1 I. PENDAHULUAN A. Latar Belakang

I. PENDAHULUAN
A. Latar Belakang
Perkembangan di sektor ekonomi yang mengalami peningkatan akhirakhir ini membawa pengaruh terhadap kegiatan transaksi yang ada, baik
perdagangan dan investasi usaha. Sebuah perusahaan dalam menjalankan
bisnisnya tidak terlepas dari strategi pemasaran yang digunakan agar dapat
bersaing di pasar global. Salah satu strategi pemasaran yang dapat dilakukan
adalah menyediakan dan mensuplai produk yang cukup di pasar. Hal ini
dilakukan agar perusahaan dapat bersaing dan menjadi produsen yang efisien.
Oleh karena itu diperlukan suatu analisis perencanaan dalam memprediksi
seberapa besar volume penjualan yang harus dicapai agar tidak terjadi
kelebihan atau kekurangan produksi dan proses pendistribusian produk dapat
berjalan lancar.
Saat ini banyak teknik analisis data yang dapat digunakan untuk
peramalan, guna mengantisipasi penyimpangan. Umumnya pola dan siklus
penjualan cenderung tetap. Berdasarkan siklus runtut waktu (time series),
biasanya penjualan produk cenderung membentuk pola penjualan yang tepat.
Dengan demikian, ramalan dapat dikatakan sebagai perhitungan yang memiliki
dasar kuat dan lebih pasti, sehingga hasilnya diharapkan lebih objektif
dibandingkan dengan hanya sekedar melakukan prediksi (menebak). Dengan
mencatat penjualan di waktu yang lampau, maka dapat lebih tepat dalam
menentukan penjualan di waktu yang akan datang (Hamzacebi, 2008).
Peramalan penjualan dengan penjualan aktual yang terjadi terdapat
perbedaan yang disebut penyimpangan (kesalahan peramalan). Banyak faktor
yang dapat mempengaruhi proses penjualan diantaranya promosi, new product
launching, diversifikasi produk, dan kualitas produk (Hamzacebi, 2008). Untuk
itu maka diperlukan adanya suatu sistem yang dapat membantu dalam
pengambilan keputusan. Ada beberapa metode peramalan yang dapat
digunakan dalam pengambilan keputusan. Beberapa metode peramalan yang
selama ini digunakan dalam melakukan peramalan antara lain metode ARIMA
1
(Autoregregressive Integrated Moving Average), Bayesian, Autocorrelation,
Karman Filter, Multivariate, Smoothing dan Regression.
Metode peramalan yang selama ini digunakan memiliki keterbatasan
dalam menyelesaikan permasalahan peramalan yang tidak terstruktur, sulit
dimodelkan,
kompleks
dan
sulit
didefinisikan.
Dalam
memecahkan
permasalahan sebuah sistem yang menggunakan Jaringan Syaraf Tiruan dilatih
terlebih dahulu untuk mengenali pola-pola data yang ada pada permasalahan
kemudian sistem menghasilkan bobot-bobot dan dapat menentukan hasil
prediksi pola data periode selanjutnya. Jaringan syaraf propagasi balik (Suci,
2009) dapat digunakan untuk melakukan prediksi penjualan produk yang akan
datang berdasarkan pola data sebelumnya.
B. Ruang Lingkup
Ruang lingkup penelitian ini adalah menyusun model kuantitatif
peramalan berbasis jaringan syaraf propagasi balik (JSPB) untuk meramalkan
penjualan produk susu. Penggunaan metode peramalan berbasis jaringan syaraf
propagasi balik (JSPB) karena mampu menyelesaikan permasalahan yang sulit
dimodelkan dan didefinisikan jika menggunakan metode peramalan regresi
linier, ARIMA dan lain-lain. Data yang digunakan pada penelitian ini berasal
dari data perkembangan susu di KPBS Pangalengan, Bandung Jawa Barat.
Data yang digunakan untuk meramalkan penjualan produk susu meliputi data
hitoris penjualan produk susu dan kualitas susu. Hasil peramalan ini nantinya
dapat digunakan oleh pihak perusahaan agroindustri susu dalam melakukan
persediaan bahan baku berdasarkan data hitoris penjualan produk susu dan
kualitas susu masa lalu.
Selain ruang lingkup geografis, penelitian ini juga dibatasi bahwa
hasil peramalan penjualan merupakan total volume penjualan dari tiga produk
susu, yaitu volume penjualan produk susu cup strawberry, volume penjualan
produk susu cup coklat dan volume penjualan produk susu prepack, besarnya
harga diabaikan. Hasil dari penyusunan model kuantitatif peramalan ini
digunakan sebagai dasar untuk meramalkan penjualan total volume penjualan
dari tiga produk susu satu bulan berikutnya.
2
C. Tujuan
Tujuan penelitian ini adalah :
1. Menyusun model kuantitatif peramalan berbasis jaringan syaraf propagasi
balik (JSPB) untuk meramalkan penjualan produk susu.
2. Mengidentifikasi kinerja jaringan syaraf tiruan yang telah dilengkapi
dengan data pelatihan yang lebih besar.
3