Proposal - SI-KOMEN UMKM (Sistem Rekomendasi UMKM) Menggunakan Metode Artificial Neural Network Backpropagation [PDF]

Citation preview

DAFTAR ISI DAFTAR ISI ........................................................................................................ i BAB 1 PENDAHULUAN 1.1. Latar Belakang ....................................................................... 1 1.2. Rumusan Masalah .................................................................. 2 1.3. Tujuan Program ...................................................................... 2 1.4. Manfaat Program .................................................................... 2 1.5. Luaran .................................................................................... 3 BAB 2



TINJAUAN PUSTAKA 2.1. UMKM .................................................................................... 4 2.2. Machine Learning ................................................................... 4 2.3. Neural Network ....................................................................... 4 2.4. Neural Network Backpropagation .......................................... 5



BAB 3



TAHAP PELAKSANAAN 3.1. Waktu dan Tempat ................................................................. 6 3.2. Alat dan Bahan ....................................................................... 6 3.3. Prosedur Pelaksanaan ............................................................. 6 3.3.1. Analisis ......................................................................... 6 3.3.1.1. Ekplorasi Data ................................................ 7 3.3.1.2. Model Klasifikasi Artificial Neural Network ........................................................... 7 3.3.1.3. Analisis Model Prediksi ................................... 7 3.3.1.4. Akurasi ............................................................. 7 3.3.2. Desain Sistem............................................................... 8 3.3.3. Pengkodean .................................................................. 8 3.3.4. Pengujian...................................................................... 8 3.3.5. Penerapan Program dan Pemeliharaan......................... 8



BAB 4



BIAYA DAN JADWAL KEGIATAN 4.1. Anggaran Biaya...................................................................... 9 4.2. Jadwal Kegiatan ..................................................................... 9 DAFTAR PUSTAKA .......................................................................................... 10 LAMPIRAN ......................................................................................................... 11



i



1



BAB 1. PENDAHULUAN 1.1 Latar Belakang Usaha, Mikro, Kecil, dan Menengah (UMKM) dalam perekonomian Indonesia memiliki peranan yang sangat penting dan strategis. Kondisi tersebut dapat dilihat dari data perkembangan UMKM yang sangat signifikan. Hingga pada tahun 2017 tercatat sebanyak 62.922.617 unit atau 99,99 persen usaha di Indonesia didominasi oleh sektor UMKM, sedangkan 0,01 persen lainnya termasuk ke dalam sektor usaha besar tercatat sekitar 5.460 unit usaha besar. Sehingga UMKM dapat membuktikkan perannya dalam perekonomian Indonesia dan mampu membangun perekonomian nasional dengan melibatkan sebanyak mungkin pelaku ekonomi berdasarkan potensi yang dimilikinya. (Kementerian Koperasi dan Usaha Mikro, Kecil dan Menengah Republik Indonesia., 2017). Berdasarkan pada uraian di atas, maka UMKM di Kota Bogor mengalami peningkatan dari tahun ke tahunnya. Tercatat sekitar ada 30.822 unit UMKM pada tahun 2019 yang terdiri dari sektor kuliner sebanyak 60 persen, kerajinan 30 persen dan 10 persen yang lainnya itu batik. (Sistem Informasi UMKM dan PKL Kota Bogor, 2019). Dengan peningkatan jumlah tersebut, maka potensi untuk pengembangan UMKM akan semakin meluas dan meningkat. Untuk hal tersebut pemerintah atau dinas setempat akan mengalami kesulitan dalam mengetahui UMKM yang berpotensi untuk dikembangkan. Pengembangan UMKM dengan cara pemberian bantuan merupakan salah satu langkah strategis dalam meningkatkan dan mengembangkan potensi perekonomian sebagian masyarakat, khususnya pelaku UMKM tersebut. Sejalan dengan hal tersebut, maka dibutuhkan sebuah sistem rekomendasi UMKM yang dapat memudahkan proses pengambilan keputusan bagi pemerintah setempat. Sistem tersebut memiliki fungsi yang dapat mengklasifikasikan atau memprediksi UMKM yang akan dikembangkan oleh pemerintah setempat berdasarkan kriteria-kriteria tertentu secara otomatis. Teknologi yang berkembang saat ini terkait dengan sistem rekomendasi salah satunya adalah Machine Learning. Machine Learning merupakan salah satu cabang ilmu dari Artificial Intelligence atau kecerdasan buatan yang digunakan untuk menirukan tingkah laku manusia yang dapat menyelesaikan suatu masalah secara otomatis (Abu Ahmad Hania, 2017). Contoh algoritma yang terkait dengan teknologi Artificial Intelligence antara lain K-Nearest Neighbor, K-Means, Artificial Neural Network. Berdasarkan uraian di atas, maka sistem yang kami usulkan berupa rekomendasi bantuan UMKM yang kami beri nama “SI-KOMEN UMKM (Sistem Rekomendasi UMKM)”. Dengan memanfaatkan teknologi Artificial Intelligence, SI-KOMEN kami bangun menggunakan algoritma Artifical Neural Network Backpropagation. Algoritma ini bekerja seperti cara kerja otak



2



manusia yang disederhanakan, dengan algoritma ini akan membantu proses prediksi atau klasifikasi untuk rekomendasi UMKM yang akan dikembangkan oleh pemerintah setempat, sehingga dapat mempermudah dalam pengambilan keputusan oleh pemerintah setempat dalam memilih UMKM yang akan dikembangkan. 1.2 Rumusan Masalah Berdasarkan latar belakang di atas, maka rumusan masalah yang diajukan pada program ini antara lain : 1. Bagaimana merancang dan membangun sistem rekomendasi UMKM untuk pengambilan keputusan berbasis website dalam menentukan UMKM yang potensial untuk dikembangkan di Kota Bogor menggunakan algoritma Artificial Neural Network Backpropagation. 2. Bagaimana menghitung akurasi hasil menggunakan algoritma Artificial Neural Network Backpropagation. 1.3 Tujuan Program Tujuan program ini adalah sebagai berikut : 1. Mengimplementasi metode Machine Learning dengan algoritma Artificial Neural Network Backpropagation sebagai sistem pendukung keputusan berbasis website dalam menentukan UMKM yang potensial untuk dikembangkan di Kota Bogor. 2. Mengetahui nilai akurasi model prediksi yang dihasilkan dari algoritma Artificial Neural Network Backpropagation pada rekomendasi atau prediksi UMKM yang potensial. 1.4 Manfaat Program Program ini mempunyai keunggulan dari sisi manfaat, adapun untuk penjelasannya sebagai berikut: 1. Bagi Instansi atau Dinas UMKM a. Dapat mempersingkat waktu dan mempermudah dalam proses seleksi rekomendasi UMKM yang potensial untuk dikembangkan menggunakan algoritma Artificial Neural Network Backpropagation b. Mendapatkan prediksi rekomendasi UMKM yang potensial untuk dikembangkan yang dihasilkan menggunakan algoritma Artificial Neural Network Backpropagation, sehingga memudahkan dalam proses pengambilan keputusan. 2. Bagi Mahasiswa a. Mengetahui akurasi algoritma Artificial Neural Network Backpropagation yang dapat dijadikan bahan acuan perbandingan metode untuk program selanjutnya.



3



b. Dapat melatih diri dalam menganalisis masalah, merancang, dan mendesain program. c. Menambah ilmu dan insight tentang penerapan Artificial Neural Network Backpropagation pada aplikasi rekomendasi UMKM 1.5.Luaran Luaran yang diharapkan pada program ini adalah menghasilkan produk yang fungsional berbasis website, berfungsi sebagai sistem rekomendasi UMKM yang potensial untuk dikembangkan oleh pemerintah setempat dan dapat di publikasikan dalam artikel ilmiah atau jurnal.



4



BAB 2. TINJAUAN PUSTAKA 2.1. UMKM



Menurut UUD 1945 kemudian dikuatkan melalui TAP MPR NO.XVI/MPR-RI/1998 tentang Politik Ekonomi dalam rangka Demokrasi Ekonomi, Usaha Mikro, Kecil, dan Menengah perlu diberdayakan sebagai bagian integral ekonomi rakyat yang mempunyai kedudukan, peran, dan potensi strategis untuk mewujudkan struktur perekonomian nasional yang makin seimbang, berkembang, dan berkeadilan. Selanjutnya dibuatlah pengertian UMKM melalui UU No.9 Tahun 1999 dan karena keadaan perkembangan yang semakin dinamis dirubah ke Undang-Undang No.20 Pasal 1 Tahun 2008 tentang Usaha Mikro, Kecil dan Menengah maka pengertian UMKM adalah sebagai berikut: Usaha Mikro adalah usaha produktif milik orang perorangan dan/atau badan usaha perorangan yang memenuhi kriteria Usaha Mikro sebagaimana diatur dalam Undang-Undang ini. Usaha Kecil adalah usaha ekonomi produktif yang berdiri sendiri, yang dilakukan oleh orang perorangan atau badan usaha yang bukan merupakan anak perusahaan atau bukan cabang perusahaan yang dimiliki, dikuasai, atau menjadi bagian baik langsung maupun tidak langsung dari Usaha Menengah atau Usaha Besar yang memenuhi kriteria Usaha Kecil sebagaimana dimaksud dalam UndangUndang ini. Usaha Menengah adalah usaha ekonomi produktif yang berdiri sendiri, yang dilakukan oleh orang perorangan atau badan usaha yang bukan merupakan anak perusahaan atau cabang perusahaan yang dimiliki, dikuasai, atau menjadi bagian baik langsung maupun tidak langsung dengan Usaha Kecil atau Usaha Besar dengan jumlah kekayaan bersih atau hasil penjualan tahunan sebagaimana diatur dalam Undang- Undang ini (Yuli Rahmini Suci, 2017) 2.2. Machine Learning



Machine Learning (ML) atau pembelajaran mesin ialah pendekatan dalam kecerdasan buatan (AI) yang banyak digunakan untuk menggantikan atau menirukan tingkah laku manusia untuk menyelesaikan suatu masalah secara otomatis. Ciri khas dari machine learning adalah proses latih, pembelajaran, atau training. Oleh karena itu, Machine Learning membutuhkan data training untuk dipelajari.(Abu Ahmad Hania, 2017). 2.3. Neural Network



Neural network atau jaringan syaraf tiruan merupakan salah satu representasi buatan dan otak manusia yang selalu mencoba mensimulasikan proses pembelajaran pada otak manusia. Istilah buatan disini digunakan karena jaringan syaraf ini diimplementasikan dengan menggunakan program komputer yang mampu menyelesaikan sejumlah proses perhitungan selama proses pembelajaran (Kusuma Dewi, 2010).



5



Gambar 1: Arsitektur Neural Network Sumber: Shukla et al. (2010) 2.4. Neural Network Backpropagation



Algoritma pelatihan backpropagation atau ada yang mengartikan menjadi propagasi balik pertama kali dirumuskan oleh Paul Werbos pada tahun 1974 dan dipopulerkan oleh Rumelhart bersama McClelland untuk dipakai pada neural network. Metode backpropagation awalnya dirancang untuk neural network feedforward, akan tetapi pada perkembangannya, metode ini diadaptasi untuk pembelajaran pada model neural network lainnya (Astuti, 2009). Backpropagation merupakan salah satu algoritma pembelajaran dalam jaringan syaraf tiruan. Proses pembelajaran dalam backpropagation dilakukan dengan penyesuaian bobot-bobot jaringan syaraf tiruan dengan arah mundur berdasarkan nilai error dalam proses pembelajaran (Kusrini, 2009).



6



BAB 3. TAHAP PELAKSANAAN 3.1. Waktu dan Tempat Program ini dilaksanakan selama 5 bulan dimulai pada Januari sampai bulan Mei 2020. Program ini dilaksanakan di IK-AI LAB (Ibn Khaldun Artificial Intelligence Laboratory), Fakultas Teknik dan Sains, Universitas Ibn Khaldun Bogor. 3.2. Alat dan Bahan Bahan yang dibutuhkan pada program ini adalah data UMKM yang bersumber dari Dinas Koperasi dan UMKM Kota Bogor tahun 2018. Alat-alat dan software (tool) yang digunakan diantaranya, seperangkat personal komputer (laptop) dengan spesifikasi Processor AMD Ryzen 5 2500U with Radeon Vega Mobile Gfx (8 CPUs), ~2.0Ghz RAM 8 GB, mouse, dan keyboard. Serta dengan menggunakan software Matlab 2013a, Sublime Text, Microsoft Office 2016 untuk pengetikan dan dokumentasi program. 3.3. Prosedur Pelaksanaan Pada prosedur pelaksanaan ini digunakan metode waterfall. Metode waterfall adalah proses pengembangan sistem secara linear atau berurutan yang yang mulai dengan analisis sistem, desain sistem, tahap development, pengujian, hingga penerapan program dan pemeliharaan sistem (maintenance). Metode waterfall dapat di dilihat pada gambar dibawah ini: • • • •



Eksplorasi data Klasifikasi Neural Network Analisis Model Prediksi Akurasi



Analisis Desain Pengkodean Pengujian



Penerapan Program dan Pemeliharaan



Gambar 2. Bagan Prosedur Pelaksanaan 3.3.1. Analisis Pada tahap analisis ini dilakukan pengumpulan data terkait kebutuhan dari sistem untuk memahami dasar sistem yang akan dibuat.



7



Proses pengumpulan data dapat dilakukan dengan wawancara, observasi, dan studi litelatur. Dalam kasus ini pengumpulan data yang telah terkumpul akan melalui beberapa tahapan analisis data untuk mendapatkan model prediksi. Beberapa tahapan yang akan dilakukan dalam analisis data, sebagai berikut : 3.3.1.1. Eksplorasi Data Tahap Eksplorasi data dilakukan untuk mengetahui karakteristik data yang telah di dapatkan. Dari karakteristik tersebut dapat diperoleh informasi pada data yang ingin dianalisa. Berdasarkan uraian tersebut variabel atau parameter dalam penelitian terdiri dari 5 variabel antara lain:



No



Tabel 1. Parameter Yang Digunakan Parameter (Variabel)



Satuan



1



Tenaga Kerja



Orang



2



Nilai Investasi



Rp



3



Kapasitas Produksi



4



Nilai Produksi



Rp



5



Nilai Bahan Baku



Rp



Unit/Pcs



3.3.1.2. Model Klasifikasi Artificial Neural Network Pada rancangan model prediksi UMKM potensial akan dilakukan dengan cara membuat sebuah Jaringan Syaraf Tiruan (JST) dengan algoritma Neural Network menggunakan tipe pembelajarannya adalah backpropagation atau biasa disebut propagasi balik, dan kemudian melakukan perubahan terhadap jumlah neuron atau hidden layernya, agar hasil yang diharapkan konvergen dan memiliki nilai keakuratan yang baik. 3.3.1.3. Analisis Model Prediksi Dari hasil pelatihan data, menggunakan metode neural network, maka didapatkan sebuah model prediksi yang selanjutnya akan diukur nilai keakuratannya. 3.3.1.4. Akurasi Nilai akurasi diperoleh dengan cara menginputkan data testing pada model prediksi yang diperoleh serta mengukur jumlah output yg sesuai dengan nilai target.



8



3.3.2. Desain Sistem Pada tahap ini dilakukan pemodelan arsitektur komputer setelah mendapatkan sebuah model prediksi dari proses analisis di atas. Model ini akan diimplementasikan pada pemodelan arsitektur sistem dari kebutuhan – kebutuhan yang dapat dimengerti oleh perangkat lunak hingga menjadi algoritma. 3.3.3. Pengkodean dan Implementasi Tahap selanjutanya adalah pengkodean atau coding yaitu implementasi dari desain sistem yang diubah menjadi kode - kode program yang dapat di mengerti oleh sistem. Selain itu, model prediksi yang telah didapatkan pada proses analisis menggunakan algoritma Artificial Neural Network Backpropagation tersebut diterapkan dan dimasukkan ke dalam tahap pengkodean website. Output atau informasi yang akan ditampilkan pada sistem rekomendasi ini adalah klasifikasi dan perangkingan UMKM yang berpotensi untuk dikembangkan dan mendapatkan bantuan. 3.3.4. Pengujian Setelah program dibuat dan dapat berjalan maka dilakukan tahap pengujian. Pengujian dilakukan untuk memastikan bahwa apakah sistem sesuai dengan keinginan, mencari kesalahan yang mungkin terjadi pada sistem dan juga dapat berjalan dengan baik sebagaimana mestinya. Pada pengujian yang akan dilakukan pada sistem rekomendasi ini dilakukan dengan cara memasukan nilai-nilai atribut atau parameter yang digunakan ke dalam sistem rekomendasi. Sistem tersebut akan mengkalikan input dengan model yang telah didapatkan pada proses analisis yang selanjutnya akan menghasilkan sebuah klasifikasi UMKM yang berpotensi untuk dikembangkan dan mendapatkan bantuan. 3.3.5. Penerapan Program dan Pemeliharaan Tahap ini merupakan tahap akhir dari metode waterfall setelah melakukan testing dilakukan instalasi source code program. Pada tahap ini lebih menekankan pada pemeliharan sistem yang termasuk juga dalam memperbaiki kesalahan yang tidak terdeteksi di tahap tesing.



9



BAB 4. BIAYA DAN JADWAL KEGIATAN 4.1 Anggaran Biaya Berikut adalah rencana anggaran biaya pada program ini adalah sebagai berikut Tabel 2. Ringkasan Anggaran Biaya Program No Jenis Pengeluaran Biaya (Rp) 1 Peralatan Penunjang Program 1250000 2 Bahan Habis Pakai 3500000 3 Perjalanan 1650000 4 Lain-lain 3150000 Jumlah 9550000 4.2 Jadwal Kegiatan Berikut adalah jadwal kegiatan program ini, yang di jadwalkan program ini selama 5 bulan Tabel 3. Jadwal Kegiatan Program Bulan No Jenis Kegiatan 1 2 3 4 5 1 Studi Literatur 2 Analisis dan Perancangan Model Prediksi 3 Analisis akurasi model prediksi 4 Desain Sistem 5 Pengkodean dan Implementasi model prediksi 6 Pengujian Sistem 7 Pemeliharaan 8 Pembuatan Laporan



10



DAFTAR PUSTAKA Dinas Koperasi dan UMKM Kota Bogor. 2019. Sistem Informasi UMKM dan PKL Kota Bogor. URL : http://kumkm.kotabogor.go.id/new/page.php?buka=umkm (Diakses pada hari Minggu, tanggal 8 Desember 2019 pukul 14.20 WIB). Kusumadewi, Sri (2010). Pengantar Jaringan Syaraf Tiruan. Yogyakarta.Teknik Informatika FT UII. Kusrini,&Luthfi, E. T. (2009).Algoritma Data Mining. Yogyakarta: Andi Publishing. Putra, Aswindo. 2018. Paralelisasi Klasifikasi Data Ekspresi Gen Kanker dengan Algoritma Deep Neural Network Menggunakan Stacked Sparse Autoencoder. Universitas Telkom : Bandung Menteri Koperasi, Usaha Kecil Dan Menengah (Menkop Ukm) RI. 2017. Perkembangan Data Usaha Mikro, Kecil, Menengah (Umkm) Dan Usaha Besar (Ub) Tahun 2016 – 2017. URL : http://www.Depkop.go.id/ (Diakses Pada Hari Minggu, Tanggal 8 Desember 2019 Pukul 14.25 Wib). Rahmini Suci, Yuli. (2017). Perkembangan Umkm (Usaha Mikro Kecil Dan Menengah) Di Indonesia. Sekolah Tinggi Ilmu Ekonomi Balikpapan. Jurnal Ilmiah



Cano Ekonomos. Shukla, A., Tiwari, R., & Kala, R. (2010). Real Life Applications of Soft Computing. United States of America on: Taylor and Francis Group, LLC.



11



12



13



14



15



16



Lampiran 2. Justifikasi Anggaran Kegiatan 1. Jenis Perlengkapan • •



Volume



Harga Satuan (Rp)



1 950000 1 300000 SUB TOTAL (Rp) Harga 2. Bahan Habis Volume Satuan (Rp) 2 150000 • Kertas A4 Sinar Dunia 80gr 2 100000 • ATK 4 150000 • Tinta Epson 4 Warna 12 200000 • Literatur SUB TOTAL (Rp) Harga 3. Perjalanan Volume Satuan (Rp) 3 300000 • Akomodasi 3 250000 • Transportasi dalam kota SUB TOTAL (Rp) Harga 4. Lain-lain Volume Satuan (Rp) 3 200000 • Study Literatur 2 250000 • Biaya Pembuatan Laporan 8 31250 • Perbanyak Laporan Kemajuan 1 800000 • Biaya Hosting 1 750000 • Publikasi 8 31250 • Perbanyak Laporan Akhir SUB TOTAL (Rp) TOTAL(Rp) Sembilan Juta Lima Ratus Lima Puluh Ribu Rupiah Harddisk 1 Tb Seagate Sewa Printer Epson



Nilai (Rp) 950000 300000 1250000 Nilai (Rp) 300000 200000 600000 2400000 3500000 Nilai (Rp) 900000 750000 1650000 Nilai (Rp) 600000 500000 250000 800000 750000 250000 3150000 9550000



17



Lampiran 3. Susunan Organisasi Tim Pelasksana dan Pembagian Tugas Alokasi Program Bidang No Nama / NIM Uraian Tugas Waktu Studi Ilmu (jam/minggu) 1. Pembagian tugas, Identifikasi Bagus masalah, Rekayasa Teknik Fatwan pembuatan Perangkat 15 Jam Informatika Alfiat/17110 sistem Lunak 5150688 rekomendasi UMKM berbasis website 2. Membuat desain sistem, membuat Muhammad arsitektur Ridho Teknik Sistem model prediksi 15 Jam Fauzi/161105 Informatika Informasi Artificial 150571 Neural Network dan analisis model prediksi 3. Analisis Ari Kusuma sistem, desain Teknik Sistem Yahya/17120 15 Jam sistem dan Informatika Informasi 5150660 analisis model prediksi



18



Lampiran 4. Surat Pernyataan Ketua Pelaksanaan



19



Lampiran 5. Gambaran Teknologi yang Akan Dikembangkan



Model Base Database Managenent : MySql Data Internal



Web Server: PHP Internet



User



Arsitektur SI-KOMEN UMKM dirancang untuk mendeskripsikan gambaran sistem yang akan dibuat dari subsistem manajemen basis data, Model Artificial Neural Network , dan subsistem web server yang akan di kembangkan berbasis web. Pada subsistem manajemen basis data diperoleh dari data internal dan di proses dengan database MySQL. Data internal berupa data dari dinas koperasi dan UMKM Kota Bogor. Output Model yang telah diperoleh dari hasil proses sebelumnya akan menghasilkan rekomendasi UMKM mana yang layak mendapatkan bantuan dari pemerintah atau dinas setempat. Neural Network Algorithm Backpropagation Prediction Input Evaluation/ akurasi Output Model



Data – data UMKM yang telah diperoleh dapat dibagi menjadi data training sebesar 80% dan data testing sebesar 20%. Data yang diinputkan ke algoritma adalah data training, dari proses algoritma Neural Network Backpropagation akan mendaptkan hasil prediksi sementara kemudian hasilnya akan di akurasi menggunakan data testing sehingga mendapatkan output model. Jika hasil dari output model belum mendapatkan akurasi yang baik maka akan dilanjutkan kembali ke proses algoritma Neural Network Backpropagation hingga mendapatkan model dengan akurasi terbaik.