JURNAL

PENERAPAN METODE SINGLE MOVING AVERAGE (SMA) PADA

APLIKASI PERAMALAN PENJUALAN DI KEDAI DIGITAL #24 KEDIRI

THE APPLICATION SINGLE MOVING AVERAGE METHOD ON

SALES FORCASE APPLICATION AT KEDAI DIGITAL #24 KEDIRI

Oleh:
BAYU PUTRA PRASETYA
12.1.03.02.0210

Dibimbing oleh :
1. Ratih Kumalasari N, S.ST., M.Kom
2. Irwan Setyowidodo, S.pd., M.Si

PROGRAM STUDI TEKNIK INFORMATIKA

FAKULTAS TEKNIK
UNIVERSITAS NUSANTARA PGRI KEDIRI
2017
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

SURAT PERNYATAAN
ARTIKEL SKRIPSI TAHUN 2017

Yang bertanda tangan di bawah ini:

Nama Lengkap
NPM
Telepun/HP
Alamat Surel (Email)
Judul Artikel
Fakultas – Program Studi
Nama Perguruan Tinggi
Alamat Perguruan Tinggi
: Bayu Putra Prasetya
: 12.1.03.02.0210
: 08585 4477 191
: bayu.putra1992@yahoo.com
: Penerapan Metode Single Moving Average (SMA) Pada
Aplikasi Peramalan Penjualan di Kedai Digital #24
Kediri
: Teknik - Teknik Informatika
: Universitas Nusantara PGRI Kediri
: Jl. K.H. Ahmad Dahlan No. 76, Mojoroto, Kediri, Jawa
Timur 64112, Indonesia

Dengan ini menyatakan bahwa :

a. artikel yang saya tulis merupakan karya saya pribadi (bersama tim penulis) dan
bebas plagiarisme;
b. artikel telah diteliti dan disetujui untuk diterbitkan oleh Dosen Pembimbing I dan II.

Demikian surat pernyataan ini saya buat dengan sesungguhnya. Apabila di kemudian hari
ditemukan ketidaksesuaian data dengan pernyataan ini dan atau ada tuntutan dari pihak lain,
saya bersedia bertanggungjawab dan diproses sesuai dengan ketentuan yang berlaku.

Mengetahui Kediri,……………..

Pembimbing I Pembimbing II Penulis,

Irwan Setyowidodo, S.Pd., M.Si Ratih Kumalasari N, S. ST., M. Kom Bayu Putra Prasetya
NIDN: 0701098404 NIDN: 0710018501 12.1.03.02.0210
Bayu Putra P| 12.1.03.02.0210 simki.unpkediri.ac.id
Teknik – Teknik Informatika || 1||
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

Penerapan Metode Single Moving Average (SMA) Pada Aplikasi Peramalan

Penjualan di Kedai Digital #24 Kediri

Bayu Putra Prasetya

12.1.03.02.0210
Teknik – Teknik Informatika
Email : bayu.putra1992@yahoo.com
Irwan Setyowidodo, S.Pd.,
M.Si, Ratih Kumalasari N, S. ST., M. Kom
UNIVERSITAS NUSANTARA PGRI KEDIRI

ABSTRAK

Dalam usaha perdagangan tentunya melibatkan penjual dan calon pembeli. Sebagai pihak penjual
tentunya harus siap dengan naik turunyya permintaan pembeli di pasar. Melihat pentingnya
permintaan produk maka penjual harus mampu menyediakan bahan produksi yang siap untuk dijual,
tentunya selain kualias jumlah bahan yang harus disiapkan juga harus tepat. Dengan pengadaan barang
yang tidak tepat akan mengakibatkan out of stock atau over stock. Dari sini makan penjual harus
mampu meprediksi atau meramalkan permintaan pasar nantinya sehingga bisa memenuhi permintaan
konsumen. Penelitian ini menggunakan metode single moving average untuk meramalkan kebutuhan
bahan produksi di masa mendatang, selain itu juga dilengkapi evaluasi nilai peramalan dengan
menggunakan metode mean absolute error sehingga pengguna dapat mengetahui tingkat akurasi
sistem. Proses peramalan yang dilakukan oleh sistem ini menggunaka data-data yang telah direcord
sebelumnya. Uji coba sistem menunjukan hasil nilai peramalan kebutuhan bahan produksi yang harus
disiapkan penjual untuk periode yang akan datang.

KATA KUNCI : Persediaan Bahan Produksi, Single Moving Average, Mean Absolute
Error, Peramalan
yang disebabkan oleh kesalahan
dapat dihindarkan,
I. LATAR BELAKANG
“Dalam kaitannya dengan
Saat ini teknologi
dunia ekonomi perencanaan
mempunyai peranan penting dalam
permintaan dikenal dengan istilah
perdagangan, Sistem informasi
forcase permintaan, forcase
sangat dibutuhkan oleh distributor
permintaan tentang jumlah produk
saat ini karena sistem informasi
yang akan dipesan atau diminta pada
dapat membantu dalam mengambil
dimasa mendatang. Forcase tersebut
keputusan yang diperlukan dan agar
diperoleh dari data permintaan
distributor dapat dengan segera
periode sebelumnya. Dengan adanya
melakukan tindakan perbaikan
peramalan, maka perusaahan dapat
terhadap kerugian-kerugian yang
melakukan pengambilan keputusan
terjadi, sehingga kerugian lebih besar
dalam produksinya, namun dalam
Bayu Putra P| 12.1.03.02.0210 simki.unpkediri.ac.id
Teknik – Teknik Informatika || 2||
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

kegiatan peramalan diperlukan meminimalisir permasalahan

metode-metode tertentu unuk pengadaan bahan produksi tersebut.
meminimalkan kesalahan Peramalan adalah salah satu solusi
peramalan” (Agung, 2010). Kedai untuk mengetahui kebutuhan bahan
Digital #24 merupakan toko yang produksi di masa mendatang
bergerak pada bidang merchandise sehingga perusahaan mampu
yang berlokasi di Jl. Erlangga No 28 mengimbangi permintaan konsumen.
Kota Kediri. Dari beberapa jenis Sistem peramalan ini tentunya juga
merchandise yang diproduksi harus menggunakan metode-metode
terdapat 3 produk yang cukup peramalan tertentu yang sesuai
diminati konsumen antara lain mug dengan kebutuhan. Selain
kw 1, 2, dan tea. Selain karena harga menggunakan metode peramalan
yang cukup terjangkau, proses yang sesuai tingkat kesalahan
pengerjaan yang cukup singkat peramalan pun juga harus
menyebabkan banyak konsumen menggunakan metode tertentu untuk
yang tertarik dengan ketiga produk mengetahui hasil kesalahan pada
ini jika di bandingkan dengan produk peramalan agar mendapatkan nilai
yang lain. akurasi peramalan yang tepat.
Melihat dari tingginya minat Berdasarkan latar belakang
konsumen maka perusahaan harus masalah tersebut, akan dibuat sistem
mampu menyediakan bahan produksi peramalan penjualan dengan metode
yang cukup untuk mengimbangi Single Moving Average
permintaan. Sejauh ini perusahaan menggunakan bahasa pemrograman
belum pernah menerapkan sistem PHP dan database dengan MySQL.
peramalan mengenai stok bahan Dimana nantinya sistem ini akan
produksi yang harus disediakan, dapat digunakan perusahaan tersebut
sehingga setiap kali perusahaan untuk dapat membantu membantu
melakukan pengadaan stok bahan merencanakan strategi pengadaan
produksi terkadang bahan produksi barang yang tepat dan sesuai.
kurang dari yang seharusnya (out of II. METODE
stock) atau kelebihan (over of stock). A. Metode Single Moving Average
Oleh sebab itu dibutuhkan “Metode rata-rata bergerak
suatu sistem atau cara yang mampu tunggal menggunakan sejumlah

Bayu Putra P| 12.1.03.02.0210 simki.unpkediri.ac.id

Teknik – Teknik Informatika || 1||
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

data actual permintaan yang baru perbedaan antara hasil permintaan

untuk membangkitkan nilai dengan permintaan yang
ramalan untuk permintaan dimasa sebenarnya terjadi. Beberapa
yang akan datang. Metode ini metode telah digunakan untuk
akan efektif diterapkan apabila menunjukkan kesalahan yang
kita dapat mengasumsikan bahwa disebabkan oleh suatu teknik
permintaan pasar terhadap produk peramalan tertentu. Hampir semua
akan tetap stabil sepanjang ukuran tersebut menggunakan
waktu” (Gaspersz, 2005). pengrata-rataan beberapa fungsi
Metode ini mempunyai dua dari perbedaan antara nilai
sifat khusus yaitu untuk membuat sebenarnya dengan nilai
forecast memerlukan data historis peramalannya. Perbedaan nilai
dalam jangka waktu tertentu, sebenarnya dengan nilai
semakin panjang moving average peramalan ini biasanya disebut
akan menghasilkan moving sebagai residual” (Arsyad, 1997).
averages yang semakin halus, “Persamaan menghitung
secara sistematis moving average nilai error asli atau residual dari
adalah: (Garpersz, 2005) setiap periode peramalan adalah
sebagai berikut” (Subagyo, 2002).
et = Xt – St
… (1) … (2)
Dimana : Dimana :
Ft+1 = Ramalan Untuk Periode t et = Kesalahan peramalan pada
+1 periode t.
Yt = Nilai Riil periode ke t Xt = Data pada periode t.
n = Jangka waktu moving average St = Nilai peramalan pada periode
nilai n merupakan banyaknya t.
periode dalam rata-rata bergerak. MAD merupakan rata-rata
B. Metode Evaluasi Peramalan kesalahan mutlak selama periode
“Ukuran akurasi hasil tertentu tanpa memperhatikan
peramalan yang merupakan apakah hasil peramalan lebih
ukuran kesalahan peramalan besar atau lebih kecil
merupakan ukuran tentang tingkat dibandingkan kenyataannya.

Bayu Putra P| 12.1.03.02.0210 simki.unpkediri.ac.id

Teknik – Teknik Informatika || 2||
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

MAD (Mean Absolute Deviation) adalah dimana data-data yang telah

berguna ketika mengukur diinputkan dipilih kelmbali sesuai
kesalahan dalam unit yang sama kebutuhan user (sorting) untuk di
sebagai deret asli. Selain itu ramalkan. Proses peramalan untuk
dengan menghitung kembali periode berikutnya dilakukan
MAD (Mean Absolute Deviation) berdasarkan data-data periode
dan hasil peramalan terakhir akan sebelumnya. Bahan produksi yang
menciptakan range pada hasil telah diramalkan hasilnya akan
peramalan periode berikutnya. disimpan ke dalam database.
Secara metematis, MAD Selanjutnya dari hasil peramalan
dirumuskan sebagai berikut akan disesuaikan dengan hasil nyata
(Nasution, 2008) : penjualan, dari sini akan diketahui
A t −F t error peramalan sehingga dapat
𝑀𝐴𝐷 = Σ| |
𝑛
dijadikan evaluasi pengadaan bahan
… (3)
produksi.
Dimana :
A. Diagram Konteks
At = Permintaan Aktual pada
Diagram Konteks adalah bagian
periode –t.
dari Data Flow Diagram (DFD)
Ft = Peramalan Permintaan
yang berfungsi memetakan
(Forecast) pada periode-t.
model lingkungan, yang
N = Jumlah periode peramalan
dipresentasikan dengan
yang terlibat.
lingkaran tunggal yang mewakili
III. HASIL DAN KESIMPULAN
keseluruhan sistem peramalan.
Berikut ini adalah perancangan
Pada Diagram Konteks ini
penerapan metode single moving
pengguna memberikan input
average pada aplikasi peramalan
berupa data bahan produksi
penjualan dimana proses awal
merchandise yang akan
dimulai dari user melakukan login
diramalkan dan mendapatkan
terlebih dahulu sesuai dengan level
output berupa hasil peramalan.
jabatan masing-masing user.
Kemudian user melakukan inputan
data jumlah penjualan sesuai dengan
form yakni juga menginputkan
B. Data Flow Diagram
periode penjualan. Proses berikutnya

Bayu Putra P| 12.1.03.02.0210 simki.unpkediri.ac.id

Teknik – Teknik Informatika || 3||
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

Pada DFD level 0 ini terdapat

empat proses input data
penjualan, input data barang,
input data karyawan dan iput
data peramalan proses
peramalan, dan laporan.
Berdasarkan diagram konteks
sistem ini menggunakan tiga
entitas dimana setiap entitas D. Tampilan Program
diwakili oleh karyawan Tampilan program merupakan
perusahaan yang berperan tampilan form-form yang
sebagai user. terdapat pada aplikasi peramalan
penjualan merchandise. Meliputi
tampilan login, tampilan input
barang, tampilan, tampilan
barang terjual, tampilan
peramalan dan user.
C. Entity Relationship Diagram 1. Tampilan login
Pada ERD terdapat 3 entitas Tampilan login merupakan
yang saling berhubungan yaitu tampilan awal aplikasi
tabel admin, barang, dan barang dimana user atau pengguna
laku. Dari ketiga entitas utama harus login terlebih dahulu
inilah dapat diketahui bagaimana jika hendak menggunakan
sistem melakukan peramalan aplikasi
berdasarkan data-data pada
periode sebelumnya yang
kemudian hasil akan disimpan
pada database.

2. Tampilan data barang

Form data barang merupakan
salah satu menu pada

Bayu Putra P| 12.1.03.02.0210 simki.unpkediri.ac.id

Teknik – Teknik Informatika || 4||
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

aplikasi. Pada menu ini user Furniture Klaten. Klaten:

dapat melakukan pengolahan Universitas Sebelas Maret.
data barang baik Anhar. 2010. Panduan Menguasai
menginputkan data barang, PHP dan MySQL Secara
mengedit data barang dan Otodidak. Jakarta: Mediakita.
menghapus data barang. Arief M Rudianto. 2011.
Pemrograman Web Dinamis
menggunakan PHP dan
MySQL. Yogyakarta: C.V
ANDI OFFSET.
Arsyad, Lincolin, , 1997.
Peramalan Bisnis, Edisi
pertama. Yogyakarta: BPFE
3. Tampilan data penjualan dan Yogyakarta.
peramalan Pada menu ini user Djie, Inti. 2013. Analisis peramalan
dapat melakukan entry data penjualan dan penggunaan
penjualan, edit dan hapus. metode linear programming
Pada tampilan ini user juga dan decision tree guna
akan dapat melihat hasil meningkatkan keuntungan
peramalan pada PT. Primajaya Pantes
Garment. Jakarta Barat: PT.
Anugerah Ajita Sukses
Bersama.
Firdaus, M. 2006. Analisis Deret
Waktu Satu Ragam. Jakarta:
IPB Press.
Gaspersz, Vincent. 2005.
IV. DAFTAR PUSTAKA Production Planning and
Agung, Akbar. 2010. Penerapan Inventory Control. Jakarta:
Metode Single Moving Gramedia Pustaka Utama.
Average Dan Exponential Heldi, Cahyo. 2015. Sistem Pend
Smoothing Dalam Peramalan ukung Keputusan Untuk
Permintaan Produk Meubel Forecasting Penjualan Di
Jenis Coffee Table Pada Java
Bayu Putra P| 12.1.03.02.0210 simki.unpkediri.ac.id
Teknik – Teknik Informatika || 5||
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

Toko Sumber Saudara. Smoothing. Bali: STIKOM

Yogyakarta: Universitas Bali
Islam Indonesia Rahayu, Idayah. 2016. Peramalan
Iqbal, Farih. 2015. “Apa Itu Penjualan Menggunakan
Merchandise?”. Didapatdari: Metode Moving Average.
http://www.desainproduksi32 Kediri: UN PGRI Kediri.
a.blogspot.co.id/2015/03/apa- Sulistiono, Eko dan Siti
itu-merchandise.html. di Mujilahwati. 2016. Sistem
akses pada 19 Juli 2016 Pukul Prediksi Penjualan dengan
19.29. Single Moving Average pada
Jogiyanto HM. 2005. Analisis & Distro Mega Busana I.
Desain, Ed ke-III, Andi Lamongan: Universitas Islam
Offset. Yogyakarta: Penerbit Lamongan.
Andi Offset Subagyo, Pangestu. 2002.
Nasution, Hakim dan Prasetyawan. Forecasting Konsep dan
2008. Perencanaan dan Aplikasi. Jakarta: BPFE
Pengendalian Produksi. Tohir, Akhmat. 2011. Analisis
Yogyakarta: Graha Ilmu. Peramalan Penjualan Minyak
IGP Wirarama Wedashwara Sawit Kasar atau Crude Palm
Wirawan, Ni Luh Ayu Oil (CPO) pada PT.
Kartika Yuniastari, 2014. Kharisma Pemasaran
Peramalan Permintaan Bersama (KPB) Nusantara di
Produk Perak Menggunakan Jakarta. Jakarta: Universitas
Metode Simple Moving Islam Negeri.
Average Dan Exponential

Bayu Putra P| 12.1.03.02.0210 simki.unpkediri.ac.id

Teknik – Teknik Informatika || 6||