, Ayahanda Edi Firman dan Ibunda Zuraida yang
selalu sabar dalam mendidik dan membesarkan saya,juga kepada Zicco Sandra
Prayudha, S.T., Sintha Febria, S.Farm.Apt., Feny Primawati, A.md., Imam Firdaus
Muttaqin, Ibu Nasmita, A.md., dan Ibu Asnimar.
2. Bapak Muhammad Anggia Muchtar, S.T., M.M.IT. selaku pembimbing satu dan
Bapak Muhammad Fadly Syahputra, B.Sc., M.Sc.IT. selaku pembimbing dua yang
telah banyak meluangkan waktu dan pikirannya, memotivasi dan memberikan
kritik dan saran kepada penulis, dan juga ditujukan kepada Ibu Sarah
Purnamawati, S.T., M.Sc. dan Bapak Baihaqi Siregar, S.Si., M.Sc. selaku penguji
yang telah bersedia menjadi dosen pembanding.
3. Dekan dan Pembantu Dekan Fakultas Ilmu Komputer dan Teknologi Informasi
Universitas Sumatera Utara, semua dosen dan pegawai di Program Studi
Teknologi Informasi.
4. Terima kasih kepada staf pegawai administrasi tata usaha Program Studi
Teknologi Informasi, terutama Abangda Faisal Hamid dan Ibu Delima Harahap
yang telah membantu penulis dalam menyelesaikan semua urusan administrasi di
Program Studi Teknologi Informasi.
Universitas Sumatera Utara
5. Terima kasih kepada sahabat-sahabat, Raja Ade Fitrasari Mochtar, S.E., M.Ak.,
Barkah Adhy Nugraha, S.T., Joko Rinaldi,S.Kep.Ners., Rahmadan, S.T., Eri
Yunaldo, S.T., dan Bayu Haryadi, S.T yang selalu memotivasi saya.
6. Terima kasih kepada keluarga bapak Nurjasri dan ibu Elly yang telah banyak
membantu saya sejak pertama kali menginjakan kaki di kota medan, juga kepada
kakanda Devy Molanda, dr.Lysa Ogestha dan Angga Rizky Permana.
7. Terima kasih juga kepada teman-teman terbaik saya yang terus mendukung tanpa
henti, Reyhan Samantha, Teza Amaluddin, Atika Chan, Azharul Wanda Siregar,
Rizky Yanda, Dwiporanda E, Kharisma Rinaldi Siregar, Inis Caisarian Siregar,
Karina Wibawanti, Zulfikri Putra, Sanra Cheney, Joko Nugroho, dan Andre serta
teman-teman mahasiswa Teknologi Informasi lainnya yang tidak dapat penulis
sampaikan satu persatu.
Akhir kata, saya ucapkan terima kasih kepada semua pihak yang terkait dalam
penyelesaian skripsi ini yang tidak bisa saya sebut satu persatu. Semoga Allah SWT
senantiasa memberi rahmat dan keberkahan-NYA kepada kita semua.
Universitas Sumatera Utara
ABSTRAK
Pertumbuhan omset (pendapatan) merupakan salah satu ukuran keberhasilan sebuah
perusahaan yang harus dipantau. Sebuah perusahaan tentu mengharapkan terdapat
pertumbuhan pendapatan setiap tahun yang dicanangkan dalam target pendapatan.
Dalam waktu tertentu jumlah penerimaan pendapatan akan semakin meningkat dan
dalam situasi yang lain akan terjadi sebaliknya. Untuk itu perlu adanya proyeksi atau
peramalan terhadap jumlah penerimaan pendapatan untuk tahun selanjutnya.
Peramalan atau yang sering disebut dengan forecasting adalah satu bagian yang harus
dipertimbangkan untuk membuat perencanaan. Dalam tugas akhir ini digunakan
metode Adaptive Neuro Fuzzy Inference System (ANFIS) untuk memprediksi
pendapatan perusahaan berdasarkan data-data pendapatan sebelumnya. ANFIS adalah
salah satu sistem hybrid dimana metode pembelajaran jaringan syaraf tiruan
digunakan untuk mengimplementasikan metode Fuzzy Inference System. Pengukuran
tingkat akurasi hasil prediksi dilakukan dengan nilai MAPE ( Mean Absolute
Percentage Error). Hasil prediksi yang dilakukan menggunakan ANFIS dengan
parameter laju penbelajaran 0.2, momentum 0.1, dan max epoch 400 pada pendapatan
perusahaan Breakdown Apparell periode 1 Januari 2011 sampai dengan 31 Desember
2013.
Kata kunci: adaptive neuro fuzzy inference system, neuro fuzzy, neural network, fuzzy
inference system, prediksi, peramalan, pendapatan perusahaan.
Universitas Sumatera Utara
Abstract
The growth of turnover (revenue) is one measure of the success of a company that
should be monitored. A company certainly expects revenue growth every year there
are envisioned in the revenue targets. Within a certain amount of receipt of income
will increase and in other situations would occur otherwise. For that we need a
projection or forecast of the amount of receipt of income for the next year. Forecasting
or forecasting is often referred to as one part that should be considered for planning. In
this thesis used the method of Adaptive Neuro Fuzzy Inference System (ANFIS) to
predict the company revenue data based on previous earnings. ANFIS is a hybrid
system in which one neural network learning methods are used to implement the
Fuzzy Inference System. Measuring the level of accuracy of the predictions made by
the value of MAPE (Mean Absolute Percentage Error). The results of prediction were
performed using ANFIS with learning rate parameter 0.2, momentum 0.1, and max
epoch 400 on corporate earnings Breakdown apparell period January 1, 2011 until
December 31, 2013.
Keywords: adaptive neuro-fuzzy inference system, neuro fuzzy, neural network, fuzzy
inference system, prediction, forecasting, companies revenue.
Universitas Sumatera Utara
DAFTAR ISI
Persetujuan
Pernyataan
Ucapan Terima Kasih
Abstrak
Abstract
Daftar Isi
Daftar Tabel
Daftar Gambar
Bab 1 Pendahuluan
1.1. Latar Belakang
1.2. Rumusan Masalah
1.3. Batasan Masalah
1.4. Tujuan Penelitian
1.5. Manfaat Penelitian
1.6. Metodologi Penelitian
1.7. Sistematika Penulisan
ii
iii
iv
vi
vii
viii
x
xi
1
1
3
3
3
4
4
5
Bab 2 Landasan Teori
2.1.Perusahaan
2.1.1. Bentuk Perusahaan
2.2. Pendapatan
2.3. Peramalan
2.3.1. Metode Peramalan
2.4. Fuzzy System
2.4.1 Fuzifikasi
2.4.1.1. Fungsi Keanggotaan
2.4.1.2. Fuzzy Clustering
2.4.2 Inferensi
2.4.2.1. Operasi Himpunan Fuzzy
2.4.2.2. Metode Inferensi Sugeno
2.4.3 Defuzifikasi
2.5. Jaringan Syaraf Tiruan
2.6. Prediksi Menggunakan Anfis
2.7. Penelitian Terdahulu
7
7
9
10
11
12
14
15
16
18
19
19
20
22
22
23
29
Bab 3 Analisis dan Perancangan
3.1. Identifikasi Masalah
3.2. Data yang Digunakan
31
31
32
Universitas Sumatera Utara
3.3. Analisis Teknikal
3.4. Perancangan Sistem
3.4.1. Use Case Diagram
3.4.2. Use Case Specification
3.4.3. Activity Diagram
3.4.4. Rancangan Menu System
3.4.5. Perancangan Antarmuka
3.4.5.1. Rancangan Halaman Home
3.4.5.2. Rancangan Halaman Data Pendapatan
3.4.5.3. Rancangan Halaman Peramalan
3.4.5.4. Rancangan Halaman About
34
37
37
39
42
46
46
46
47
48
49
Bab 4 Implementasi dan Pengujian
4.1. Implementasi
4.1.1. Spesifikasi Perangkat Keras yang Digunakan
4.1.2. Implementasi Perancangan Antarmuka
4.1.3. Implementasi Data
4.2. Pengujian Sistem
4.2.1. Rencana Pengujian Sistem
4.2.2. Kasus dan Hasil Pengujian
4.2.3 Pengujian Kinerja Sistem
51
51
52
53
54
55
55
56
57
Bab 5 Kesimpulan dan Saran
5.1. Kesimpulan
5.2. Saran
60
60
60
Daftar Pustaka
62
Universitas Sumatera Utara
DAFTAR TABEL
Hal.
Tabel 2.1 Rentang Waktu dan Peramalan
Table 2.2 Penelitian Terdahulu
Tabel 3.1 Rangkuman Data Pendapatan Breakdown Apparel
Tabel 3.2 Use Case Spesifikasi untuk Use Case Home
Tabel 3.3 Use Case Spesifikasi untuk Use Case Pendapatan
Tabel 3.4 Use Case Spesifikasi untuk Use Case Peramalan
Tabel 3.5 Use Case Spesifikasi untuk Use Case Grafik Aktual
Tabel 3.6 Use Case Spesifikasi untuk Use Case Grafik Ramalan
Table 3.7 Use Case Spesifikasi untuk Use Case Data Saham
Tabel 4.1 Data Perusahaan Breakdown Apparel
Tabel 4.2 Rencana Pengujian
Tabel 4.3 Hasil Pengujian Menggunakan Metode Black Box
Tabel 4.4 Data Pendapatan Perusahaan
Tabel 4.5 Hasil Prediksi Data Pendapatan
12
29
32
39
39
40
40
41
41
54
56
56
57
58
Universitas Sumatera Utara
DAFTAR GAMBAR
Hal.
Gambar 2.1 Proses Fuzzy Inference System
Error! Bookmark not defined.4
Gambar 2.2 Kurva Segitiga
Error! Bookmark not defined.5
Gambar 2.3 Kurva Trapesium
14
Gambar 2.4 Kurva Generalized Bell
15
Gambar 2.5 Kurva Gaussian
16
Gambar 2.6 Blok diagram ANFIS
17
Gambar 3.1 Grafik Pendapatan Breakdown Apparel
34
Gambar 3.2 Algoritma ANFIS pada Sistem
35
Gambar 3.3 Use Case Diagram Sistem Prediksi
38
Gambar 3.4 Diagram Aktivitas Home
42
Gambar 3.5 Diagram Aktivitas Data Pendapatan
43
Gambar 3.6 Diagram Aktivitas Peramalan
44
Gambar 3.7 Diagram Aktivitas Grafik Aktual
44
Gambar 3.8 Diagram Aktivitas Grafik Peramalan
45
Gambar 3.9 Diagram Aktivitas Grafik Aktual dan Grafik Peramalan
45
Gambar 3.10 Struktur Menu Sistem
46
Gambar 3.14 Rancangan Halaman Home
47
Gambar 3.15 Rancangan Halaman Data Pendapatan
48
Gambar 3.16 Rancangan Halaman Ramalan
49
Gambar 3.17 Rancangan Halaman About
50
Gambar 4.1 Halaman Home
52
Gambar 4.2 Halaman Data Pendapatan Perusahaan
53
Gambar 4.3 Halaman Prediksi
54
Universitas Sumatera Utara