PERAMALAN KEBUTUHAN RETAILER DENGAN METODE EXTREME LEARNING MACHINE DALAM KONTEKS INTELLIGENT WAREHOUSE MANAGEMENT SYSTEM ( I-WMS )

TRI BOWO ATMOJO, Dr.-Ing. MHD. Reza M.I. Pulungan, S.Si., M.Sc.

2016 | Tesis | S2 Ilmu Komputer

Optimalisasi rantai pasok (supply chain) dari pemasok barang kegudang (warehouse) dan kemudian didistribusikan ke konsumen sebagai end user menjadi cara ampuh untuk mewujudkan kepuasan pelayanan di tingkat konsumen. Salah satu aspek krusial dalam rangkaian rantai pasok (supply chain) adalah peramalan permintaan atau demand forecasting (Guoshan et al., 2008). Keakuratan peramalan permintaan berdampak pada ketersediaan barang yang secara tidak langsung akan mempengaruhi kelancaran proses distribusi barang ataupun biaya penyimpanan. Prototype Intelligent Warehouse Management System (IWMS) merupakan sebuah sistem untuk mengendalikan proses dalam rangkaian rantai pasok tersebut sehingga proses optimalisasi dapat tercapai. Terdiri dari lima sistem terintegrasi. yaitu Intelligent Logistic System (ILS), Adaptive Warehouse System (AWS), Intelligent Forcasting System (IFS), Realtime Transportation Monitoring System (RTMS), Intelligent Executive Summary Report (IESS). Intelligence Forecasting System (IFS) merupakan subsistem dari IWMS yang mempunyai fungsi sebagai sistem peramalan dengan pemanfaatan jaringan syaraf tiruan (JST). Metode yang digunakan pada IFS adalah Extreme Learning Machine (ELM). ELM merupakan sebuah metode pembelajaran maju (Feedforward) yang dikembangkan dengan memanfaatkan teori matriks pada matematika untuk menghasilkan waktu proses pembelajaran yang relatif cepat. Hasil dari penelitian adalah mengimplementasikan metode ELM ke dalam sistem IFS sebagai sistem peramalan kebutuhan retailer, sehingga akurasi terhadap hasil peramalan memiliki nilai error yang minimum, selain itu metode ELM mempunyai kelebihan didalam learning speed yang dapat mempersingkat waktu pelatihan hanya dengan satu kali iterasi.

Optimizing the supply chain from the supplier of goods to the warehouse and then distributed to the consumer as the end user be a powerful way to achieve service satisfaction at the consumer level. One crucial aspect of supply chain is forecasting to forecast request or demand (Guoshan et al., 2008). The accuracy of forecasting impact on the availability of goods which will indirectly affect the smooth process of the distribution of goods and storage costs. Prototype Intelligent Warehouse Mangagement System (IWMS) is an integrated system that is able to control the processes in the supply chain to achived optimization process. IWMS itself is a super system in which consists of five integrated systems that Intelligent Logistics System (ILS), Adaptive Warehouse System (AWS), Intelligent Forcasting System (IFS), Realtime Transportation Monitoring System (RTMS), the Intelligent Executive Summary Report (IESS). Intelligence Forecasting System (IFS) is a subsystem of IWMS which has a function as a forecasting system with the use of artificial neural networks (ANN). The method used in the IFS is Extreme Learning Machine (ELM). ELM is an advanced learning methods (Feedforward) developed by utilizing the matrix theory in mathematics to produce a relatively quick learning process. The results of this study was to implements ELM method into the IFS system as retailer needs forecasting system, so the accuracy of the forecasting result have the minimum error value. besides ELM method has advantages in learning speed to shorten the training time with just one iteration

Kata Kunci : Rantai Pasok, Extreme Learning Machine, Jaringan Saraf Tiruan, Peramalan