Prediksi Harga Sepeda Motor Menggunakan Metode Weighted Evolving Fuzzy Neural Network (Wefunn)
PREDIKSI HARGA SEPEDA MOTOR MENGGUNAKAN METODE
WEIGHTED EVOLVING FUZZY NEURAL NETWORK (WEFuNN)
SKRIPSI
SANRA CHENEY
081402028
PROGRAM STUDI TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2014
Universitas Sumatera Utara
PREDIKSI HARGA SEPEDA MOTOR MENGGUNAKAN METODE WEIGHTED
EVOLVING F UZZY NEURAL NETWORK (WEFuNN)
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat untuk memperoleh ijazah
Sarjana Teknologi Informasi
SANRA CHENEY
081402028
PROGRAM STUDI TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2014
Universitas Sumatera Utara
PERSETUJUAN
Judul
Kategori
Nama
Nomor Induk Mahasiswa
Program Studi
Departemen
Fakultas
: PREDIKSI HARGA SEPEDA MOTOR
MENGGUNAKAN METODE WEIGHTED
EVOLVING FUZZY NEURAL NETWORK
(WEFUNN)
: SKRIPSI
: SANRA CHENEY
: 081402028
: SARJANA (S1) TEKNOLOGI INFORMASI
: TEKNOLOGI INFORMASI
: ILMU KOMPUTER DAN TEKNOLOGI
INFORMASI (FASILKOMTI) UNIVERSITAS
SUMATERA UTARA
Diluluskan di
Medan, Oktober 2014
Komisi Pembimbing
:
Pembimbing 2
Dr.Syahril Efendi, S.Si., M.IT
NIP. 1967110 199602 1 001
Pembimbing 1
Romi Fadillah Rahmat, B. Comp.Sc., M.Sc
NIP. 19860303 200212 1 002
Diketahui/Disetujui oleh
Program Studi Teknologi Informasi
Ketua,
M. Anggia Muchtar, ST.,MM.IT
NIP. 19800110 200801 1 010
Universitas Sumatera Utara
PERNYATAAN
PREDIKSI HARGA SEPEDA MOTOR MENGGUNAKAN METODE
WEIGHTED EVOLVING FUZZY NEURAL NETWORK
(WEFUNN)
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa
kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Oktober 2014
SANRA CHENEY
081402028
Universitas Sumatera Utara
UCAPAN TERIMA KASIH
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa, dengan segala
rahmat dan karuniaNya penulisan tugas akhir ini berhasil diselesaikan dalam
waktu yang telah ditetapkan. Selama penyelesaian tugas akhir ini, banyak
bantuan dan kerja sama serta doa dan dukungan dari berbagai pihak, oleh karena
itu penulis sampaikan ucapan terima kasih sedalam-dalamnya dan penghargaan
kepada :
1. Kedua orang tua dan sanak saudara penulis yang telah memberikan
dukungan dan motivasi baik materil dan spiritual, Ayahanda Saut Sihite,
SE dan Ibunda Randalina Sembiring, SE yang selalu sabar dalam mendidik
dan membesarkan penulis. Untuk kakak penulis Nathasa Weisdania Sihite
dan adik penulis Narwastu Sihite yang selalu memberikan semangat
kepada penulis.
2. Bapak Romi Fadillah Rahmat, B. Comp.Sc., M.Sc dan Bapak Dr.Syahril
Efendi, S.Si.,M.IT selaku pembimbing yang telah banyak meluangkan
waktu dan pikirannya, memotivasi dan memberikan kritik dan saran
kepada penulis.
3. Bapak Drs. Sawaluddin, M.IT dan Ibu Sarah Purnamawati, ST.,M.Sc yang
telah bersedia menjadi dosen pembanding yang telah memberikan kritik
dan saran kepada penulis.
4. Bapak M. Anggia Muchtar, ST.,MM.IT, selaku ketua jurusan program
studi Teknologi Informasi dan M. Fadly Syahputra, B.Sc., M.Sc sebagai
sekretaris jurusan Teknologi Informasi Universitas Sumatera Utara.
5. Dekan dan Pembantu Dekan Fakultas Ilmu Komputer dan Teknologi
Informasi Universitas Sumatera Utara, semua dosen serta pegawai di
Fakultas Ilmu Komputer dan Teknologi Informasi.
6. Terima kasih kepada staf pegawai administrasi tata usaha Program Studi
Teknologi Informasi Abangda Faisal Hamid dan Ibu Delima Harahap yang
telah banyak membantu segala urusan administrasi.
7. Terima kasih juga kepada sahabat-sahabat terbaik saya yang terus
mendukung tanpa henti, Ridho Fakhrozi, Karina Wibawanti Nasution,
Kharisma Rinaldi Siregar, Dwiporanda E, Teza Amaluddin, Rizky Yanda,
Inis Caisarian Siregar, Andre Wandi, Zulfikri Putra, EYMS, Andre
Hasudungan dan teman – teman alumni SMA Cahaya Medan, serta temanteman mahasiswa Teknologi Informasi lainnya yang tidak dapat penulis
sampaikan satu persatu.
Universitas Sumatera Utara
iv
Akhir kata, saya ucapkan terimakasih kepada semua pihak yang terkait
dalam penyelesaian skripsi ini yang tidak bisa saya sebut satu persatu.
Semoga Tuhan memberi berkat kepada kita semua.
Universitas Sumatera Utara
ABSTRAK
Harga sepeda motor selalu berubah setiap tahunnya, oleh karena itu diperlukan sebuah
pendekatan dalam memprediksi besarnya harga sepeda motor dengan keakuratan
maksimum. Salah satu dari jenis prediksi kuantitatif adalah prediksi data time series
yakni suatu teknik prediksi yang dibangun menggunakan data runtun waktu pada
periode tertentu. Dalam tugas akhir ini digunakan metode Weighted Evolving Fuzzy
Neural Network (WEFuNN) untuk memprediksi harga sepeda motor berdasarkan data
runtun waktu. WEFuNN merupakan pengembagan 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) didalam jaringan. Tingkat keakuratan hasil
prediksi diukur dengan nilai MAPE (Mean Absolute Percentage Error ). Hasil prediksi
WEFuNN didapat hasil error rata-rata (MAPE) yaitu sebesar 1,269% dengan
menggunakan data penjualan real periode Januari 2014 sampai dengan Juli 2014.
Kata kunci: weighted evolving fuzzy neural networks , fuzzy, evolving connectionist
system, fuzzy inference system, peramalan
Universitas Sumatera Utara
WEFUNN METHOD IN FORECASTING THE PRICE OF MOTORCYCLE
SALES
ABSTRACT
Motorcycles price is always changing every year, therefore we need an approach to
predict the magnitude of the price of a motorcycle with a maximum of accuracy. One
of the types of quantitative prediction is forecasting of time series data that is a
prediction technique which is constructed using time series data over a given period.
In this thesis used Weighted Evolving Fuzzy Neural Network (WEFuNN) to predict
the price of a motorcycle based on time series data. WEFuNN is developing a method
of Evolving Fuzzy Neural Network (EFuNN) which has a hybrid structure of the
Fuzzy Inference System (FIS) and artificial neural networks (Neural Network) by
applying the principle of Conection Evolving System (ECOS) in the network. The
level of accuracy of the prediction is measured by the value of MAPE (Mean Absolute
Percentage Error). Results obtained WEFuNN prediction average error (MAPE) is
equal to 1,269% by using real sales data for the period of January 2014 through July
2014.
Keywords : weighted evolving fuzzy neural networks, fuzzy, evolving connectionist
system, fuzzy inference system, forecasting
Universitas Sumatera Utara
DAFTAR ISI
Halaman
Persetujuan
Pernyataan
Ucapan Terima Kasih
Abstrak
Abstract
Daftar Isi
Daftar Tabel
Daftar Gambar
i
ii
iii
v
vi
vii
ix
x
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. Metode Penelitian
1.7. Sistematika Penulisan
1
1
2
2
3
3
3
5
Bab 2
Landasan Teori
2.1. Peramalan (Forecasting)
2.1.1. Metode Peramalan
1. Metode Kualitatif
2. Metode Kuantitatif
2.2. Logika Fuzzy
2.2.1. Himpunan Fuzzy
2.2.2. Fungsi Keanggotaan Fuzzy
1. Representasi Linier
2. Representasi Kurva Segitiga
3. Representasi Kurva Trapesium
2.2.3. Sistem Inferensi Fuzzy
2.3. Artificial Neural Network (ANN) / JST
2.4 Evolving Connection System (ECOS)
2.5 Weighted Evolving Fuzzy Neural Network
2.6 Prediksi Menggunakan WEFuNN
2.6.1. Arsitektur Weighted Evolving Fuzzy Neural Network
2.6.2. Parameter Weighted Evolving Fuzzy Neural Network
2.7 Penelitian Sebelumnya
6
6
7
8
8
9
9
10
10
11
12
13
13
14
17
20
21
23
23
Bab 3
Analisis dan Perancangan Sistem
3.1. Identifikasi Masalah
3.2. Data yang Digunakan
3.3. Analisis Sistem
25
25
26
26
Universitas Sumatera Utara
viii
3.4. Perancangan Sistem
3.3.1 Use Case Diagram
3.3.2. Use Case Specification
3.3.3. Activity Diagram
1. Activity Diagram Home
2. Activity Diagram Kategori Motor
3. Activity Diagram Paramater Data
4. Activity Diagram Parameter Aplikasi
5. Activity Diagram Prediksi
3.3.4. Rancangan menu system
3.3.5. Perancangan antarmuka
A. Rancangan Halaman Home
B. Rancangan Halaman Kategori Motor
C. Rancangan Halaman Parameter Data
D. Rancangan Halaman Parameter Aplikasi
E. Rancangan Halaman Prediksi
31
31
32
35
35
35
37
38
40
41
41
41
42
42
43
43
Bab 4
Implementasi dan Pengujian Sistem
4.1. Implementasi Sistem
4.1.1. Spesifikasi Perangkat Keras dan Perangkat Lunak
4.1.2. Implementasi Perancangan Antarmuka
A. Halaman Home
B. Halaman Kategori Motor
C. Halaman Parameter Data
D. Halaman Parameter Aplikasi
E. Halaman Prediksi
4.1.3. Implementasi Data
4.2. Pengujian Sistem
4.2.1. Rencana Pengujian Sistem
4.2.2. Kasus dan Hasil Pengujian Sistem
4.2.3. Pengujian Kinerja Hasil
4.2.4. Pelatihan Data
4.2.5. Pengujian Data
44
44
44
45
45
45
46
47
47
49
49
50
50
52
55
56
Bab 5
Kesimpulan dan Saran
5.1. Kesimpulan
5.2. Saran
57
58
Universitas Sumatera Utara
DAFTAR TABEL
Halaman
Tabel 2.1 Rentang Waktu dalam Peramalan
Tabel 2.2 Penelitian Sebelumnya
Tabel 3.1 Rangkuman Data Penjualan Sepeda Motor
Tabel 3.2 Use Case Spesifikasi untuk Use Case Home
Tabel 3.3 Use Case Spesifikasi untuk Use Case Kategori Motor
Tabel 3.4 Use Case Spesifikasi untuk Use Case Parameter Data
Tabel 3.5 Use Case Spesifikasi untuk Use Case Parameter Aplikasi
Tabel 3.6 Use Case Spesifikasi untuk Use Case Prediksi
Tabel 4.1 Rangkuman Data Penjualan Sepeda Motor
Tabel 4.2 Rencana Pengujian Sistem
Tabel 4.3 Hasil pengujian Black Box Testing halaman Kategori Motor
Tabel 4.4 Hasil pengujian Black Box Testing halaman Parameter Data
Tabel 4.5 Hasil pengujian Black Box Testing halaman Parameter Aplikasi
Tabel 4.6 Hasil pengujian Black Box Testing halaman Prediksi
Tabel 4.7 Data Penjualan Sepeda Motor Januari 2010 - Oktober 2010
Tabel 4.8 Nilai Normalisasi Data Sepeda Motor Januari 2010 - Oktober 2010
Tabel 4.9 Nilai Fuzzy Input dan Fuzzy Output
Tabel 4.10 Rangkuman Hasil Pengujian Sistem
Tabel 4.11 Parameter Dan Hasil Pelatihan WEFuNN
7
23
26
32
32
33
34
34
49
50
51
51
51
52
52
53
54
55
56
Universitas Sumatera Utara
DAFTAR GAMBAR
Halaman
Gambar 2.1 Contoh grafik himpunan fuzzy pada variabel umur
Gambar 2.2 Grafik Fungsi Keanggotaan pada Representasi Linier Naik
Gambar 2.3 Grafik Fungsi Keanggotaan pada Representasi Linier Turun
Gambar 2.4 Grafik Fungsi Keanggotaan pada Representasi Kurva Segitiga
Gambar 2.5 Grafik Fungsi Keanggotaan pada Representasi Kurva Trapesium
Gambar 2.6 Diagram blok sistem inferensi fuzzy
Gambar 2.7 Arsitektur ECOS
Gambar 2.8 Proses Interaksi ECOS
Gambar 2.9 Arsitektur Standar WEFuNN
Gambar 2.10 Arsitektur WEFuNN dengan Short-Term Memory
Gambar 3.1 Algoritma Weighted Evolving Fuzzy Neural Network pada sistem
Gambar 3.2 Himpunan Fuzzy untuk Data Penjualan
Gambar 3.3 Use Case Diagram Sistem Prediksi harga sepeda motor
Gambar 3.4 Diagram Aktivitas home
Gambar 3.5a Diagram Aktivitas Kategori Motor
Gambar 3.5b Diagram Aktifitas Hapus Kategori
Gambar 3.5c Diagram Aktifitas Edit Kategori
Gambar 3.6a Diagram Aktifitas Parameter Data
Gambar 3.6b Diagram Aktifitas Hapus Parameter Data
Gambar 3.6c Diagram Aktifitas Edit Parameter
Gambar 3.7a Diagram Aktifitas Parameter Aplikasi
Gambar 3.7b Diagram Aktifitas Hapus Parameter Aplikasi
Gambar 3.7c Diagram Aktifitas Edit Parameter Aplikasi
Gambar 3.8 Diagram Aktifitas Halaman Prediksi
Gambar 3.9 Rancangan Menu Sistem
Gambar 3.10 Rancangan Antarmuka Halaman Home
Gambar 3.11 Rancangan Antarmuka Halaman Kategori Motor
Gambar 3.12 Rancangan Antarmuka Halaman Parameter Data
Gambar 3.13 Rancangan Antarmuka Halaman Parameter Aplikasi
Gambar 3.14 Rancangan Antarmuka Halaman Prediksi
Gambar 4.1 Tampilan halaman home
Gambar 4.2 Tampilan halaman Kategori Motor
Gambar 4.3 Tampilan halaman Parameter Data
Gambar 4.4 Tampilan halaman Parameter Aplikasi
Gambar 4.5 Tampilan halaman Prediksi awal
Gambar 4.6 Tampilan halaman Hasil Prediksi
9
10
11
12
12
13
16
17
21
21
27
29
31
35
36
36
37
37
38
38
39
39
40
40
41
41
42
42
43
43
45
46
46
47
48
48
Universitas Sumatera Utara
WEIGHTED EVOLVING FUZZY NEURAL NETWORK (WEFuNN)
SKRIPSI
SANRA CHENEY
081402028
PROGRAM STUDI TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2014
Universitas Sumatera Utara
PREDIKSI HARGA SEPEDA MOTOR MENGGUNAKAN METODE WEIGHTED
EVOLVING F UZZY NEURAL NETWORK (WEFuNN)
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat untuk memperoleh ijazah
Sarjana Teknologi Informasi
SANRA CHENEY
081402028
PROGRAM STUDI TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2014
Universitas Sumatera Utara
PERSETUJUAN
Judul
Kategori
Nama
Nomor Induk Mahasiswa
Program Studi
Departemen
Fakultas
: PREDIKSI HARGA SEPEDA MOTOR
MENGGUNAKAN METODE WEIGHTED
EVOLVING FUZZY NEURAL NETWORK
(WEFUNN)
: SKRIPSI
: SANRA CHENEY
: 081402028
: SARJANA (S1) TEKNOLOGI INFORMASI
: TEKNOLOGI INFORMASI
: ILMU KOMPUTER DAN TEKNOLOGI
INFORMASI (FASILKOMTI) UNIVERSITAS
SUMATERA UTARA
Diluluskan di
Medan, Oktober 2014
Komisi Pembimbing
:
Pembimbing 2
Dr.Syahril Efendi, S.Si., M.IT
NIP. 1967110 199602 1 001
Pembimbing 1
Romi Fadillah Rahmat, B. Comp.Sc., M.Sc
NIP. 19860303 200212 1 002
Diketahui/Disetujui oleh
Program Studi Teknologi Informasi
Ketua,
M. Anggia Muchtar, ST.,MM.IT
NIP. 19800110 200801 1 010
Universitas Sumatera Utara
PERNYATAAN
PREDIKSI HARGA SEPEDA MOTOR MENGGUNAKAN METODE
WEIGHTED EVOLVING FUZZY NEURAL NETWORK
(WEFUNN)
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri, kecuali beberapa
kutipan dan ringkasan yang masing-masing disebutkan sumbernya.
Medan, Oktober 2014
SANRA CHENEY
081402028
Universitas Sumatera Utara
UCAPAN TERIMA KASIH
Puji dan syukur penulis panjatkan kepada Tuhan Yang Maha Esa, dengan segala
rahmat dan karuniaNya penulisan tugas akhir ini berhasil diselesaikan dalam
waktu yang telah ditetapkan. Selama penyelesaian tugas akhir ini, banyak
bantuan dan kerja sama serta doa dan dukungan dari berbagai pihak, oleh karena
itu penulis sampaikan ucapan terima kasih sedalam-dalamnya dan penghargaan
kepada :
1. Kedua orang tua dan sanak saudara penulis yang telah memberikan
dukungan dan motivasi baik materil dan spiritual, Ayahanda Saut Sihite,
SE dan Ibunda Randalina Sembiring, SE yang selalu sabar dalam mendidik
dan membesarkan penulis. Untuk kakak penulis Nathasa Weisdania Sihite
dan adik penulis Narwastu Sihite yang selalu memberikan semangat
kepada penulis.
2. Bapak Romi Fadillah Rahmat, B. Comp.Sc., M.Sc dan Bapak Dr.Syahril
Efendi, S.Si.,M.IT selaku pembimbing yang telah banyak meluangkan
waktu dan pikirannya, memotivasi dan memberikan kritik dan saran
kepada penulis.
3. Bapak Drs. Sawaluddin, M.IT dan Ibu Sarah Purnamawati, ST.,M.Sc yang
telah bersedia menjadi dosen pembanding yang telah memberikan kritik
dan saran kepada penulis.
4. Bapak M. Anggia Muchtar, ST.,MM.IT, selaku ketua jurusan program
studi Teknologi Informasi dan M. Fadly Syahputra, B.Sc., M.Sc sebagai
sekretaris jurusan Teknologi Informasi Universitas Sumatera Utara.
5. Dekan dan Pembantu Dekan Fakultas Ilmu Komputer dan Teknologi
Informasi Universitas Sumatera Utara, semua dosen serta pegawai di
Fakultas Ilmu Komputer dan Teknologi Informasi.
6. Terima kasih kepada staf pegawai administrasi tata usaha Program Studi
Teknologi Informasi Abangda Faisal Hamid dan Ibu Delima Harahap yang
telah banyak membantu segala urusan administrasi.
7. Terima kasih juga kepada sahabat-sahabat terbaik saya yang terus
mendukung tanpa henti, Ridho Fakhrozi, Karina Wibawanti Nasution,
Kharisma Rinaldi Siregar, Dwiporanda E, Teza Amaluddin, Rizky Yanda,
Inis Caisarian Siregar, Andre Wandi, Zulfikri Putra, EYMS, Andre
Hasudungan dan teman – teman alumni SMA Cahaya Medan, serta temanteman mahasiswa Teknologi Informasi lainnya yang tidak dapat penulis
sampaikan satu persatu.
Universitas Sumatera Utara
iv
Akhir kata, saya ucapkan terimakasih kepada semua pihak yang terkait
dalam penyelesaian skripsi ini yang tidak bisa saya sebut satu persatu.
Semoga Tuhan memberi berkat kepada kita semua.
Universitas Sumatera Utara
ABSTRAK
Harga sepeda motor selalu berubah setiap tahunnya, oleh karena itu diperlukan sebuah
pendekatan dalam memprediksi besarnya harga sepeda motor dengan keakuratan
maksimum. Salah satu dari jenis prediksi kuantitatif adalah prediksi data time series
yakni suatu teknik prediksi yang dibangun menggunakan data runtun waktu pada
periode tertentu. Dalam tugas akhir ini digunakan metode Weighted Evolving Fuzzy
Neural Network (WEFuNN) untuk memprediksi harga sepeda motor berdasarkan data
runtun waktu. WEFuNN merupakan pengembagan 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) didalam jaringan. Tingkat keakuratan hasil
prediksi diukur dengan nilai MAPE (Mean Absolute Percentage Error ). Hasil prediksi
WEFuNN didapat hasil error rata-rata (MAPE) yaitu sebesar 1,269% dengan
menggunakan data penjualan real periode Januari 2014 sampai dengan Juli 2014.
Kata kunci: weighted evolving fuzzy neural networks , fuzzy, evolving connectionist
system, fuzzy inference system, peramalan
Universitas Sumatera Utara
WEFUNN METHOD IN FORECASTING THE PRICE OF MOTORCYCLE
SALES
ABSTRACT
Motorcycles price is always changing every year, therefore we need an approach to
predict the magnitude of the price of a motorcycle with a maximum of accuracy. One
of the types of quantitative prediction is forecasting of time series data that is a
prediction technique which is constructed using time series data over a given period.
In this thesis used Weighted Evolving Fuzzy Neural Network (WEFuNN) to predict
the price of a motorcycle based on time series data. WEFuNN is developing a method
of Evolving Fuzzy Neural Network (EFuNN) which has a hybrid structure of the
Fuzzy Inference System (FIS) and artificial neural networks (Neural Network) by
applying the principle of Conection Evolving System (ECOS) in the network. The
level of accuracy of the prediction is measured by the value of MAPE (Mean Absolute
Percentage Error). Results obtained WEFuNN prediction average error (MAPE) is
equal to 1,269% by using real sales data for the period of January 2014 through July
2014.
Keywords : weighted evolving fuzzy neural networks, fuzzy, evolving connectionist
system, fuzzy inference system, forecasting
Universitas Sumatera Utara
DAFTAR ISI
Halaman
Persetujuan
Pernyataan
Ucapan Terima Kasih
Abstrak
Abstract
Daftar Isi
Daftar Tabel
Daftar Gambar
i
ii
iii
v
vi
vii
ix
x
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. Metode Penelitian
1.7. Sistematika Penulisan
1
1
2
2
3
3
3
5
Bab 2
Landasan Teori
2.1. Peramalan (Forecasting)
2.1.1. Metode Peramalan
1. Metode Kualitatif
2. Metode Kuantitatif
2.2. Logika Fuzzy
2.2.1. Himpunan Fuzzy
2.2.2. Fungsi Keanggotaan Fuzzy
1. Representasi Linier
2. Representasi Kurva Segitiga
3. Representasi Kurva Trapesium
2.2.3. Sistem Inferensi Fuzzy
2.3. Artificial Neural Network (ANN) / JST
2.4 Evolving Connection System (ECOS)
2.5 Weighted Evolving Fuzzy Neural Network
2.6 Prediksi Menggunakan WEFuNN
2.6.1. Arsitektur Weighted Evolving Fuzzy Neural Network
2.6.2. Parameter Weighted Evolving Fuzzy Neural Network
2.7 Penelitian Sebelumnya
6
6
7
8
8
9
9
10
10
11
12
13
13
14
17
20
21
23
23
Bab 3
Analisis dan Perancangan Sistem
3.1. Identifikasi Masalah
3.2. Data yang Digunakan
3.3. Analisis Sistem
25
25
26
26
Universitas Sumatera Utara
viii
3.4. Perancangan Sistem
3.3.1 Use Case Diagram
3.3.2. Use Case Specification
3.3.3. Activity Diagram
1. Activity Diagram Home
2. Activity Diagram Kategori Motor
3. Activity Diagram Paramater Data
4. Activity Diagram Parameter Aplikasi
5. Activity Diagram Prediksi
3.3.4. Rancangan menu system
3.3.5. Perancangan antarmuka
A. Rancangan Halaman Home
B. Rancangan Halaman Kategori Motor
C. Rancangan Halaman Parameter Data
D. Rancangan Halaman Parameter Aplikasi
E. Rancangan Halaman Prediksi
31
31
32
35
35
35
37
38
40
41
41
41
42
42
43
43
Bab 4
Implementasi dan Pengujian Sistem
4.1. Implementasi Sistem
4.1.1. Spesifikasi Perangkat Keras dan Perangkat Lunak
4.1.2. Implementasi Perancangan Antarmuka
A. Halaman Home
B. Halaman Kategori Motor
C. Halaman Parameter Data
D. Halaman Parameter Aplikasi
E. Halaman Prediksi
4.1.3. Implementasi Data
4.2. Pengujian Sistem
4.2.1. Rencana Pengujian Sistem
4.2.2. Kasus dan Hasil Pengujian Sistem
4.2.3. Pengujian Kinerja Hasil
4.2.4. Pelatihan Data
4.2.5. Pengujian Data
44
44
44
45
45
45
46
47
47
49
49
50
50
52
55
56
Bab 5
Kesimpulan dan Saran
5.1. Kesimpulan
5.2. Saran
57
58
Universitas Sumatera Utara
DAFTAR TABEL
Halaman
Tabel 2.1 Rentang Waktu dalam Peramalan
Tabel 2.2 Penelitian Sebelumnya
Tabel 3.1 Rangkuman Data Penjualan Sepeda Motor
Tabel 3.2 Use Case Spesifikasi untuk Use Case Home
Tabel 3.3 Use Case Spesifikasi untuk Use Case Kategori Motor
Tabel 3.4 Use Case Spesifikasi untuk Use Case Parameter Data
Tabel 3.5 Use Case Spesifikasi untuk Use Case Parameter Aplikasi
Tabel 3.6 Use Case Spesifikasi untuk Use Case Prediksi
Tabel 4.1 Rangkuman Data Penjualan Sepeda Motor
Tabel 4.2 Rencana Pengujian Sistem
Tabel 4.3 Hasil pengujian Black Box Testing halaman Kategori Motor
Tabel 4.4 Hasil pengujian Black Box Testing halaman Parameter Data
Tabel 4.5 Hasil pengujian Black Box Testing halaman Parameter Aplikasi
Tabel 4.6 Hasil pengujian Black Box Testing halaman Prediksi
Tabel 4.7 Data Penjualan Sepeda Motor Januari 2010 - Oktober 2010
Tabel 4.8 Nilai Normalisasi Data Sepeda Motor Januari 2010 - Oktober 2010
Tabel 4.9 Nilai Fuzzy Input dan Fuzzy Output
Tabel 4.10 Rangkuman Hasil Pengujian Sistem
Tabel 4.11 Parameter Dan Hasil Pelatihan WEFuNN
7
23
26
32
32
33
34
34
49
50
51
51
51
52
52
53
54
55
56
Universitas Sumatera Utara
DAFTAR GAMBAR
Halaman
Gambar 2.1 Contoh grafik himpunan fuzzy pada variabel umur
Gambar 2.2 Grafik Fungsi Keanggotaan pada Representasi Linier Naik
Gambar 2.3 Grafik Fungsi Keanggotaan pada Representasi Linier Turun
Gambar 2.4 Grafik Fungsi Keanggotaan pada Representasi Kurva Segitiga
Gambar 2.5 Grafik Fungsi Keanggotaan pada Representasi Kurva Trapesium
Gambar 2.6 Diagram blok sistem inferensi fuzzy
Gambar 2.7 Arsitektur ECOS
Gambar 2.8 Proses Interaksi ECOS
Gambar 2.9 Arsitektur Standar WEFuNN
Gambar 2.10 Arsitektur WEFuNN dengan Short-Term Memory
Gambar 3.1 Algoritma Weighted Evolving Fuzzy Neural Network pada sistem
Gambar 3.2 Himpunan Fuzzy untuk Data Penjualan
Gambar 3.3 Use Case Diagram Sistem Prediksi harga sepeda motor
Gambar 3.4 Diagram Aktivitas home
Gambar 3.5a Diagram Aktivitas Kategori Motor
Gambar 3.5b Diagram Aktifitas Hapus Kategori
Gambar 3.5c Diagram Aktifitas Edit Kategori
Gambar 3.6a Diagram Aktifitas Parameter Data
Gambar 3.6b Diagram Aktifitas Hapus Parameter Data
Gambar 3.6c Diagram Aktifitas Edit Parameter
Gambar 3.7a Diagram Aktifitas Parameter Aplikasi
Gambar 3.7b Diagram Aktifitas Hapus Parameter Aplikasi
Gambar 3.7c Diagram Aktifitas Edit Parameter Aplikasi
Gambar 3.8 Diagram Aktifitas Halaman Prediksi
Gambar 3.9 Rancangan Menu Sistem
Gambar 3.10 Rancangan Antarmuka Halaman Home
Gambar 3.11 Rancangan Antarmuka Halaman Kategori Motor
Gambar 3.12 Rancangan Antarmuka Halaman Parameter Data
Gambar 3.13 Rancangan Antarmuka Halaman Parameter Aplikasi
Gambar 3.14 Rancangan Antarmuka Halaman Prediksi
Gambar 4.1 Tampilan halaman home
Gambar 4.2 Tampilan halaman Kategori Motor
Gambar 4.3 Tampilan halaman Parameter Data
Gambar 4.4 Tampilan halaman Parameter Aplikasi
Gambar 4.5 Tampilan halaman Prediksi awal
Gambar 4.6 Tampilan halaman Hasil Prediksi
9
10
11
12
12
13
16
17
21
21
27
29
31
35
36
36
37
37
38
38
39
39
40
40
41
41
42
42
43
43
45
46
46
47
48
48
Universitas Sumatera Utara