ANALISIS METODE LINEAR REGRESSION UNTUK PREDIKSI PENJUALAN

JAMUR PADA JAMUR KARUNIA BERBASIS WEB

Abdul Munir1,Rachmat Aulia2, Yuyun Dwi Lestari3

Program Studi Teknik Informatika - Sekolah Tinggi Teknik Harapan

Jl. HM Joni No 70 C Medan
a.munir12@yahoo.com

Abstrak

Perkembangan teknologi informasi menjadikan komputer tidak hanya sebagai alat pengolah data, namun sebagai
sarana pendukung untuk menyelesaikan segala pekerjaan baik di kantor maupun di rumah. Penggunaan
komputer juga merambah pada dunia ekonomi dan perdagangan yang berperan sebagai alat bantu dalam
memaksimalkan usaha. Produsen jamur Karunia merupakan unit usaha yang bergerak dalam produksi dan
penjualan jamur tiram. Karena jumlah permintaan setiap bulan bervariasi, sulit menentukan jumlah produksi
setiap bulan secara tepat untuk memaksimalkan laba. Untuk mengantisipasi hal tersebut perlu melakukan
prediksi penjualan, salah satu alternatif pemanfaatan prediksi yang bertujuan untuk memprediksi tingkat
penjualan pada tahun yang akan datang. Pada penelitian ini akan dianalisa menggunakan metode Regresi Linear
Berganda, metode ini merupakan metode sebab akibat atau statistik yang berfungsi untuk menguji sejauh mana
hubungan sebab akibat antara variabel faktor independen (x) terhadap variabel dependen (y). Variabel dependen
yang digunakan adalah volume penjualan jamur, sedangkan variabel independen jumlah jam kerja dan biaya
promosi. Dari hasil analisa menunjukkan biaya promosi (x1) dan jumlah jam kerja (x2) berpengaruh untuk dapat
menaikkan volume penjualan. Jika biaya promosi dan jam kerja dinaikkan dan dilakukan secara terus menerus,
maka diharapkan dapat meningkatkan penjualan pada produsen jamur Karunia.

Kata Kunci: Prediksi, Regresi Linear, MAPE

Abstract

Development of Information Technology Computer makes NO Just as tools of data processing, but as a means to
review Supporters finish Everything Works Both at work and at home. The use of computers also penetrated in
the world economy and trade that act as aids in maximizing the business. The gift mushroom producer is a
business unit engaged in the production and sale of oyster mushrooms. Because the number of requests each
month varied, difficult to determine the amount of production every month appropriately to maximize profits. To
anticipate the need to make sales predictions. An establishment is a waste if the resulting production of excessive
temporary sales below the level of market demand , while the other companies the opportunity to enter the
company's sales regions. One alternative to the use of prediction which aims to predict the level of sales in the
coming year. This research will be analyzed using multiple linear regression method , this method is causal or
statistical methods are used to examine the extent to which a causal relationship between the independent factor
variable (x) to the dependent variable (y).The dependent variable used is the mushroom sales volume , while
independent variable hours of work and promotion costs. From the results of the analysis show the cost of sale
(x1) and the number of hours worked (x2) influence to be able to raise the volume of sales. If the cost of
promotion and increased working hours and carried out continuously, it is expected to increase sales in the gift
of mushroom Karunia producers.

Keyword: Forecasting, Linear Regression, MAPE

1. PENDAHULUAN kompleks, misalnya kebudayaan masyarakat

Dalam ilmu pengetahuan sosial segala sesuatu
itu serba tidak pasti, seperti halnya mengasumsikan
volume penjualan, dan sebagian itu selalu berubah-
ubah dan tidak pasti. Perubahan tersebut
dipengaruhi oleh faktor-faktor yang sangat
sekitar, penghasilan suatu kelompok atau
organisasi. Perubahan hal-hal tersebut sangat sulit
ditentukan secara pasti, untuk mengatasi
permasalahn tersebut perlu mengadakan sebuah
metode teknik prediksi atau forecast .[1]
 Salah satu bahan informasi yang terpenting
dalam melakukan penyusunan rencana produksi
adalah prediksi penjualan, karena merupakan suatu
titik permulaan dalam perencanaan produksi. Suatu
perusahaan dikatakan pemborosan jika produksi
yang dihasilkan berlebihan sementara tingkat
penjualan di bawah permintaan pasar, sedangkan
perusahaan lain berkesempatan bisa memasuki
daerah penjualan perusahaan. Pada penelitian ini
pemanfaatan prediksi akan di optimalkan salah
satunya untuk informasi tingkat penjualan produksi
jamur di Produsen Jamur Karunia yang bertujuan
untuk dapat melihat atau memprediksi tingkat
penjualan pada bulan yang akan datang.
Prediksi merupakan kegiatan untuk
memperkirakan apa yang akan terjadi pada masa
yang akan datang. Proses perkiraan pengukuran
berdasarkan data yang relevan dengan masa lalu
dan dianalisis secara ilmiah menggunakan metode
statistika yang bertujuan untuk memperbaiki
peristiwa yang akan terjadi pada masa yang akan
datang. Dengan kata lain prediksi bertujuan untuk
mendapatkan perkiraan yang bisa meminimumkan
kesalahan prediksi (forecast error) yang biasanya
diukur dengan Standard Error Estimate (SEE),
Mean Absolute Percent Error (MAPE) dan
sebagainya .[2]
Dalam prediksi penjualan ini menggunakan
metode Regresi Linier Berganda, metode ini
merupakan suatu teknik prediksi yang didasarkan
atas analisis perilaku atau nilai masa lalu suatu
variabel yang disusun menurut urutan waktu.
Metode ini berdasarkan atas penggunaan analisis
pola hubungan antara variabel yang akan
diperkirakan dengan variabel waktu.
2. METODE PENELITIAN
Dalam melakukan analisa penulis
menggunakan metode deskriptif, yaitu dengan cara
mengumpulkan data–data yang akan diolah dan
dibuat suatu rumusan sehingga akhirnya sampai
pada suatu kesimpulan. Adapun teknik
pengumpulan data dalam penelitian ini adalah:
1. Penelitian Kepustakaan (Library
Research). Penelitian ini bertujuan untuk
mengumpulkan dan mempelajari serta
menyeleksi bahan-bahan yang diperlukan
untuk penulisan skripsi ini.
2. Analisa data dengan penelitian kelapangan
(Field Research). Penelitian ini bertujuan
untuk memperoleh data secara langsung
dari Jamur Kurnia melalui riset lapangan
dengan menggunakan teknik-teknik
sebagai berikut:
a. Pengumpulan sampel dokumentasi,
laporan ataupun berkas-berkas yang
berhubungan dengan volume data
penjualan, biaya iklan, dan jumlah jam
kerja pegawai pada Jamur Kurnia.
b. Mewawancarai kembali pihak-pihak
yang berkompeten untuk lebih
menguatkan output.
3. Analisa
Menganalisa dan memahami metode yang
akan digunakan dalam pengolahan data
yang telah diperoleh dari tempat
penelitian.
4. Perancangan
Pada tahap ini dilakukan perancangan
awal aplikasi yang akan dibuat, sehingga
akan dihasilkan design interface dan
proses yang siap untuk diimplementasikan.
5. Pengujian (Testing)
Pada tahap ini dilakukan pengujian sistem
untuk mengetahui apakah sistem sudah
sesuai dengan kebutuhan.
6. Implementasi Program (Coding)
Pada tahap ini dilakukan pengkodean
program untuk mengimplementasikan
perancangan sistem forecasting tingkat
penjualan jamur menggunakan bahasa
pemrograman PHP dan program database
menggunakan MySQL.
3. HASIL DAN PEMBAHASAN
Dari prosedur kerja yang telah dibuat, pada
analisis sistem forecasting jumlah penjualan jamur
Koperasi Produsen Jamur Kurnia ini dilakukan
pengumpulan data dan analisis kebutuhan.
Pengumpulan data dilakukan untuk memperoleh
beberapa informasi yang berkaitan dalam
pembuatan aplikasi sistem forecasting yaitu, berupa
data aktual volume penjualan Jamur Karunia
periode tahun 2015.
Analisis kebutuhan terdiri dari kebutuhan
proses, kebutuhan masukan dan kebutuhan
keluaran. Analisis kebutuhan proses, yaitu
menjelaskan bagaimana sistem akan bekerja,
proses-proses apa yang digunakan, mulai dari
masuknya data input yang kemudian diproses oleh
sistem hingga menjadi data output (tampilan akhir
sistem). Analisis kebutuhan masukan (input) terdiri
dari data kunjungan wisatawan. Analisis kebutuhan
keluaran yaitu berupa tampilan aplikasi sistem
forecasting jumlah penjualan jamur untuk periode
mendatang.
3.1 Prediksi (Forecasting)
 Forecasting adalah prediksi (perkiraan)
mengenai sesuatu yang belum terjadi. Forecasting
atau peramalan adalah memperkirakan sesuatu pada
waktu-waktu yang akan datang berdasarkan data
masa lampau yang dianalisis secara ilmiah .[3]
Prediksi merupakan kegiatan untuk
memperkirakan apa yang akan terjadi pada masa
yang akan datang. Proses perkiraan pengukuran
berdasarkan data yang relevan dengan masa lalu
dan dianalisis secara ilmiah menggunakan metode
statistika yang bertujuan untuk memperbaiki
peristiwa yang akan terjadi pada masa yang akan
datang. Dengan kata lain prediksi bertujuan untuk
mendapatkan perkiraan yang bisa meminimumkan
kesalahan prediksi (forecast error) yang biasanya
diukur dengan Standard Error Estimate (SEE),
Mean Absolute Percent Error (MAPE) dan
sebagainya.[2]
3.2 Akurasi Prediksi
Hasil dari prediksi apabila disajikan dalam
diferensiasi teknik yang berbeda tentunya memiliki
hasil yang berbeda. Perlu suatu konsep dalam
menilai teknik mana yang paling optimum dalam
memberikan nilai prediksi berdasarkan pola data
tertentu. Konsep penilain ini akan menghasilkan
berbagai macam metode yang bertujuan untuk
menilai sejauh mana data aktual dengan hasil
prediksi. MAPE (Mean Absolute Percentage Error)
merupakan metode yang digunakan untuk menilai
tingkat keakuratan .[4]
Dalam semua situasi prediksi itu mengandung
derajat ketidakpastian. Kita mengenal fakta ini
dengan memasukkan unsur error atau kesalahan
dalam sebuah prediksi deret waktu. Sumber
penyimpangan dalam prediksi tidak hanya
disebabkan oleh unsur error tetapi ketidakmapuan
suatu model prediksi mengenali unsur yang lain
dalam deret data yang mempengaruhi besarnya
penyimpanagn dalam prediksi [1].
Prediksi (forecasting) tidak mungkin hasilnya
akan benar-benar akurat. Prediksi akan selalu
berbeda dengan data aktual. Perbedaan antara hasil
prediksi dengan data aktual disebut kesalahan
prediksi. Meskipun jumlah kesalahan prediksi tidak
dapat diletakkan tetapi tujuan prediksi adalah agar
kesalahan sekecil mungkin. Jika tingkat kesalahan
tidak kecil, maka hal ini mengindikasikan bahwa
metode prediksi yang digunakan salah atau teknik
ini perlu disesuaikan dengan mengubah parameter.
Kesalahan prediksi (e) adalah perbedaan antara
nilai variabel yang sesungguhnya (x) dengan nilai
prakiraan (f) pada periode yang sama, seperti dapat
dilihat pada gambar dibawah ini:
Dimana:
y’ : hasil prediksi
y : Data aktual
n : Jumlah data
3.3 Metode Regresi Linear
Regresi Linear atau merupakan metode
statistik yang bertujuan untuk membentuk sebuah
model antara variabel dependen (Y) dengan
variabel independen (X). Regresi Linear yang
memiliki satu variabel bebas disebut dengan
Regresi Linear Sederhana, sedangkan Regresi
Berganda diperuntukkan apabila memiliki lebih
dari satu vaariabel bebas. Regresi Linear
menggunakan garis kecenderungan apabila pola
data menunjukkan suatu kecenderunangan, baik
berpola turun atau naik .[4]
Regresi Linear merupakan bagian regresi yang
mencakup hubungan linear satu peubah tak bebas Y
dengan satu peubah bebas X.[5] Analisis regresi
adalah metode untuk menentukan hubungan sebab-
akibat antara satu variabel dengan variabel-variabel
yang lain. Variabel “penyebab” disebut dengan
bermacam-macam istilah yaitu, variabel penjelas,
variabel eksplanatorik, variabel independen, atau
secara bebas, variabel X (karena seringkali
digambarkan dalam grafik sebagai absis atau
sumbu X). Variabel terkena akibat dikenal sebagai
variabel yang dipengaruhi, variabel dependen,
variabel terikat, atau variabel Y. Kedua variabel ini
dapat merupakan variabel acak (random), namun
variabel yang dipengaruhi harus selalu variabel
acak [1].
Bentuk umum Regresi Linear Berganda
sebagai berikut:
Dimana:
Y ̂ : nilai variabel Y hasil prediksi
Y : variabel tak bebas
X : variabel bebas
a : konstanta regresi
b : koefisien regresi
Untuk mencari nilai konstanta a dan koefisien
regresi b dapat dihitung dengan cara pendekatan
matriks, persamaan normal (substitusi), dan metode
kuadrat terkecil. [6] Pada penelitian ini penulis
menggunakan metode kuadrat terkecil, dari
persamaan 2, maka dapat dicari nilai konstanta a
dengan rumus:
Untuk , digunakan rumus:
 sumbernya. Kedua orang Swedia dan satu orang
Finlandia yang mendirikan MySQL AB adalah:
David Axmark, Allan Larsson, dan Michael
“Monty” Widenius .[8]

3.6 Analisa Perhitungan Regresi Linear

Sebelum melakukan analisis perhitungan
prediksi penjualan jamur terlebih dahulu
menyiapkan data mentah dengan tujuan agar data
b1 dan b2 dicari dengan persamaan: tersebut siap untuk diolah selanjutnya dengan
metode Regresi Linear. Sumber data mentah
diperoleh dari Koperasi Produsen Kurnia. Adapun
data yang akan digunakan untuk memprediksi
jumlah penjualan jamur Koperasi Produsen Kurnia
dapat dilihat pada tabel 1.
Tabel 1. Data Volume Penjualan Jamur
3.4 PHP (PHP: Hypertext Prepocessor) Koperasi Produsen Kurnia tahun 2015
Berdasarkan informasi dari situs resmi PHP,
“PHP.net”, PHP (PHP: Hypertext Prepocessor)
merupakan bahasa pemrograman web yang dapat
disisipkan dalam script HTML. Banyak sintaks di
dalamnya yang mirip dengan bahasa C, Java dan
Perl. Tujuan dari bahasa ini adalah membantu para
pengembang web untuk membuat web dinamis
dengan cepat [7].
Setiap program PHP disebut dengan script.
Script berupa file teks, yang dapat dibuat dengan
menggunakan program editor file teks biasa seperti
notepad, edit, vi (dalam lingkungan Unix/linux),
atau lainnya. Editor teks yang digunakan sebaiknya
editor teks yang memungkinkan membuat program
PHP lebih mudah. Script PHP diawali dengan tag
(<?) dan diakhiri dengan tag (?>). Setiap baris
perintah (statement) harus diakhiri dengan
menggunakan tanda titik koma (;). Umumnya setiap
statement dituliskan dalam satu baris. Cara
penulisannnya dibedakan menjadi embedded script
dan non embedded script.

3.5 MySQL
MySQL adalah sebuah perangkat lunak sistem
manajemen basis data SQL atau DBMS yang
multithread, multi-user, dengan sekitar 6 juta
instalasi di seluruh dunia. MySQL AB membuat Berdasarkan data pada tabel 1 diatas, maka
MySQL tersedia sebagai perangkat lunak gratis di diketahui variabel dependen (Y) = Volume
bawah lisensi GNU General Public License (GPL), Penjualan, sedangkan variabel independen (X1) =
tetapi mereka juga menjual dibawah lisensi Jam Kerja dan (X2) = Biaya Promosi. Analisa
komersial. MySQL dapat didownload di situs metode Regresi Linear Berganda dimulai dengan
resminya, http://www.mysql.com. menghitung nilai konstanta a dan koefisien regresi
Tidak seperti PHP atau Apache yang
b1 dan b2. Untuk mencari nilai konstanta a dan
merupakan software yang dikembangkan oleh
koefisien regresi b1 dan b2 digunakan tabel bantu
komunitas umum, dan hak cipta untuk kode sumber
sebagai berikut:
dimiliki oleh penulisnya masing-masing, MySQL Tabel 2. Menentukan Nilai Konstanta Dan
dimiliki dan disponsori oleh sebuah perusahaan Koefisien Regresi
komersial Swedia yaitu MySQL AB. MySQL AB
memegang penuh hak cipta hampir atas semua kode
 Sehingga didapat model persamaan regresi
Berdasarkan tabel 2 diatas maka di
dari hasil perhitungan kasus diatas adalah sebagai
dapatkan:
berikut:

Setelah model persamaan Regresi Linear

didapat, maka tahap selanjutnya adalah melakukan
prediksi penjualan jamur untuk periode mendatang.
Berikut contoh hasil perhitungan prediksi
menggunakan metode Regresi Linear. Prediksi
bulan Januari tahun 2016 dengan X1 = 240 dan X2 =
120.500

Tabel 3 Hasil Prediksi Metode Regresi Linear

Volume Hasil
Bulan (n) Penjualan Prediksi
(Rp.) (Rp.)
Januari 5.000.000
Februari 5.400.000 4.981.721,62
Maret 3.500.000 4.899.700,7
April 3.100.000
Mei 5.300.000
Juni 3.000.000
Juli 4.100.000
Agustus 5.200.000
September 5.500.000
Oktober 4.800.000
November 3.400.000
Desember 4.500.000

Berikut grafik hasil prediksi volume penjualan

Maka diperoleh nilai konstanta a dan jamur Karunia.
koefisien regresi b1 dan b2:
 Gambar 1. Grafik Hasil Prediksi
3.7 Analisis Hasil Akurasi Prediksi
Untuk menghitung kesalahan (error) dalam
melakukan prediksi pada sistem ini, maka penulis
menggunakan rumus MAPE (Mean Absolute
Presentage Error). Contoh perhitungan error
MAPE untuk bulan ke 13 (januari).
MAPE=(244803,76/5000000) /12 = 0,00408006 Gambar 3. Tampilan Halaman Profile
Hasil nilai error selengkapnya seperti yang
tertera pada tabel dibawah ini:
Tabel 4 Pengukuran Ketelitian

Gambar 4. Tampilan Halaman Galery

3.8 Implementasi Program

Pada sistem ini terdapat perbedaan antara hak
akses antar user dan admin. Pada halaman user
terdapat beberapa menu yang bisa diakses dalam
sistem ini yaitu menu home, profile, grafik
penjualan, galeri, dan menu contact. Sedangkan
pada halaman admin terdapat meu home, input
data, grafik penjualan, forecasting, dan menu help.
Sedangkan untuk dapat mengakses halaman admin
maka terlebih dahulu menginputkan username dan
password pada form login yang terdapat halaman
utama user. Pda halaman admin terdapat beberapa Gambar 5. Tampilan Halaman Contuc
menu yang bisa diakses seperti menu home, input
data, grafik penjualan, forecasting, dan menu help.

Gambar 3. Tampilan Halaman Admin

Gambar 2. Tampilan Halaman Home User


Gambar 4. Tampilan Halaman Input Data
Gambar 5. Tampilan Halaman Grafik Penjualan
Gambar 6. Tampilan Halaman Forecasting
4. PENUTUP
4.1 Kesimpulan
Dari hasil analisis yang dilakukan untuk
meramalkan jumlah penjualan jamur Koperasi
Produsen Kurnia, maka dapat diambil
kesimpulannya sebagai berikut:
1. Hasil analisa prediksi volume penjualan jamur
Koperasi Kurnia untuk periode tahun 2016
bulan Januari adalah Rp. 4.755.196, Februari
Rp. 4.981.594, Maret Rp. 4.899.585, April Rp.
4.950.086, Mei Rp. 5.054.170, Juni Rp.
4.738.711, Juli Rp. 4.839.630, Agustus Rp.
4.814.401, September Rp. 4.760.786, Oktober
Rp. 4.808.121, November Rp. 4.871.159, dan
Desember Rp. 4.855.394 dengan nilai error
MAPE = 0,22034.
2. Aplikasi yang dibuat sudah sesuai dengan
metode yang digunakan yaitu metode Regresi
Linear. Dimana hasil pengujian validasi aplikasi
menunjukkan bahwa perhitungan yang
dilakukan oleh aplikasi sudah sesuai dengan
hasil perhitungan secara manual.
3. Aplikasi yang dibuat bisa diakses secara online,
sehingga dapat membantu memudahkan
pengguna dalam mengakses informasi dan
melakukan prediksi untuk mengetahui tingkat
penjualan jamur.
4.2 Saran
Berdasarkan kesimpulan dari penelitian ini
maka saran yang mungkin berguna untuk
perkembangan lebih lanjut pada penelitian skripsi
ini, yaitu sebagai berikut:
1. Sistem forecasting ini perlu dikembangkan lagi
dengan menambahkan analisa pengaruh dari
variabel lain seperti biaya produksi terhadap
volume penjualan, sehingga bisa diketahui
pengaruh atau hubungan dari biaya produksi
dengan tingkat penjualan.
2. Pada penelitian ini penulis hanya menggunakan
salah satu dari metode prediksi yaitu metode
Regresi Linear Berganda. Diharapkan untuk
penelitian selanjutnya sistem dapat
dikembangkan dengan menggunakan metode
yang berbeda atau mengkombinasikan metode
Regresi Linear Berganda dengan metode lain
guna memperoleh sistem yang lebih akurat,
efektif, dan efisien.
5. DAFTAR PUSTAKA
[1]. Haryawan, Hendrayana, Iswahyudi, Christian.
2015. Teknik Peramalan Penjualan Sepeda
Motor Dengan Menggunakan Metode Regresi
Linear Sederhana Pada CV. Niaga Pratama
Motor. STMIK STIKOM. Bali.
[2]. Kristiono, Danang. 2014. Peramalan
(Forecasting) Potensi Pendapatan Asli Daerah
Sebagai Sumber Pendapatan Daerah Kota
Klaten Berbasis Android. AMIKOM.
Yogyakarta.
[3]. Hartanto, Nico, Yulia, dkk. 2010. Sistem
Pendukung Keputusan Pembelian Berdasarkan
Peramalan Penjualan Pada PT. X. Teknologi
Industri Universitas Kristen Petra. Surabaya.
[4]. Tannady, Hendy, Andrew, Fan. 2013. Analisa
Perbandingan Metode Regresi Linear Dan
Exponential Smoothing Dalam Parameter
Tingkat Error. Jurnal Teknik Dan Ilmu
Komputer. Universitas Bina Nusantara.
[5]. Lungan. Richard. 2006. Aplikasi Statistika
Dan Hitung Peluang. Yogyakarta. Graha Ilmu.
[6] Rohmana, Yana. 2007. Analisis Regresi Linear
Berganda Persoalan Estimasi Dan Pengujian
Hipotesis. Universitas Indonesia.

[7] Yuana, Rosihan. 2010. Dasar-dasar

Pemrograman PHP. Komunitas Elearning
Indonesia. IlmuKomputer.org.

[8] Solichin, Achmad. 2010. Pemrograman Web

Dengan PHP Dan MySQL. Universitas Budi
Luhur. Jakarta.