Penerapan Metode Exponential Smoothing Untuk Forecasting Penjualan Pakaian Pada Toko Ria Busana

PENERAPAN METODE EXPONENTIAL SMOOTHING
UNTUK FORECASTING PENJUALAN PAKAIAN PADA

TOKO RIA BUSANA
PROPOSAL SKRIPSI
Disusun Oleh :
FIAHATI LAIA
170121194
PROGRAM STUDI TEKNIK INFORMATIKA

SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN KOMPUTER
PELITA NUSANTARA
MEDAN
2021
i
KATA PENGANTAR
Ucapan Syukur ke hadirat Tuhan Yang Maha Esa karena atas berkat dan
rahmatnya, maka penulis dapat menyelesaikan skripsi ini tepat pada waktunya.
Adapun tujuan penulis dalam penyusunan skripsi ini adalah untuk memenuhi
salah salah satu syarat mendapatkan gelar sarjana jenjang Strata-1 Program Studi
Teknik Informatika STMIK Pelita Nusantara Medan. Pada kesempatan ini penulis
juga ingin menyampaikan terima kasih kepada kedua orang tua yang telah
memberi semangat, doa dan bantuan baik secara moril maupun materil. Selama
penyusunan skripsi, penulis banyak menerima bimbingan, nasihat dan bantuan
dari berbagai pihak maka pada kesempatan ini penulis ingin menyampaikan
terima kasih kepada:
1. Bapak Drs. John F. Marpaung, M.A., selaku pembina Yayasan Pendidikan

Demokrat Cemerlang.
2. Ibu Ritha Z. Tarigan, S.E., M.M., selaku ketua Yayasan Pendidikan Demokrat
Cemerlang.
3. Bapak Hengki Tamando Sihotang, S.Kom., M.Kom., selaku Ketua STMIK
Pelita Nusantara Medan.
4. Ibu Fristi Riandari, S.Kom., M.Kom., selaku Wakil Ketua I Bidang
5. Akademik STMIK Pelita Nusantara Medan.
6. Ibu Agustina Simangunsong, S.Kom., M.Kom., selaku Ketua Program Studi
Teknik Informatika STMIK Pelita Nusantara Medan.
7. Bapak Hasanul Fahmi, S.Kom., M.Kom., selaku Dosen Pembimbing dalam
penyelesaian skripsi ini.
8. Bapak/Ibu Dosen STMIK Pelita Nusantara Medan yang telah medidik dan
memberikan pengajaran yang baik selama dalam masa perkuliahan.
9. Seluruh Staff STMIK Pelita Nusantara yang telah membantu penulis dalam
menyelesaiakan segala urusan administrasi.
10. Kepada Ayah dan Ibu beserta saudara/saudariku yang telah memberi semangat
serta memberikan bantuan secara material selama mengikuti pendidikan ini.
11. Teman dan sahabat Teknik Informatika Reguler pagi/Sore yang telah
membantu dalam penyelesaian skripsi ini.
ii
Dalam skripsi ini, penulis menyadari bahwa masih terdapat banyak
kekurangan karena keterbatasan pengetahuan dan pengalaman yang dimiliki. Oleh
karena itu, penulis mengharapkan saran dana kritik yang bersifat membangun dari
para pembaca. Serta beberapa kelebihan yang sepantasnya untuk dipertahankan
bahkan dikembangkan kedapannya.
Demikianlah kata pengantar dari penulis, dan penulis berharap semoga penulisan
skripsi ini dapat memberikan manfaat bagi semua orang yang memerlukannya
Medan, April 2021

Penulis,
Fiahati Laia
iii
DAFTAR ISI
LEMBAR PERSETUJUAN PROPOSAL ...................................................... i

KATA PENGANTAR ..................................................................................... ii
DAFTAR ISI .................................................................................................... iv
DAFTAR GAMBAR ....................................................................................... vi
DAFTAR TABEL ............................................................................................ vii
FAFTAR LAMPIRAN .................................................................................... viii
BAB 1 : PENDAHULUAN ........................................................................ 1
1.1 Latar Belakang ....................................................................... 1
1.2 Rumusan Masalah .................................................................. 3
1.3 Batasan Masalah ..................................................................... 3
1.4 Tujuan Penelitian. ................................................................... 4
1.5 Manfaat Penelitian .................................................................. 4
1.6 Sistematika Penulisan ............................................................. 4
BAB II : LANDASAN TEORI ................................................................... 7
2.1 Data Mining ............................................................................ 7
2.1.1 Metode – Metode Data Mining ........................................... 8
2.1.2 Proses Knowledge Discovery in Database (KDD) ............. 8
2.1.3 Pengelompokan Data Mining .............................................. 11
2.1.4 Langkah-Langkah Data Mining .......................................... 12
2.2 Penjualan ............................................................................... 13
2.3 Peramalan / forecasting .......................................................... 14
2.3.1 Manfaat Peramalan .............................................................. 16
2.4 Data Runtun Waktu (Time Series) .......................................... 17
2.5 Metode Exponential Smoothing ............................................. 19
2.6 Website .................................................................................... 21
2.7 Bahasa Pemograman .............................................................. 22
2.7.1 HTML .................................................................................. 22
2.7.2 CSS (Cascading Style Sheet) .............................................. 23
2.7.3 PHP (Hypertext Preprocessor) ............................................ 24
2.7.4 MySQL ................................................................................. 26
iv
2.8 XAMPP .................................................................................. 26
2.9 Unified Modeling Language (UML) ...................................... 27
2.9.1 Use Case Diagram ............................................................... 28
2.9.2 Activity Diagram ................................................................. 31
2.9.3 Sequence Diagram ............................................................... 32
2.9.4 Class Diagram ..................................................................... 33
BAB III : METODE PENELITIAN .......................................................... 35
3.1 Kerangka Kerja Penelitian ..................................................... 35
3.2 Uraian Kerangka Kerja ........................................................... 37
3.2 Tempat Penelitian ................................................................... 40
BAB IV : ANALISA DAN PERANCANGAN ........................................ 42
4.1 Analisa ................................................................................... 42
4.1.1 Analisa Data ........................................................................ 43
4.1.2 Analisi Kebutuhan Sistem ................................................... 43
4.1.2 Analisa Sistem Yang Dibangun ........................................... 44
4.1.3 Analisis Metode Exponential Smoothing ............................. 45
4.2 Perancangan Sistem ................................................................ 57
4.2.1 Perancangan sistem yang diusulkan .................................... 57
4.2.2 Perancangan Basis Data ...................................................... 67
4.2.3 Perancangan Masukan ......................................................... 69
4.2.4 Perancangan Output ............................................................ 72
4.3 Perancangan Antarmuka ........................................................ 72
DAFTAR PUSTAKA ....................................................................................
LAMPIRAN
v
DAFTAR GAMBAR
Gambar 2.1 Knowledge Discovery in Database (KDD) ................................ 11

Gambar 2.2 Bentuk Umum Pola Acak ............................................................ 17
Gambar 2.3 Bentuk Umum Pola Musiman ..................................................... 18
Gambar 2.4 Bentuk Umum Pola Siklus .......................................................... 18
Gambar 2.5 Bentuk Umum Pola Trend ........................................................... 19
Gambar 2.6 Tampilan XAMPP ........................................................................ 27
Gambar 3.1 Kerangka Kerja Penelitian ......................................................... 36
Gambar 3.3 Lokasi Penelitian RSU Bhayangkara .......................................... 41
Gambar 4.1 Data Transaksi Penjualan Produk ............................................... 43
Gambar 4.2 Use Case Diagram Forecasting Penjualan .................................. 58
Gambar 4.3 Activity Diagram untuk login pada pengguna ............................ 59
Gambar 4.4 Activity Diagram untuk produk .................................................. 60
Gambar 4.5 Activity Diagram untuk periode ................................................... 61
Gambar 4.6 Activity Diagram perhitungan forecasting .................................. 62
Gambar 4.7 Sequence Diagram Login ............................................................ 63
Gambar 4.8 Sequence Diagram Data Produk ................................................. 64
Gambar 4.9 Sequence Diagram periode........................................................... 65
Gambar 4.10 Sequence Diagram Perhitungan ................................................ 66
Gambar 4.11 Class Diagram .......................................................................... 67
Gambar 4.12 Desain Halaman Login .............................................................. 69
Gambar 4.13 Desain Halaman Utama ............................................................. 70
Gambar 4.14 Desain Halaman Data Produk ................................................... 71
Gambar 4.15 Desain input data penjualan ...................................................... 71
Gambar 4.16 Design Halaman Prediksi ......................................................... 72
Gambar 4.17 Perancangan Antarmuka ........................................................... 73
vi
DAFTAR TABEL
Tabel 2.1 Simbol Use Case Diagram .............................................................. 30

Tabel 2.2 Simbol Activity Diagram ................................................................ 31
Tabel 2.3 Simbol Sequence Diagram .............................................................. 32
Tabel 2.4 Simbol Class Diagram .................................................................... 33
Tabel 4.1 Hasil Perhitungan dengan nilai a=0,1 ............................................. 47
Tabel 4.2 Hasil Prediksi Exponential Smoothing dengan nilai a=0,1 ............ 48
Tabel 4.10 Hasil Prediksi Exponential Smoothing dengan nilai a=0,9 .......... 55
Tabel 4.11 Hasil Persentase Error (MAPE) .................................................... 56
Tabel 4.12 Table User ..................................................................................... 68
Tabel 4.13 Table Produk .................................................................................. 68
Tabel 4.14 Table Periode ................................................................................ 68
Tabel 4.15 Table Prediksi ............................................................................... 69
vii
DAFTAR LAMPIRAN
Daftar Riwayat Hidup ....................................................................................... L-1

Surat Keputusan Pembimbing ........................................................................... L-2
Berita Acara Bimbingan ....................................................................................L -3
Surat Balasan Riset ........................................................................................... L-4
viii
BAB 1
PENDAHULUAN
1.1 Latar Belakang
Perkembangan teknologi yang sangat cepat di era sekarang menjadi salah
satu faktor yang memajukan suatu bidang usaha. Sistem terkomputerisasi telah
banyak dipakai diberbagai instansi, organisasi maupun oleh perseorangan dengan
tujuan efisiensi, dan akurasi dengan tujuan agar setiap pekerjaan dapat dilakukan
dengan mudah dan cepat, sehingga untuk menunjang hal tersebut diperlukan suatu
sistem yang dirancang sesuai kebutuhan, maka dalam perencanan suatu kegiatan
yang akan disusun dan dilakukan pada masa mendatang menggunakan data
sebelumnya, dengan demikian sangat penting untuk memahami sistem manajemen
persediaan secara keseluruhan, dan mengembangkan kontrol terhadap persediaan
(Hsieh dan Kleiner, 1992). Salah satu caranya yaitu dengan melakukan peramalan
penjualan, peramalan (forecasting) merupakan salah satu metode di dalam data
mining yang bisa digunakan sebagai alat bantu yang paling penting dalam
perencanaan yang efektif khususnya dalam bidang ekonomi, peramalan
menyediakan prosedur yang mendukung dalam proses perencanaan persediaan
yang meliputi banyak karakteristik seperti, permintaan produk, dan model dari
permintaan dalam kurun waktu tertentu, Dalam peramalan dengan model Time
Series, model ini dapat menggunakan berbagai macam informasi yang ada, dan
tidak hanya permintaan (Aviv, 2003).
1
Untuk dapat melakukan penjualan secara efisien, diperlukan adanya suatu
peramalan yang tepat, sehingga tidak terjadi kelebihan atau kekurangan produk
dan proses pendistribusian produk dapat berjalan lancar. Ria Busana termasuk
dalam bisnis retail, bisnis retail merupakan kegiatan pemasaran yang dilakukan
untuk memenuhi kebutuhan perseorangan, keluarga, rumah tangga yang
merupakan konsumen akhir (Istiatin dan Sudarwati, 2015). Ria Busana tidak dapat
meningkatkan keuntungan dan mengalami kelebihan maupun kekurangan
persediaan jumlah perediaan, selain itu pegolahan data penjualan mengunakan
sistem yang manual, mengakibatkan penjualan terus mengalami kerugian. Maka
pihak perusahaan perlu mengetahui jumlah penjualan produk untuk periode
berikutnya dengan cara meramalkan jumlah penjualannya berdasarkan data-data
yang dimiliki dari periode-periode sebelumnya sehingga sangat diperlukan sebuah
sistem untuk meramalkan penjualan. Peramalan Deret Waktu atau Time series
adalah serangkaian pengamatan terhadap suatu variabel yang diambil dari waktu
ke waktu dan dicatat secara berurutan menurut urutan waktu, dalam peramalan
dengan model Time Series, model ini dapat menggunakan berbagai macam
informasi yang ada, dan tidak hanya permintaan (Aviv, 2003). Salah satu metode
peramalan berdasarkan siklus runtut waktu (time series) adalah dengan
menggunakan metode Exponential Smoothing, metode ini merupakan prosedur
perbaikan terus menerus pada peramalan terhadap objek pengamatan baru dengan
menitikberatkan pada penurunan prioritas lebih tinggi bagi peramalan daripada
observasi yang lebih lama.
Pada penelitian yang dilakukan Sayed Fachrurrazi tentang Peramalan
Penjualan Obat Menggunakan Metode Single Exponential Smoothing Pada Toko
2
Obat Bintang Geurugok pada April 2015, menyatakan dalam penelitiannya
bahwa dengan Metode Exponential Smoothing yang dapat digunakan untuk
meramalkan jumlah persediaan obat, sehingga dengan penerapan metode
Exponential untuk peramalan produk mampu menyelesaikan permasalahan pada
ria busana.
Berdasarkan latar belakang yang telah diuraikan diatas, maka peneliti mengangkat
judul: Penerapan Metode Exponential Smoothing Untuk Forecasting Penjualan
Pakaian Pada Toko Ria Busana.
1.2 Rumusan Masalah
Persediaan produk memiliki kaitan yang erat dengan proses penjualan,
dimana kepuasan konsumen merupakan sesuatu yang sangat penting, akan tetapi
setiap perusahaan akan memiliki tingkat penjualan yang tidak merata sehingga
sering timbul masalah kelebihan atau kekurangan produk. Permasalahan yang
terjadi pada ria busana adalah dalam meramalkan persediaan produk dari tahun
sebelumnya agar tidak terjadinya kelebihan ataupun kekurangan produk maka
dibutuhkan sebuah sistem yang dapat melakukan forecasting dengan
menggunakan metode Exponential Smoothing.
1.3 Batasan Masalah
Untuk membatasi permasalahan yang ada, berikut ini merupakan batasan
masalah yang di akan di bahas:
1. Data yang dipakai untuk forecasting penjualan adalah data penjualan Ria
Busana pada tahun 2019-2020.
2. Perhitungan peramalan menggunakan metode Exponential Smoothing.
3
3. Aplikasi yang digunakan dalam pembangunan prototype yaitu XAMPP
dan sublime text.
1.4 Tujuan Penelitian.
Dari penjabaran rumusan masalah diatas, berikut ini merupakan tujuan dari
penelitian sebagai berikut :
1. Untuk membuat perancangan dan analisa sistem dalam menentukan
peramalan penjualan produk di ria busana.
2. Agar tidak terjadinya kelebihan atau kekurangan persediaan produk pada
Ria Busana menggunakan peramalan dengan metode Exponential
Smoothing.
1.5 Manfaat Penelitian
Manfaat yang diperoleh dari penelitian pembuatan Sistem Pendukung
Keputusan penjurusan ini antara lain:
1. Dapat memberikan pengetahuan dan pengalaman dalam menerapkan
peramalan dengan metode exponential smoothing.
2. Dengan analisis menggunakan metode Exponential Smoothing diharapkan
dapat membantu perusahaan dalam proses peramalan penjualan produk
pada periode berikutnya.
3. Penelitian ini bisa dijadikan referensi untuk bahan penelitian selanjutnya.
1.6 Sistematika Penulisan
Adapun sistematika penulisan laporan yang akan dibuat oleh penulis
adalah sebagai berikut:
BAB I : PENDAHULUAN
4
Bab ini akan menjelaskan mengenai latar belakang
pemilihan judul skripsi “Penerapan Metode Exponential
Smoothing Untuk Forecasting Penjualan Pakaian Pada
Toko Ria Busana”, rumusan masalah, tujuan penelitian,
manfaat penelitian, metode penelitian dan sistematika
penulisan.
BAB II : LANDASAN TEORI
Bab ini membahas mengenai landasan teori yang berkaitan
dengan, Peramalan, metode Exponential Smoothing,
database, website, PHP dan MySql .
BAB III : METODE PENELITIAN
Menggambarkan kerangka kerja, menguraikan kerangka
kerja, dan metode penelitian yang digunakan.
BAB IV : ANALISA DAN PERANCANGAN
Bab ini membahas tentang analisa dan perancangan
Penerapan Metode Exponential Smoothing Untuk
Forecasting Penjualan Pakaian Pada Toko Ria Busana.
BAB V : IMPLEMENTASI SISTEM
Pada bab ini menjelaskan tentang implementasi sistem,
kebutuhan sistem dan juga membahas kelebihan dan
kelemahan sistem.
BAB VI : KESIMPULAN DAN SARAN
Bab ini memuat kesimpulan isi dari keseluruhan uraian
bab-bab sebelumnya dan saran-saran dari hasil yang
5
diperoleh yang diharapkan dapat bermanfaat dalam
pengembangan selanjutnya.
6
BAB II
LANDASAN TEORI
2.1 Data Mining
Istilah yang sering digunakan dalam data mining adalah penambangan data,
ekstraksi databases dan dinyatakan sebagai subjek interdisipliner yang
sesungguhnya, dapat didefenisikan dengan berbagai cara. Bahkan istilah data
mining tidak benar-benar menyajikan semua komponen utama.
Menurut Pramudiono dalam Fricles et al (2019 : 21) mengemukakan bahwa
pengertian data mining adalah serangkaian proses untuk menggali nilai tambah
dari suatu kumpulan data pengetahuan yang selama ini tidak diketahui secara
manual‟. Pengertian data mining menurut Turban dalam Fricles et al (2019 : 22)
„data mining adalah proses yang menggunakan teknik statistik, matematika,
kecerdasan buatan, dan mesin learning untuk mengekstraksi dan
mengindentifikasi informasi yang bermanfaat dan pengetahuan yang terkait
berbagai database besar‟.
Berdasarkan beberapa pengertian tersebut dapat ditarik kesimpulan bahwa
data mining adalah suatu teknik menggali informasi berharga yang terpendam
atau tersembunyi pada suatu koleksi data(database) yang sangat besar sehingga
ditemukan suatu pola yang menarik yang sebelumnya tidak diketahui. Kata
mining sendiri berarti usaha untuk mendapatkan sedikit barang berharga dari
sejumlah besar material dasar. Karena itu data mining sebenarnya memiliki akar
yang panjang dari bidang ilmu seperti kecerdasan buatan (artificial intelegent),
machine learning, statistik dan database.
7
2.1.1 Metode – Metode Data Mining
Beberapa metode yang sering disebut dalam literatur dalam literatur data
mining antara lain:
1. Klasifikasi (clasification)
Klasifikasi adalah metode dalam data mining yang paling sering digunkan
untuk menyelesaikan problem-problem di dunia nyata. Klasifikasi merupakan
proses menemukan sebuah model atau fungsi yang mendeskripsikan dan
membedakan data kedalam salah satu kelas yang sudah didefenisikan sebelumnya
menurut Han dan Kamber dalam Fricles et al (2019 : 26)
2. Pengelompokan (clustering)
Clustering dapat digunakan untuk menghasilkan label kelas untuk
sekelompok data. Objek dikelomposokkan berdasarkan prinsip maksimalkan
kemiripan intraclass dan meminimalkan kesamaan antarsen. Yaitu, kelompok
objek dibentuk sehingga objek dalam kelompok memiliki kesamaan yang tinggi
dibandingkan dengan yang lain, tetapi agak berbeda dengan objek dalam
kelompok lain.
3. Asosiasi (assosiaciation)
Asosiasi juga disebut sebagai Market Basket Analysis. Analisis asosiasi
berguna untuk mengungkapkan hubungan yang menarik yang tersembunyi dalam
dataset besar.
2.1.2 Proses Knowledge Discovery in Database (KDD)
Fricles et al (2019 : 29) berpendapat, “Data mining sering juga disebut
Knowledge Discovery in Database (KDD) adalah kegiatan yang meliputi
pengumpulan, pemakaian data historis untuk menemukan keteraturan, pola atau
8
hubungan daam set data berukuran besar”. Knowledge Discovery in Database
(KDD) adalah proses yang dibantu oleh komputer untuk menggali dan
menganalisis sejumlah besar himpunan data dan mengestrak informasi dan
pengetahuan yang berguna.
Data mining mempunyai langkah-langkah yang harus diikuti dalam
menggali informasi yaitu:
1. Input
Langkah awal yang harus dipersiapkan sebelum masu ketahapan proses
yaitu input dengan pemahaman domain yaitu memastikan topik permasalahan
yang akan diselesaikan serta memikirkan target yang akan dicapai.
2. Proses
Dalam tahap proses persipannya adalah pemilihan tugas data mining yaitu
memastikan masalah yang telah didefenisikan mengarah terhadap topik data
mining dalam konsep tertentu.langkah terakhir lakukan proses mining dengan
pencarian untuk menghasilkan keputusan.
3. Output
Tahapan output pola yang dihhasilkan dievaluasi untuk memastikan polo
yang cocok dan layak dijadikan sebagai keputusan akhir.
Pada dasarnya ada enam elemen yang paling esensial dalam pencarian
informasi/pengetahuan dalam KDD:
1. Mengerjakan sejumlah besar data.
2. Diperlukan efesiensi berkaitan dengan volume data.
3. Mengutamakan ketetapan/keakuratan.
4. Membutuhkan pemakaian bahasa tingkat tinggi.
9
5. Menggunakan beberapa bentuk dari pembelajaran otomatis.
6. Menghasilkan hasil yang menarik
Menurut kennedi tampubolon dalam Fricles et al (2019:32) Proses
Knowledge Discovery in Database (KDD) secara garis besar dpat dijelaskan
sebagai berikut:
1. Pembersihan data (data cleaning)
Pembersihan data merupakan proses menghilangkan noise dan data yang
tidak konsisten atau data tidak relevan.
2. Integrasi data (data integration)
Integritasi data merupakan penggabungan data dari berbagai database
kedalam satu database baru.
3. Seleksi data (Data selection)
Data yang sesuai untuk dianalis yang akan diambil dari database.
4. Transformasi data
Data diubah atau digabung kedalam format yang sesuai untuk di proses dalam
data mining.
5. Proses mining
Merupakan suatu proses utama saat metode diterapkan untuk menemukan
pengetahuan berharga dan tersembunyi dari data.
6. Evaluasi pola
Untuk mengidentifikasi pola-pola knowledge based yang ditemukan
7. Presentasi pengetahuan
Merupakan visualisasi dan penyajian pengetahuan mengenai metode yang
digunakan untuk memperoleh pengetahuan yang diperoleh pengguna. Tahap
10
terakhir dari proses data mining ini adalah bagaimana memformulasikan atau aksi
dari hasil analisis yang didapat.
Gambar 2.1 Knowledge Discovery in Database (KDD)
Sumber : Fricles et al, 2019
2.1.3 Pengelompokan Data Mining
Menurut Fricles et al (2019 : 39)Data mining dibagi menjadi beberapa
kelompok berdasarkan tugas yang biasa dilakukan yaitu:
1. Deskripsi
Analisa secara sederhana untuk mencoba mencri cara untuk menggambarkan
pola dan kecenderungan yang terdapat dalam data.
2. Estimasi
Estimasi hampir sama dengan klasifikasi, kecuali variabel target estimasi lebih
kearah numerik dari pada ke arah kategori.
3. Prediksi
11
Prediksi hampir sama dengan klasifikasi dan estimasi, kecuali bahwa dalam
prediksi nilai daari hasil akan ada di masa mendatang, metode dan teknik yang
digunakan dalam klasifikasi dan estimasi dapat digunakan untuk prediksi.
4. Klasifikasi
Dalam klasifikasi, terdapat target variabel kategori. Contoh penggolongan
pendapatan dapat dipisahkan dalam tga kategori, yaitu pendapatan tinggi,
pendapatan sedangdan pendapatan rendah.
5. Pengklusteran
Pengklusteran merupakan penggolongan record, pengamatan, atau
memperhatikan dan membentuk kelas objek-objek yang memiliki kemiripan.
Kluster adalah kumpulan record yang memiliki kemiripan satu dengan yang
lainnya dan memiliki ketidak miripan dengan record-record dalam kluster lain.
Pengklusteran berbeda dengan klasifikasi yaitu tidak adanya variabel target dalam
pengklusteran. Akan tetapi, algoritma pengklusteran mencoba untuk melakukan
pembagian terhadap keseluruhan data menjadi kelopok-kelompok yang memiliki
kemiripan record dalam satu kelompok akan bernilai maksimal, sedangkan
kemiripan dengan record dalam kelompok lain akan bernilaiminimal.
2.1.4 Langkah-Langkah Data Mining
Ada empat tahap yang dilalui dalam Data Mining antara lain menurut Feen
Lee & Juan Santana, dalam Fricles et al (2019 : 42) :
1. Tahap pertama: Precise statement of the problem
Mendefinisikan permasalahan yang ingin diketahui. Misalnya ingin
mengetahui apakah seorang customer berpotensi memiliki kredit macet, atau
mengidentifikasi seorang customer apakah akan pindah ke kompetitor bisnis kita,
12
dan lain sebagainya. Setelah menemukan pertanyaan bisnis yang perlu dijawab
oleh data mining, selanjutnya tentukan tipe tugas untuk menjawab pertanyaan
bisnis tersebut. Tugas dasar yang menjadi dasar algoritma data mining adalah
klasifikasi, regresi, segmentasi, asosiasi dan sequence analisis.
2. Tahap kedua: Initial Exploration
Mempersiapkan data yang menjadi sumber untuk data mining termaksud data
“cleaning” untuk mempelajari polanya. Setelah menemukan defenisi masalah,
langkah berikutnya adalah mencari data yang mendukung defenisi masalah.
Menentukan porsi data yang digunakan mentraining data mining berdasarkan
algoritma data mining yang telah dibuat. Setelah persiapan data selesai dilakukan,
langkah berikutnya adalah memberikan sebagian dataa kedalam algoritma data
mining.
3. Tahap ketiga: Model building and validation.
Validasi apakah data mining memberikan prediksi yang akurat. Setelah training
data selesai dilakukan, data mining tersebut perlu di “uji” atau divalidasi
keakuratannya terhadap data testing.
4. Tahap ke-empat: Deployment. Tahap ini memilih aplikasi yang tepat terhadap
data mining untuk membuat prediksi.
2.2 Penjualan
Penjualan adalah suatu usaha yang terpadu untuk mengembangkan
rencanarencana strategis yang diarahkan pada usaha pemuasan kebutuhan dan
keinginan pembeli yang bertujuan untuk mendapatkan penjualan yang
menghasilkan laba (Nurcahyono, 2012). Penjualan merupakan sumber hidup suatu
perusahaan, karena dari penjualan dapat diperoleh laba serta suatu usaha memikat
13
konsumen yang diusahakan untuk mengetahui daya tarik mereka sehingga dapat
mengetahui hasil produk yang dihasikan. Penjualan adalah suatu transfer hak atas
benda-benda. Dari penjelasan tersebut dalam memindahkan atau mentransfer
barang dan jasa diperlukan orang-orang yang bekerja dibidang penjualan seperti
pelaksnaan dagang, agen, wakil pelayanan dan wakil pemasaran (Nurcahyono
2012).
2.3 Peramalan / forecasting
Peramalan / forecasting sangat penting bagi setiap organisasi, karena hal
ini akan menjadi dasar pengambilan keputusan manajemen yang tentunya akan
mempengaruhi perkembangan organisasi. Metode peramalan berfungsi untuk
memprediksi data runtut waktu (Time Series) beberapa periode yang akan datang
berdasarkan data beberapa periode sebelumnya. Peramalan adalah memprediksi
kejadian yang akan datang dengan menggunakan data-data sebelumnya (data
historis) yang nantinya akan menjadi dasar pengambilan keputusan. (Makridakis,
2008).
Forecasting mempunyai definisi yang beragam, berikut beberapa definisi tentang
forecasting:
1. Perkiraan munculnya sebuah kejadian di masa depan, berdasarkan data yang
ada di masa lampau.
2. Proses menganalisa data histori dan data saat ini untuk menentukan trend di
masa mendatang.
3. Proses estimasi dalam situasi yang tidak diketahui.
4. Pernyataan yang dibuat tentang masa depan.
5. Penggunaan ilmu dan teknologi untuk memperkirakan situasi di masa depan.
14
6. Upaya sistematis untuk mengantisipasi kejadian atau kondisi di masa depan.
Dari beberapa definisi di atas, dapat disimpulkan bahwa forecasthing
berkaitan dengan upaya memperkirakan apa yang terjadi di masa depan, berbasis
pada metode ilmiah (ilmu dan teknologi) serta dilakukan secara sistematis.
(Singgih Santoso, 2016).
Dalam kegiatan produksi, peramalan dilakukan untuk menentukan jumlah
permintaan terhadap suatu produk dan merupakan langkah awal dari proses
perencanaan dan pengendalian produksi. Tujuan peramalan dalam kegiatan
produksi adalah untuk meredam ketidakpastian, sehingga diperoleh suatu
perkiraan yang mendekati keadaan yang sebenarnya. Suatu perusahaan biasanya
menggunakan prosedur tiga tahap untuk sampai pada peramalan penjualan, yaitu
diawali dengan melakukan peramalan lingkungan, diikuti dengan peramalan
penjualan industri, dan diakhiri dengan peramalan penjualan perusahaan.
Prediksi juga menjadi dasar untuk semua keputusan bisnis meskipun tidak
tepat, tetapi organisasi dapat memperoleh gambaran untuk keputusan di masa
mendatang. Dalam melakukan prediksi tidak menutup kemungkinan organisasi
kurang memperhatikan pola data yang dimiliki, sehingga akhirnya menggunakan
metode prediksi yang kurang dari pola data. Hasil prediksi yang diperoleh kurang
maksimal dalam membantu organisasi dalam menentukan langkah-langkah
kedepannya, sehingga pemahaman tentang pola data yang dimiliki menjadi sangat
penting. (Hasanul Fahmi, 2017. Forecasting Error Calculation with Mean
Absolute Deviation and Mean Absolute Percentage Error. Sekolah Tinggi Teknik
Harapan. Medan)
15
2.3.1 Manfaat Peramalan
Metode peramalan biasanya digunakan oleh bagian penjualan dalam
melakukan perencanaan (sales planning) berdasarkan hasil ramalan penjualan,
sehingga informasi peramalan dapat bermanfaat bagi Production Planning and
Inventory Control (PPIC). Dimana peramalan memegang peranan penting, antara
lain: (Hartini, 2011:18)
1. Penjadwalan sumber-sumber yang ada,
2. Peramalan pada tingkat permintaan untuk produk, material, tenaga kerja,
finansial atau jasa adalah input penting untuk penjadwalan.
3. Peramalan dibutuhkan untuk menentukan kebutuhan sumber-sumber di masa
yang akan dating.
4. Menentukan sumber-sumber daya yang diinginkan.
5. Semua organisasi atau perusahaan harus menentukan sumber apa yang mereka
inginkan untuk dimiliki pada jangka panjang.
Untuk mendapatkan rencana produksi yang tepat tentunya harus mempunyai
perkiraan jumlah permintaan konsumen yang tepat. Jadi, peramalan merupakan
titik awal yang sangat penting dalam perencanaan produksi.
2.4 Data Runtun Waktu (Time Series)
Data Runtun Waktu (Time Series) Peramalan didasarkan pada data historis
atau data runtut waktu sehinga memperoleh nilai dugaan dari suatu periode
tertentu. Runtut waktu (Time Series) adalah hasil pengamatan kontinyu atau data
yang disusun berdasarkan urutan waktu (Boedijoewono, 2016) Sebuah runtut
waktu (Time Series) memiliki beberapa pola. Pola-pola tersebut akan terlihat pada
runtut waktu yang sudah digambarkan melalui grafik. Pola-pola tersebut dapat
16
dijelaskan dengan banyaknya kemungkinan hubungan sebab akibat. Adapun pola-
pola umum runtut waktu adalah sebagai berikut (Assuri, 2016).
1. Pola Acak (Random)
Pola yang muncul karena peristiwa yang tidak terduga seperti perang
sehingga menghasilkan pola yang tidak beraturan. Seperti pada Gambar 2.2
pola acak, fluktuasi data berubah-ubah tidak dapat diprediksi.
Gambar 2.2 Bentuk Umum Pola Acak
Sumber : Putri, Eki Novani (2017)
2. Pola Musiman
Pola musiman dihasilkan oleh kejadian yang terjadi secara musiman atau
periodik contoh: iklim, hari besar keagamaan, kwartal waktu tertentu. Seperti
pada gambar 2.3 terjadi peningkatan diperiode 6, 12, dan 18.
17
Gambar 2.3 Bentuk Umum Pola Musiman
3. Pola Siklus
Pola siklus adalah pola perubahan naik atau turun, sehingga siklus ini berubah
dan bervariasi dari suatu siklus ke siklus berikutnya. Pola siklus dihasilkan
oleh pengaruh ekspansi ekonomi.
Gambar 2.4 Bentuk Umum Pola Siklus
4. Pola Trend
Pola trend disebabkan oleh perubahan jangka panjang yang terjadi di sekitar
faktor-faktor yang mempengaruhi data runtut waktu (Time Series). Di dalam
pola trend terjadi peningkatan atau penurunan selama beberapa periode
18
tertentu. Seperti pada gambar 2.5 pola data mempunyai kencenderungan
meningkat.
Gambar 2.5 Bentuk Umum Pola Trend
2.5 Metode Exponential Smoothing
Exponential Smoothing adalah suatu prosedur yang secara terus menerus
memperbaiki peramalan dengan merata-rata nilai masa lalu dari suatu data runtut
waktu dengan cara menurun (exponential). Macam-macam metode Exponential
Smoothing yaitu (Makridakis, 2008)
1. Single Exponential Smoothing
Metode Single Exponential Smoothing menambahkan parameter alpha dalam
model untuk mengurangi faktor kerandoman. Nilai prediksi dapat dicari dengan
menggunakan rumus berikut (Makridakis, 2008)
̂ ̂
dengan :
̂ : nilai prediksi untuk periode berikutnya
: konstanta smoothing
: data sebenarnya pada periode
19
̂ : nilai prediksi pada periode t yang diperoleh dari rata-rata penghalusan
hingga periode t – 1
2. Double Exponential Smoothing
Metode ini menyesuaikan faktor trend yang ada pada pola data. Model ini
menambahkan faktor pertumbuhan (growth factor) atau faktor trend (trend factor)
pada persamaan dasar dari exponential smoothing. Pola data ini terjadi bila data
memiliki kecenderungan untuk naik atau turun terus menerus.
a. Metode Brown’s
Metode ini dikembangkan oleh Brown‟s untuk mengatasi perbedaan yang
muncul antara data aktual dan nilai peramalan apabila ada trend pada
polanya. Persamaan yang digunakan pada metode ini adalah (Makridakis,
2008).
Persamaan yang digunakan untuk membuat peramalan pada periode p yang akan
datang adalah:
dengan
: nilai Exponential Smoothing
: nilai double Exponential Smoothing
: konstanta pemulusan
: perbedaan antara nilai-nilai Exponential Smoothing
20
: estimasi trend
: nilai aktual pada periode t
p : jumlah periode ke depan yang akan diramalkan
2.6 Website
Website atau situs dapat diartikan sebagai kumpulan halaman yang
menampilkan informasi data teks, data gambar diam atau gerak, data animasi
suara, video dan atau gabungan dari semuanya. Baik yang bersifat statis maupun
dinamis yang membentuk satu rangkaian bangunan yang saling terkait dimana
masing–masing dihubungkan dengan jaringan–jaringan halaman (Permana, 2012).
Seluruh manusia yang secara aktif berpartisipasi sehingga internet menjadi
sumberdaya informasi yang sangat berharga. Pengertian website adalah kumpulan
dari halaman-halaman situs, yang biasanya terangkum dalam sebuah domain atau
subdomain, yang tempatnya berada di dalam World Wide Web (WWW) di
internet.Website pertama kali ditemukan oleh Sir Timothy John, Tim Berners-Lee.
Pada 1991 website terhubung dengan jaringan. Tujuan dari dibuatnya website
pada saat itu yakni untuk mempermudah tukar menukar dan memperbaharui
informasi kepada sesama peneliti di tempat mereka bekerja.Website dipubliksikan
ke publik setelah adanya pengumuman dari CERN pada tanggal 30 April 1993.
CERN menyatakan bahwa website dapat digunakan secara gratis oleh semua
orang.Ada 2 macam jenis website, yakni yang website statis dan website dinamis.
Website statis, yakni website yang informasinya merupakan informasi satu arah,
yakni hanya berasal dari pemilik software saja. Umumnya website ini bersifat
tetap, jarang berubah, dan hanya bisa diupdate oleh pemiliknya saja. Contoh dari
website statis ini, yaitu profil perusahaan.Sementara itu, website dinamis
21
merupakan website yang mempunyai arus informasi dua arah, yakni yang berasal
dari penguna dan pemillik, sehingga pengupdate-an dapat dilakukan oleh
pengguna dan juga pemilik website. Contoh dari website dinamis ini, yaitu
Friendster, Multiply, dan Facebook.
2.7 Bahasa Pemograman
Bahasa pemograman yang penulis maksudkan adalah fasilitas komputer
yang disediakan khusus untuk keperluan merancang sebuah web. Banyak sekali
fasilitas yang disediakan khusus untuk keperluan merancang sebuah web, tetapi
yang akan dibahas disini adalah program yang berhubungan dengan proses
perancangan dari sistem yang akan dibangun, diantaranya adalah:
2.7.1 HTML
Sebuah bahasa pemrograman yang digunakan untuk membuat sebuah
halaman web, menampilkan berbagai informasi dan dapat juga digunakan sebagai
link-link menuju halaman web yang lain dengan kode tertentu.
Hypertext markup language (HTML) merupakan bahasa dasar pembuatan
web. HTML menggunakan tanda (mark), untuk menandai bagian-bagian dari text.
HTML disebut sebagai bahasa dasar, karena dalam membuat web, jika hanya
menggunakan HTML maka tampilan web terasa hambar (Rerung, 2018:18).
Hypertext markup language (HTML) merupakan bahasa pemrograman
dasar untuk mengelola website. Akan tetapi, HTML hanya terbatas pada
pembuatan website statis (website yang tidak dapat berinteraksi aktif dengan
user). Maka dari itu, HTML biasa dikombinasikan dengan bahasa pemrograman
web lainnya (Wardana, 2016:3).
22
Menurut Arief (2011:23) “HTML atau HyperText Markup Language
merupakan salah satu format yang digunakan dalam pembuatan dokumen dan
aplikasi yang berjalan dihalaman web”. Sedangkan Menurut Nugroho (2013:5)
“HTML adalah kependekan dari (HyperText Markup Language), merupakan
sebuah bahasa Scripting yang berguna untuk menuliskan halaman Web”.
Berdasarkan pengertian di atas, maka dapat disimpulkan bahwa hypertext
markup language (HTML) merupakan bahasa pemrograman yang digunakan pada
dokumen web atau bahasa standar untuk menyebarkan informasi pada web dan
menampilkan halaman web dimana saja serta bersifat statis .
2.7.2 CSS (Cascading Style Sheet)
CSS (Cascading Style Sheet) adalah bahasa pemrograman yang digunakan
untuk mengatur format HTML, seperti jenis huruf, background, tata letak,
ukurangambar, dan lain – lain. CSS digunakan secara bersamaan dengan HTML.
JikaHTML adalah bahasa untuk mengatur membuat konten terstruktur, sedangkan
CSS digunakan untuk mengatur styledari konten yang terstruktur tersebut (Sibero,
2011).
CSS (Cascading Style Sheet) adalah suatu bahasa stylesheet yang
digunakan untuk mengatur tampilan suatu website, baik tata letaknya, jenis huruf,
warna, dan
semua yang berhubungan dengan tampilan. CSS digunakan untuk memformat
halaman web yang ditulis dengan HTML atau XHTML. Terdapat dua cara yang
bisa diterapkan untuk menggunakan CSS pada sebuah web, yang pertama dengan
membuat CSS langsung di dalam satu file HTML, yang kedua dengan memanggil
CSS tersebut dari file CSS tersendiri (Suryana dan Koesheryatin, 2014).
23
Dari beberapa pendapat diatas dapat disimpulkan bahwa CSS (Cascading
Style Sheets) adalah Salah satu jenis bahasa pemrograman untuk mengatur proses
pengolahan pada komponen tampilan web menjadi bentuk web yang lebih indah
dan menarik.
2.7.3 PHP (Hypertext Preprocessor)
Bahasa pemrograman berupa script yang bersifat open source yang
digunakan untuk membuat halaman website untuk menghasilakn isi web yang
sesuai dengan permintaan client .
Menurut Nugroho (2013:201) “PHP (Hypertext Preprocessor) adalah
Sebuah bahasa pemrograman yang berbentuk Scripting, sistem kerja dari program
ini adalah sebagai interpreter bukan sebagai compiler”.
Menurut Arief (2011:43) “PHP (Hypertext Preprocessor) adalah bahasa
server- side scripting yang menyatu dengan HTML untuk membuat halaman web
yang dinamis”.
PHP adalah bahasa server-side scripting yang menyatu dengan HTML
untuk membuat halaman web yang dinamis. Maksud dari server-side scripting
adalah sintaks dan perintah-perintah yang diberikan akan sepenuhnya akan
dijalankan di server tetapi disertakan pada dokumen HTML. Pembuatan web ini
merupakan kombinasi antara php sendiri sebagai bahasa pemrograman dan
HTML sebagai pembangun halaman web (Hendrianto, 2014).
Dari beberapa pendapat diatas dapat disimpulkan bahwa PHP adalah
bahasa pemrograman yang memiliki aturan untuk membuat halaman web yang
dinamis.
24
PHP sebagai alternatif lain memberikan solusi sangat murah (karena gratis
digunakan) dan dapat berjalan diberbagai jenis platform. PHP adalah skrip
bersifat server-side yang ditambahkan ke dalam HTML. PHP sendiri merupakan
singkatan dari Personal Home Page Tools. Skrip ini akan membuat suatu aplikasi
dapat diintegrasikan ke dalam HTML sehingga suatu halaman web tidak lagi
bersifat statis, namun menjadi bersifat dinamis. Sifat server side berarti
pengerjaan skrip dilakukan di server, baru kemudian hasilnya di kirimkan ke
browser.
2.7.4 MySQL
SQL yang merupakan kepanjangan dari Structured Query Language. SQL
merupakan bahasa terstruktur yang khusus digunakan untuk mengolah database.
MySQL dapat digunakan untuk membuat dan mengola database mulai dari yang
kecil sampai dengan yang sangat besar.
Menurut Anhar (2018:21) “MySQL (My Structure Query Language)
adalah sebuah perangkat lunak sistem manajemen basis data SQL (Database
Management System) atau DBMS dari sekian banyak DBMS, seperti Oracle, MS
SQL, Postagre SQL, dan lain-lain”.
Menurut kadir (2016:2) “MySQL merupakan software yang tergolong
sebagai DBMS (Database Management System) yang bersifat open source”.
Berdasarkan pendapat yang dikemukanan diatas dapat disimpulkan bahwa,
MySQL adalah software yang bersifat open source yang banyak digunakan untuk
membangun aplikasi web serta menjalankan fungsi pengolahan data.
MySQL merupakan software database open source yang paling populer di
dunia, dimana saat ini digunakan lebih dari 100 juta pengguna di seluruh dunia.
25
Dengan kehandalan, kecepatan dan kemudahan penggunaannya, MySQL menjadi
pilihan utama bagi banyak pengembang software dan aplikasi baik di platform
web maupun desktop. Pengguna MySQL tidak hanya sebatas pengguna
perseorangan maupun perusahaan kecil, namun perusahaan seperti Yahoo!,
Alcatel‐ Lucent, Google, Nokia, Youtube, Wordpress dan Facebook juga
merupakan pengguna MySQL.
2.8 XAMPP
XAMPP adalah perangkat lunak bebas, yang mendukung banyak sistem
operasi, merupakan kompilasi dari beberapa program. Fungsinya adalah sebagai
server yang berdiri sendiri (localhost), yang terdiri atas program Apache HTTP
Server, MySQL database, dan penerjemah bahasa yang ditulis dengan bahasa
pemrograman PHP dan Perl. Bagian penting dari XAMPP yang diasa digunakan:
1. htdoc adalah folder tempat meletakkan berkas-berkas yang akan dijalankan,
seperti berkas PHP, HTML dan skrip lain.
2. phpMyAdmin merupakan bagian untuk mengelola basis data MySQL yang
ada dikomputer. Untuk membukanya, buka browser lalu ketikkan alamat
1http://localhost/phpMyAdmin, maka akan muncul halaman phpMyAdmin.
3. Kontrol Panel yang berfungsi untuk mengelola layanan (service) XAMPP.
Seperti menghentikan (stop) layanan, ataupun memulai (start).
26
Gambar 2.6 Tampilan XAMPP
Sumber : Screenshoot XAMPP, 2020.
2.9 Unified Modeling Language (UML)
Unified Modeling Language (UML) adalah standarisasi bahasa pemodelan
untuk membangun perangkat lunak yang dibangun dengan menggunakan teknik
pemrograman berorientasi objek (Shalahuddin dan Rosa, 2018).
Unified Modeling Language (UML) adalah sebuah bahasa yang sudah
menjadi standar dalam industri untuk visualisasi, merancang, dan
mendokumentasikan sistem. UML menawarkan sebuah standart untuk merancang
model sebuah sistem. Dengan menggunakan UML kita dapat membuat model
untuk semua jenis aplikasi piranti lunak, dimana aplikasi tersebut dapat berjalan
pada piranti keras, sistem operasi dan jaringan apapun serta ditulis dalam bahasa
pemograman apapun.
Diagram UML dapat dibagi dalam dua kelompok besar yaitu : Behavior
Diagram dan Stuctural diagram, Behavioral diagram digunakan untuk
menggambarkan , menunjukkan mengembangkan dan mendokumentasikan aspek-
aspek dinamis dari sebuah sistem. Behavioral terdiri dari :
27
1. Use case Diagram
2. Sequence Diagram
3. Activity Diagram
4. Class Diagram
Sedangkan Structural diagram yang digunakan untuk menggambarkan,
menunjukan, mengembangkan, dan mendokumentasikan aspek-aspek suatu
sistem. Struktural diagram terdiri dari :
1. Class diagram dan Objek Diagram
2. Component Diagram
3. Deployment Diagram
2.9.1 Use Case Diagram
Use case diagram merupakan pemodelan untuk menggambarkan kelakuan
(behavior) sistem yang akan dibuat. Use Case Diagram digunakan untuk
mengetahui fungsi apa saja yang ada didalam sebuah sistem dan siapa yang
berhak menggunakan fungsi-fungsi tersebut. Use case digunakan untuk
mengetahui fungsi apa saja yang ada di dalam sebuah sistem informasi dan siapa
saja yang berhak menggunakan fungsi fungsi itu. (Rosa dan sahaluddin, 2018).
Bagian-bagian Use Case Diagram adalah sebagai berikut :
1. Actor
Actor adalah Seseorang atau sesuatu diluar sistem yang berinteraksi
dengan sistem.
28
2. Use case
Use case adalah urutan aksi yang dilakukan oleh sistem, menghasilkan
hasil yang bernilai dan dapat dilihat oleh actor. Ada 2 cara untuk menyatakan
hubungan antar use case yaitu :
a. Inclusion
Include relationship antara use case berarti bahwa use case dasar secara
jelas memesukkan tingkah laku dari use case yang lain pada lokasi yang
sudah ditentukan di use case dasar,
b. Etxtensions
Extend relationship antara use case berarti bahwa use case base (base use-
case) secara tersirat memasukkan behavior use case yang lain pada lokasi
tertentu dengan memperluas use case dasar. Use case dasar bisa berdiri
sendiri tetapi pada kondisi tertentu, behavior use case tersebut dapat
diperluas dengan memasukkan behavior use case yang lainSebuah use
case merepresentasikan sebuah interaksi antara aktor dengan system.
1. Relasi Dalam Use Case
Adapun relasi dalam use case yang sering digunakan dalam menggabung
metode adalah sebagai berikut:
a. Association, menghubungkan link antar element.
b. Generalization, disebut juga inheritance (pewarisan), sebuah elemen dapat
merupakan spesialisasi dari elemen lainnya.
c. Dependency, sebuah element bergantung dalam beberapa cara ke elemen
lainnya.
2. Tipe Relasi Yang Mungkin Terjadi Pada Use Case Diagram:
29
a. <<include>> , yaitu kelakuan yang harus terpenuhi agar sebuah event dapat
terjadi.
b. <<extends>>, kelakuan yang hanya berjalan di bawah kondisi tertentu seperti
menggerakkan alarm.
c. <<communicates>>, mungkin kelakuan ditambahkan hanya untuk asosiasi
yang menunjukkan asosiasinya adalah communicates association.
Simbol-simbol yang di gunakan dalam membuat sebuah use case diagram
dapat dilihat pada tabel 2.3.
Tabel 2.1 Simbol Use Case Diagram

No Simbol Keterangan
1. Representasi dari siapa saja yang berinteraksi
dengan use case dalam sebuah sistem.

Actor
2. Deksripsi suatu set aksi yang dikerjakan oleh
sistem.
Use case
3. Penghubung actor dan use case
Transition
4.
Extend Relasi use case tambahan
5.
Relasi use case tambahan ke sebuah use case
dimana use case yang di tambahkan
Include
memerlukan use case ini untuk menjalankan
fungsinya
Sumber : Shahaludin dan Rosa (2018)
30
2.9.2 Activity Diagram
Activity diagram menggambarkan berbagai alir aktivitas dalam sistem
yang sedang di rancang, bagaimana masing masing alir berawal, decision yang
mungkin terjadi, dan bagaimana mereka berakhir.
Activity diagram merupakan state diagram khusus, di mana sebagian
besar state adalah action dan sebagian besar transisi di-trigger oleh selesainya
state sebelumnya (internal processing).
Simbol-simbol yang di gunakan untuk menggambarkan activity diagram
Tabel 2.2 Simbol Activity Diagram
No Gambar Nama Keterangan

1 Actifity Memperlihatkan
bagaimana masing-masing
kelas antarmuka saling
berinteraksi satu sama lain
2 Action State dari sistem yang
mencerminkan eksekusi
dari suatu aksi
3 Initial Node Bagaimana objek dibentuk
atau diawali.
4 Actifity Final Bagaimana objek dibentuk
Node dan dihancurkan
5 Fork Node Satu aliran yang pada
tahap tertentu berubah
menjadi beberapa aliran
2.9.3 Sequence Diagram
31
Diagram sequence menggambarkan kelakuan/perilaku objek pada use case
dengan mendeskripsikan waktu hidup objek dan massage yang di kirimkan dan
diterima antar objek.
Sequence diagram menggambarkan interaksi antar objek di dalam dan di
sekitar sistem (termasuk pengguna, display, dan sebagainya) berupa message yang
digambarkan terhadap waktu. Sequence diagram terdiri atar dimensi vertikal
(waktu) dan dimensi horizontal (objek-objek yang terkait). Sequence diagram
biasa digunakan untuk menggambarkan skenario atau rangkaian langkah-
langkahyang dilakukan sebagai respons dari sebuah event untuk menghasilkan
output tertentu.
Simbol-simbol yang di gunakan untuk menggambarkan sequence diagram
Tabel 2.3 Simbol Sequence Diagram

No Simbol Keteranagan
1.
Mengirim pesan
Message
2.
Masa hidup suatu objek
Object Live Time

3.
Aktivasi
Aktivation
4.
Balasan pesan atas pengiriman message
Message (Return)
32
2.9.4 Class Diagram
Class diagram menggambarkan struktur sistem dari segi pendefenisian
kelas-kelas yang akan dibuat untuk membangun sistem. Kelas memiliki apa yang
di sebut atribut dan metode atau operasi. Atribut merupakan variabel variabel
yang di miliki oleh suatu kelas. Operasi metode adalah fungsi fungsi yang dimiliki
oleh suatu kelas.
Simbol –simbol class diagram untuk menggambarkan class diagram dapat
dilihat pada tabel 2.6.
Tabel 2.4 Simbol Class Diagram

No Simbol Nama Keterangan
Hubungan dimana objek anak
(descendent) berbagi perilaku dan

1 Generalization
struktur data dari objek yang ada di
atasnya objek induk (ancestor).
Upaya untuk menghindari asosiasi

Nary
dengan lebih dari 2 objek.
2
Association
Himpunan dari objek-objek yang
3 Class berbagi atribut serta operasi yang
sama.
Deskripsi dari urutan aksi-aksi yang
ditampilkan sistem menghasilkan

4 Collaboration
suatu hasil yang terukur bagi suatu
aktor.
33
No Simbol Nama Keterangan
Operasi yang benar-benar dilakukan
oleh suatu objek.

5 Realization
Hubungan dimana perubahan yang
terjadi pada suatu elemen mandiri
6 Dependency (independent) akan mempegaruhi
elemen yang bergantung padanya
elemen yang tidak mandiri
Apa yang menghubungkan antara
objek satu dengan objek lainnya

7 Association
Sumber : Shalahuddin dan Rosa (2018)
34
BAB III
METODE PENELITIAN
3.1 Kerangka Kerja Penelitian
Dalam metode penelitian akan dijabarkan langkah-langkah yang akan
dilakukan dalam penelitian. Metode penelitian tersebut digambarkan dalam
bentuk kerangka kerja. Sebuah kerangka kerja penelitian merupuakan proses-
proses yang dilakukan dalam penelitian untuk mempermudah pemahaman dapat
membantu penulis untuk mendapatkan hasil akhir yang sesuai dan akurat.
Kerangka kerja penelitian yang diterapkan penulis dapat dilihat pada gambar 3.1.
35
Mulai
Identifikasi Masalah
Penetapan Tujuan
Pengumpulan Data
1. Menentukan kebutuhan data penelitian
2. Mengumpulkan data
3. Menyiapkan alat dan bahan penelitian
Studi Literatur Observasi

1.Menetukan Metode yang digunakan Wawancara dengan pimpinan
2.Mempelajari Metode Exponential atau pegawai di ria busana
Smoothing
Analisa Data
1. Analisa Kebutuhan sistem
2. Analisa sistem yang dibangun
Metode Peramalan
Exponential Smoothing
Implementasi
Kesimpulan dan
Saran
Selesai
Gambar 3.1 Kerangka Kerja Penelitian
36
3.2 Uraian Kerangka Kerja
Dari gambar 3.1 adalah langkah-langkah proses penelitian yang akan
dijelaskan sebagai berikut.
1. Identifikasi masalah
Pada tahap ini dilakukan identifikasi masalah untuk mengetahui dan
memahami permasalahan. Peneliti harus mengidentifikasi permasalahan
yang ada pada ria busana. Masalah yang diketahui dari hasil identifikasi
masalah ini nantinya akan menjadi inti permasalahan yang akan
diselesaikan. Pada penelitian ini, permasalahan yang dapat diidentifikasi
yaitu Ria Busana mengalami kelebihan maupun kekurangan jumlah
perediaan sehingga tidak dapat meningkatkan keuntungan, selain itu
pegolahan data penjualan mengunakan sistem yang manual,
mengakibatkan penjualan terus mengalami kerugian.
2. Penetapan Tujuan
Setelah permasalahan dapat teridentifikasi maka langkah selanjutnya
adalah menetapkan tujuan. Penetapan tujuan penelitian merupakan suatu
target yang ingin dicapai dalam upaya meneyelesaikan suatu permasalahan
yang sedang diteliti. Suksesnya penelitian dapat dilihat dari tujuan
penelitian apakah sudah sesuai dengan yang diharapkan atau tidak.
3. Pengumpulan Data
Penelitian ini menggunakan beberapa metode dalam pengumpulan data
yang dibutuhkan. Berikut ini adalah beberapa metode yang dilakukan oleh
peniliti dalam proses pengumpulan data :
a. Studi Pustaka
37
Dilakukan untuk memperoleh data sekunder peneliti, dengan
melakukan penelaahan teori-teori yang berkaitan dengan topik
penelitian yang berasal dari sumber-sumber penelitian kepustakaan.
Sumber-sumber penelitian kepustakaan dapat diperoleh dari buku,
jurnal, majalah, hasil-hasil penelitian terdahulu yang telah
dipublikasikan (tesis dan disertasi) dan sumber lainnya (internet, surat
kabar dan lain-lain) yang sesuai dengan topik penelitian.
b. Observasi
Observasi merupakan suatu aktivitas pengumpulan data yang
dilakukan oleh observer (orang yang melakukan observasi) dengan
cara pengamatan langsung ke lapangan terhadap subjek dan objek
penelitian, dalam hal ini metode yang dipakai yaitu data histori
perusahaan, dokumentasi, dan wawancara. Peneliti memfokuskan pada
produk pakaian di Ria Busana yang berada di Jl. Iskandar Muda,
Medan Baru, Sumatera Utara. Wawancara adalah proses pengumpulan
data yang berbentuk serangkaian pertanyaan yang diajukan kepada
pemilik perusahaan ataupun staff pegawai. Tujuan dari wawancara
yang dilakukan yaitu untuk mendapatkan informasi yang terperinci dan
relevan dengan tujuan penelitian. Wawancara mendalam adalah cara
langsung yang tidak terstruktur untuk memperoleh informasi.
Wawancara mendalam bermanfaat untuk pemeriksaan responden
secara terperinci, misalnya mengetahui pertimbangan-pertimbangan
dalam memilih suatu produk, mengetahui faktor-faktor internal
38
maupun external mengenai unit penjualan produk yang naik atau turun,
dan juga minat konsumen terhadap suatu produk tertentu.
4. Analisa Data
Analisis data merupakan sebagai upaya pengolahan data menjadi
informasi sehingga dapat dengan mudah dipahami dan bermanfaat untuk
menjawab masalah-masalah yang berkaitan dengan penelitian. Dalam
pengerjaan penelitian ini ada beberapa langkah nyata yang dilakukan oleh
penulis sebagai berikut :
a. Meminta data untuk dilakukan penelitian, dalam hal ini data penjualan
produk pada periode tahun 2020 untuk selanjutnya diolah oleh penulis.
b. Setelah mendapatkan data, penulis akan menghitung menggunakan
metode exponential smoothing.
c. Setelah didapat hasilnya, penulis akan menguji untuk mengetahui
keakuratan dan tingkat kesalahan peramalan.
5. Metode Peramalan Exponential Smoothing
Peramalan dilanjutkan dengan menggunakan penghalusan eksponential
(exponential smoothing) yang melibatkan lebih sedikit catatan yang
mempertahankan data masa sebelumnbya dan mudah untuk digunakan
secara wajar. Secara matematis formula penghalusan eksponensial dapat
diperlihatkan sebagai berikut:
Ft = Ft-1 + α (At-1 - Ft-1)
Dimana :
Ft = peramalan yang baru
Ft-1 = peramalan periode sebelumnya
39
At-1 = permintaan actual periode lalu
α = penghalusan (atau bobot), konstan (0 ≤ α ≤ 1)
Dimana α adalah bobot, atau penghalusan konstan (smoothing
constant), dipilih oleh peramal, yang memiliki nilai lebih tinggi daripada
atau setara dengan 0 dan kurang dari atau setara dengan satu. Pada
penelitian ini perhitungan penghalusan eksponensial akan menggunakan α
= 0,10 dan α = 0,40
6. Implementasi
Pada proses ini merupakan proses mengimplementasikan desain yang telah
dibuat menjadi suatu perangkat lunak dengan menerapkan pengcodingan.
Coding dilakukan dengan menggunakan Bahasa pemograman web, dengan
aplikasi xampp sebagai web server.
7. Kesimpulan dan Saran
Tahap ini merupakan tahap terakhir dari penelitian. Tahap ini dilakukan
setelah melakukan analisis data dan mendapatkan kesimpulan atas
penelitian yang dilakukan. Selanjutnya hasil kesimpulan yang didapatkan
digunakan untuk memberikan saran-saran perbaikan kepada pihak terkait
dan saran-saran perbaikan untuk penelitian serupa yang mungkin akan
dilakukan di masa yang akan datang.
3.2 Tempat Penelitian
Penelitian ini dilakukan di Ria Busana., Ria Busana menyediakan berbagai
produk fashion mulai dari pakaian wanita, pakaian pria, pakaian anak pria dan
anak wanita serta sandal dan sepatu untuk semua usia, saat ini Ria Busana sudah
99 gerai dan tersebar di seluruh Indonesia, untuk penelitian ini penulis mengambil
40
cabang yang berlokasi di Jl. Iskandar Muda, Kec. Medan Baru, Kota Medan,
Sumatera Utara 20222.
Gambar 3.3 Lokasi Penelitian RSU Bhayangkara
41
BAB IV
ANALISA DAN PERANCANGAN
Analisa adalah langkah dalam memahami permasalahan yang akan
dipecahkan sebelum melakukan perancangan sistem. Perancangan adalah proses
membuat detail sistem dari hasil analisa menjadi sebuah perancangan sistem yang
mudah dimengerti oleh user.
4.1 Analisa
Analisa pada Produk Ria busana dilakukan dengan cara menganalisa pola
data transaksi penjualan yang didapat dari setiap bulannya, dengan menganalisa
sebuah pola yang terkandung didalam data transaksi Produk Ria busana
mendapatkan inhalamanasi mengenai produk-produk terunggul atau produk yang
paling diminati para konsumenya, dimana hasil inhalamanasi tersebut digunakan
sebagai acuan untuk tindakan dalam mengembangkan bisnis. Seperti,
memperbayak jumlah persediaan produk, dan mengembangkan produk terunggul
di setiap bulanya. Adapun atribut dalam data transaksi yang dianalisa adalah
tanggal transaksi, dan nama produk, dari kedua atribut tersebut pihak Ria Busana
menganalisa pola data transaksi, misalnya dari pola data transaksi satu bulan
diketahuinya beberapa konsumen yang berbeda telah membeli produk atau item
yang sama, dari diketahuinya inhalamanasi tersebut dilakukan pencatatan terhadap
jumlah produk atau item yang paling sering dibeli konsumen dari setiap bulanya.
42
4.1.1 Analisa Data
Analisa Data adalah suatu proses atau upaya pengolahan data menjadi
sebuah inhalamanasi baru agar karakteristik data tersebut menjadi lebih mudah
dimengerti dan berguna untuk solusi suatu permasalahan, khususnya yang
berhubungan dengan penelitian. Analisis data yang dipajankan dalam penelitian
ini meliputi analisis data transaksi penjualan pada Ria Busana pada Mei 2020.
Adapun data yang peroleh dari hasil penelitian dapat dilihat pada gambar 4.1
sebagai berikut.
Gambar 4.1 Data Transaksi Penjualan Produk
Sumber : Pengolahan Data Ria Busana
4.1.2 Analisi Kebutuhan Sistem
Pada Analisis kebutuhan sistem adalah tahapan yang dilakukan penulis
untuk menentukan kebutuhan kebutuhan sistem. Dari hasil analisa system yang
43
berjalan, penulis dapat mengambil kesimpulan bahwa sistem yang akan dibuat
harus dapat memenuhi kebutuhan-kebutuhan berikut :
1. Sistem dapat melakukan login berdasarkan hak akses user.
2. Sistem dapat melakukan input data berdasarkan penjualan produk setiap
bulan.
3. Sistem dapat melihat dan mencetak rekap hasil penjualan produk setiap
tahun.
4. Sistem dapat melakukan prediksi/peramalan dari hasil penjualan produk
diperiode berikutnya berdasarkan hasil data hasil penjualan di periode
sebelumnya yang telah tersimpan dalam database menggunakan metode
single exponential smoothing.
4.1.2 Analisa Sistem Yang Dibangun
Analisa sistem yang dibangun merupakan proses dalam membangun suatu
sistem untuk memprediksi penjualan produk produk terlaris dengan menggunakan
metode Exponential Smoothing. Sistem akan menerima inputan nama produk, dan
data transaksi. Kemudian akan dilakukan perhitungan dengan menerapkan
penghitungan Exponential Smoothing dan menghasilkan keluaran berupa prediksi
penjualan produk dalam waktu yang sudah di tentukan.
1. Analisis Masukan
Analisis masukan yang berupa data masukan dan perhitungan di dalam
sistem. Penjelasan mengenai data masukan dijelaskan pada bagian analisis data.
Sedangkan perhitungan yang digunakan mengacu pada landasan teori.
44
2. Analisis Proses
Analisis proses berupa pemodelan data. Analisis ini dimaksudkan untuk
menggambarkan proses – proses yang terdapat di dalam program aplikasi melalui
sebuah pemodelan. Pemodelan yang digunakan oleh penulis adalah pendekatan
terstruktur dengan pemakaian UML (Unified Modeling Language) yang juga telah
dijelaskan pada landasan teori.
3. Analisis keluaran
Analisis keluaran berupa tampilan program aplikasi yang akan dirancang
pada perancangan antarmuka. Perancangan antarmuka program aplikasi ini
menggunakan bahasa pemograman html, php, css dengan database mysql.
Program aplikasi ini nantinya akan dijalankan pada sistem operasi windows 10
yang disesuaikan dengan sistem operasi yang digunakan oleh penulis dalam
penelitian ini.
4.1.3 Analisis Metode Exponential Smoothing
Metode exponential smoothing merupakan metode peramalan yang cukup
baik untuk peramalan jangka panjang dan jangka menengah, terutama pada
tingkat operasional suatu perusahaan, maka dalam penelitian ini metode Single
Exponential Smoothing lebih cocok digunakan untuk meramalkan hal-hal yang
fluktuasinya secara acak (tidak teratur). Model dari metode Single Exponential
Smoothing yang terbaik didapatkan dengan cara mencari nilai rata-rata kesalahan
yang terkecil, yaitu dengan mengubah kombinasi konstanta yang ada. Pengubahan
kombinasi tersebut dilakukan secara berulang dengan jumlah perulangan sama
dengan jumlah maksimal kombinasi yang bisa didapatkan dari konstanta yang
ada. Model yang akan digunakan pada tahap peramalan kali ini menggunakan satu
45
model saja, karena model yang terbaik akan dicari dengan menggunakan aplikasi
yang akan dibuat.
Untuk pemodelan data yang digunakan adalah data penjualan produk
AGREE pada bulan 5 dari tanggal 1 sampai 15 dengan nilai alpha 0,1 sebagai
berikut:
Dimana :
= Ramalan untuk periode t+1
= Data permintaan pada periode t
= Konstanta penghalusan (0 < < 1)
Secara sederhana Single Exponential Smoothing adalah nilai ramalan lama (Xt)
ditambah α (alpha) dikalikan dengan tingkat kesalahan (Ft -1) dari ramalan yang
lama. Konstanta pemulsan α berfungsi sebagai faktor penimbang.
a. Hasil Prediksi dengan nilai apha (
Berikut ini contoh perhitungan produk AGREE menggunakan metode
Single exponential smoothing pada tanggal 1-15 mei 2020 pada untuk
meramalkan penjualan di berikutnya dengan nilai alpha 0,1 :
Kesalahan Peramalan
46
Dari hasil perhitungan dengan metode Single Exponential Smoothing dengan nilai
konstanta 0,1 ditunjukaan pada tabel berikut .
Tabel 4.1 Hasil Perhitungan dengan nilai
Periode (t) Aktual (Xt) Prediksi Ft (a=0,1) (Xt-Ft)

1 23 23,00 0,00
2 43 23,00 20,00
3 49 25,00 24,00
4 27 27,40 -0,40
5 20 27,36 -7,36
6 26 26,62 -0,62
7 37 26,56 10,44
8 28 27,61 0,39
9 65 27,64 37,36
10 84 31,38 52,62
11 29 36,64 -7,64
12 51 35,88 15,12
13 84 37,39 46,61
14 92 42,05 49,95
15 72 47,05 24,95
16 49,54
Perhitungan Error
Terdapat beberapa metode untuk menghitung kesalahan atau mengevaluasi hasil
peramalan. Salah satu metode untuk mengevaluasi metode peramalan
menggunakan jumlah dari kesalahan-kesalahan yang absolute dan menghitung
kesalahan-kesalahan peramalan dalam bentuk presentase dari pada jumlah. Mean
Absolute Error (MAE) digunakan untuk mengukur ketepatan peramalan dengan
merata-rata kesalahan dugaan (nilai absolut masing-masing kesalahan). MAE
paling berguna ketika orang yang menganalisa ingin mengukur kesalahan
peramalan dalam unit yang sama dengan deret asli. Mean Absolute Presentage
Error (MAPE) digunakan ketika ukuran atau besar variabel ramalan itu penting
dalam mengevaluasi ketepatan ramalan.
47
Data aktual adalah data asli penjualan (Xt) , peramalan (Ft) adalah hasil
dari peramalan Single Exponential Smoothing, Selisih (Error) diperoleh dari data
aktual penjualan produk dikurangi hasil peramalan penjualan, |Xt-Ft| diperoleh
dari selisih (Error) yang dimutlakkan untuk menghilangkan (-) dalam angka.
Sedangkan konsep MAPE adalah (|Xt-Ft| / Xt) × 100 dimana data aktual
penjualan (Xt) dikurangi ramalan penjualan (Ft) dibagi data aktual Xt dan
kemudian dikalikan 100 untuk mencari nilai persentasenya (%). Berikut uraian
dalam bentuk tabel pada produk AGREE dengan menggunakan nilai α (alpha) 0,1.
Tabel 4.2 Hasil Prediksi Exponential Smoothing dengan nilai
Periode Aktual Prediksi Ft (Xt-Ft) Absolute (Xt-Ft)^2 Error

(t) (Xt) (a=0,1)
1 23 23,00 0,00 0,00 0,00 0,00
2 43 23,00 20,00 20,00 400,00 0,87
3 49 25,00 24,00 24,00 576,00 0,96
4 27 27,40 -0,40 0,40 0,16 -0,01
5 20 27,36 -7,36 7,36 54,17 -0,27
6 26 26,62 -0,62 0,62 0,39 -0,02
7 37 26,56 10,44 10,44 108,96 0,39
8 28 27,61 0,39 0,39 0,16 0,01
9 65 27,64 37,36 37,36 1395,40 1,35
10 84 31,38 52,62 52,62 2768,82 1,68
11 29 36,64 -7,64 7,64 58,41 -0,21
12 51 35,88 15,12 15,12 228,67 0,42
13 84 37,39 46,61 46,61 2172,46 1,25
14 92 42,05 49,95 49,95 2494,87 1,19
15 72 47,05 24,95 24,95 622,69 0,53
16 49,54
Total 297,47 10881,17 8,14
MSE 725,4112074
MAE 19,83120914
MAPE 542372133
Perhitungan MSE di peroleh dengan rumus:
48
Perhitungan MAE diperoleh dengan rumus:
Perhitungan MAPE diperoleh dengan rumus:
8,14/15 * 100
Jadi ramalan penjualan produk AGREE pada tgl 16 mei 2020 dengan nilai alpha
0,1 adalah 49 dengan nilai MSE , MAE dan nilai
MAPE 54%.
b. Hasil Prediksi dengan nilai apha (
konstanta 0,2, dan perhitungan nilai error ditunjukaan pada tabel berikut.
Periode Aktual Prediksi (Xt-Ft) Absolute (Xt-Ft)^2 Error

(t) (Xt) Ft (a=0,2)
1 23 23,00 0,00 0,00 0,00 0,00
2 43 23,00 20,00 20,00 400,00 0,87
3 49 27,00 22,00 22,00 484,00 0,81
4 27 31,40 -4,40 4,40 19,36 -0,14
5 20 30,52 -10,52 10,52 110,67 -0,34
6 26 28,42 -2,42 2,42 5,84 -0,09
7 37 27,93 9,07 9,07 82,21 0,32
8 28 29,75 -1,75 1,75 3,05 -0,06
49
9 65 29,40 35,60 35,60 1267,57 1,21
10 84 36,52 47,48 47,48 2254,58 1,30
11 29 46,01 -17,01 17,01 289,48 -0,37
12 51 42,61 8,39 8,39 70,37 0,20
13 84 44,29 39,71 39,71 1576,96 0,90
14 92 52,23 39,77 39,77 1581,56 0,76
15 72 60,18 11,82 11,82 139,60 0,20
16 62,55
Total 269,93 8285,25 5,57
MSE 552,3499079
MAE 17,99549934
MAPE 37,15510573
0,2 adalah 62 dengan nilai MSE 552,3499079, MAE 17,99549934 dan nilai
MAPE 37,155%.
c. Hasil Prediksi dengan nilai apha (
konstanta 0,3 dan perhitungan nilai error ditunjukaan pada tabel berikut.
Periode Aktual Prediksi (Xt-Ft) Absolute (Xt-Ft)^2 Error

(t) (Xt) Ft (a=0,3)
1 23 23,00 0,00 0,00 0,00 0,00
2 43 23,00 20,00 20,00 400,00 0,87
3 49 29,00 20,00 20,00 400,00 0,69
4 27 35,00 -8,00 8,00 64,00 -0,23
5 20 32,60 -12,60 12,60 158,76 -0,39
6 26 28,82 -2,82 2,82 7,95 -0,10
7 37 27,97 9,03 9,03 81,47 0,32
8 28 30,68 -2,68 2,68 7,19 -0,09
9 65 29,88 35,12 35,12 1233,61 1,18
10 84 40,41 43,59 43,59 1899,73 1,08
11 29 53,49 -24,49 24,49 599,75 -0,46
12 51 46,14 4,86 4,86 23,59 0,11
13 84 47,60 36,40 36,40 1324,96 0,76
14 92 58,52 33,48 33,48 1120,91 0,57
15 72 68,56 3,44 3,44 11,81 0,05
50
16 69,59
Total 256,50 7333,73 4,37
MSE 488,9153042
MAE 17,09995662
MAPE 29,13299305
MAPE 29,13%.
d. Hasil Prediksi dengan nilai apha (

(t) (Xt) (a=0,4)
1 23 23,00 0,00 0,00 0,00 0,00
2 43 23,00 20,00 20,00 400,00 0,87
3 49 31,00 18,00 18,00 324,00 0,58
4 27 38,20 -11,20 11,20 125,44 -0,29
5 20 33,72 -13,72 13,72 188,24 -0,41
6 26 28,23 -2,23 2,23 4,98 -0,08
7 37 27,34 9,66 9,66 93,33 0,35
8 28 31,20 -3,20 3,20 10,26 -0,10
9 65 29,92 35,08 35,08 1230,46 1,17
10 84 43,95 40,05 40,05 1603,74 0,91
11 29 59,97 -30,97 30,97 959,26 -0,52
12 51 47,58 3,42 3,42 11,67 0,07
13 84 48,95 35,05 35,05 1228,51 0,72
14 92 62,97 29,03 29,03 842,74 0,46
15 72 74,58 -2,58 2,58 6,67 -0,03
16 73,55
Total 254,19 7029,31 3,70
MSE 468,6206473
MAE 16,94612279
MAPE 24,686729
51
MAPE 24,68%.
e. Hasil Prediksi dengan nilai apha (

(t) (Xt) (a=0,5)
1 23 23,00 0,00 0,00 0,00 0,00
2 43 23,00 20,00 20,00 400,00 0,87
3 49 33,00 16,00 16,00 256,00 0,48
4 27 41,00 -14,00 14,00 196,00 -0,34
5 20 34,00 -14,00 14,00 196,00 -0,41
6 26 27,00 -1,00 1,00 1,00 -0,04
7 37 26,50 10,50 10,50 110,25 0,40
8 28 31,75 -3,75 3,75 14,06 -0,12
9 65 29,88 35,13 35,13 1233,77 1,18
10 84 47,44 36,56 36,56 1336,82 0,77
11 29 65,72 -36,72 36,72 1348,27 -0,56
12 51 47,36 3,64 3,64 13,25 0,08
13 84 49,18 34,82 34,82 1212,45 0,71
14 92 66,59 25,41 25,41 645,68 0,38
15 72 79,29 -7,29 7,29 53,22 -0,09
16 75,65
Total 258,82 7016,76 3,30
MSE 467,7840914
MAE 17,25481771
MAPE 22,03007725
MAPE 22,03%.
52
f. Hasil Prediksi dengan nilai apha (

(t) (Xt) (a=0,6)
1 23 23,00 0,00 0,00 0,00 0,00
2 43 23,00 20,00 20,00 400,00 0,87
3 49 35,00 14,00 14,00 196,00 0,40
4 27 43,40 -16,40 16,40 268,96 -0,38
5 20 33,56 -13,56 13,56 183,87 -0,40
6 26 25,42 0,58 0,58 0,33 0,02
7 37 25,77 11,23 11,23 126,12 0,44
8 28 32,51 -4,51 4,51 20,32 -0,14
9 65 29,80 35,20 35,20 1238,82 1,18
10 84 50,92 33,08 33,08 1094,20 0,65
11 29 70,77 -41,77 41,77 1744,61 -0,59
12 51 45,71 5,29 5,29 28,01 0,12
13 84 48,88 35,12 35,12 1233,21 0,72
14 92 69,95 22,05 22,05 486,06 0,32
15 72 83,18 -11,18 11,18 125,02 -0,13
16 76,47
Total 263,96 7145,54 3,06
MSE 476,3692883
MAE 17,59707199
MAPE 20,41812381
MAPE 20,41%.
g. Hasil Prediksi dengan nilai apha (
53

(t) (Xt) (a=0,7)
1 23 23,00 0,00 0,00 0,00 0,00
2 43 23,00 20,00 20,00 400,00 0,87
3 49 37,00 12,00 12,00 144,00 0,32
4 27 45,40 -18,40 18,40 338,56 -0,41
5 20 32,52 -12,52 12,52 156,75 -0,38
6 26 23,76 2,24 2,24 5,04 0,09
7 37 25,33 11,67 11,67 136,26 0,46
8 28 33,50 -5,50 5,50 30,23 -0,16
9 65 29,65 35,35 35,35 1249,66 1,19
10 84 54,39 29,61 29,61 876,47 0,54
11 29 75,12 -46,12 46,12 2126,91 -0,61
12 51 42,84 8,16 8,16 66,66 0,19
13 84 48,55 35,45 35,45 1256,66 0,73
14 92 73,37 18,63 18,63 347,26 0,25
15 72 86,41 -14,41 14,41 207,64 -0,17
16 76,32
Total 270,07 7342,09 2,93
MSE 489,4723413
MAE 18,0045079
MAPE 19,50296002
0,7 adalah 76 dengan nilai MSE 489,4723413, MAE 18,0045079 dan nilai MAPE
19,50%.
h. Hasil Prediksi dengan nilai apha (

(t) (Xt) (a=0,9)
1 23 23,00 0,00 0,00 0,00 0,00
2 43 23,00 20,00 20,00 400,00 0,87
3 49 39,00 10,00 10,00 100,00 0,26
54
4 27 47,00 -20,00 20,00 400,00 -0,43
5 20 31,00 -11,00 11,00 121,00 -0,35
6 26 22,20 3,80 3,80 14,44 0,17
7 37 25,24 11,76 11,76 138,30 0,47
8 28 34,65 -6,65 6,65 44,20 -0,19
9 65 29,33 35,67 35,67 1272,38 1,22
10 84 57,87 26,13 26,13 682,99 0,45
11 29 78,77 -49,77 49,77 2477,37 -0,63
12 51 38,95 12,05 12,05 145,09 0,31
13 84 48,59 35,41 35,41 1253,80 0,73
14 92 76,92 15,08 15,08 227,46 0,20
15 72 88,98 -16,98 16,98 288,44 -0,19
16 75,40
Total 274,31 7565,47 2,87
MSE 504,3646121
MAE 18,28703676
MAPE 19,1329696
MAPE 19,13%.
i. Hasil Prediksi dengan nilai apha (

(t) (Xt) (a=0,9)
1 23 23,00 0,00 0,00 0,00 0,00
2 43 23,00 20,00 20,00 400,00 0,87
3 49 41,00 8,00 8,00 64,00 0,20
4 27 48,20 -21,20 21,20 449,44 -0,44
5 20 29,12 -9,12 9,12 83,17 -0,31
6 26 20,91 5,09 5,09 25,89 0,24
7 37 25,49 11,51 11,51 132,45 0,45
8 28 35,85 -7,85 7,85 61,61 -0,22
9 65 28,78 36,22 36,22 1311,53 1,26
10 84 61,38 22,62 22,62 511,73 0,37
11 29 81,74 -52,74 52,74 2781,28 -0,65
55
12 51 34,27 16,73 16,73 279,77 0,49
13 84 49,33 34,67 34,67 1202,19 0,70
14 92 80,53 11,47 11,47 131,50 0,14
15 72 90,85 -18,85 18,85 355,45 -0,21
16 73,89
Total 276,06 7790,01 2,89
MSE 519,3340188
MAE 18,40398256
MAPE 19,2985808
MAPE 19,29%.
Dari hasil perhitungan nilai alpha dari 0,1 – 0,9 diperoleh persentase error pada
tabel berikut
Tabel 4.11 Hasil Persentase Error (MAPE)
ALPHA Persentase Error

(MAPE)
0,1 54 %
0,2 37,15 %
0,3 29,13 %
0,4 24,68 %
0,5 22,03 %
0,6 20,41 %
0,7 19,50 %
0,8 19,13 %
0,9 19,29 %
Dari hasil tabel diatas dalam melakukan forecasting dengan menggunakan metode
single exponential smoothing dengan persentase error terendah adalah ,
maka nilai alpha yang digunakan dalam melakukan forecasting produk adalah 0,8.
56
4.2 Perancangan Sistem
Berdasarkan hasil analisis yang sudah dibuat, maka dapat dilakukan
perancangan sistem sebagai dasar pembuatan sistem. Pada tahap perancangan
sistem diawali dengan perancangan sistem yang diusulakan, perancangan basis
data, perancangan masukan, perancangan keluaran dan perancangan antarmuka.
4.2.1 Perancangan sistem yang diusulkan
Pada tahap ini akan dilakukan perancangan terhadap sistem yang
diusulkan. Adapun perancangan dari sistem ini dapat digambarkan dengan Unified
Modelling Language (UML) yang meliputi use case diagram, class diagram,
activity diagram, dan sequence diagram.
a. Use Case Diagram
Diagram yang menggambarkan actor, use case dan relasinya sebagai suatu
urutan tindakan yang memberikan nilai terukur untuk actor. Sebuah use case
digambarkan sebagai elips horizontal dalam suatu diagram UML use case, dapat
dilihat pada gambar 4.2.
57
Penerapan Metode Exponential Smoothing Untuk Forecasting Penjualan
Pakaian Pada Toko Ria Busana
Login
Mengelola Data Produk
include
Mengelola data periode
Admin
Melakukan Proses
Perhitungan
Ubah Password
Logout
Gambar 4.2 Use Case Diagram Forecasting Penjualan
2. Activity Diagram
Activity diagram menggambarkan aktifitas-aktifitas, objek, state, transisi,
state dan event. Activity diagram juga dapat menggambarkan proses paralel yang
mungkin terjadi pada beberapa eksekusi. Adapun activity diagram yang penulis
penulis rancang sebagai berikut :
1. Activity Diagram login.
Activity diagram login berfungsi untuk menjelaskan cara masuk kedalam
sistem. Pada halaman login, admin memasukkan data username dan
58
password untuk mengakses ke dalam sistem. Activity diagram login
ditunjukkan pada gambar 4.3
Admin Sistem
Input Username dan

Password
Invalid
Valid
Halaman Utama
Gambar 4.3 Activity Diagram untuk login pada pengguna
1. Activity Diagram data produk. Activity diagram data produk berfungsi
untuk menjelaskan cara melakukan pengolahan data produk sesuai dengan
kebutuhan, seperti simpan, edit, hapus. Activity diagram data produk
ditunjukkan pada gambar 4.4
59
Admin Sistem
Buka menu data produk Tampil halaman data produk
Input nama produk ya
simpan
Klik tombol simpan Simpan data baru tidak
Ubah data produk ya
ubah
Klik tombol ubah Simpan perubahan data tidak
pilih data produk ya
hapus tidak
klik tombol hapus Hapus Data
Tampil halaman data

produk
Gambar 4.4 Activity Diagram untuk produk
3. Activity Diagram untuk periode.
Activity diagram periode berfungsi untuk menjelaskan cara melakukan
pengolahan periode dimana setiap periode diinputkan berapa produk yang terjual,
. Activity diagram periode ditunjukkan pada gambar 4.5 berikut
60
Admin Sistem
Buka menu periode Tampil halaman periode
Input periode, jumlah

ya
produk
simpan
Klik tombol simpan Simpan data baru tidak
Ubah periode ya
ubah
Klik tombol ubah Simpan perubahan data tidak
pilih data periode ya
hapus tidak
klik tombol hapus Hapus Data
Tampil halaman
periode
Gambar 4.5 Activity Diagram untuk periode
4. Activity Diagram untuk perhitungan.
Activity diagram perhitunganberfungsi untuk menjelaskan cara melakukan
proses penilaian untuk mengetahui forecasting produk yang dipilih. Activity
diagram perhitungan ditunjukkan pada gambar 4.6
61
Admin Sistem
Buka menu perhitungan Tampil halaman perhitungan
Input nilai alpa dan

periode
Klik tombol hitung Tampil hasil perhitungan
Tampil grafik forecasting
Gambar 4.6 Activity Diagram perhitungan forecasting
3. Sequence diagram
Sequence diagram menjelaskan interaksi objek yang disusun berdasarkan
urutan waktu. Secara mudahnya sequence diagram adalah gambaran tahap demi
tahap, termasuk kronologi (urutan) perubahan secara logis yang seharusnya
dilakukan untuk menghasilkan sesuatu sesuai dengan use case diagram. Adapun
bentuk sequence diagram yang penulis rancang sebagai berikut :
1. Sequence diagram Login
Sequence diagram login menggambarkan interaksi admin dengan aplikasi
dan database dalam melakukan login. Adapun bentuk sequence diagram login
yang penulis rancang ditunjukkan pada gambar 4.7
62
form menu
admin form login
utama
proses tbl_login
Input username password Validasi login Koneksi database
usernam password salah
username password valid
Gambar 4.7 Sequence Diagram Login
2. Sequence diagram Menu Data Produk
Sequence diagram data produk menggambarkan interaksi admin dengan
aplikasi dan database dalam melakukan pengolahan data produk. Adapun bentuk
sequence diagram data produk ditunjukkan pada gambar 4.8.
63
form
admin produk
proses tbl_produk
input data produk Simpan data produk Koneksi database()
Edit data produk Koneksi database
Hapus data produk Koneksi database
menampilkan data produk
Gambar 4.8 Sequence Diagram Data Produk
3. Sequence diagram Menu periode
Sequence diagram periode menggambarkan interaksi admin dengan
aplikasi dan database dalam melakukan pengolahan periode dengan produk.
Adapun bentuk sequence diagram perode ditunjukkan pada gambar 4.9
64
form
admin periode
proses tbl_periode
input periode, jumlah produk Simpan data periode Koneksi database()
Edit data periode Koneksi database
Hapus periode Koneksi database
menampilkan halaman periode
Gambar 4.9 Sequence Diagram periode
4. Sequence diagram Menu Perhitungan
Sequence diagram perhitungan menggambarkan interaksi admin dengan
aplikasi dan database dalam melakukan forecasting, setelah input data periode
dilakukan dilakukan maka perhitungan forecasting dapat dilakukan. Adapun
bentuk sequence diagram perhitungan ditunjukkan pada gambar 4.10.
65
form
admin periode
proses tbl_produk tbl_periode
pilih menu perhitungan Koneksi database() Koneksi database()
Koneksi database Koneksi database
Koneksi database Koneksi database
menampilkan hasil forecasting
Gambar 4.10 Sequence Diagram Perhitungan
4. Class Diagram
Class Diagram adalah sebuah spesifikasi yang jika diinstansiasi akan
menghasilkan sebuah objek dan merupakan inti dari pengembangan dan desain
berorientasi objek. Class menggambarkan keadaan (atribut/properti) suatu sistem,
sekaligus menawarkan layanan untuk memanipulasi keadaan tersebut
(metoda/fungsi). Bentuk class diagram dari sistem yang akan dibangun dapat
dilihat pada gambar 4.11
66
user data_periode
id_user : string id_penjualan : string

nama_user : string periode : string
email : string nama_produk : string
username : string jumlah : string
password string tambah():void
tambah():void ubah():void
ubah():void hapus():void
hapus():void
prediksi
data_produk id_prediksi : string
id_penjualan : string
id_produk : string periode : string
nama_produk : string jumlah : string
tambah():void tambah():void
ubah():void ubah():void
hapus():void hapus():void
Gambar 4.11 Class Diagram
4.2.2 Perancangan Basis Data
Tahap perancangan basis data adalah tahap untuk membuat rancangan
tabel data pada database sistem forecasting produk di Ria Busana menggunakan
metode Exponential Smoothing. Tabel-tabel yang terdapat dalam basis data yang
digunakan dalam sistem ini adalah sebagai berikut:
a. Tabel User
Nama Tabel : User
Primary Key : id_user
Fungsi : Untuk menyimpan dan mengakses data user
67
Tabel 4.12 Table User
Field Type Size Keterangan

Id_user Int 8 Primary Key
Nama_user Varchar 225
Email Varchar 225
Username Varchar 225
Password Varchar 225
b. Tabel Produk
Nama Tabel : Produk
Primary Key : id_produk
Fungsi : Untuk menyimpan data produk produk yang akan diuji.
Tabel 4.13 Table Produk

Id_produk Int 8 Primary Key
Nama_produk Varchar 225
c. Tabel Periode
Nama Tabel : periode
Primary Key : id_periode
Fungsi : Untuk menyimpan data penjualan produk produk yang
akan diuji.
Tabel 4.14 Table Periode

Id_periode Int 8 Primary Key
Periode Varchar 225
Nama_produk Varchar 225
Jumlah Int 8
d. Tabel Prediksi
Nama Tabel : prediksi
68
Primary Key : id_prediksi
Fungsi : Untuk menyimpan prediksi penjualan produk.
Tabel 4.15 Table Prediksi

Id_prediksi Int 8 Primary Key
Id_periode Varchar 225
Periode Varchar 225
Jumlah Int 8
4.2.3 Perancangan Masukan
Perancangan masukan merupakan rancangan input berupa halaman untuk
memasukkan data sebagai inhalamanasi yang dihasilkan dari pengolahan data.
Perancangan masukan juga merupakan acuan pembuat aplikasi dalam merancang
dan membangun sistem.
1. Perancangan Halaman Login
Perancangan ini digunakan sebagai pintu masuk ke aplikasi.Pengguna
harus memasukan username dan password yang dimilikinya. Desain halaman
login dapat dilihat pada gambar 4.12.
Gambar 4.12 Desain Halaman Login
69
2. Desain Halaman Menu Utama
Desain halaman utama adalah tampilan halaman setelah login berhasil.
Desain halaman menu utama dapat dilihat pada gambar 4.13 sebagai berikut .
Gambar 4.13 Desain Halaman Utama
3 Desain Halaman Input Data Produk

Desain input ini digunakan untuk menginputkan data produk. Desain
halaman input data produk dapat dilihat pada gambar 4.14 sebagai berikut
70
Gambar 4.14 Desain Halaman Data Produk
3 Desain Halaman Periode Produk

Desain halaman ini digunakan untuk menginputkan periode dan jumlah
penjualan produk setiap periode yang nanti nya akan digunakan untuk proses
forecasting. Desain halaman periode data produk dapat dilihat pada gambar 4.15
sebagai berikut .
Gambar 4.15 Desain input data penjualan
71
4.2.4 Perancangan Output
Perancangan output adalah hasil prediksi yang dihasilkan dari proses input
data dan pengolahan data oleh sistem. Desain halaman perhitungan prediksi dapat
dilihat pada gambar 4.16 sebagai berikut
Gambar 4.16 Design Halaman Prediksi

4.3 Perancangan Antarmuka
Perancangan antarmuka merupakan hubungan di antara elemen-elemen
struktural utama dari program. Perancangan menu dapat memberikan gambaran
mengenai struktur program, perancangan antarmuka digambarkan dalam bentuk
HIPO diagram. Berikut adalah perancangan antarmuka sistem yang akan dibuat
menggunkan HIPO diagram.
72
Login
Menu Utama
Metode
Data Exponential Output Logout
Smoothing
Data Produk Peramalan Grafik Data
Data Periode
Gambar 4.17 Perancangan Antarmuka
73
DAFTAR PUSTAKA
Busana, Kartini. “Analisis Peramalan Penjualan Pakaian Pada Toko Kartini

Busana.”
Fachrurrazi, Sayed. 2015. “Peramalan Penjualan Obat Menggunakan Metode

Single Exponensial Smoothing Pada Toko Obat Bintang.” Jurnal Techsi
7(1): 19–30.
Sianturi, Fricles Ariwisanto, Paska Marto Hasugian, and Agustina Simangunsong.

2019. Data Mining: Teori Dan Aplikasi Weka. Medan: Rudang Mayang.
Setiawan Didik. 2017. Buku Sakti Pemrograman Web. Yogyakarta: START UP
Makridakis, S. et al. 2008. Metode dan Aplikasi Peramalan (terjemahan). Jakarta:

Binarupa Aksara.
A.S Rosa, Shalahuddin M. 2018. Rekayasa Perangkat Lunak. Bandung :

Informatika Bandung.
Winardi, Agung. 2016. “Artikel Skripsi Universitas Nusantara PGRI Kediri

Implementasi Forecast (Peramalan) Penjualan Pakan Sapi Dengan Single
Exponential Smoothing.” Ekonomi Akuntansi 01(08): 1–13.
Fahmi, Hasanul. 2017. “Forecasting Error Calculation with Mean Absolute

Deviation and Mean Absolute Percentage Error.” IOP Conf. Series: Journal
of Physics: Conf. Series".
Kadir, Abdul. 2013. Pemrograman Database MySQL untuk Pemula. Yogyakarta:

Mediakom.
Sidik, Betha. 2012. Pemrograman Web dengan PHP. Bandung: Informatika.
74
DAFTAR RIWAYAT HIDUP
Data Pribadi
Nama : Fiahati Laia

Tempat/TglLahir : Hiliotalua Balakha, 29 November 1996
Alamat : Jl.Letjen Jamin Ginting, GG Sederhana No 12
JenisKelamin : Perempuan
Status : Belum Menikah
Agama : Kristen Protestan
Kewarganegaraa : Indonesia
No Hp : 0822 7749 9231
Email : fiaheart123@gmail.com
Pendidikan Formal
2017 – 2021 : STMIK Pelita Nusantara, Program Studi Teknik
Informatika
2013 – 2016 : SMK SWASTA BNKP DARO-DARO BALAEKHA
2010 – 2013 : SMP N 1 LAHUSA
2005 – 2010 : SD N 077303 HILIGAMBUKHA
Pengalaman Organisasi
2017 - 2019 : Paduan Suara Pelita Nusantara
PengalamanBekerja
-
Demikian daftar riwayat hidup ini saya perbuat dengan sebenar – benarnya.
Medan, April 2021
Fiahati Laia
75

Penerapan Metode Exponential Smoothing Untuk Forecasting Penjualan Pakaian Pada Toko Ria Busana

Diunggah oleh

Informasi Dokumen

Deskripsi:

Judul Asli

Hak Cipta

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Deskripsi:

Hak Cipta:

Penerapan Metode Exponential Smoothing Untuk Forecasting Penjualan Pakaian Pada Toko Ria Busana

Judul Asli:

Diunggah oleh

Deskripsi:

Hak Cipta:

PENERAPAN METODE EXPONENTIAL SMOOTHING

UNTUK FORECASTING PENJUALAN PAKAIAN PADA

PROGRAM STUDI TEKNIK INFORMATIKA

1. Bapak Drs. John F. Marpaung, M.A., selaku pembina Yayasan Pendidikan

Medan, April 2021

LEMBAR PERSETUJUAN PROPOSAL ...................................................... i

Gambar 2.1 Knowledge Discovery in Database (KDD) ................................ 11

Tabel 2.1 Simbol Use Case Diagram .............................................................. 30

Daftar Riwayat Hidup ....................................................................................... L-1

1.1 Latar Belakang

Perkembangan teknologi yang sangat cepat di era sekarang menjadi salah

banyak dipakai diberbagai instansi, organisasi maupun oleh perseorangan dengan

sebelumnya, dengan demikian sangat penting untuk memahami sistem manajemen

persediaan secara keseluruhan, dan mengembangkan kontrol terhadap persediaan

penjualan, peramalan (forecasting) merupakan salah satu metode di dalam data

perencanaan yang efektif khususnya dalam bidang ekonomi, peramalan

menyediakan prosedur yang mendukung dalam proses perencanaan persediaan

tidak hanya permintaan (Aviv, 2003).

untuk memenuhi kebutuhan perseorangan, keluarga, rumah tangga yang

meningkatkan keuntungan dan mengalami kelebihan maupun kekurangan

persediaan jumlah perediaan, selain itu pegolahan data penjualan mengunakan

sistem yang manual, mengakibatkan penjualan terus mengalami kerugian. Maka

pihak perusahaan perlu mengetahui jumlah penjualan produk untuk periode

berikutnya dengan cara meramalkan jumlah penjualannya berdasarkan data-data

yang dimiliki dari periode-periode sebelumnya sehingga sangat diperlukan sebuah

peramalan berdasarkan siklus runtut waktu (time series) adalah dengan

menggunakan metode Exponential Smoothing, metode ini merupakan prosedur

menitikberatkan pada penurunan prioritas lebih tinggi bagi peramalan daripada

observasi yang lebih lama.

Pada penelitian yang dilakukan Sayed Fachrurrazi tentang Peramalan

Penjualan Obat Menggunakan Metode Single Exponential Smoothing Pada Toko

bahwa dengan Metode Exponential Smoothing yang dapat digunakan untuk

meramalkan jumlah persediaan obat, sehingga dengan penerapan metode

Exponential untuk peramalan produk mampu menyelesaikan permasalahan pada

judul: Penerapan Metode Exponential Smoothing Untuk Forecasting Penjualan

Pakaian Pada Toko Ria Busana.

1.2 Rumusan Masalah

Persediaan produk memiliki kaitan yang erat dengan proses penjualan,

sering timbul masalah kelebihan atau kekurangan produk. Permasalahan yang

sebelumnya agar tidak terjadinya kelebihan ataupun kekurangan produk maka

dibutuhkan sebuah sistem yang dapat melakukan forecasting dengan

menggunakan metode Exponential Smoothing.

1.3 Batasan Masalah

Untuk membatasi permasalahan yang ada, berikut ini merupakan batasan

masalah yang di akan di bahas:

Busana pada tahun 2019-2020.

2. Perhitungan peramalan menggunakan metode Exponential Smoothing.

dan sublime text.

1.4 Tujuan Penelitian.

penelitian sebagai berikut :

1. Untuk membuat perancangan dan analisa sistem dalam menentukan

peramalan penjualan produk di ria busana.

2. Agar tidak terjadinya kelebihan atau kekurangan persediaan produk pada

Ria Busana menggunakan peramalan dengan metode Exponential

1.5 Manfaat Penelitian

Manfaat yang diperoleh dari penelitian pembuatan Sistem Pendukung

Keputusan penjurusan ini antara lain:

1. Dapat memberikan pengetahuan dan pengalaman dalam menerapkan

peramalan dengan metode exponential smoothing.

2. Dengan analisis menggunakan metode Exponential Smoothing diharapkan

dapat membantu perusahaan dalam proses peramalan penjualan produk

pada periode berikutnya.