Fakultas Teknik | Program Studi Teknik Informatika

Universitas Nusantara PGRI Kediri

SISTEM INFORMASI PERAMALAN PENJUALAN PADA ROSSI SARI KEDELAI MENGGUNAKAN

METODE LEAST SQUARE (KUADRAT TERKECIL)
Hari Agustiyo1), Zainal Afandi 2) Ardi Sanjaya 3)
1), 2),3 )

Teknik Informatika Universitas Nusantara PGRI Kediri

Jl KH. Ahmad Dahlan No.76 Kota Kediri
Email : Hariagustiyo@gmail.com 1), excelforry@yahoo.com2) Dersky@gmail.com 23)

Abstrak

Saat ini Rossi Sari Kedelai mempunyai

beberapa tempat untuk menjual produksinya

HARI AGUSTIYO : Sistem Informasi Peramalan

Penjualan Pada Rossi Sari Kedelai Menggunakan
Metode LEAST SQUARE, Skripsi, Teknik Informatika,
Teknik Universitas Nusantara PGRI Kediri,2015.

antara lain kantin Rumah Sakit HVA Pare , stand

Sate Tahu PakeU dan warung pecel Bu Endang.
Dimana jumlah penjualannya mengalami naik

Pada saat ini perusahaan memiliki

permasalahan tentang memperkirakan berapa jumlah
sari kedelai yang akan di jual pada hari hari
selanjutnya. Perusahaan harus membangun sistem
untuk memanajemen kegiatan operasional perusahaan
agar dapat berjalan secara efektif dan efesien. Salah
satu cara yang dapat digunakan manajemen untuk
melaksanakan fungsi-fungsi tersebut adalah dengan
membuat peramalan penjualan yang tersistematis
dengan acuan data yang relevan.
Permasalahan pada penelitian ini adalah (1)
Bagaimana merancang aplikasi peramalan penjualan
menggunakan Visual Studio 2013 ? (2) Apakah
sistem dapat
membantu perusahaan untuk
meramalkan jumlah produksi ?

turun setiap harinya , contohnya saja di Rumah

Sakit HVA Pare , di hari sabtu dan minggu
penjualan selalu lebih sedikit di banding hari hari
biasannya, mungkin bisa saja di sebabkan oleh
jadwal praktek dokter yang setiap sabtu dan
minggu libur.
Masalahnya disini perusahaan Rossi Sari
Kedelai belum bisa memperkirakan berapa
jumlah sari kedelai yang akan di jual pada setiap
harinya.
Dengan semakin berkembangnya teknologi

Dengan membuat aplikasi peramalan

penjualan menggunakan metode Least Square peneliti
membutuhkan bahan untuk acuan sistem ,bahan acuan
untuk metode Least Square adalah data penjualan
terdahulu. Metode Kuadrat Terkecil (Least Square
Method) adalah metode untuk menghitung nilai trend
pada tahun berjalan dan untuk mencari forecast pada
periode yang akan datang.

terutama di bidang sistem informasi, maka

pengambilan keputusan menjadi suatu hal yang
mudah, cepat , dan otomatis. Least Square
merupakan metode yang banyak digunakan untuk
peramalan penjualan sebagai pertimbangan dalam
pengambilan keputusan.

Kata kunci: Penjualan Sari Kedelai, Least Square

Dari permasalahan diatas, Rossi Sari Kedelai

1.

PENDAHULUAN

membutuhkan suatu aplikasi sebagai alat bantu

Perusahaan Rossi Sari Kedelai adalah

pemecahan masalah, oleh karena itu perlunya di

perusahaan kecil yang memproduksi minuman

buat suatu Sistem Informasi Peramalan Penjualan

sari kedelai yang berada di wilayah Pare ,

menggunakan

Kabupaten Kediri yang sedang mengalami masa

perusahaan

perkembangan usaha.

merupakan suatu dugaan terhadap permintaan

metode

Rossi

Sari

Least

Square

Kedelai.

pada

peramalan

Fakultas Teknik | Program Studi Teknik Informatika

Universitas Nusantara PGRI Kediri

yang akan datang berdasarkan pada beberapa

variabel peramal, sering berdasarkan data deret
waktu historis (Gasperzs, 2005). Dengan adanya
sistem ini diharapkan

perusahaan

Sulit mengkomunikasikan hasil

analisis luar, terutama dalam
metodologinya

Metode Kuadrat Terkecil (Least Square

Method) adalah metode untuk menghitung nilai trend
pada tahun berjalan dan untuk mencari forecast pada
periode yang akan datang. Garis tren linier dapat
ditulis sebagai persamaan garis lurus :
Y = a + bX
dimana:
Y = data berkala (time series data)
X = waktu (hari, minggu, bulan, tahun)
a dan b = bilangan konstan
Jadi, mencari garis trend berarti mencari nilai
a dan b. Apabila a dan b sudah diketahui maka
garis trend tersebut dapat dipergunakan untuk
meramalkan Y. Untuk mencari persamaan trend
garis lurus dengan metode kuadrat terkecil dapat
dilakukan dengan cara berikut :
Untuk mengadakan perhitungan diperlukan
nilai tertentu pada variabel waktu (X) sedemikian
rupa, sehingga jumlah nilai variabel waktu adalah
nol.

mampu

meramalkan penjualan pada hari hari kedepan

untuk memaksimalkan laba yang di dapat.

2. PEMBAHASAN
2.1 Peramalan
Peramalan adalah data di masa lalu yang
digunakan untuk keperluan estimasi data yang akan
datang. Peramalan atau Forecasting merupakan
bagian terpenting bagi setiap perusahaan ataupun
organisasi bisnis dalam setiap pengambilan keputusan
manajemen. Peramalan itu sendiri bisa menjadi dasar
bagi perencanaan jangka pendek, menengah maupun
jangka panjang suatu perusahaan.
Ramalan pada dasarnya merupakan dugaan atau
perkiraan mengenai terjadinya suatu kejadian atau
peristiwa di waktu yang akan datang. Ramalan bisa
bersifat kualitatif, artinya tidak berbentuk angka dan
bisa bersifat kuantitatif, artinya berbentuk angka,
dinyatakan dalam bilangan.

Misalnya :
Untuk n = 3, maka X1, X2, X3
-1 0
1
Untuk n = 4, maka X1, X2, X3, X4
-3 -1
1
3
Pada umumnya, yang diberi nilai 0 adalah
variabel waktu yang letaknya ditengah.

Aktivitas peramalan merupakan suatu fungsi

bisnis yang berusaha memperkirakan penjualan dan
penggunaan produk sehingga produk-produk itu dapat
dibuat dalam kuantitas yang tepat. Dengan demikian
peramalan merupakan suatu dugaan terhadap
permintaan yang akan datang berdasarkan pada
beberapa variabel peramal, sering berdasarkan data
deret waktu historis (Gasperzs, dalam muthia ,
hidayat & manda 2005).
2.2 Least Square (Kuadrat Terkecil)
Metode least square adalah metode peramalan
yang biasanya digunakan untuk memprediksi
peramalan penjualan ( sales forecasting ). Metode ini
merupakan salah satu metode berupa data deret
berkala atau time series, yang mana di butuhkan datadata penjualan dimasa lampau untuk melakukan
peramalan penjualan dimasa mendatang sehingga
dapat ditentukan hasilnya.
Menurut Iman P. Hidayat, Metode peramalan
Least Square memiliki beberapa kelebihan dan
kekurangan sebagai berikut :
Kelebihan :
Mampu mendeteksi pola tertentu dari
data masa lalu.
Tingkat subyektifitas yang rendah.
Lebih teliti dan mudah diperbarui
Kekurangan :
Jumlah observasi terbatas pada situasi
tertentu

Jarak antara dua waktu diberi nilai satu

satuan. Diatas 0 diberi tanda + dan di bawahnya
diberi tanda (0, 1, 2 , 3. . . dan . . . , -3, -2, -1, 0)
atau . . . , -3, -2, -1, 0, 1, 2, 3, . . .

0 terletak antara Xk dan Xk+1 (seolaholah disisipkan dan tidak perlu dituliskan untuk n
genap).

Fakultas Teknik | Program Studi Teknik Informatika

Universitas Nusantara PGRI Kediri

Metode
peramalan

least

yang

memprediksi

square

biasanya

peramalan

adalah

metode

digunakan
penjualan

untuk
sales

forecasting ). Metode ini merupakan salah satu

metode berupa data deret berkala atau time series,
yang mana di butuhkan data-data penjualan
dimasa lampau untuk melakukan peramalan
penjualan dimasa mendatang sehingga dapat

Yang dibagi dua adalah {k + (k + 1)}

n=4

k=
=

ditentukan hasilnya.

_n
_
_42

Metode

Terkecil

(Least

Square Method) adalah metode untuk menghitung

_2
2

Kuadrat

nilai trend pada tahun berjalan dan untuk mencari

X2,5 = 0

forecast pada periode yang akan datang. Garis

tren linier dapat ditulis sebagai persamaan garis

(terletak antara 2 dan 3)

Jarak antara dua waktu diberi nilai
dua satuan. Diatas 0 diberi tanda + dibawahnya
tanda (0, 1, 3, 5, 7, 9, . . . dan . . . , -9, -7, -3, -1,
0) atau . . . -7, -5, -3,-1, dan 1, 3, 5, 7 . . .
Mencari nilai a dan b :
a = Y / n
b=

lurus :
Y = a + bX
dimana:
Y = data berkala (time series data)
X = waktu (hari, minggu, bulan, tahun)
a dan b = bilangan konstan

XY

Jadi, mencari garis trend berarti

X2

mencari nilai a dan b. Apabila a dan b sudah

Y = a + bX (persamaan garis tren linear) dimana X

merupakan variabel waktu.

diketahui

maka

dipergunakan

3. IMPLEMENTASI
3.1 Use Case Diagram

garis

untuk

trend

tersebut

meramalkan

Y.

dapat
Untuk

mencari persamaan trend garis lurus dengan

metode kuadrat terkecil dapat dilakukan dengan
cara berikut :
I.HASIL DAN KESIMPULAN
Data Historis (Periode Ganjil)

Gambar 3.1 Use Case Diagram

3.2 Simulasi Kasus

Fakultas Teknik | Program Studi Teknik Informatika

Universitas Nusantara PGRI Kediri

Dari data tersebut diperoleh:

a=

Dari data tersebut diperoleh:

a=

852
15

b=

Y
= 56,8

b=

XY
x2

29
= 0,103
280

Y
n

408
14

=29,1

XY
x2

174
=0,2
910

Sehingga didapatkan tren metode Least Square adalah

Y = a + bX

Sehingga didapatkan tren metode Least Square

= 29,1+ 0,2 X

adalah

Jadi peramalan penjualan untuk hari ke 15 yang letak

Y = a + bX

periodenya (X) terletak pada periode ke 15 sebagai

= 56,8 + 0,1 X

berikut :

Jadi peramalan penjualan hari ke 16 yang letak

Y = 29,1+ 0,2*15

periodenya (X) terletak pada periode ke 8

= 29,1+ 3= 32,1

sebagai berikut :
3.3 Tampilan Program
a) Tampilan Login

Y = 56,8 + 0,1 * 8
= 56,8 + 0,8 = 57,6
Data Historis (Periode Genap)

Fakultas Teknik | Program Studi Teknik Informatika

Universitas Nusantara PGRI Kediri

selanjutnya , user cukup memilih menu yang di

butuhkan.

c)

Tampilan Data Penjualan

Gambar 3.3.1 Tampilan Login

Data login dimasukkan dan klik gambar
kunci maka sistem akan melakukan proses
pengecekan data login. Apabila data login benar
maka akan akan masuk pada form menu dengan
pilihan menu lengkap ( Data Penjualan, Peramalan,
Sign Out, Data User ) , apabila salah , sistem akan
memberi peringatan.
Gambar 3.3.3 Tampilan Data Penjualan
Setelah mengklik tombol Data Penjualan akan
muncul form Data Penjualan beserta tampilan data.
Disini user dapat mencari dan menambahkan data
baru dengan mengisi form-form yang tersedia, user
juga dapat mengedit dan menghapus data dengan
menekan tombol edit dan hapus yang telah tersedia

b) Tampilan Menu Utama

d) Tampilan Peramalan

Gambar 3.3.2 Tampilan Menu Utama

Tampilan menu utama , user akan dihadapkan pada
beberapa tombol menu. Untuk menuju halaman

Gambar 3.3.4 Tampilan Permalan

Fakultas Teknik | Program Studi Teknik Informatika

Universitas Nusantara PGRI Kediri

Disini user dapat memilih tiga tempat penjualan

produk pada combobox untuk diramalkan jumlah
penjualannya, setelah tempat dipilih user dapat
menekan tombol RAMAL untuk mengetahui
jumlah peramalan pada tempat tersebut.

e)

[3]

Muthia, Moh. Hidayat Koniyo, Manda Rohandi.

2013. Penerapan Metode Trend Moment dalam
Forecast Penjualan Motor Yamaha. Gorontalo:
PT. Hasjrat Abadi.
[4] Simarmata, Janner & Paryudi, Imam. 2006. Basis
Data, Andi Offset, Yogyakarta.
[5] Sunneng Sandino Berutu. 2013. Peramalan
Penjualan dengan Metode Fuzzy Time Series
Ruey Chyn Tsaur. Semarang: Gaikindo.
[6] Widodo, 2008 . Peramalan penjualan dengan
metode fuzzy time series Ruey chyn tsaur. Jurusan
Teknik Informatika, Universitas Diponegoro
Semarang, Semarang, 2013
Biodata Penulis

Tampilan Data User

Hari Agustiyo, Mahasiswa Jurusan Teknik Informatika

Fakultas Teknik Universitas Nusantara PGRI Kediri
(angkatan 2011)
Dr. Zainal Afandi, M.Pd. Memperoleh gelar sarjana
pendidikan (S.Pd) tahun 1993 di Universitas Negeri Malang.
Memperoleh gelar Magister Pendidikan (M.Pd) tahun 2007 di
Universitas PGRI Adibuana Surabaya. Memperoleh gelar
Doktor (Dr) tahun 2015 di Universitas Negeri Malang. Saat ini
menjabat sebagai Wakil Rektor I di Universitas Nusantara
PGRI Kediri.

Gambar 3.3.5 Tampilan Data User

Disini user dapat mencari dan menambahkan
data baru dengan mengisi form-form yang tersedia,
user juga dapat mengedit dan menghapus data
dengan menekan tombol edit dan hapus yang telah
tersedia

Ardi Sanjaya,M.Kom. Memperoleh gelar sarjana

komputer (S.Kom) tahun 2010 di STT Cahaya Surya
Kediri lulus dengan predikat Cumlaude. Memperoleh
gelar Magister Teknik Informatika (M.Kom) tahun 2013
di STIMIK AMIKOM Yogyakarta dengan predikat
Cumlaude. Saat ini menjadi staf pengajar di Program
Studi Teknik Informatika Fakultas Teknik Universitas
Nusantara PGRI Kediri.

Daftar Pustaka
[1] Bagus. 2014. Sistem Informasi Peramalan
Penjualan Kaos dengan Menggunakan Metode
Least Square. Kediri: Distro MD 99.
[2] Gasperzs, 2005 . Penerapan metode trend moment
dalam forecast penjualan motor yamaha di pt.
Hasjrat abadi. Jurusan Teknik Informatika,
Universitas Negri Gorontalo, Gorontalo, April
2013.

Mengetahui,
Kediri, 6 Pebruari 2016

Pembimbing 1,

Pembimbing 2,

Dr. Zainal Afandi, M.Pd

NIDN. 0005076902

Ardi Sanjaya, M.Kom

NIDN. 0706118101