FebiantiYulandaWulandari Revisi Skripsi. FEBIANTI YULANDA WUL 1

INSTITUT TEKNOLOGI PLN
PREDIKSI PENJUALAN PRODUK TERLARIS PADA KIMIA

FARMA TRADING & DISTRIBUTION MENGGUNAKAN METODE
LEAST SQUARE
SKRIPSI
DISUSUN OLEH :
FEBIANTI YULANDA WULANDARI
201631125
PROGRAM STUDI SARJANA

TEKNIK INFORMATIKA
JAKARTA, 2020
i
HALAMAN PERNYATAAN PERSETUJUAN PUBLIKASI
TUGAS AKHIR UNTUK KEPENTINGAN AKADEMIS
Sebagai sivitas akademika Institut Teknologi – PLN, saya yang bertanda tangan
di bawah ini :
Nama : Febianti Yulanda Wulandari
NIM : 201631125
Program Studi : S1 TEKNIK INFORMATIKA
Departemen : TELEMATIKA ENERGI
Jenis Karya : SKRIPSI
Demi pengembangan ilmu pengetahuan, menyetujui untuk memberikan kepada

Institut Teknologi – PLN Hak Bebas Royalti Non Eksklusif (Non-Exclusive
Royalty Fee Right) atas karya ilmiah saya yang berjudul :
Beserta perangkat yang ada (jika diperlukan). Dengan Hak Bebas Royalti Non
Eksklusif ini Institut Teknologi – PLN berhak menyimpan, mengalih
media/formatkan, mengelola dalam bentuk pangkalan data (database), merawat,
dan mempublikasikan Tugas Akhir saya selama tetap mencantumkan nama saya
sebagai penulis/pencipta dan sebagai pemilik Hak Cipta.
Demikian pernyataan ini saya buat dengan sebenarnya.
Dibuat di : Jakarta
Pada tanggal : 28 Agustus 2020
Yang menyatakan
Febianti Yulanda Wulandari
i
PERSETUJUAN SIDANG SKRIPSI
Nama : Febianti Yulanda WUlandari

Nim : 2016-31-125
Jurusan : Teknik Informatika
Judul Skripsi : Prediksi Penjualan Produk Terlaris Pada Kimia
Farma Trading & Distribution Menggunakan

Metode Least Square
Telah disetujui untuk dipresentasikan pada sidang skripsi di Program Sarjana

Program studi Teknik Informatika Institut Teknologi PLN.
Jakarta, 28 Agustus 2020
Mengetahui,
Dekan Fakultas Telematika Energi
Meilia Nur Indah Susanti, ST., M.Kom
ii
LEMBAR PENGESAHAN
Skripsi dengan Judul

LEAST SQUARE
Disusun oleh :
NIM : 201631125
Diajukan untuk memenuhi persyaratan
Program Studi Sarjana Teknik Informatika
INSTITUT TEKNOLOGI PLN
Jakarta, 28 AGUSTUS 2020
Mengetahui, Disetujui,
(Meilia Nur Indah Susanti, ST., M.Kom) (M. Yoga Distra Sudirman, S.T.,MTI)
Dekan Fakultas Telematika Energi Pembimbing Utama
(Dine Tiara Kusuma, ST, M.Kom)

Pembimbing Pendamping
iii
LEMBAR PENGESAHAN TIM PENGUJI
Nama : FEBIANTI YULANDA WULANDARI

NIM : 201631125
Program Studi : S1 TEKNIK INFORMATIKA
Judul Proyek Skripsi : PREDIKSI PENJUALAN PRODUK TERLARIS
PADA KIMIA FARMA TRADING & DISTRIBUTION
MENGGUNAKAN METODE LEAST SQUARE
Telah disidangkan dan dinyatakan lulus Sidang Skripsi pada Program Sarjana
Strata 1, Program Studi Teknik Informatika Institut Teknologi – PLN pada
tanggal 01 September 2020.
Mengetahui,
Dekan Fakultas Telematika Energi
(Meilia Nur Indah Susanti, S.T.,M.Kom)
iv
PERNYATAAN KEASLIAN SKRIPSI
v
UCAPAN TERIMA KASIH
Dengan ini saya menyampaikan penghargaan dan ucapan terima kasih yang
sebesar – besarnya kepada yang terhormat :
M. Yoga Distra Sudirman, S.T.,MTI Selaku Pembimbing I

Dine Tiara Kusuma, ST, M.Kom Selaku Pembimbing II
Yang telah memberikan petunjuk, saran-saran serta bimbingannya sehingga

Skripsi ini dapat diselesaikan.

NIM : 201631125
vi
KATA PENGANTAR
Bismillah, Alhamdulillahi robbil ‘alamin, Sesungguhnya segala puji hanya

milik Allah Subhanahu wa Ta’ala yang kita memuji, memohon pertolongan serta
pengampunan dari kejelekan jiwa-jiwa dan keburukan amal-amal kita. Atas
kehendak-Nya penulis diberikan kesehatan dan kekuatan untuk menyelesaikan
skripsi ini. Tak lupa kepada junjungan Nabi Besar Muhammad Shallallahu‘alaihi
wa sallam yang telah menggiring umatnya dari alam kegelapan ke alam yang
terang seperti sekarang.
Kepada Ibu Yulia Susilawati dan Bapak Andy Prasetya terima kasih atas
semua doa dan dukungan yang telah diberikan selama ini. Banyak ujian yang
Allah berikan dan mungkin akan lebih banyak lagi ujian kehidupan selanjutnya,
namun adanya kalian menjadi salah satu alasan untukku terus bersabar dan tidak
berhenti berusaha sampai detik ini. Semoga dengan selesainya skripsi ini bisa
sedikit membalas kebaikan kalian, meski pada kenyataannya satu-satunya
balasan terbaik hanyalah menjadi anak yang sholehah dan bisa membawa kalian
masuk ke dalam surga-Nya. Terima kasih pula kepada adik-adikku Dwiriansyah
Abdilah dan Indah Tri Wulandari karena selalu menyemangati supaya segera
menyelesaikan skripsi ini, semoga apa yang baik dariku bisa dijadikan contoh
dan semoga kita selalu semangat dalam kebaikan.
M. Yoga Distra Sudirman, ST., MTI Selaku Pembimbing I

Dine Tiara Kusuma, ST, M.Kom Selaku Pembimbing II
Dosen pembimbing yang telah memberikan arahan dan bimbingannya
berupa saran-saran sehingga Skripsi ini bisa terselesaikan. Terima kasih yang
sama saya ucapkan kepada :
1. Bapak Prof. Dr. Iwa Garniwa Mulyana K., MT. Selaku Selaku Rektor IT-PLN
2. Ibu Meilia Nur Indah Susanti, ST, M. Kom, selaku Dekan Fakultas Telematika
Energi IT-PLN dan Bapak Abdurrasyid, S. Kom, MMSI selaku Kepala
Program Studi Teknik Informatika IT-PLN.
3. Bapak Nofal Asyhari, S.KOM. selaku Asisten Manajer Operasional Layanan
KFTD yang telah menyediakan waktu untuk melaksanakan wawancara.
vii
Bapak Richo, Bapak Arif Maulana Pamungkas, S.T.,M.M., Mas Handika Dwi
Arias dan semua karyawan divisi IT pada Kimia Farma yang telah
menyediakan waktu untuk membantu, mengarahkan dan memberikan saran
serta informasi terkait skripsi ini. Semoga Allah memberikan keberkahan
kepada kalian semua.
4. Teman-teman Al-Futuwah terutama Al-Ukhuwah 16 Dina Fitri Rahayu,
Rafika Maulida, Deby Putriana, Nursyamsi, Yayang Zenia Arfani, Mayang
Asura dan Ulfa Maghfira. Syukur Alhamdulillah bisa ditakdirkan bertemu dan
mengenal kalian di masa perkuliahan ini, terima kasih karena sudah
mengajarkan banyak hal baik serta menjadi penyemangat untuk selalu
memperbaiki diri. Semoga Allah kokohkan kita untuk selalu berada diatas
manhaj yang benar.
5. Teman-teman Bios, forkom angkatan 16, terima kasih karena telah banyak
membantu selama 4 tahun ini, terima kasih karena saling menyemangati
untuk bisa lulus bersamaan. Semoga Allah membalas semua kebaikan
kalian.
6. Adik-adik Tsabita 17,18,19 dan seluruh anggota tsabita yang namanya tidak
bisa disebutkan satu per satu. Syukur Alhamdulillah kita bisa dipertemukan
dan bisa saling mengingatkan dalam kebaikan, terima kasih untuk
semuanya. Semoga Allah mudahkan semua urusan kalian, tetaplah
semangat untuk memperbaiki diri.
7. Tak lupa kepada diri saya sendiri yang sudah berjuang sampai detik ini,
terima Kasih banyak sudah bertahan sampai sejauh ini.
Beserta seluruh pihak yang telah secara langsung maupun tidak langsung
membantu, mendukung, menginspirasi, dan mendoakan untuk bisa lulus
Program Sarjana Teknik Informatika 2020, semoga Allah membalas kebaikan
kalian dan menyertai kita semua. Aamiin.
viii
LEAST SQUARE
Febianti Yulanda Wulandari, 2016-31-125

Dibawah bimbingan M. Yoga Distra Sudirman, ST., MTI dan Dine Tiara
Kusuma, ST, M.Kom
ABSTRAK
Kimia Farma Trading & Distribution distribusi bertugas untuk mendistribusikan

produk-produk farmasi dalam jumlah besar. Penjualan produk pada perusahaan
tersebut biasanya dilihat berdasarkan trend penjualan. Evaluasi bulanan
dilakukan untuk melihat produk apa saja yang paling banyak terjual, kemudian
produk yang laris penjualannya tidak boleh mengalami penurunan pada bulan
selanjutnya. Pada penelitian ini dilakukan prediksi dengan menggunakan metode
Least Square. Untuk mengetahui prediksi penjualan produk terlaris pada masa
mendatang dilakukan perankingan berdasarkan hasil prediksi tertinggi. Dari hasil
perhitungan prediksi menggunakan metode Least Square didapatkan 10 produk
teratas sebagai produk terlaris pada periode Januari 2020. Dari 10 produk yang
diprediksi menjadi produk terlaris, 6 produk termasuk ke dalam produk terlaris
berdasarkan data aktual, sedangkan 4 produk tidak termasuk ke dalam 10 produk
terlaris. Dari hasil perbandingan tersebut, metode Least Square cukup baik untuk
menentukan produk terlaris dengan akurasi 60%.
Kata Kunci :Penjualan, Produk Terlaris, Prediksi, Least Square.
ix
SALES PREDICTION OF BEST SELLING PRODUCTS IN KIMIA
FARMA TRADING & DISTRIBUTION USING LEAST SQUARE
METHOD
Febianti Yulanda Wulandari, 2016-31-125

Under the Guidance of M. Yoga Distra Sudirman, ST., MTI and Dine Tiara
Kusuma, ST, M.Kom
ABSTRACT
Kimia Farma Trading & Distribution are distributing large quantities of

pharmaceutical products. Product sales at these companies are usually seen
based on sales trends. Monthly evaluation is carried out to see which products
are selling the most, then the best selling products should not decrease in the
following month. In this study, predictions were made using the Least Square
method. To find out the prediction of the best-selling product sales in the future,
the ranking is carried out based on the highest predicted results. From the
prediction calculations results using the Least Square method, the top 10
products are the best selling products on Januari 2020. Of the 10 products
predicted to be the best-selling products, 6 products are included in the best-
selling products based on actual data, while 4 products are not included in the 10
best-selling products. From the results of these comparisons, the Least Square
method is good enough to determine best selling product with 60% accuracy.
Keyword: Selling, Best-Selling Products, Prediction, Least Square.
x
DAFTAR ISI
HALAMAN PERNYATAAN PERSETUJUAN PUBLIKASI TUGAS AKHIR UNTUK

KEPENTINGAN AKADEMIS ................................................................................ i
PERSETUJUAN SIDANG SKRIPSI .................................................................... ii
LEMBAR PENGESAHAN .................................................................................. iii
LEMBAR PENGESAHAN TIM PENGUJI ........................................................... iv
PERNYATAAN KEASLIAN SKRIPSI .................................................................. v
UCAPAN TERIMA KASIH .................................................................................. vi
KATA PENGANTAR ......................................................................................... vii
ABSTRAK .......................................................................................................... ix
ABSTRACT ......................................................................................................... x
DAFTAR ISI ....................................................................................................... xi
DAFTAR TABEL .............................................................................................. xiv
DAFTAR GAMBAR .......................................................................................... xvi
DAFTAR LAMPIRAN .......................................................................................xvii
BAB I PENDAHULUAN ...................................................................................... 1
1.1. Latar Belakang ....................................................................................... 1
1.2. Permasalahan Penelitian ....................................................................... 2
1.2.1 Identifikasi Masalah ......................................................................... 2
1.2.2 Ruang Lingkup Masalah .................................................................. 3
1.2.3 Rumusan Masalah .......................................................................... 3
1.3 Tujuan dan Manfaat Penelitian .............................................................. 3
BAB II LANDASAN TEORI ................................................................................ 4
2.1 Tinjauan Pustaka ................................................................................... 4
xi
2.1.1 Penelitian terdahulu......................................................................... 4
2.1.2 Matriks Penelitian ............................................................................ 6
2.2 Landasan Teori ...................................................................................... 9
2.2.1 Data Mining ..................................................................................... 9
2.2.2 Peramalan / Prediksi ....................................................................... 9
2.2.3 Penjualan ...................................................................................... 10
2.2.4 Metode Least Square .................................................................... 10
2.2.5 RMSE ............................................................................................ 11
2.2.6 MAPE ............................................................................................ 11
2.2.6 CRISP-DM .................................................................................... 12
2.2.7 Flowchart ....................................................................................... 14
2.2.8 Website ......................................................................................... 16
2.2.9 XAMPP .......................................................................................... 17
2.3 Kerangka Pemikiran ............................................................................ 17
BAB III METODE PENELITIAN........................................................................ 19
3.1 Tahapan Penelitian .............................................................................. 19
3.2 Analisis Kebutuhan .............................................................................. 20
3.2.1 Analisis Data ................................................................................. 20
3.2.2 Analisis Trend Penjualan ............................................................... 21
3.2.3 Analisis Sistem Usulan .................................................................. 27
3.2.4 Analisis Perangkat Lunak dan Perangkat Keras ........................... 28
3.3 Perancangan Penelitian ....................................................................... 28
3.3.1 Business Understanding (Pemahaman Bisnis) ............................. 28
3.3.2 Data Understanding (Pemahaman Data) ...................................... 29
3.3.3 Data Preparation (Persiapan Data) ............................................... 30
3.3.4 Data Modelling (Pemodelan Data) ................................................ 31

xii
3.3.5 Evaluation (Evaluasi)..................................................................... 36
3.3.6 Deployment (Penyebaran) ............................................................ 39
3.4 Perancangan Antar Muka .................................................................... 39
3.5 Teknik Analisis.................................................................................. 43
BAB IV HASIL DAN PEMBAHASAN ................................................................ 47
4.1 Hasil ..................................................................................................... 47
4.1.1 Hasil Data Preparation .................................................................. 47
4.1.2 Hasil Data Modelling ..................................................................... 84
4.1.3 Hasil Evaluation............................................................................. 99
4.1.4 Hasil Perancangan Antar Muka ................................................... 114
4.2 Pembahasan ...................................................................................... 118
BAB V KESIMPULAN DAN SARAN .............................................................. 130
5.1 Kesimpulan ........................................................................................ 130
5.2 Saran ................................................................................................. 131
DAFTAR PUSTAKA ........................................................................................ 132
DAFTAR RIWAYAT HIDUP ............................................................................ 135
LAMPIRAN...................................................................................................... 136
Lampiran 1: Daftar Konsultasi Skripsi .......................................................... 136
Lampiran 2: Surat Keterangan Telah Melakukan Penelitian ........................ 137
Lampiran 3: Berita Acara Wawancara ......................................................... 138
Lampiran 4: Hasil Wawancara ..................................................................... 139
Lampiran 5: Daftar Perbaikan Skripsi Dari Penguji ...................................... 141
Lampiran 6: Rekap Perbaikan Skripsi Dari Penguji ..................................... 144
xiii
DAFTAR TABEL
Tabel 3. 1 Tabel Perbandingan Trend Produk Terlaris 1 .................................. 21

Tabel 3. 10 Tabel Perbandingan Trend Produk Terlaris 10 .............................. 25
Tabel 3. 11 Tabel Perbandingan Trend Produk Terlaris 11 .............................. 25
Tabel 3. 12 Tabel Sampel Pemodelan Data 1 .................................................. 32
Tabel 3. 17 Tabel Sampel Analisis Perhitungan Error 1 ................................... 36
Tabel 3. 22 Tabel Validasi Model Sampel Data 1 ............................................. 43
Tabel 4. 1 Tabel Penjualan Bulan Januari 2019 ............................................... 47
Tabel 4. 2 Tabel Penjualan Bulan Februari 2019 .............................................. 48
Tabel 4. 3 Tabel Penjualan Bulan Maret 2019 .................................................. 49
Tabel 4. 4 Tabel Penjualan Bulan April 2019 .................................................... 49
xiv
Tabel 4. 5 Tabel Penjualan Bulan Mei 2019 ..................................................... 50
Tabel 4. 6 Tabel Penjualan Bulan Juni 2019 .................................................... 51
Tabel 4. 7 Tabel Penjualan Bulan Juli 2019 ...................................................... 51
Tabel 4. 8 Tabel Penjualan Bulan Agustus 2019 .............................................. 52
Tabel 4. 9 Tabel Penjualan Bulan September 2019 .......................................... 53
Tabel 4. 10 Tabel Penjualan Bulan Oktober 2019 ............................................ 54
Tabel 4. 11 Tabel Penjualan Bulan November 2019 ......................................... 54
Tabel 4. 12 Tabel Penjualan Bulan Desember 2019 ......................................... 55
Tabel 4. 13 Tabel Penjualan Bulan Januari 2020 ............................................. 56
Tabel 4. 14 Tabel Integrasi Data ....................................................................... 57
Tabel 4. 15 Tabel Cleaning Data ...................................................................... 58
Tabel 4. 16 Tabel Perbandingan Penjualan Bulan Januari 2019 - Januari 2020
.......................................................................................................................... 60
Tabel 4. 17 Hasil Perhitungan Menggunakan Metode Least Square ................ 85
Tabel 4. 18 Hasil Perhitungan Nilai Error dan Validasi Model ........................... 99
Tabel 4. 19 Prediksi Penjualan Produk Terlaris .............................................. 118
Tabel 4. 20 Penjualan Aktual Produk Terlaris ................................................. 123
Tabel 4. 21 Perbandingan Tabel Aktual Trend Penjualan Produk Terlaris ..... 127
Tabel 4. 22 Perbandingan Tabel Prediksi dan Aktual Penjualan Produk Terlaris
........................................................................................................................ 128
xv
DAFTAR GAMBAR
Gambar 2. 2 Kerangka Pemikiran ..................................................................... 17

Gambar 3. 1 Diagram Alir Perancangan Penelitian .......................................... 19
Gambar 3. 3 Diagram Alir Sistem Usulan ......................................................... 27
Gambar 3. 4 Diagram Alir Metode Least Square .............................................. 31
Gambar 3. 5 Tampilan Perancangan Halaman Login ....................................... 40
Gambar 3. 6 Tampilan Perancangan Halaman Dashboard .............................. 40
Gambar 3. 7 Tampilan Perancangan Halaman Data Penjualan ....................... 41
Gambar 3. 8 Tampilan Perancangan Halaman Perhitungan Prediksi ............... 41
Gambar 3. 9 Tampilan Perancangan Halaman Hasil Perhitungan Prediksi ...... 42
Gambar 3. 10 Tampilan Perancangan Halaman Data Prediksi ........................ 43
Gambar 4. 1 Grafik Perbandingan Penjualan Bulan Januari 2019 – Januari 2020
.......................................................................................................................... 78
Gambar 4. 2 Grafik Penjualan Sampel 1 .......................................................... 79
Gambar 4. 10 Grafik Penjualan Sampel 9 ........................................................ 83
Gambar 4. 11 Grafik Penjualan Sampel 10 ...................................................... 83
Gambar 4. 12 Grafik Perbandingan Prediksi dan Aktual Penjualan Januari 2020
........................................................................................................................ 114
Gambar 4. 13 Tampilan Halaman Login ......................................................... 115
Gambar 4. 14 Tampilan Halaman Dashboard ................................................ 115
Gambar 4. 15 Tampilan Halaman Data Penjualan.......................................... 116
Gambar 4. 16 Tampilan Halaman Perhitungan Prediksi ................................. 116
Gambar 4. 17 Tampilan Halaman Hasil Perhitungan Prediksi ........................ 117
Gambar 4. 18 Tampilan Halaman Data Prediksi ............................................. 117
xvi
DAFTAR LAMPIRAN
Lampiran 1: Daftar Konsultasi Skripsi ............................................................. 136

Lampiran 2: Surat Keterangan Telah Melakukan Penelitian ........................... 137
Lampiran 3: Berita Acara Wawancara ............................................................ 138
Lampiran 4: Hasil Wawancara ........................................................................ 139
xvii
BAB I
PENDAHULUAN
1.1. Latar Belakang

Kimia Farma Trading & Distribution (KFTD) adalah anak perusahaan yang
bertugas untuk mendistribusikan produk-produk farmasi yang diproduksi PT
Kimia Farma (Persero) Tbk ke channel-channel yang tersebar ke seluruh
nusantara dalam jumlah besar. KFTD tidak memiliki minimal penjualan dalam
bentuk quantity (jumlah barang yang dijual). Penjualan produk pada KFTD
biasanya dilihat berdasarkan trend penjualan. Perencanaan penjualan di bulan
selanjutnya diperkirakan dengan melakukan perhitungan berdasarkan data
penjualan sebelumnya. KFTD selalu melakukan evaluasi bulanan untuk melihat
produk apa saja yang paling banyak terjual, kemudian produk yang laris
penjualannya tidak boleh mengalami penurunan pada bulan selanjutnya.
Berdasarkan permasalahan diatas, maka dapat diterapkan metode data

mining untuk memprediksi penjualan produk terlaris di masa mendatang.
Terdapat dua jenis metode peramalan yaitu kuantitatif dan kualitatif. Metode
peramalan kuantitatif terbagi dua yaitu metode kausal dan juga metode deret
waktu (time series). Metode peramalan kausal dapat membantu mengetahui
hubungan antara variabel yang diramal dengan variabel bebasnya. Metode
peramalan time series atau deret berkala merupakan metode yang menganalisis
data masa lampau untuk melakukan peramalan penjualan di masa mendatang.
Sedangkan metode peramalan kualitatif merupakan metode yang menggunakan
intuisi, pengalaman dan pendapat pribadi. Metode ini digunakan jika data pada
masa lampau tidak ada.
Pada penelitian ini digunakan metode peramalan time series atau deret
berkala dengan menggunakan Metode Least Square. Metode Least Square
adalah metode peramalan yang digunakan untuk melihat trend dari data deret
waktu(Rahmawita & Fazri, 2018). Metode ini digunakan untuk menentukan
persamaan trend data yang mencakup analisis time series dengan dua kasus
yaitu data genap dan data ganjil. Untuk melakukan perhitungan, diperlukan nilai
1
tertentu pada variabel waktu (𝑋) sehingga jumlah nilai variabel waktu adalah nol
atau 𝛴𝑋 = 0. Waktu (𝑋) memiliki nilai-nilai yang berbeda untuk jumlah waktu ganjil
dan waktu genap(Maissy Della Danianty, Cucu Suhery, 2020).
Metode Least Square termasuk salah satu metode yang efektif serta
banyak digunakan dalam penyesuaian data yang memiliki perhitungan jumlah
kuadrat selisih yang paling sesuai(Abazid et al., 2018). Metode ini sudah banyak
digunakan di beberapa perusahaan untuk memprediksi sejumlah nilai pada masa
mendatang(Putra et al., n.d.). Data yang dibutuhkan untuk melakukan prediksi
menggunakan metode ini adalah data time series berbentuk numerik. Data
penjualan produk pada periode sebelumnya akan digunakan untuk memprediksi
penjualan produk pada masa mendatang.
Berdasarkan latar belakang diatas, maka diusulkan sebuah penelitian

dengan judul “PREDIKSI PENJUALAN PRODUK TERLARIS PADA KIMIA
FARMA TRADING & DISTRIBUTION MENGGUNAKAN METODE LEAST
SQUARE”.
1.2. Permasalahan Penelitian

Berikut penjelasan permasalahan dalam penelitian :
1.2.1 Identifikasi Masalah
Berdasarkan latar belakang yang telah dijabarkan, maka berikut
merupakan identifikasi masalah dalam penelitian :
1. Penjualan produk mengalami kenaikan dan penurunan setiap
bulannya sedangkan produk yang laris tidak boleh mengalami
penurunan pada bulan selanjutnya.
2. Dibutuhkan prediksi penjualan produk terlaris di masa yang akan
datang untuk memudahkan dalam perencanaan penjualan produk
sehingga produk yang laris tidak mengalami penurunan.
3. Dalam memprediksi penjualan produk terlaris memerlukan suatu
metode, sehingga dalam kasus ini akan menerapkan metode Least
Square.
2
1.2.2 Ruang Lingkup Masalah
Perlu diberikan batasan agar pelebaran masalah dapat dihindari, Berikut
merupakan ruang lingkup masalah dalam penelitian :
1. Data yang digunakan dalam proses prediksi penjualan produk terlaris
adalah data-data penjualan produk KFTD dari bulan Januari -
Desember 2019.
2. Data yang digunakan hanya meliputi 1 cabang yaitu di KFTD
Palembang.
3. Metode yang digunakan dalam prediksi penjualan produk terlaris
adalah metode Least Square.
4. Pembuatan aplikasi web mengenai prediksi penjualan produk terlaris.
1.2.3 Rumusan Masalah
Berikut merupakan rumusan masalah yang melatarbelakangi penelitian :
1. Bagaimana cara mengimplementasikan metode Least Square untuk
memprediksi penjualan produk terlaris pada perusahaan Kimia Farma
Trading & Distribution?
2. Bagaimana cara mengetahui error terhadap set data dari bulan Januari
– Desember 2019?
1.3 Tujuan dan Manfaat Penelitian

Berikut merupakan tujuan yang akan dicapai dari penelitian :
1. Mendapatkan hasil prediksi penjualan produk terlaris di masa yang
akan datang.
2. Menerapkan metode peramalan (forecasting) Least Square untuk
memprediksi penjualan produk terlaris pada Kimia Farma Trading and
Distribution dengan tingkat error yang rendah.
3. Membuat aplikasi peramalan / prediksi berbasis web desktop.
Berikut merupakan manfaat yang diharapkan dari penelitian :

Penelitian ini diharapkan bisa membantu perusahaan dalam menentukan
perencanaan penjualan produk di masa yang akan datang berdasarkan hasil
prediksi penjualan produk terlaris di Kimia Farma Trading and Distribution.
3
BAB II
LANDASAN TEORI
2.1 Tinjauan Pustaka

Untuk mengetahui perbandingan penelitian yang dilakukan dengan
penelitian terdahulu yang sudah ada, maka perlu dilakukan studi sejenis. Berikut
merupakan beberapa penelitian terdahulu :
2.1.1 Penelitian terdahulu

Metode Least Square Untuk Peramalan Penjualan Sebuah Perusahaan
(Abazid et al., 2018) Metode Least Square pada penelitian ini digunakan untuk
mengetahui nilai trend penjualan yang belum diketahui pada tahun tertentu.
Dijelaskan pada penelitian ini bahwa metode Least Square termasuk salah satu
metode yang efektif serta banyak digunakan dalam penyesuaian data yang
memiliki perhitungan jumlah kuadrat selisih yang paling sesuai. Namun,
penelitian ini masih perlu dikembangkan dikarenakan belum ada perhitungan
persentase kesalahan hasil prediksi.
Aplikasi Peramalan Penjualan Obat Menggunakan Metode Least Square Di

Rumah Sakit Bhayangkara (Rahmawita & Fazri, 2018) Penelitian ini
menjelaskan mengenai pengeloaan data penjualan dan manajemen stok obat di
Rumah Sakit Bhayangkara yang masih dilakukan secara manual sehingga
diperlukan sebuah sistem aplikasi peramalan obat-obatan. Tujuan dari penelitian
ini yaitu untuk memudahkan pengelolaan stok obat dan data penjualan. Metode
yang digunakan adalah metode Least Square dengan sampling sebanyak 120
item. Untuk perhitungan nilai error digunakan Mean Absolute Percentege Error
(MAPE) dengan tingkat kesalahan sebesar 3%. Dari hasil tersebut menunjukkan
metode Least Square sangat bagus dalam meramalkan stok obat masa yang
akan datang. Diharapkan hasil dari peramalan memperoleh tingkat kesalahan
yang kecil, dapat memudahkan peramalan obat masa datang dengan hasil yang
akurat dan cepat.
Sistem Prediksi Kebutuhan Obat di Puskesmas Menggunakan Metode

Least Square (Suwardiyanto et al., 2019) Penelitian ini menjelaskan mengenai
4
pembuatan sistem untuk melakukan prediksi kebutuhan obat di masa
mendatang. Kemudian hasilnya akan dijadikan acuan permintaan obat ke dinas
kesehatan. Tujuan dari penelitian ini yaitu diharapkan dapat membantu
perencanaan kebutuhan obat dimasa mendatang di Puskesmas. Metode yang
digunakan yaitu metode Least Square. Digunakan pula metode Minimum
Maximum Stock Level (MMSL) untuk mengontrol batas atas dan bawah
persediaan obat. Dilakukan pula pengujian menggunakan Mean Absolute
Percentage Error (MAPE) dengan hasil pengujian rata-rata tingkat error yaitu
sebesar 12,70%.
Implementasi Prediksi Penjualan Obat Menggunakan Metode Least Square

Pada Apotek Demak Farma Jaya (Indah Rahmawati, 2019) Penelitian ini
menjelaskan mengenai Apotek Demak Farma Jaya yang setiap minggunya
penjualannya mengalami naik turun, sehingga mengakibatkan persediaan obat
habis dan menjadi tidak dinamis. Kemudian data laporan penjualan setiap
minggunya masih dilakukan secara manual yaitu menggunakan buku dan alat
tulis. Maka dari itu, sistem prediksi penjualan untuk memprediksi penjualan setiap
minggunya perlu dibuat. Metode peramalan yang digunakan adalah metode least
square. Pada penelitian ini digunakan data 4 minggu di bulan februari dengan
tingkat kesalahan yaitu 0,02 % untuk minggu pertama Febuari dan 0,07 % untuk
minggu kedua Februari. Berdasarkan hasil penelitian ini disimpulkan bahwa
sistem prediksi penjualan obat dapat memperkirakan penjualan pada minggu
yang akan datang dengan tingkat kesalahan terkecil.
Prediksi Jumlah Kebutuhan Obat Menggunakan Metode Least Square

Berbasis Website (Studi Kasus: Uptd Puskesmas Pontianak Selatan)
(Maissy Della Danianty, Cucu Suhery, 2020) Penelitian ini menjelaskan
mengenai perencanaan permintaan penggunaan obat di Puskesmas pada bulan
berikutnya dilakukan berdasarkan perkiraan sehingga perencanaan persediaan
obat menjadi tidak akurat. Diperlukan sistem untuk memprediksi jumlah
kebutuhan obat pada bulan berikutnya sehingga hasilnya dapat dijadikan acuan
permintaan ke Dinas Kesehatan. Metode yang digunakan yaitu metode Least
5
Square. Digunakan Mean Absolute Percentage Error (MAPE) untuk mengetahui
nilai error berdasarkan perbandingan data aktual dan nilai trend. Dari perhitungan
error tersebut didapatkan nilai akurasi sebesar 93,49%.
2.1.2 Matriks Penelitian

No 1
Nama Peneliti Abazid, Abdulrahman, & Samine
Tahun 2018
Judul Metode Least Square Untuk Peramalan Penjualan

Sebuah Perusahaan
Metodologi Metode Least Square
Hasil Penelitian Metode Least Square pada kasus ini digunakan untuk
mengetahui nilai trend penjualan produk farmasi sebuah
perusahaan pada tahun 2019-2021. Data yang
digunakan yaitu data penjualan per tahun dari 2014-
2018, sehingga variabel bebas yang digunakan
merupakan data ganjil. Pada penelitian ini belum
terdapat perhitungan persentase kesalahan hasil
prediksi.
No 2
Nama Peneliti Medyantiwi Rahmawita, Ilham Fazri
Tahun 2018
Judul Aplikasi Peramalan Penjualan Obat Menggunakan

Metode Least Square Di Rumah Sakit Bhayangkara
6
mengetahui penjualan obat di Rumah Sakit
Bhayangkara pada bulan Januari 2017. Pada penelitian
ini digunakan 120 macam sampel data obat. Data
penjualan pada bulan Januari-Desember 2016
digunakan dalam penelitian ini, sehingga variabel bebas
yang digunakan merupakan data genap. Pada
penelitian ini terdapat perhitungan persentase
kesalahan hasil prediksi menggunakan Mean Absolute
Percentege Error (MAPE) dengan tingkat kesalahan
sebesar 3%.
No 3
Nama Peneliti Devit Suwardiyanto, Mohammad Nur Shodiq, Dedy

Hidayat Kusuma, Tovia Oktalita Sari
Tahun 2019
Judul Sistem Prediksi Kebutuhan Obat di Puskesmas

Menggunakan Metode Least Square
mengetahui penjualan obat di Puskesmas dengan
menggunakan data 6 bulan sebagai data training dan
data 1 bulan sebagai data testing. Data training
merupakan variabel bebas, sehingga variabel bebas
yang digunakan yaitu berupa data genap. Pada
penelitian ini digunakan metode Minimum Maximum
Stock Level (MMSL) untuk mengontrol batas atas dan
bawah persediaan obat. Terdapat perhitungan
persentase kesalahan hasil prediksi menggunakan
7
Mean Absolute Percentege Error (MAPE) dengan rata-
rata tingkat error yaitu sebesar 12,70%.
No 4
Nama Peneliti Rahmawati & Wijanarko
Tahun 2019
Judul Implementasi Prediksi Penjualan Obat Menggunakan

Metode Least Square Pada Apotek Demak Farma Jaya
Hasil Penelitian Pada kasus ini metode Least Square digunakan untuk
mengetahui penjualan obat di Apotek Demak Farma
Jaya pada minggu pertama dan kedua bulan Februari
2017. Data yang digunakan yaitu data 4 minggu terakhir,
sehingga variabel bebas yang digunakan yaitu data
genap. Tingkat kesalahan pada penelitian ini yaitu
0,02% untuk minggu pertama dan 0,07% untuk minggu
kedua.
No 5
Nama Peneliti Maissy Della Danianty, Cucu Suhery, Rahmi Hidayati
Tahun 2020
Judul Prediksi Jumlah Kebutuhan Obat Menggunakan Metode

Least Square Berbasis Website (Studi Kasus: Uptd
Puskesmas Pontianak Selatan)
8
Hasil Penelitian Pada kasus ini metode Least Square digunakan untuk
mengetahui kebutuhan obat di Uptd Puskesmas
Pontianak Selatan pada bulan Januar-Desember 2018.
Data yang digunakan yaitu data Januari-Desember
2017, sehingga variabel bebas yang digunakan yaitu
data genap. Terdapat perhitungan persentase
kesalahan hasil prediksi menggunakan Mean Absolute
Percentege Error (MAPE) dengan nilai akurasi sebesar
93,49%.
2.2 Landasan Teori

2.2.1 Data Mining
Secara umum jika diartikan data mining terbagi menjadi dua kata yaitu
data dan mining (Algoritma Data Mining dan Pengujian, 2015). Data berarti
sekumpulan fakta yang belum diolah atau masih mentah, sedangkan mining
artinya adalah proses penggalian. Apabila keduanya digabungkan maka data
mining dapat diartikan menjadi penggalian sekumpulan data yang akan
menghasilkan output berupa informasi atau pengetahuan. Untuk menghasilkan
informasi tersebut maka diperlukan metode data mining seperti estimasi,
asosisasi, klasifikasi, klastering dan prediksi.
2.2.2 Peramalan / Prediksi

Peramalan / prediksi merupakan salah satu metode pada data mining
yang digunakan untuk memperkirakan sesuatu pada masa yang akan datang
(Algoritma Data Mining dan Pengujian, 2015).. Berikut merupakan dua jenis
metode peramalan yaitu :
1. Metode Kuantitatif
Metode ini dibagi lagi menjadi dua, yaitu kausal dan deret waktu (time
series). Metode peramalan kausal dapat membantu mengetahui
hubungan antara variabel yang diramal dengan variabel bebasnya,
sedangkan metode peramalan time series atau deret berkala merupakan
9
metode yang menganalisis data masa lampau untuk melakukan
peramalan penjualan di masa mendatang.
2. Metode Kualitatif
Metode peramalan kualitatif adalah metode peramalan yang
menggunakan intuisi, pengalaman serta pendapat pribadi. Metode ini
digunakan jika data pada masa lampau tidak ada.
2.2.3 Penjualan
Simamora mengatakan bahwa penjualan dapat diartikan sebagai suatu
pendapatan perusahaan dan juga jumlah kotor dimana hal tersebut dibebankan
kepada pelanggan dalam bentuk barang dan jasa (Indah Rahmawati, 2019).
2.2.4 Metode Least Square

Metode Least Square termasuk salah satu metode time series atau deret
berkala, dimana data pada masa lampau digunakan untuk melakukan
perhitungan prediksi atau peramalannya. Metode Least Square memiliki prinsip
untuk menghasilkan jumlah selisih yang minimum antara nilai variabel bebas
dan nilai trend atau ramalannya. Metode ini banyak digunakan untuk
menganalisa peramalan bisnis secara deret berkala (Indah Rahmawati, 2019).
Berikut ini merupakan persamaan metode Least Square :
𝑌’ = 𝑎+𝑏𝑥 ……………………………………………………………………….. (1)
Nilai x ditentukan berdasarkan pembagian data. Data dibedakan menjadi dua

kelompok, yaitu :
 Data genap
Misal banyak data berjumlah 6, maka termasuk ke dalam kelompok data
genap. Pada data genap nilai tengah 0 dihilangkan. Jadi, nilai x yaitu :
…,-5, -3, -1,1, 3, 5,…
 Data ganjil
Misal banyak data berjumlah 7, maka termasuk ke dalam kelompok data
ganjil. Pada data ganjil nilai tengahnya adalah 0. Jadi, nilai x yaitu :
…,- 3,-2, -1, 0, 1, 2, 3,…
Kemudian berikut merupakan rumus untuk menghitung nilai a dan b :
10
𝑎 = ∑𝑌 / 𝑛 ………………………………………………………………………... (2)
𝑏 = ∑x𝑌 / ∑x² …………………………………………………………..………... (3)
Keterangan :
- 𝑌 : variabel terikat / angka penjualan
- 𝑌’ : persamaan trend / nilai prediksi
- a : besar nilai trend / nilai tetap atau konstan
- b : perubahan nilai trend / koefisien arah regresi
- x : variabel bebas
- n : banyaknya data
2.2.5 RMSE
RMSE (Root Mean Squared Error) adalah metode alternatif untuk
mengevaluasi teknik peramalan yang digunakan untuk mengukur tingkat akurasi
hasil prakiraan suatu model. RMSE merupakan nilai rata-rata dari jumlah kuadrat
kesalahan, juga dapat menyatakan ukuran besarnya kesalahan yang dihasilkan
oleh suatu model prakiraan. Nilai RMSE rendah menunjukkan bahwa variasi nilai
yang dihasilkan oleh suatu model prakiraan mendekati variasi nilai
obeservasinya.
𝑅𝑀𝑆𝐸 = √∑ (y − y’)² / 𝑛
Keterangan:
𝑛 : jumlah data
y : data aktual
y’ : data prediksi
2.2.6 MAPE
Menurut (Maissy Della Danianty, Cucu Suhery, 2020) MAPE (Mean
Absolute Percentage Error) dihitung dengan menggunakan kesalahan absolut
pada tiap periode dibagi dengan nilai observasi yang nyata untuk periode itu,
kemudian perhitungan tersebut dinyatakan dalam bentuk rata-rata persentase
absolut kesalahan dengan rumus sebagai berikut:
∑| y−y’/y |
11
MAPE = ────── *100
𝑛
Keterangan:
y’ : data prediksi
y : data aktual
𝑛 : jumlah data
Cara mencari nilai akurasi yaitu:
𝐴𝑘𝑢𝑟𝑎𝑠𝑖 = 100 – 𝑀𝐴𝑃𝐸
2.2.6 CRISP-DM
Menurut Larose dalam (Larose, 2005) Data mining merupakan suatu
proses, sehingga dalam melakukan proses data mining harus sesuai dengan
tahapan yang ada pada CRISP-DM. CRISP-DM adalah standarisasi data mining
yang disusun oleh tiga pengagas data mining market yaitu Daimler Chrysler,
NCR, SPSS. Berikut gambar yang menjelaskan tentang siklus hidup CRISP-DM.
Gambar 2. 1 Model CRISP-DM

Tahapan-tahapan data mining berdasarkan CRISP-DM memiliki 6 (enam)
fase sebagai berikut :
1) Business Understanding (Pemahaman Bisnis)

Pada tahap ini merupakan tahap untuk memahami dan memecahkan
masalah yang ada dari suatu organisasi / bisnis. Pemahaman terhadap
12
masalah dapat menghasilkan pengetahuan sehingga nantinya pengetahuan
tersebut akan diubah ke dalam data mining untuk mencapai tujuan yang kita
inginkan.
2) Data Understanding (Pemahaman Data)
Tahap memahami data yang dimulai dengan mengumpulkan,
mengidentifikasikan dan memahami dataset yang dimiliki. Data tersebut juga
dapat dipastikan terlebih dahulu kebenarannya.
3) Data Preparation (Persiapan Data)
Tahapan data preparation memiliki beberapa kegiatan, misalnya
pembersihan data anomali, memformat ulang data, mengurangi data set,
penyatuan dua data atau lebih berdasarkan kode atribut yang dimiliki dan
lainnya yang bertujuan untuk menyiapkan data yang siap diimplementasikan
metode yang dipilih oleh peneliti.
4) Modelling (Pemodelan)
Pada tahap modelling adalah tahap pemilihan jenis algoritma yang dipakai
untuk mengidentifikasi, mencari, menghasilkan pola dan kesimpulan berupa
pesan dari suatu data dimana dalam pemilihan algoritma tergantung dari data
yang akan diteliti. Terkadang dalam penggunaan algoritma dipilihnya berbeda
dari peneliti satu dengan peneliti yang lain walaupun jenis permasalahan data
mining yang sama. Oleh karena itu, seringkali proses persiapan data sangat
penting dipersiapkan dengan benar dan teliti agar menghasilkan informasi yang
baik dan tingkat errornya yang minim.
5) Evaluation (Evaluasi)
Pada tahap evaluation secara terarah membantu peneliti dalam
menentukan seberapa kualitas tahapan yang terdapat pada metode yang sudah
diimplementasikan Sebelum dilanjutkan ke tahap penerapan model.
6) Deployment (Penyebaran)
Pada tahap deploymnet, informasi dan pengetahuan yang telah diperoleh
dari penelitian yang telah dilakukan akan dilakukan pengimplementasian ke
dalam sebuah laporan. Analisis dari seluruh tahapan diharapkan agar dapat
mudah dipahami oleh pihak lain.
13
2.2.7 Flowchart
Flowchart merupakan suatu bagan yang menggambarkan urutan suatu
proses dari suatu algoritma dalam bentuk simbol-simbol sehingga memudahkan
dalam menganalisa dan menyelesaikan masalah. Berikut simbol-simbol pada
flowchart:
Tabel 2. 1 Simbol Flowchart
Simbol Nama Fungsi

Symbol off page Simbol ini digunakan saat keluar
Connector / masuk prosedur / proses
dalam lembar / halaman yang
lain.
Symbol on page Simbol ini digunakan keluar /
connector masuk prosedur atau proses
dalam lembar / halaman yang
sama.
Symbol process Simbol ini digunakan untuk
menunjukkan pengolahan yang
dilakukan oleh komputer.
Symbol operation Simbol ini digunakan untuk

Manual menunjukkan pengolahan yang
tidak dilakukan oleh komputer
atau bersifat manual.
Syombol decision Simbol ini digunakan untuk
sebuah kondisi yang akan
menghasilkan beberapa
kemungkinan jawaban / aksi.
Symbol predefined Simbol untuk mempersiapkan
process penyimpanan yang akan
digunakan sebagai tempat
pengolahan di dalam storage.
14
Simbol Nama Fungsi
Symbol terminal Simbol ini digunakan saat
permulaan atau akhir dari suatu
flowchart.
Symbol keying Simbol ini digunakan pada
operator operasi dengan menggunakan
mesin yang mempunyai inputan
keyboard.
Symbol input – Simbol ini digunakan untuk
otput menyatakan proses masukan
dan keluaran tanpa tergantung
jenis peralatannya.
symbol punched simbol ini digunakan untuk
card menyatakan input berasal dari
kartu atau output ditulis ke kartu
Symbol document Simbol ini digunakan untuk
menyatakan input berasal dari
dokumen dalam bentuk kertas
atau output dicetak ke kertas.
Flow direction Simbol yang digunakan untuk
syombol menghubungkan antara simbol
yang satu dengan simbol yang
lain. Simbol ini disebut juga
connecting line.
Symbol predefine Simbol untuk suatu
process pelaksanaan bagian (sub –
program) / prosedur.
15
2.2.8 Website
Secara terminologi, website adalah kumpulan dari halaman-halaman situs
yang terangkum dalam sebuah domain atau sub domain yang tempatnya berada
dalam World Wide Web (WWW) di dalam internet. Sebuah halaman web
biasanya berupa dokumen yang ditulis dalam format HTML (Hyper Text Markup
Language) yang selalu bisa diakses melalui HTTP, yaitu protokol yang
menyampaikan informasi dari server website untuk ditampilkan kepada para
pemakai melalui web browser (fastwork, 2018).
1. HTML
HTML berasal dari kata Hypertext Markup Languange. Hypertext berarti
sebuah teks yang dijadikan link di dalam script, link inilah yang berguna
untuk berpindah dari halaman yang satu ke halaman yang lain. Kemudian,
markup language diartikan sebagai kode atau tanda pada suatu teks,
tujuannya adalah agar teks yang ditandai memiliki tampilan atau fungsi
tertentu. Jadi, HTML adalah bahasa struktur yang berfungsi sebagai
penanda dari bagian-bagian pada suatu halaman. (Enterprise, 2017)
2. PHP
PHP adalah singkatan dari "PHP: Hypertext Prepocessor", yaitu bahasa
pemrograman yang digunakan secara luas untuk penanganan pembuatan
dan pengembangan sebuah situs web dan bisa digunakan bersamaan
dengan HTML. PHP diciptakan oleh Rasmus Lerdorf pertama kali tahun
1994. Pada awalnya PHP adalah singkatan dari "Personal Home Page
Tools". Selanjutnya diganti menjadi FI ("Forms Interpreter"). Sejak versi
3.0, nama bahasa ini diubah menjadi "PHP: Hypertext Prepocessor"
dengan singkatannya "PHP" (idcloudhost, 2017).
3. MySQL
MySQL merupakan sebuah software basis data multiuser yang
menggunakan bahasa Structured Query Language (SQL). MySQL
didistribusikan secara gratis dibawah lisensi General Public License.
Dalam operasi client-server, melibatkan server-daemon MySQL di sisi
server dan berbagai macam program, serta library yang berjalan di sisi
client. MySQL mampu menangani data yang cukup besar.
16
2.2.9 XAMPP
XAMPP merupakan singkatan dari Apache, MySQL, PHP dan Perl
sedangkan huruf “X” dimaksudkan sebagai suatu software yang dapat dijalankan
di empat OS utama seperti Windows, Mac OS, Linux dan Solaris. Dikatakan juga
sebagai software yang bebas karena dapat mendukung begitu banyak sistem
operasi (Aditya, 2011).
2.3 Kerangka Pemikiran

Gambar dibawah ini merupakan kerangka pemikiran dalam tahap proses
dari awal pembuatan hingga akhir penyusunan penelitian ini. Terdapat empat
komponen yang menyusun kerangka pemikiran penelitian yaitu Indikator
(Indicators), Metode yang diusulkan (Proposed Method), Tujuan (Objective), dan
Pengukuran (Measurement) (Dr. Ratna Puspitasari, M.Pd., 2017).
Indicator Proposed Method Objective Measurement
Data
Penjualan
Produk
Variabel
Bebas
Mean
Metode Prediksi
Absolute
Least Penjualan
Percentage
Square Produk Terlaris
Error (MAPE)
Variabel
Terikat
Gambar 2. 2 Kerangka Pemikiran
1. Indikator
17
Pada penelitian ini, terdapat dua indikator yang digunakan sebagai
observasi yaitu :
a. Variabel Bebas
Variabel bebas merupakan salah satu indikator yang digunakan dalam
penelitian ini berupa periode waktu, periode yang digunakan disini
yaitu bisa dalam satuan minggu, bulan atau tahun. Prediksi penjualan
pada periode selanjutnya dihitung berdasarkan periode waktu
sebelumnya.
b. Variabel Terikat
Variabel terikat merupakan salah satu indikator dimana variabel
tersebut merupakan angka penjualan pada periode tertentu. Yang
dimaksud angka penjualan yaitu jumlah produk yang terjual pada
periode sebelumnya, sehingga didapatkan hasil prediksi penjualan
produk pada masa yang akan datang berdasarkan data masa lampau.
2. Proposed Method
Pada penelitian ini, digunakan suatu metode dalam menunjang proses
penelitian sehingga dapat memperoleh hasil yang diinginkan. Metode
pengumpulan data pada penelitian ini berupa studi pustaka dan wawancara.
3. Objective
Penelitian ini bertujuan untuk memperoleh suatu hasil prediksi penjualan
produk terlaris setelah dilakukan proses penelusuruan masalah dengan
menggunakan metode yang sudah dijelaskan sebelumnya.
4. Measurement
Pada penelitian ini, digunakan suatu pengukuran tingkat keberhasilan
prediksi penjualan produk terlaris menggunakan Mean Absolute Percentage
Error (MAPE).
18
BAB III
METODE PENELITIAN
3.1 Tahapan Penelitian

Tahapan penelitian menggambarkan proses apa saja yang perlu
dilakukan dari awal hingga akhir sehingga mempermudah dalam melakukan
penelitian. Berikut merupakan tahapan-tahapan yang akan dilakukan :
Gambar 3. 1 Diagram Alir Perancangan Penelitian
1) Analisa Masalah
19
Analisa masalah merupakan tahap awal dari penelitian ini. Masalah
yang dianalisa adalah mengenai penentuan penjualan produk terlaris di
PT. Kimia Farma Trading & Distribution (KFTD).
2) Pengumpulan Data
Pada tahap ini dilakukan pengumpulan data penjualan produk dari
bulan Januari 2019 – Desember 2019. Data yang digunakan adalah
data yang diperoleh dari Kimia Farma Trading & Distribution cabang
Palembang. Pengumpulan data dilakukan dengan melakukan
wawancara dan studi pustaka terhadap penelitian yang terkait.
3) Analisa Sistem
Mempelajari sistem yang berjalan pada perusahaan untuk
mempermudah melakukan penelitian.
4) Desain dan Perancangan
Cross-Industry Standard Process for Data Mining (CRISP-DM)
digunakan pada perancangan ini untuk memperlihatkan proses
perhitungan dari algoritma yang digunakan.
5) Pengujian
Pengujian dilakukan pada program yang dibuat. Jika pengujian
mengalami kegagalan maka akan dilakukan penelusuran kesalahan.
5. Pembuatan Laporan
Pada tahap ini dilakukan penulisan laporan mengenai seluruh proses
beserta hasil analisa dari penelitian yang telah dilakukan.
3.2 Analisis Kebutuhan

Tahap ini bertujuan untuk menentukan apa saja yang dibutuhkan dalam
penelitian. Berikut merupakan analisis kebutuhan :
3.2.1 Analisis Data

Data yang dibutuhkan pada penelitian ini adalah data penjualan Kimia
Farma Trading & Distribution (KFTD) cabang Palembang dari bulan Januari –
Desember 2019. Data mentah penjualan produk yang diperoleh yaitu berjumlah
sekitar kurang lebih 8000 data. Pada data tersebut terdapat dua jenis hirarki
20
produk yaitu produk KF dan NON-KF. Penelitian ini lebih difokuskan untuk
meneliti produk KF, sehingga dilakukan seleksi data hanya berdasarkan hirarki
produk KF. Kemudian, data diseleksi kembali berdasarkan variabel yang
dibutuhkan yaitu material, text material, quantity dan sales unit. Penyeleksian
dilakukan pada seluruh data dari bulan Januari – Desember 2019. Penyeleksian
data menyebabkan jumlah data menjadi sekitar kurang lebih 2000 data.
3.2.2 Analisis Trend Penjualan

Tabel 3. 1 Tabel Perbandingan Trend Produk Terlaris 1
Trend Produk Terlaris Januari 2019 Trend Produk terlaris Februari 2019
MICONAZOLE 2 % CR(DUS 24 TUBE@10 MICONAZOLE 2 % CR(DUS 24 TUBE@10
GRAM) GRAM)
MARCKS BEDAK CREME BETAMETASON 0,1% CR(DUS 25
TUBE@5 GRAM)
BETAMETASON 0,1% CR(DUS 25 TUBE@5 MARCKS BEDAK CREME
GRAM)
AMLODIPINE 10 MG (DUS 50 TAB) MARCKS BEDAK ROSE
GENTAMYCIN 0,1 % (DUS 10 TUBE @ 5 GENTAMYCIN 0,1 % (DUS 10 TUBE @ 5
GRAM) GRAM)
MARCKS' TEENS CP CREME MARCKS BEDAK PUTIH
HYDROCORTISONE 2,5%CR(DUS 24TUBE@ HYDROCORTISONE 2,5%CR(DUS
5GRAM) 24TUBE@ 5GRAM)
KETOCONAZOLE 2 % CREAM (TUBE 10 KETOCONAZOLE 2 % CREAM (TUBE 10
GRAM) GRAM)
SIMVASTATIN 10 MG (DUS 50 TAB) NITROKAF RETARD F. KAPS.(100)
MARCKS BEDAK ROSE BETASON N CREAM (TUBE 5 GRAM)
Trend Produk terlaris Februari 2019 Trend Produk terlaris Mareti 2019
MICONAZOLE 2 % CR(DUS 24 TUBE@10 HYDROCORTISONE 2,5%CR(DUS
GRAM) 24TUBE@ 5GRAM)
BETAMETASON 0,1% CR(DUS 25 TUBE@5 BETAMETASON 0,1% CR(DUS 25
GRAM) TUBE@5 GRAM)
MARCKS BEDAK CREME MICONAZOLE 2 % CR(DUS 24 TUBE@10
GRAM)
MARCKS BEDAK ROSE CHLORAMFENICOL 1 % S. MATA (TUBE 5
GRAM)
GENTAMYCIN 0,1 % (DUS 10 TUBE @ 5 KETOCONAZOLE 2 % CREAM (TUBE 10
GRAM) GRAM)
MARCKS BEDAK PUTIH MARCKS BEDAK CREME
HYDROCORTISONE 2,5%CR(DUS 24TUBE@ OXYTETRACYCLIN 1% SM(DUS
5GRAM) 25TUBE@3,5GRAM)
21
KETOCONAZOLE 2 % CREAM (TUBE 10 OXYTETRACYCLIN 3% SK(DUS 25
GRAM) TUBE@5 GRAM)
NITROKAF RETARD F. KAPS.(100) MARCKS' TEENS CP CREME
BETASON N CREAM (TUBE 5 GRAM) VITAMIN B1 50 MG
(SUPLEMEN)(DUS100TAB)
Trend Produk terlaris Mareti 2019 Trend Produk Terlaris April 2019
HYDROCORTISONE 2,5%CR(DUS 24TUBE@ BETAMETASON 0,1% CR(DUS 25 TUBE@5
5GRAM) GRAM)
BETAMETASON 0,1% CR(DUS 25 TUBE@5 MICONAZOLE 2 % CR(DUS 24 TUBE@10
GRAM) GRAM)
MICONAZOLE 2 % CR(DUS 24 TUBE@10 HYDROCORTISONE 2,5%CR(DUS 24TUBE@
GRAM) 5GRAM)
CHLORAMFENICOL 1 % S. MATA (TUBE 5 CHLORAMFENICOL 1 % S. MATA (TUBE 5
GRAM) GRAM)
GRAM) GRAM)
MARCKS BEDAK CREME GENTAMYCIN 0,1 % (DUS 10 TUBE @ 5
GRAM)
OXYTETRACYCLIN 1% SM(DUS MARCKS BEDAK CREME
25TUBE@3,5GRAM)
OXYTETRACYCLIN 3% SK(DUS 25 TUBE@5 VITAMIN B6 10 MG
GRAM) (SUPLEMEN)(DUS100TAB)
MARCKS' TEENS CP CREME MARCKS BEDAK ROSE
VITAMIN B1 50 MG OXYTETRACYCLIN 3% SK(DUS 25 TUBE@5
(SUPLEMEN)(DUS100TAB) GRAM)
Trend Produk Terlaris April 2019 Trend Produk Terlaris Mei 2019
BETAMETASON 0,1% CR(DUS 25 TUBE@5 HYDROCORTISONE 2,5%CR(DUS 24TUBE@
GRAM) 5GRAM)
MICONAZOLE 2 % CR(DUS 24 TUBE@10 BETAMETASON 0,1% CR(DUS 25 TUBE@5
GRAM) GRAM)
HYDROCORTISONE 2,5%CR(DUS 24TUBE@ CHLORAMFENICOL 1 % S. MATA (TUBE 5
5GRAM) GRAM)
CHLORAMFENICOL 1 % S. MATA (TUBE 5 MICONAZOLE 2 % CR(DUS 24 TUBE@10
GRAM) GRAM)
KETOCONAZOLE 2 % CREAM (TUBE 10 CAPTOPRIL 12.5 MG TAB (DUS 100 TAB)
GRAM)
GENTAMYCIN 0,1 % (DUS 10 TUBE @ 5 MARCKS BEDAK CREME
GRAM)
MARCKS BEDAK CREME GENTAMYCIN 0,1 % (DUS 10 TUBE @ 5
GRAM)
VITAMIN B6 10 MG KETOCONAZOLE 2 % CREAM (TUBE 10
22
MARCKS BEDAK ROSE CHLORAMFECORT CREAM (TUBE 10
GRAM)
OXYTETRACYCLIN 3% SK(DUS 25 TUBE@5 VITAMIN B1 50 MG
Trend Produk Terlaris Mei 2019 Trend Produk terlaris Juni 2019
HYDROCORTISONE 2,5%CR(DUS 24TUBE@ MICONAZOLE 2 % CR(DUS 24 TUBE@10
5GRAM) GRAM)
BETAMETASON 0,1% CR(DUS 25 TUBE@5 CAPTOPRIL 12.5 MG TAB (DUS 100 TAB)
GRAM)
GRAM) GRAM)
GRAM) 5GRAM)
CAPTOPRIL 12.5 MG TAB (DUS 100 TAB) BETAMETASON 0,1% CR(DUS 25 TUBE@5
GRAM)
MARCKS BEDAK CREME KETOCONAZOLE 2 % CREAM (TUBE 10
GRAM)
GENTAMYCIN 0,1 % (DUS 10 TUBE @ 5 VITAMIN B1 50 MG
KETOCONAZOLE 2 % CREAM (TUBE 10 MARCKS BEDAK CREME
GRAM)
CHLORAMFECORT CREAM (TUBE 10 VITAMIN B6 10 MG
VITAMIN B1 50 MG GENTAMYCIN 0,1 % (DUS 10 TUBE @ 5
Trend Produk terlaris Juni 2019 Trend Produk terlaris Juli 2019
GRAM) GRAM)
CAPTOPRIL 12.5 MG TAB (DUS 100 TAB) BETAMETASON 0,1% CR(DUS 25 TUBE@5
GRAM)
GRAM) GRAM)
HYDROCORTISONE 2,5%CR(DUS 24TUBE@ KETOCONAZOLE 2 % CREAM (TUBE 10
5GRAM) GRAM)
BETAMETASON 0,1% CR(DUS 25 TUBE@5 HYDROCORTISONE 2,5%CR(DUS 24TUBE@
GRAM) 5GRAM)
KETOCONAZOLE 2 % CREAM (TUBE 10 CHLORAMFECORT CREAM (TUBE 10
GRAM) GRAM)
VITAMIN B1 50 MG AMLODIPINE 10 MG (DUS 50 TAB)
MARCKS BEDAK CREME CAPTOPRIL 12.5 MG TAB (DUS 100 TAB)
23
VITAMIN B6 10 MG MARCKS BEDAK CREME
GENTAMYCIN 0,1 % (DUS 10 TUBE @ 5 AMLODIPINE 5 MG (DUS 50 TAB)
GRAM)
Trend Produk terlaris Juli 2019 Trend Produk terlaris Agustus 2019
GRAM) GRAM)
GRAM)
CHLORAMFENICOL 1 % S. MATA (TUBE 5 BETAMETASON 0,1% CR(DUS 25 TUBE@5
GRAM) GRAM)
KETOCONAZOLE 2 % CREAM (TUBE 10 BETASON CREAM (TUBE 5 GRAM)
GRAM)
HYDROCORTISONE 2,5%CR(DUS 24TUBE@ HYDROCORTISONE 2,5%CR(DUS 24TUBE@
5GRAM) 5GRAM)
CHLORAMFECORT CREAM (TUBE 10 KETOCONAZOLE 2 % CREAM (TUBE 10
GRAM) GRAM)
AMLODIPINE 10 MG (DUS 50 TAB) ASIFIT KAPLET-BLISTER 3X10 KAPL
CAPTOPRIL 12.5 MG TAB (DUS 100 TAB) CAPTOPRIL 25 MG (DUS 100 TAB)
MARCKS BEDAK CREME CAPTOPRIL 12.5 MG TAB (DUS 100 TAB)
Trend Produk terlaris Agustus 2019 Trend Produk terlaris September 2019
GRAM) 5GRAM)
MARCKS BEDAK CREME BETAMETASON 0,1% CR(DUS 25 TUBE@5
GRAM)
BETAMETASON 0,1% CR(DUS 25 TUBE@5 KETOCONAZOLE 2 % CREAM (TUBE 10
GRAM) GRAM)
BETASON CREAM (TUBE 5 GRAM) MICONAZOLE 2 % CR(DUS 24 TUBE@10
GRAM)
HYDROCORTISONE 2,5%CR(DUS 24TUBE@ AMLODIPINE 5 MG (DUS 50 TAB)
5GRAM)
KETOCONAZOLE 2 % CREAM (TUBE 10 MARCKS BEDAK CREME
GRAM)
ASIFIT KAPLET-BLISTER 3X10 KAPL CHLORAMFENICOL 1 % S. MATA (TUBE 5
GRAM)
CAPTOPRIL 25 MG (DUS 100 TAB) CHLORAMFECORT CREAM (TUBE 10
GRAM)
CAPTOPRIL 12.5 MG TAB (DUS 100 TAB) AMLODIPINE 10 MG (DUS 50 TAB)
24
Trend Produk terlaris September 2019 Trend Produk terlaris Oktober 2019
HYDROCORTISONE 2,5%CR(DUS 24TUBE@ HYDROCORTISONE 2,5%CR(DUS 24TUBE@
5GRAM) 5GRAM)
BETAMETASON 0,1% CR(DUS 25 TUBE@5 BETAMETASON 0,1% CR(DUS 25 TUBE@5
GRAM) GRAM)
KETOCONAZOLE 2 % CREAM (TUBE 10 MICONAZOLE 2 % CR(DUS 24 TUBE@10
GRAM) GRAM)
MICONAZOLE 2 % CR(DUS 24 TUBE@10 CHLORAMFECORT CREAM (TUBE 10
GRAM) GRAM)
AMLODIPINE 5 MG (DUS 50 TAB) MARCKS BEDAK CREME
MARCKS BEDAK CREME KETOCONAZOLE 2 % CREAM (TUBE 10
GRAM)
CHLORAMFENICOL 1 % S. MATA (TUBE 5 CAPTOPRIL 25 MG (DUS 100 TAB)
GRAM)
CHLORAMFECORT CREAM (TUBE 10 AMLODIPINE 10 MG (DUS 50 TAB)
GRAM)
Trend Produk terlaris Oktober 2019 Trend Produk terlaris November 2019
HYDROCORTISONE 2,5%CR(DUS 24TUBE@ BETASON N CREAM (TUBE 5 GRAM)
5GRAM)
BETAMETASON 0,1% CR(DUS 25 TUBE@5 BETAMETASON 0,1% CR(DUS 25 TUBE@5
GRAM) GRAM)
GRAM) GRAM)
CHLORAMFECORT CREAM (TUBE 10 MARCKS BEDAK CREME
GRAM)
MARCKS BEDAK CREME HYDROCORTISONE 2,5%CR(DUS 24TUBE@
5GRAM)
GRAM) GRAM)
CAPTOPRIL 25 MG (DUS 100 TAB) OXYTETRACYCLIN 1% SM(DUS
25TUBE@3,5GRAM)
AMLODIPINE 10 MG (DUS 50 TAB) AMLODIPINE 5 MG (DUS 50 TAB)
MARCKS BEDAK ROSE CHLORAMFECORT H CREAM (TUBE 10
GRAM)
Trend Produk terlaris November 2019 Trend Produk terlaris Desember 2019
BETASON N CREAM (TUBE 5 GRAM) BETAMETASON 0,1% CR(DUS 25 TUBE@5
GRAM)
25
BETAMETASON 0,1% CR(DUS 25 TUBE@5 MICONAZOLE 2 % CR(DUS 24 TUBE@10
GRAM) GRAM)
MICONAZOLE 2 % CR(DUS 24 TUBE@10 KETOCONAZOLE 2 % CREAM (TUBE 10
GRAM) GRAM)
MARCKS BEDAK CREME MARCKS BEDAK CREME
HYDROCORTISONE 2,5%CR(DUS 24TUBE@ AMLODIPINE 5 MG (DUS 50 TAB)
5GRAM)
KETOCONAZOLE 2 % CREAM (TUBE 10 AMLODIPINE 10 MG (DUS 50 TAB)
GRAM)
OXYTETRACYCLIN 1% SM(DUS HYDROCORTISONE 2,5%CR(DUS 24TUBE@
25TUBE@3,5GRAM) 5GRAM)
CHLORAMFECORT H CREAM (TUBE 10 BETASON CREAM (TUBE 5 GRAM)
GRAM)
Dari tabel-tabel diatas dibandingkan secara manual antara data trend

penjualan produk terlaris dari bulan Januari 2019-Desember 2019, dapat dilihat
perbandingan trend penjualan dengan data di sebelah kiri sebagai data prediksi
dan data di sebelah kanan sebagai data yang ingin diprediksi. Dari analisa diatas,
prediksi produk terlaris secara manual masih kurang stabil, sehingga diperlukan
metode untuk membantu memprediksi penjualan produk terlaris di masa
mendatang.
26
3.2.3 Analisis Sistem Usulan
Gambar 3. 2 Diagram Alir Sistem Usulan

Gambar 3.3 diatas merupakan sistem usulan pada penelitian ini dimana
alur proses awal sama dengan alur proses yang sedang berjalan yaitu pegawai
masih menerima data penjualan dari SAP. Lalu data penjualan tersebut juga di-
export ke dalam bentuk excel. Namun, perbedaannya terdapat pada tahap
selanjutnya yaitu data tidak langsung dianalisa tetapi di-import ke dalam aplikasi,
sehingga aplikasi akan membantu menganalisa data penjualan tersebut.
Keluaran akhir dari sistem ini bukan hanya untuk mengetahui produk terlaris
bulanan tetapi juga untuk memprediksi produk apa yang akan laris pada bulan
selanjutnya. Maka dari itu pegawai perlu memilih waktu yang akan diprediksi,
waktu yang di maskud disini adalah bulan dan tahun prediksi. Setelah itu data
akan diproses untuk dilakukan perhitungan menggunakan metode Least Square.
27
Proses tersebut akan menghasilkan output berupa hasil prediksi penjualan,
kemudian hasil prediksi dan data aktual akan dibandingkan untuk bisa
melakukan uji error menggunakan MAPE. Setelah itu barulah dilakukan
perankingan berdasarkan nilai prediksi tertinggi sehingga didapatkan output
prediksi produk terlaris pada periode selanjutnya.
3.2.4 Analisis Perangkat Lunak dan Perangkat Keras

Berikut spesifikasi yang digunakan dalam pembuatan sistem :
1. Perangkat keras (Hardware)
a. 1 unit laptop dengan spesifikasi sebagai berikut :
Processor Intel QuadCoreN3710(1.6-2.4 Ghz)
RAM berkapasitas 4.00GB
b. Printer Canon G2000
2. Perangkat Lunak (Software)
a. Operating System Windows 10 Professional 64-bit Pada laptop
b. XAMPP Version 3.2.4
c. MySQL/phpmyadmin version 5.6.30
d. Visual Studio Code
e. Google Chrome
f. Microsoft Excel
g. Microsoft Word
h. Edraw Max
i. Balsamiq Wireframes
3.3 Perancangan Penelitian

Berikut merupakan perancangan penelitian menggunakan metode Cross-
Industry Standard Process Model for Data Mining (CRISP-DM) :
3.3.1 Business Understanding (Pemahaman Bisnis)

Pemahaman bisnis merupakan tahap awal pada perancangan CRISP-DM
untuk memahami permasalahan yang ingin diteliti. Tahap ini menjadi acuan
untuk melakukan prediksi penjualan produk terlaris. Pada tahap ini dilakukan
28
wawancara dan studi pustaka untuk memahami mengenai tujuan bisnis,
penilaian situasi serta tujuan diterapkannya Data Mining, yaitu sebagai berikut:
a) Menentukan Tujuan Bisnis
Tujuan bisnis dari penelitian ini yaitu memahami alur proses bisnis
dalam menentukan penjualan produk terlaris pada Kimia Farma
Trading & Distribution.
b) Menilai situasi
Penjualan produk mengalami naik turun setiap bulannya
sedangkan produk yang laris tidak boleh mengalami penurunan
pada bulan selanjutnya.
c) Menentukan Tujuan Data Mining
Tujuan Penelitian ini menerapkan Data Mining yaitu untuk
menganalisis data pada masa lampau sehingga memudahkan
prediksi penjualan produk terlaris di masa mendatang.
3.3.2 Data Understanding (Pemahaman Data)

Pemahaman Data merupakan tahap kedua pada perancangan CRISP-
DM dimulai dengan pengumpulan data awal dan hasil kegiatan guna
mengidentifikasi masalah data.
a) Pengumpulan Data Awal

Pengumpulan data dilakukan dengan mengambil data dari Kimia
Farma Trading & Distribution (KFTD) yaitu data penjualan produk
bulan Januari - Desember 2019 pada KFTD cabang Palembang.
b) Mendeskripsikan Data
Tahap ini dilakukan untuk menganalisis dan memahami data yang
diperoleh dari hasil pendataan awal. Sebelum dilakukan data
preparation, tabel dari bulan Januari – Desember 2019 masing-
masing berjumlah sekitar kurang lebih 8000 data mentah.
c) Data Eksplorasi
Karena data diperoleh dari periode bulan yang berbeda yaitu
periode Januari-Desember 2019 maka perlu dilakukan proses
29
eksplorasi data untuk melihat persamaan atribut pada masing-
masing tabel. Atribut pada masing-masing tabel yaitu sama-sama
berjumlah 122 atribut. Masing-masing tabel memiliki atribut yang
sama yang akan digunakan pada proses data preparation. Atribut
tersebut merupakan product hierarchy yang terdiri dari 2 jenis
produk yaitu produk KF dan NON-KF kemudian material, text
material, sales unit dan quantity.
d) Verifikasi Kualitas
Verifikasi kualitas data juga perlu dilakukan dengan melihat struktur
pada masing-masing tabel karena data diperoleh dari periode bulan
yang berbeda yaitu periode Januari-Desember 2019. Masing-
masing tabel memiliki struktur yang sama sehingga akan
mempermudah saat melakukan proses integrasi data.
3.3.3 Data Preparation (Persiapan Data)

Persiapan data merupakan tahap penyusunan dataset, kemudian data
yang telah tersusun akan dilanjutkan ke tahap pemodelan. Berikut tahapan yang
akan dilakukan :
a) Select and Build Data

Pada tahap ini dilakukan pemilihan tabel terkait untuk
mempermudah saat proses pemilihan data. Terdapat 12 Tabel
yaitu tabel penjualan bulan Januari-Desember 2019.
b) Integrating Data
Pada tahap ini, masing-masing tabel digabungkan sehingga
menjadi satu set data baru. Pada proses sebelumnya dilakukan
seleksi data sehingga proses integrasi data lebih mudah
dilakukan.
c) Cleaning Data
Pada tahap ini dilakukan penghapusan record yang bernilai 0 (nol)
dan penghapusan atribut atau variabel yang tidak diperlukan pada
tabel Integrasi Penjualan Januari 2019 – Januari 2020.
30
3.3.4 Data Modelling (Pemodelan Data)
Pemodelan data merupakan perhitungan menggunakan metode Least
Square. Data yang akan dihitung merupakan data set Penjualan bulan Januari
2019 sampai dengan Desember 2019 pada Kimia Farma Trading & Distribution
di cabang Palembang. Berikut merupakan diagram alir metode Least Square :
Gambar 3. 3 Diagram Alir Metode Least Square

Pada Gambar 3.4 dijelaskan mengenai alur proses metode Least Square
yaitu sebagai berikut :
1. Masukkan Data Aktual, data Aktual yang dimaksud merupakan data

penjualan aktual.
2. Menentukan Nilai n, n merupakan panjang periode peramalan atau
jumlah iterasi periode yang digunakan untuk perhitungan.
3. Penentuan Aturan Nilai x, x merupakan periode waktu / variabel bebas.
Apabila data atau nilai n berjumlah ganjil maka nilai x mengikuti aturan
data ganjil yaitu:
…,3,-2, -1, 0, 1, 2, 3,…
31
Sedangkan apabila data atau nilai n berjumlah genap maka nilai x
mengikuti aturan data genap yaitu:
…,-5, -3, -1,1, 3, 5,…
4. Hitung Nilai x², xy, ∑y (total penjualan) , ∑x² (Total x²) dan ∑xy (total
xy), perhitungan ini digunakan sebagai dasar perhitungan metode
Least Square.
5. Menghitung Nilai 𝑎 = ∑𝑌 / 𝑛, a merupakan nilai tetap atau konstan /
besar nilai Trend.
6. Menghitung Nilai 𝑏 = ∑x𝑌 / ∑x², 𝑏 merupakan koefisien arah regresi /
perubahan nilai Trend.
7. Hitung Persamaan Nilai Trend Y’=a+b.x, nilai x (periode waktu) pada
persamaan Trend merupakan nilai x pada perode selanjutnya.
8. Hasil dari perhitungan nilai Trend merupakan hasil prediksi /
peramalan.
Data yang digunakan untuk proses perhitungan yaitu data penjualan

produk bulan Januari 2019 sampai dengan Desember 2019 sehingga variabel
bebasnya merupakan data genap. Berikut ini merupakan contoh sampel
perhitungan prediksi penjualan bulan Januari 2020:
Tabel 3. 12 Tabel Sampel Pemodelan Data 1

NITROKAF RETARD F. KAPS.(100)
no waktu(n) y x x^2 xy
1 Januari 1,011 -11 121 -11,121
2 Februari 1,768 -9 81 -15,912
3 Maret 1,268 -7 49 -8,876
4 April 1,640 -5 25 -8,200
5 Mei 2,226 -3 9 -6,678
6 Juni 1,331 -1 1 -1,331
7 Juli 2,054 1 1 2,054
8 Agustus 1,686 3 9 5,058
9 September 1,914 5 25 9,570
10 Oktober 1,527 7 49 10,689
11 November 1866 9 81 16,794
12 Desember 1,622 11 121 17,842
19,913 0 572 9,889
32
n = 12
a = ∑y / n
= 19913 / 12
= 1659.41667
b = ∑xy / ∑x²
= 9889 / 572
= 17.2884615
y = a + (bx)
= 1659.41667 + (17.2884615 * 13)
= 1884.16667

RETAPHYL SR-STRIP 10X10 TABLET
1 Januari 753 -11 121 -8,283
2 Februari 723 -9 81 -6,507
3 Maret 1,025 -7 49 -7,175
4 April 1,229 -5 25 -6,145
5 Mei 1,109 -3 9 -3,327
6 Juni 540 -1 1 -540
7 Juli 1,080 1 1 1,080
8 Agustus 505 3 9 1,515
9 September 776 5 25 3,880
10 Oktober 647 7 49 4,529
11 November 796 9 81 7,164
12 Desember 865 11 121 9,515
10,048 0 572 -4,294
n = 12
a = ∑y / n
= 10048 / 12
= 837.333333
b = ∑xy / ∑x²
= -4294 / 572
= -7.506993
y = a + (bx)
= 837.333333+ (-7.506993 * 13)
= 739.742424
33
PROTOFEN SUPP
1 Januari 199 -11 121 -2,189
2 Februari 145 -9 81 -1,305
3 Maret 224 -7 49 -1,568
4 April 213 -5 25 -1,065
5 Mei 341 -3 9 -1,023
6 Juni 171 -1 1 -171
7 Juli 92 1 1 92
8 Agustus 271 3 9 813
9 September 195 5 25 975
10 Oktober 169 7 49 1,183
11 November 234 9 81 2,106
12 Desember 184 11 121 2,024
2,438 0 572 -128
n = 12
a = ∑y / n
= 2438 / 12
= 203.166667
b = ∑xy / ∑x²
= -128 / 572
= -0.2237762
y = a + (bx)
= 203.166667+ (-0.2237762* 13)
= 200.257576

MARCKS BEDAK CREME
1 Januari 5,099 -11 121 -56,089
2 Februari 6,513 -9 81 -58,617
3 Maret 6,839 -7 49 -47,873
4 April 7,346 -5 25 -36,730
5 Mei 6,815 -3 9 -20,445
6 Juni 4,072 -1 1 -4,072
7 Juli 5,849 1 1 5,849
8 Agustus 5,778 3 9 17,334
9 September 6,674 5 25 33,370
10 Oktober 5,430 7 49 38,010
34
11 November 6904 9 81 62,136
12 Desember 5,266 11 121 57,926
72,585 0 572 -9,201
n = 12
a = ∑y / n
= 72585 / 12
= 6048.75
b = ∑xy / ∑x²
= -9201 / 572
= -16.085664
y = a + (bx)
= 6048.75+ (-16.085664* 13)
= 5839.63636

MARCKS BEDAK WHITE 20gr
1 Januari 308 -11 121 -3,388
2 Februari 234 -9 81 -2,106
3 Maret 569 -7 49 -3,983
4 April 450 -5 25 -2,250
5 Mei 278 -3 9 -834
6 Juni 282 -1 1 -282
7 Juli 397 1 1 397
8 Agustus 288 3 9 864
9 September 474 5 25 2,370
10 Oktober 240 7 49 1,680
11 November 416 9 81 3,744
12 Desember 384 11 121 4,224
4,320 0 572 436
n = 12
a = ∑y / n
= 4320 / 12
= 360
b = ∑xy / ∑x²
= 436 / 572
= 0.76223776
y = a + (bx)
= 360+ (0.76223776* 13)
= 369.909091
35
3.3.5 Evaluation (Evaluasi)
Pada tahap evaluasi dilakukan evaluasi terhadap hasil perhitungan
prediksi dengan menggunakan metode Least Square, sehingga tidak ada tahap
yang dilewatkan untuk memprediksi penjualan pada perusahaan Kimia Farma
Trading & Distribution (KFTD). Kemudian hasil prediksi dan aktual dibandingkan
untuk dilakukan perhitungan error menggunakan Mean Absolute Percentage
Error (MAPE). Berikut Perhitungan nilai error berdasarkan hasil perbandingan
nilai data aktual dan nilai prediksi (trend) penjualan produk pada setiap bulan :
Tabel 3. 17 Tabel Sampel Analisis Perhitungan Error 1

no waktu(n) y x x^2 xy Trend |(y-trend)/y|
- -
1 Januari 1,011 121 1469.24359 0.453257754
11 11,121
-
2 Februari 1,768 -9 81 1503.820513 0.149422787
15,912
3 Maret 1,268 -7 49 -8,876 1538.397436 0.213247189
4 April 1,640 -5 25 -8,200 1572.974359 0.040869293
5 Mei 2,226 -3 9 -6,678 1607.551282 0.277829613
6 Juni 1,331 -1 1 -1,331 1642.128205 0.233755225
7 Juli 2,054 1 1 2,054 1676.705128 0.183687864
8 Agustus 1,686 3 9 5,058 1711.282051 0.014995285
9 September 1,914 5 25 9,570 1745.858974 0.087847976
10 Oktober 1,527 7 49 10,689 1780.435897 0.165969808
11 November 1866 9 81 16,794 1815.012821 0.027324319
12 Desember 1,622 11 121 17,842 1849.589744 0.140314269
19,913 0 572 9,889 19,913 2
MAPE = (∑| y−y’/y | / 𝑛) *100

= (2 /12) *100 = 16.57
Akurasi = 100% – MAPE
= 100% – 16.57 = 83.43 %
36
|(y-
no waktu(n) y x x^2 xy Trend
trend)/y|
753 -11 -8,283
1 Januari 121 919.9102564 0.221660367
723 -6,507
2 Februari -9 81 904.8962704 0.251585436
1,025 -7,175
3 Maret -7 49 889.8822844 0.131822162
1,229 -6,145
4 April -5 25 874.8682984 0.288146218
1,109 -3,327
5 Mei -3 9 859.8543124 0.224657969
540 -540
6 Juni -1 1 844.8403263 0.564519123
1,080
7 Juli 1,080 1 1 829.8263403 0.231642277
505 1,515
8 Agustus 3 9 814.8123543 0.613489811
776 3,880
9 September 5 25 799.7983683 0.030668
647 4,529
10 Oktober 7 49 784.7843823 0.21295886
796 9 7,164
11 November 81 769.7703963 0.032951763
12 865 11 9,515
Desember 121 754.7564103 0.127449237
10,048 0 572 -4,294 10,048 3
MAPE = (∑| y−y’/y | / 𝑛) *100

= (3 /12) *100 = 24.43
= 100% – 24.43 = 75.57 %
PROTOFEN SUPP
|(y-
trend)/y|
199 -11 -
1 Januari 121 2,189 205.6282051 0.033307563
145 -
2 Februari -9 81 1,305 205.1806527 0.415038984
224 -
3 Maret -7 49 1,568 204.7331002 0.086012945
213 -
4 April -5 25 1,065 204.2855478 0.040912921
341 -
5 Mei -3 9 1,023 203.8379953 0.402234618
171 -171
6 Juni -1 1 203.3904429 0.189417795
92
7 Juli 92 1 1 202.9428904 1.205900983
271 813
8 Agustus 3 9 202.495338 0.252784731
195 975
9 September 5 25 202.0477855 0.03614249
169 1,183
10 Oktober 7 49 201.6002331 0.192900788
37
234 9 2,106
11 November 81 201.1526807 0.14037316
12 184 11 2,024
Desember 121 200.7051282 0.09078874
2,438 0 572 -128 2,438 3
Berikut perhitungan nilai error berdasarkan hasil perbandingan nilai data

aktual dan nilai prediksi (trend) penjualan produk pada setiap bulan :
MAPE = (∑| y−y’/y | / 𝑛) *100

= (3 /12) *100 = 25.72
= 100% – 25.72 = 74.28 %
MARCKS BEDAK CREME

|(y-
trend)/y|
5,099 -11 -
1 Januari 121 56,089 6225.692308 0.220963386
6,513 -
2 Februari -9 81 58,617 6193.520979 0.049052514
6,839 -
3 Maret -7 49 47,873 6161.34965 0.099086175
7,346 -
4 April -5 25 36,730 6129.178322 0.165644116
6,815 -
5 Mei -3 9 20,445 6097.006993 0.105354807
6 Juni 4,072 -1 1 -4,072 6064.835664 0.489399721
7 Juli 5,849 1 1 5,849 6032.664336 0.031400981
8 Agustus 5,778 3 9 17,334 6000.493007 0.038506924
9 September 6,674 5 25 33,370 5968.321678 0.105735439
10 Oktober 5,430 7 49 38,010 5936.15035 0.093213692
11 November 6904 9 81 62,136 5903.979021 0.144846608
12 Desember 5,266 11 121 57,926 5871.807692 0.115041339
72,585 0 572 -9,201 72,585 2
Berikut perhitungan nilai error berdasarkan hasil perbandingan nilai data

aktual dan nilai prediksi (trend) penjualan produk pada setiap bulan :
MAPE = (∑| y−y’/y | / 𝑛) *100

= (2 /12) *100 = 13.82
= 100% – 13.82 = 86.18 %
38
no waktu(n) y x x^2 xy Trend |(y-trend)/y|
308 -11 -3,388
1 Januari 121 351.6153846 0.141608392
234 -2,106
2 Februari -9 81 353.1398601 0.509144701
569 -3,983
3 Maret -7 49 354.6643357 0.376688338
450 -2,250
4 April -5 25 356.1888112 0.208469308
278 -834
5 Mei -3 9 357.7132867 0.286738441
282 -282
6 Juni -1 1 359.2377622 0.273892774
397
7 Juli 397 1 1 360.7622378 0.091278998
288 864
8 Agustus 3 9 362.2867133 0.257939977
474 2,370
9 September 5 25 363.8111888 0.232465846
240 1,680
10 Oktober 7 49 365.3356643 0.522231935
416 9 3,744
11 November 81 366.8601399 0.118124664
12 384 11 4,224
Desember 121 368.3846154 0.040665064
4,320 0 572 436 4,320 3
Berikut perhitungan nilai error berdasarkan hasil perbandingan nilai data aktual
dan nilai prediksi (trend) penjualan produk pada setiap bulan :
MAPE = (∑| y−y’/y | / 𝑛) *100

= (3 /12) *100 = 25.49
= 100% – 25.49 = 74.51 %
3.3.6 Deployment (Penyebaran)

Tahap Deployment merupakan tahap pembuatan laporan mengenai
proses dari tahap awal hingga tahap akhir. Kemudian hasil dari perhitungan
prediksi dengan menggunakan metode Least Square dilakukan perankingan
untuk melihat hasil prediksi produk terlaris. Diharapkan hasil prediksi penjualan
produk terlaris menggunakan metode Least Square dapat dijadikan acuan untuk
penelitian selanjutnya.
3.4 Perancangan Antar Muka

Berikut ini adalah perancangan antar muka aplikasi prediksi penjualan produk
terlaris :
a. Tampilan Halaman Login
39
User melakukan proses login dengan mengisi username dan password.
Gambar 3. 4 Tampilan Perancangan Halaman Login

b. Tampilan Halaman Dashboard Prediksi Penjualan Produk Terlaris
Tampilan halaman dashboard menampilkan daftar prediksi produk terlaris
berdasarkan nilai prediksi tertinggi. Pada side bar terdapat pilihan
tampilan dashboard, data penjualan, perhitungan prediksi dan data
prediksi. Terdapat combo box untuk menampilkan data berdasarkan
periode tertentu atau seluruh periode. Terdapat pula tombol search untuk
membantu mencari text material (produk).
Gambar 3. 5 Tampilan Perancangan Halaman Dashboard

c. Tampilan Halaman Data Penjualan
40
Tampilan data penjualan ditampilkan berdasarkan atribut material, text
material, quantity, sales unit dan product hierarchy. Terdapat tombol
import untuk memudahkan import data. Terdapat tombol search untuk
memudahkan melakukan pencarian. Terdapat combo box untuk
menampilkan data berdasarkan periode tertentu atau seluruh periode.
Gambar 3. 6 Tampilan Perancangan Halaman Data Penjualan

d. Tampilan Halaman Perhitungan Prediksi
Tampilan perhitungan prediksi menampilkan combo box untuk memilih
waktu yang akan diprediksi, misal: Januari 2020. Terdapat tombol proses
yang berguna untuk memproses perhitungan berdasarkan waktu yang
telah dipilih.
Gambar 3. 7 Tampilan Perancangan Halaman Perhitungan Prediksi

41
e. Tampilan Halaman Hasil Perhitungan Prediksi
Tampilan hasil perhitungan prediksi merupakan tampilan yang muncul
setelah tombol proses ditekan. Terdapat tombol search untuk
memudahkan pencarian. Terdapat tombol simpan untuk menyimpan data
hasil prediksi ke tabel data prediksi penjualan.
Gambar 3. 8 Tampilan Perancangan Halaman Hasil Perhitungan Prediksi

f. Tampilan Halaman Data Prediksi Penjualan
Tampilan halaman data prediksi penjualan menampilkan data prediksi
penjualan produk beserta data aktualnya, kemudian ditampilkan pula
perhitungan error menggunakan MAPE. Terdapat tombol search untuk
memudahkan pencarian. Terdapat combo box untuk menampilkan data
berdasarkan periode tertentu atau seluruh periode.
42
Gambar 3. 9 Tampilan Perancangan Halaman Data Prediksi
3.5 Teknik Analisis

Pada tahap ini dilakukan validasi model dengan menggunakan Root Mean
Square Error (RMSE). Berikut Perhitungan nilai validasi berdasarkan model yang
digunakan :
Tabel 3. 22 Tabel Validasi Model Sampel Data 1

no waktu(n) y x x^2 xy Trend error error^2
1,011 -11 -11,121
1 Januari 121 1469.24359 -458 209,987.19
2 Februari 1,768 -9 81 -15,912 1503.820513 264 69,790.80
1,268 -8,876
3 Maret -7 49 1538.397436 -270 73,114.77
1,640 -8,200
4 April -5 25 1572.974359 67 4,492.44
2,226 -6,678
5 Mei -3 9 1607.551282 618 382,478.82
1,331 -1,331
6 Juni -1 1 1642.128205 -311 96,800.76
7 Juli 2,054 1 1 2,054 1676.705128 377 142,351.42
1,686 5,058
8 Agustus 3 9 1711.282051 -25 639.18
9 September 1,914 5 25 9,570 1745.858974 168 28,271.40
1,527 10,689
10 Oktober 7 49 1780.435897 -253 64,229.75
1866 9 16,794
11 November 81 1815.012821 51 2,599.69
12 1,622 11 17,842
Desember 121 1849.589744 -228 51,797.09
19,913 0 572 9,889 19,913 0 1,126,553.32
𝑅𝑀𝑆𝐸 = √∑ (y − y’)² / 𝑛
=√ 1126553.32 / 12
= 306.40
43
no waktu(n) y x x^2 xy Trend error error^2
1 Januari 753 -11 121 -8,283 919.9102564 -167 27,859.03
2 Februari 723 -9 81 -6,507 904.8962704 -182 33,086.25
3 Maret 1,025 -7 49 -7,175 889.8822844 135 18,256.80
4 April 1,229 -5 25 -6,145 874.8682984 354 125,409.26
5 Mei 1,109 -3 9 -3,327 859.8543124 249 62,073.57
6 Juni 540 -1 1 -540 844.8403263 -305 92,927.62
7 Juli 1,080 1 1 1,080 829.8263403 250 62,586.86
8 Agustus 505 3 9 1,515 814.8123543 -310 95,983.69
9 September 776 5 25 3,880 799.7983683 -24 566.36
10 Oktober 647 7 49 4,529 784.7843823 -138 18,984.54
11 November 796 9 81 7,164 769.7703963 26 687.99
12 Desember 865 11 121 9,515 754.7564103 110 12,153.65
10,048 0 572 -4,294 10,048 0 550,575.64
𝑅𝑀𝑆𝐸 = √∑ (y − y’)² / 𝑛
=√ 550575.64 / 12
= 214.20

PROTOFEN SUPP
no waktu(n) y x x^2 xy Trend error error^2 |(y-trend)/y|
199 -11 -2,189
1 Januari 121 205.6282051 -7 43.93 0.033307563
145 -1,305
2 Februari -9 81 205.1806527 -60 3,621.71 0.415038984
224 -1,568
3 Maret -7 49 204.7331002 19 371.21 0.086012945
213 -1,065
4 April -5 25 204.2855478 9 75.94 0.040912921
341 -1,023
5 Mei -3 9 203.8379953 137 18,813.42 0.402234618
171 -171
6 Juni -1 1 203.3904429 -32 1,049.14 0.189417795
92
7 Juli 92 1 1 202.9428904 -111 12,308.32 1.205900983
271 813
8 Agustus 3 9 202.495338 69 4,692.89 0.252784731
195 975
9 September 5 25 202.0477855 -7 49.67 0.03614249
169 1,183
10 Oktober 7 49 201.6002331 -33 1,062.78 0.192900788
234 9 2,106
11 November 81 201.1526807 33 1,078.95 0.14037316
12 184 11 2,024
Desember 121 200.7051282 -17 279.06 0.09078874
2,438 0 572 -128 2,438 0 43,447.02 3
44
𝑅𝑀𝑆𝐸 = √∑ (y − y’)² / 𝑛
=√ 43447.02 / 12
= 60.17
MARCKS BEDAK CREME

5,099 -11 -
1 Januari 121 56,089 6225.692308 -1,127 1,269,435.56 0.220963386
6,513 -
2 Februari -9 81 58,617 6193.520979 319 102,066.84 0.049052514
6,839 -
3 Maret -7 49 47,873 6161.34965 678 459,210.00 0.099086175
7,346 -
4 April -5 25 36,730 6129.178322 1,217 1,480,655.00 0.165644116
6,815 -
5 Mei -3 9 20,445 6097.006993 718 515,513.96 0.105354807
6 Juni 4,072 -1 1 -4,072 6064.835664 -1,993 3,971,393.99 0.489399721
7 Juli 5,849 1 1 5,849 6032.664336 -184 33,732.59 0.031400981
8 Agustus 5,778 3 9 17,334 6000.493007 -222 49,503.14 0.038506924
9 September 6,674 5 25 33,370 5968.321678 706 497,981.89 0.105735439
10 Oktober 5,430 7 49 38,010 5936.15035 -506 256,188.18 0.093213692
11 November 6904 9 81 62,136 5903.979021 1,000 1,000,041.96 0.144846608
12 Desember 5,266 11 121 57,926 5871.807692 -606 367,002.96 0.115041339
72,585 0 572 -9,201 72,585 0 10,002,726.05 2
𝑅𝑀𝑆𝐸 = √∑ (y − y’)² / 𝑛
=√ 10002726.05 / 12
= 913.00

308 -11 -3,388
1 Januari 121 351.6153846 -44 1,902.30 0.141608392
234 -2,106
2 Februari -9 81 353.1398601 -119 14,194.31 0.509144701
569 -3,983
3 Maret -7 49 354.6643357 214 45,939.78 0.376688338
450 -2,250
4 April -5 25 356.1888112 94 8,800.54 0.208469308
278 -834
5 Mei -3 9 357.7132867 -80 6,354.21 0.286738441
282 -282
6 Juni -1 1 359.2377622 -77 5,965.67 0.273892774
397
7 Juli 397 1 1 360.7622378 36 1,313.18 0.091278998
288 864
8 Agustus 3 9 362.2867133 -74 5,518.52 0.257939977
45
474 2,370
9 September 5 25 363.8111888 110 12,141.57 0.232465846
240 1,680
10 Oktober 7 49 365.3356643 -125 15,709.03 0.522231935
416 9 3,744
11 November 81 366.8601399 49 2,414.73 0.118124664
12 384 11 4,224
Desember 121 368.3846154 16 243.84 0.040665064
4,320 0 572 436 4,320 0 120,497.66 3
𝑅𝑀𝑆𝐸 = √∑ (y − y’)² / 𝑛
=√ 120497.66 / 12
= 100.21
46
BAB IV
HASIL DAN PEMBAHASAN
4.1 Hasil
Berdasarkan perancangan sebelumnya, berikut merupakan hasil
implementasi dari perancangan yang telah dibuat:
4.1.1 Hasil Data Preparation

4.1.1.1 Hasil Select dan Build Data
Tabel diseleksi berdasarkan atribut yang diperlukan yaitu material, text
material, sales unit, quantity, product hierarchy dan periode. Kemudian pada
atribut product hierarchy terdiri dari 2 jenis produk yaitu produk KF dan NON-KF.
Karena penelitian hanya berfokus pada produk KF maka data diseleksi
berdasarkan produk KF sehingga jumlahnya menjadi kurang lebih sekitar 100
data. Berikut merupakan tabel yang sudah diseleksi:
Tabel 4. 1 Tabel Penjualan Bulan Januari 2019
prod. periode
sales
No material text material quantity hierar
unit
chy1
1 11000009 ALPRAZOLAM 1 MG DUS 10 KF 201901
(DUS 100 TAB)
2 11000016 AZITHROMYCIN 500 DUS 3 KF 201901
MG (DUS 20 TAB)
3 11000024 CEFIXIME 100 MG DUS 69 KF 201901
(DUS 30 KAPS)
4 11000025 CETIRIZINE 10 MG DUS 274 KF 201901
(DUS 30 TAB)
5 11000026 CHLORAMFECORT TUB 357 KF 201901
CREAM (TUBE 10
GRAM)
6 11000027 CHLORAMFECORT H TUB 40 KF 201901
CREAM (TUBE 10
GRAM)
7 11000033 CODEINE 10 MG (DUS DUS 84 KF 201901
100 TAB)
8 11000038 CODIKAF 10 MG DUS 2 KF 201901
TABLET
47
9 11000042 CODIPRONT CUM BT 364 KF 201901
EXPECTORANT SIROP
10 11000043 CODIPRONT KAPSUL DUS 94 KF 201901
(10)
…. …. …. …. …. ….
100 11000977 MARCKS' TEENS CP PC KF 201901
CREME 2646
Tabel 4. 2 Tabel Penjualan Bulan Februari 2019

prod. periode
sales
unit
chy1
(DUS 100 TAB)
MG (DUS 20 TAB)
(DUS 30 KAPS)
(DUS 30 TAB)
5 11000026 CHLORAMFECORT TUB KF 201902
CREAM (TUBE 10 435
GRAM)
6 11000027 CHLORAMFECORT H TUB KF 201902
CREAM (TUBE 10 411
GRAM)
100 TAB)
8 11000038 CODIKAF 10 MG DUS 3 KF 20190
TABLET
EXPECTORANT SIROP
(10)
…. …. …. …. …. ….
CREME 350
48
Tabel 4. 3 Tabel Penjualan Bulan Maret 2019
prod. periode
sales
unit
chy1
(DUS 100 TAB)
MG (DUS 20 TAB)
(DUS 30 KAPS)
(DUS 30 TAB)
CREAM (TUBE 10 2322
GRAM)
CREAM (TUBE 10
GRAM)
100 TAB)
8 11000038 CODIKAF 10 MG DUS 2 KF 201903
TABLET
EXPECTORANT SIROP
(10)
…. …. …. …. …. ….
CREME 3527
Tabel 4. 4 Tabel Penjualan Bulan April 2019

prod. periode
sales
unit
chy1
(DUS 100 TAB)
MG (DUS 20 TAB)
(DUS 30 KAPS)
(DUS 30 TAB)
CREAM (TUBE 10 595
GRAM)
49
CREAM (TUBE 10 445
GRAM)
100 TAB)
8 11000038 CODIKAF 10 MG DUS 11 KF 201904
TABLET
EXPECTORANT SIROP
(10)
…. …. …. …. …. ….
CREME 1582
Tabel 4. 5 Tabel Penjualan Bulan Mei 2019

prod. periode
sales
unit
chy1
(DUS 100 TAB)
MG (DUS 20 TAB)
(DUS 30 KAPS)
(DUS 30 TAB)
CREAM (TUBE 10 3818
GRAM)
CREAM (TUBE 10 2
GRAM)
100 TAB)
8 11000038 CODIKAF 10 MG DUS 8 KF 201905
TABLET
EXPECTORANT SIROP
(10)
…. …. …. …. …. ….
50
CREME 2092
Tabel 4. 6 Tabel Penjualan Bulan Juni 2019

prod.
sales
No material text material quantity hierar periode
unit
chy1
(DUS 100 TAB)
MG (DUS 20 TAB)
(DUS 30 KAPS)
(DUS 30 TAB)
CREAM (TUBE 10 522
GRAM)
CREAM (TUBE 10 388
GRAM)
100 TAB)
8 11000038 CODIKAF 10 MG DUS 4 KF 201906
TABLET
EXPECTORANT SIROP
(10)
…. …. …. …. …. ….
100 11000977 MARCKS' TEENS CP PC 597 KF 201906
CREME
Tabel 4. 7 Tabel Penjualan Bulan Juli 2019

prod.
sales
unit
chy1
(DUS 100 TAB)
51
MG (DUS 20 TAB)
(DUS 30 KAPS)
(DUS 30 TAB)
5 11000026 CHLORAMFECORT TUB 4,212 KF 201907
CREAM (TUBE 10
GRAM)
CREAM (TUBE 10
GRAM)
100 TAB)
8 11000038 CODIKAF 10 MG DUS 1 KF 201907
TABLET
9 11000042 CODIPRONT CUM BT 143,000 KF 201907
EXPECTORANT SIROP
(10)
…. …. …. …. …. ….
100 11000977 MARCKS' TEENS CP PC 2,549,000 KF 201907
CREME
Tabel 4. 8 Tabel Penjualan Bulan Agustus 2019

prod.
sales
unit
chy1
(DUS 100 TAB)
MG (DUS 20 TAB)
(DUS 30 KAPS)
(DUS 30 TAB)
CREAM (TUBE 10 2339
GRAM)
CREAM (TUBE 10 1043
GRAM)
100 TAB)
8 11000038 CODIKAF 10 MG DUS 13 KF 201908
TABLET
52
EXPECTORANT SIROP
(10)
…. …. …. …. …. ….
CREME
Tabel 4. 9 Tabel Penjualan Bulan September 2019

prod.
sales
unit
chy1
(DUS 100 TAB)
MG (DUS 20 TAB)
(DUS 30 KAPS)
(DUS 30 TAB)
CREAM (TUBE 10
GRAM)
CREAM (TUBE 10 237
GRAM)
100 TAB)
8 11000038 CODIKAF 10 MG DUS 1 KF 201909
TABLET
EXPECTORANT SIROP
(10)
…. …. …. …. …. ….
CREME
53
Tabel 4. 10 Tabel Penjualan Bulan Oktober 2019
prod.
sales
unit
chy1
(DUS 100 TAB)
MG (DUS 20 TAB)
(DUS 30 KAPS)
(DUS 30 TAB)
CREAM (TUBE 10
GRAM)
CREAM (TUBE 10 242
GRAM)
100 TAB)
8 11000038 CODIKAF 10 MG DUS 2 KF 201910
TABLET
EXPECTORANT SIROP
(10)
…. …. …. …. …. ….
CREME
Tabel 4. 11 Tabel Penjualan Bulan November 2019
prod.
sales
unit
chy1
(DUS 100 TAB)
MG (DUS 20 TAB)
(DUS 30 KAPS)
54
(DUS 30 TAB)
CREAM (TUBE 10 2014
GRAM)
6 11000027 CHLORAMFECORT H TUB 3,176 KF 201911
CREAM (TUBE 10
GRAM)
100 TAB)
8 11000038 CODIKAF 10 MG DUS 4 KF 201911
TABLET
EXPECTORANT SIROP
(10)
…. …. …. …. …. ….
CREME
Tabel 4. 12 Tabel Penjualan Bulan Desember 2019

prod.
sales
unit
chy1
(DUS 100 TAB)
MG (DUS 20 TAB)
(DUS 30 KAPS)
(DUS 30 TAB)
CREAM (TUBE 10
GRAM)
CREAM (TUBE 10 670
GRAM)
100 TAB)
8 11000038 CODIKAF 10 MG DUS 2 KF 201912
TABLET
EXPECTORANT SIROP
55
(10)
…. …. …. …. …. ….
CREME
Tabel 4. 13 Tabel Penjualan Bulan Januari 2020

prod.
sales
unit
chy1
(DUS 100 TAB)
MG (DUS 20 TAB)
(DUS 30 KAPS)
(DUS 30 TAB)
CREAM (TUBE 10 260
GRAM)
CREAM (TUBE 10 116
GRAM)
100 TAB)
8 11000038 CODIKAF 10 MG DUS 10 KF 202001
TABLET
EXPECTORANT SIROP
(10)
…. …. …. …. …. ….
100 11000977 MARCKS' TEENS CP PC 384000 KF 202001
CREME
4.1.1.2 Hasil Integrating Data

Masing-masing tabel digabungkan berdasarkan quantity dari masing-
masing produk (Text Material), sehingga terbentuk set data dengan atribut
nomor, material, text material, sales unit, Januari 2019 - Januari 2020 dan
product hierarchy 1. Total dari seluruh produk yaitu sekitar kurang lebih 1500
56
data. Berikut merupakan hasil penggabungan tabel penjualan bulan Januari 2019
– Januari 2020 yang diurutkan berdasarkan periode :
Tabel 4. 14 Tabel Integrasi Data

sales_ product_
no material text_material quantity periode
unit hierarchy 1
1 11000009 ALPRAZOLAM 1 10 DUS KF 201901
MG (DUS 100 TAB)
2 11000016 AZITHROMYCIN 3 DUS KF 201901

500 MG (DUS 20
TAB)
3 11000024 CEFIXIME 100 MG 69 DUS KF 201901

(DUS 30 KAPS)
4 11000025 CETIRIZINE 10 MG 274 DUS KF 201901

(DUS 30 TAB)
5 11000026 CHLORAMFECOR 330 TUB KF 201901

T CREAM (TUBE
10 GRAM)
6 11000027 CHLORAMFECOR 40 TUB KF 201901

T H CREAM (TUBE
10 GRAM)
7 11000033 CODEINE 10 MG 64 DUS KF 201901

(DUS 100 TAB)
8 11000038 CODIKAF 10 MG 2 DUS KF 201901

TABLET
9 11000042 CODIPRONT CUM 361 BT KF 201901

EXPECTORANT
SIROP
57
10 11000043 CODIPRONT 93 DUS KF 201901
KAPSUL (10)
…. …. …. …. …. …. ….
1500 11000375 VENUS REFILL 34 PC KF 202001

COMPACT NO. 03
IVORY
4.1.1.3 Hasil Cleaning Data

Pada tahap ini dilakukan penghapusan data yang bernilai 0 (nol) serta
penghapusan atribut atau variabel yang tidak diperlukan. Atribut atau variabel
yang tidak diperlukan yaitu material, sales unit, product hierarchy 1 dan periode.
Berikut merupakan data set penjualan Januari 2019 – Januari 2020 dengan
jumlah record sebanyak 115 record :
Tabel 4. 15 Tabel Cleaning Data

no text_material quantity
1 ALPRAZOLAM 1 MG (DUS 100 TAB) 10
58
…. …. ….
1500 VENUS REFILL COMPACT NO. 03 IVORY 34
4.1.1.4 Hasil Analisa Penjualan Bulan Januari 2019 – Januari 2020

Dilakukan Analisa penjualan produk Kimia Farma Trading & Distribution
(KFTD) cabang Palembang dengan membandingkan quantity penjualan dari
bulan Januari 2019 – Januari 2020. Berikut merupakan tabel Perbandingan
penjualan bulan Januari 2019 – Januari 2020, grafik perbandingan penjualan
berdasarkan tabel tersebut beserta grafik sampel penjualan produk :
59
Tabel 4. 16 Tabel Perbandingan Penjualan Bulan Januari 2019 - Januari 2020
text Januari Februari Maret April Mei Juni Juli Agustus September Oktober November Desember Januari
no 2019 2019 2019 2019 2019 2019 2019 2019 2019 2020
material 2019 2019 2019
ALPRAZOLA
M 1 MG 41 16 32 15 31 35 20 12 19 28
1 10 14 63
(DUS 100
TAB)
AZITHROM
YCIN 500 1269 2319 458 737 390 669 861 648 560 262
2 3 686 589
MG (DUS
20 TAB)
CEFIXIME
100 MG 154 157 451 115 177 743 717 192 116 1
3 69 36 188
(DUS 30
KAPS)
CETIRIZINE
10 MG 353 367 166 227 278 277 860 186 525 67
4 274 428 21
(DUS 30
TAB)
CHLORAMF
ECORT
5 CREAM 330 437 2322 664 3819 522 7,838 2363 5,014 5,821 2014 2,594 260
(TUBE 10
GRAM)
CHLORAMF
ECORT H
6 CREAM 40 411 126 445 2 392 286 1067 237 242 3,268 670 116
(TUBE 10
GRAM)
60
no 2019 2019 2019 2019 2019 2019 2019 2019 2019 2020
material 2019 2019 2019
CODEINE
10 MG 70 252 36 66 79 110 50 199 47 89
7 64 60 113
(DUS 100
TAB)
CODIKAF
8 10 MG 2 3 2 11 8 4 1 13 1 3 4 2 10
TABLET
CODIPRON
T CUM 542 323 444 148 244 241 217 288 362 615
9 361 301 563
EXPECTORA
NT SIROP
CODIPRON
10 T KAPSUL 93 60 128 98 109 79 62 86 93 43 44 100 72
(10)
CODIPRON 345 338 304 169 129 191 199 238 228 477
11 244 365 572
T SIROP
DIAZEPAM
12 2 MG (BTL 15 81 82 131 148 106 81 125 110 40 109 268 119
100 TAB)
FLUCONAZ
OLE 150 75 127 237 87 43 78 192 390 9 24
13 52 130 236
MG (DUS
10 KAPS)
GLIBENCLA
MIDE 5 MG 15 39 18 170 94 233 70 99 141 3
14 42 47 13
(DUS 100
TAB)
61
no 2019 2019 2019 2019 2019 2019 2019 2019 2019 2020
material 2019 2019 2019
GLIMEPIRI
DE 1 MG 170 71 124 558 42 183 473 180 341 37
15 237 172 339
(DUS 50
TAB)
GLIMEPIRI
DE 2 MG 457 604 281 1,842 28 1165 1314 1,737 730 23
16 1016 593 766
(DUS 50
TAB)
GLIMEPIRI
DE 4 MG 404 324 102 975 446 290 256 547 1,023 160
17 436 462 626
(DUS 50
TAB)
MAGASIDA 58 207 70 165 416 1 158 185 685 4
18 55 76 61
TABLET
NATRIUM
DIKLOFENA
19 K 50 MG 85 199 163 368 364 352 152 88 193 569 97 418 111
(DUS 50
TAB)
NITROKAF
20 RETARD F. 1011 1768 1268 1640 2226 1331 2,054 1686 1914 1527 1,866 1,622 1907
KAPS.(100)
NITROKAF
RETARD 244 194 51 224 194 132 159 250 244 176
21 194 115 327
KAPSUL
(100)
62
no 2019 2019 2019 2019 2019 2019 2019 2019 2019 2020
material 2019 2019 2019
ZINK
DISPERSIBE 87 42 60 105 49 504 44 536 541 24
22 116 5 55
L (DUS 100
TAB)
AMBROXOL
23 SIRUP (BTL 748 1457 334 974 1466 877 399 687 1,988 975 1813 1,764 753
60 ML)
AMLODIPIN
E 5 MG 1378 1930 882 4,133 275 7,549 1,515 3,326 5,264 17
24 369 731 714
(DUS 50
TAB)
AMLODIPIN
E 10 MG 2537 2097 272 6,492 1870 4,990 3,532 3,010 3,747 24
25 2703 1191 2893
(DUS 50
TAB)
ANTASIDA
26 DOEN (DUS 163 68 41 47 89 90 243 44 85 81 136 326 70
100 TAB)
ASIFIT
KAPLET- 601 627 1052 1,011 3,373 689 1,098 1,163 1,574 464
27 261 461 389
BLISTER
3X10 KAPL
BATUGIN
28 ELIXIR -BT 577 853 981 1572 1563 944 1,494 1,456 1,736 437 1,547 3,120 565
120 ML
63
no 2019 2019 2019 2019 2019 2019 2019 2019 2019 2020
material 2019 2019 2019
BATUGIN
29 ELIXIR -BT 1024 477 1122 832 1158 1996 690 1,763 2,109 713 1,279 2,687 371
300 ML
CAPTOPRIL
12.5 MG 2849
30 80 45 1543 187 10234 6,010 3,213 20 1,977 1,240 170 259
TAB (DUS 8
100 TAB)
CIMETIDIN
E 200 MG 8 36 21 71 2 1 12 219 572 70
31 4 26 19
(DUS 100
TAB)
CLONIDINE
0.15 MG 300 134 245 358 249 165 192 965 491 203
32 201 137 221
(DUS 100
TAB)
CLOPIDOG
REL 75 MG 1203 750 1089 101 751 1,130 458 1,033 1,022 167
33 103 709 930
(DUS 30
TAB)
COTRIMOX
AZOLE
34 ADULT 85 51 79 14 26 14 43 68 39 25 53 41 38
(DUS 100
TAB)
DILTIAZEM 241 61 74 96 146 76 26 167 231 143
35 87 226 53
30 MG
64
no 2019 2019 2019 2019 2019 2019 2019 2019 2019 2020
material 2019 2019 2019
(DUS 100
TAB)
DIMENHYD
RINATE 50 237 435 190 56 69 64 37 178 64 85
36 95 43 75
MG (BTL
100 TAB)
ETHAMBUT
OL 500 MG 18 32 39 35 25 37 25 34 30 2
37 61 62 216
(DUS 100
TAB)
FITUNO
KAPLET-
38 BLISTER 16 23 1768 20 1602 68 7 4 1 37 1,087 1184 5
3X10
KAPLET
FUROSEMI
DE 40 MG 1689 1214 1690 543 1,200 397 580 1,623 781 239
39 328 320 772
(DUS 200
TAB)
GRISEOFUL
VIN 125 20 16 862 10 24 113 21 221 670 15
40 58 10 91
MG(DUS
100 TAB)
HYDROCLO
41 ROTIAZID 528 209 609 1095 1898 1592 104 385 959 264 418 309 311
25 MG
65
no 2019 2019 2019 2019 2019 2019 2019 2019 2019 2020
material 2019 2019 2019
(DUS 100
TAB)
ISONIAZID
100 MG 21 33 1 43 27 51 133 53 24 36
42 41 84 34
(DUS 100
TAB)
KINA (DUS 339 114 115 285 86 171 66 131 151 126
43 152 129 285
24 STRIP)
LEVOFLOXA
CIN 500 151 22 11 356 36 227 30 93 121 7
44 28 77 140
MG (DUS
50 TAB)
METOCLOP
RAMID 5 1770 225 100 15 91 4 22 8 507 1
45 10 32 553
MG (DUS
100 TAB)
NIFEDIPIN
10 MG 125 66 85 85 31 907 2,202 324 210 85
46 91 138 104
(DUS 100
TAB)
PYRAZINA
MIDE 500 34 29 99 102 17 55 67 68 77 2
47 32 44 135
MG (DUS
100 TAB)
RETAPHYL 1229 1109 540 1,080 505 776 647 796 865 480
48 753 723 1025
SR-STRIP
66
no 2019 2019 2019 2019 2019 2019 2019 2019 2019 2020
material 2019 2019 2019
10X10
TABLET
SALBUTAM
OL 4 MG 55 261 896 423 10 151 907 1,085 461 287
49 266 180 809
(DUS 100
TAB)
SIMVASTAT
IN 10 MG 1206 1009 1052 1,928 2,125 3,017 1,997 1,275 1,881 69
50 1673 598 1632
(DUS 50
TAB)
SIMVASTAT
IN 20 MG 969 1105 2265 232 1,605 1,950 2,744 1,221 1,811 118
51 975 1121 949
(DUS 50
TAB)
SULFADOXI
NE
PYRIMETH 768 647 206 25 18 7 216 510 14 43
52 98 7 476
AMINE
(DUS 100
TAB)
ANTIHEMO
53 ROID (DUS 371 414 1584 1543 1535 1578 440 1,366 693 342 1,121 897 349
10 SUPP)
PROTOFEN 213 341 171 92 271 195 169 234 184 173
54 199 145 224
SUPP
CHLORAMF 2052 11,54
55 840 601 15077 24094 15720 2,018 5,284 2,188 2,692 336 456
ENICOL 1 % 8 6
67
no 2019 2019 2019 2019 2019 2019 2019 2019 2019 2020
material 2019 2019 2019
S. MATA
(TUBE 5
GRAM)
MICONAZO
LE 2 % 3146 15,95
56 CR(DUS 24 7340 21336 17964 44694 10521 32,144 9,422 7,944 12,456 11,765 3912
7 3
TUBE@10
GRAM)
OXYTETRAC
YCLIN 1%
57 SM(DUS 975 750 4250 2375 1005 3050 895 125 1,575 2,750 3,620 1,200 50
25TUBE@3
,5GRAM)
OXYTETRAC
YCLIN 3%
58 SK(DUS 25 825 874 3726 2750 925 1150 208 28 34 65 23 30 54
TUBE@5
GRAM)
FITOCARE
M KAYU 323 83 333 84 356 252 173 226 253 188
59 72 296 204
PUTIH 100
ML
FITOCARE
60 M.TELON 30 68 171 258 39 769 215 198 65 60 139 21 107
BAYI 50 ML
68
no 2019 2019 2019 2019 2019 2019 2019 2019 2019 2020
material 2019 2019 2019
MARCKS
61 BEDAK 5099 6513 6839 7346 6815 4072 5,849 5,778 6,674 5,430 6,904 5,266 4060
CREME
MARCKS
BEDAK 1087 985 756 1,233 610 1,124 830 1,688 1,430 311
62 827 852 2169
CREME
20gr
MARCKS
BEDAK 525 479 443 428 352 332 465 489 366 389
63 73 587 242
INVISIBLE
20gr (New)
MARCKS
BEDAK 936 395 74 163 144 1 497 565 460 133
64 102 380 312
INVISIBLE
40gr (New)
MARCKS
BEDAK
65 Natural 700 879 1513 679 563 411 761 666 572 860 893 879 333
Beige 20 gr
(New)
MARCKS
BEDAK
66 Natural 391 569 409 834 642 568 494 613 124 600 632 545 461
Beige 40gr
(New)
69
no 2019 2019 2019 2019 2019 2019 2019 2019 2019 2020
material 2019 2019 2019
MARCKS
67 BEDAK 589 618 1297 650 601 853 716 17 149 591 1,197 1,011 311
PINK 20gr
MARCKS
68 BEDAK 555 3236 693 1964 1810 1108 2,471 1,277 1,973 1,033 1,745 2,202 620
PUTIH
MARCKS
69 BEDAK 1138 3856 2678 3040 2172 2707 3,700 2,333 4,215 3,449 2,031 3,654 1333
ROSE
MARCKS
70 BEDAK 308 234 569 450 278 282 397 288 474 240 416 384 153
WHITE 20gr
VENUS
BODY MILK
71 100 ml 81 439 1600 59 238 68 325 216 216 234 55 87 59
EKST.GREE
N TEA
VENUS
COMPACT 10 134 27 52 3 50 163 243 26 28
72 9 135 15
NO.1
INVISIBLE
VENUS
73 COMPACT 13 167 22 11 134 30 41 39 61 194 261 21 45
NO.3 IVORY
VENUS
74 FACE 12 18 20 24 7 36 30 9 66 36 10 1 32
TONER -
70
no 2019 2019 2019 2019 2019 2019 2019 2019 2019 2020
material 2019 2019 2019
NORMAL
100
VENUS
FACIAL 344 226 303 59 120 276 271 1,956 384 1
75 53 617 254
WASH
100ml
VENUS LP
DYNAMIC 12 51 5 49 14 72 57 62 251 65
76 16 26 22
NO.1
INVISIBLE
VENUS LP
DYNAMIC 18 52 4 12 48 42 205 46 273 40
77 16 81 22
NO.2
NAT.BEIGE
VENUS LP
DYNAMIC 17 42 9 54 29 68 165 41 232 2
78 22 55 19
NO.3
IVORY
VENUS
REFILL
79 COMPACT 15 58 24 25 41 15 29 59 37 131 42 219 33
NO. 01
INVISIBLE
VENUS
80 REFILL 17 55 22 31 93 17 27 26 41 129 24 246 30
COMPACT
71
no 2019 2019 2019 2019 2019 2019 2019 2019 2019 2020
material 2019 2019 2019
NO. 02
NAT. BEIGE
VENUS
REFILL
81 COMPACT 18 65 37 33 41 30 37 30 32 142 47 208 34
NO. 03
IVORY
VENUS
REFILL TWC
82 NO.1 9 36 22 28 24 36 12 42 4 140 44 159 36
TRANSLUCE
NT
VENUS
REFILL TWC 18 45 46 40 56 27 98 53 210 33
83 27 54 24
NO.2
NATURAL
VENUS
REFILL TWC 5 12 32 22 41 12 198 54 189 30
84 7 80 16
NO.3
PORCELEIN
VENUS
TWC NO.1 14 77 41 44 56 42 82 47 33 21
85 38 39 20
TRANSLUCE
NT
VENUS
86 TWC NO.2 15 74 24 48 81 55 33 35 68 85 105 29 28
NATURAL
72
no 2019 2019 2019 2019 2019 2019 2019 2019 2019 2020
material 2019 2019 2019
VENUS
87 TWC NO.3 27 152 15 42 54 22 30 19 48 176 63 29 12
PORCELEIN
BETAMETA
SON 0,1% 1086 15,35
88 CR(DUS 25 4025 10556 23275 50600 33975 5,700 20,355 9,175 13,955 12,625 2425
5 4
TUBE@5
GRAM)
BETASON N
CREAM 1485 1579 2390 1,611 1,775 1,303 1,221 22,673 2,525 1472
89 996 1553 1665
(TUBE 5
GRAM)
BETASON
CREAM 1207 1732 1031 78 4,414 714 3,303 856 3,212 301
90 503 626 2098
(TUBE 5
GRAM)
CHLORAMP
HENICOL
91 250 MG 9 20 4 2 7 5 1 2 16 2 807 33 5
(DUS 100
KAPS)
GENTAMYC
IN 0,1 %
92 (DUS 10 2390 3312 1792 11450 4903 3590 1,541 150 500 200 382 189 411
TUBE @ 5
GRAM)
73
no 2019 2019 2019 2019 2019 2019 2019 2019 2019 2020
material 2019 2019 2019
HYDROCOR
TISONE 13350 1310
93 2,5%CR(DU 2317 2472 36848 39238 9,282 4,048 31,914 25,992 6,159 3,661 2592
6 4
S 24TUBE@
5GRAM)
KETOCONA
ZOLE 2 % 10,02
94 CREAM 2082 1824 8705 12387 4424 8492 3,917 9,932 4,857 4,311 6,369 557
1
(TUBE 10
GRAM)
CAPTOPRIL
25 MG 239 166 419 75 3,214 257 4,714 312 524 149
95 406 543 120
(DUS 100
TAB)
VITAMIN
B12 50
MCG 118 623 317 548 213 733 372 56 486 54
96 524 34 280
(SUPLEME
N)(DUS100
TAB)
VITAMIN
B6 10 MG
97 (SUPLEME 674 524 405 6289 2292 3857 856 822 824 361 1,963 818 124
N)(DUS100
TAB)
VITAMIN 1612 2487 5261 788 351 802 525 1,866 677 22
98 506 505 3052
B1 50 MG
74
no 2019 2019 2019 2019 2019 2019 2019 2019 2019 2020
material 2019 2019 2019
(SUPLEME
N)(DUS100
TAB)
HUMAN
ALBUMIN 32 59 18 21 13 21 34 42 21 10
99 26 103 230
20% 100
ML
MARCKS'
100 TEENS CP 2389 464 3547 1654 2108 622 2,552 1,462 1,316 2,192 1,523 1,755 396
CREME
MORFINA
10 MG/ML 28 80 56 21 26 27 90 133 20 59
101 48 6 57
INJEKSI
(IMPOR)
VENUS
BODY 57 72 61 69 69 391 20 340 490 14
102 137 164 70
SERUM
ANTIAGING
VENUS
SOFT
103 MATTE 14 79 72 128 75 21 95 69 44 9 456 145 14
LIPCREAM
NO.1
VENUS
104 SOFT 6 68 65 87 77 4 70 25 58 2 426 131 5
MATTE
75
no 2019 2019 2019 2019 2019 2019 2019 2019 2019 2020
material 2019 2019 2019
LIPCREAM
NO.4
VENUS
SOFT
105 MATTE 15 114 51 96 79 43 81 48 52 60 430 155 11
LIPCREAM
NO.7
VENUS
SOFT
106 MATTE 46 77 98 111 38 53 118 67 35 24 849 169 13
LIPCREAM
NO.8
VENUS
SOFT
107 MATTE 39 84 61 79 69 10 49 7 47 16 429 174 3
LIPCREAM
10
LOVE TEST
108 KEMASAN 1 35 4 8 81 23 4 2 6 7 9 155 8
BARU
MARCKS
TEEN 408 234 96 320 287 1,152 395 952 892 145
109 126 140 261
MICELLAR
WATER 100
MARCKS 134 138 34 179 127 84 223 600 177 160
110 42 64 190
TEEN
76
no 2019 2019 2019 2019 2019 2019 2019 2019 2019 2020
material 2019 2019 2019
MICELLAR
WATER 250
VENUS
WATERSHI 23 15 7 17 20 17 7 164 10 8
111 2 35 18
NE LIPSTICK
NO.1
VENUS
WATERSHI 32 11 6 27 26 13 11 120 20 8
112 2 42 21
NE LIPSTICK
NO.2
VENUS
WATERSHI 29 14 10 13 4 37 17 162 26 8
113 2 38 16
NE LIPSTICK
NO.3
VENUS
WATERSHI 28 17 4 21 54 14 9 219 15 15
114 2 35 18
NE LIPSTICK
NO.4
VENUS
WATERSHI 28 16 7 18 6 13 12 162 6 8
115 2 33 18
NE LIPSTICK
NO.5
77
0
20000
40000
60000
80000
100000
120000
140000
160000
ALPRAZOLAM 1 MG (DUS 100 TAB)

AMLODIPINE 10 MG (DUS 50 TAB)
ASIFIT KAPLET-BLISTER 3X10 KAPL
BATUGIN ELIXIR -BT 300 ML
BETASON N CREAM (TUBE 5 GRAM)
CEFIXIME 100 MG (DUS 30 KAPS)
CHLORAMFECORT H CREAM (TUBE 10 GRAM)
CIMETIDINE 200 MG (DUS 100 TAB)
CODEINE 10 MG (DUS 100 TAB)
CODIPRONT KAPSUL (10)
DIAZEPAM 2 MG (BTL 100 TAB)
ETHAMBUTOL 500 MG (DUS 100 TAB)
FITUNO KAPLET-BLISTER 3X10 KAPLET
GENTAMYCIN 0,1 % (DUS 10 TUBE @ 5 GRAM)
GLIMEPIRIDE 2 MG (DUS 50 TAB)
HUMAN ALBUMIN 20% 100 ML
ISONIAZID 100 MG (DUS 100 TAB)
LEVOFLOXACIN 500 MG (DUS 50 TAB)
MARCKS BEDAK CREME
MARCKS BEDAK INVISIBLE 40gr (New)
MARCKS BEDAK PINK 20gr
78
MARCKS' TEENS CP CREME
MORFINA 10 MG/ML INJEKSI (IMPOR)
OXYTETRACYCLIN 3% SK(DUS 25 TUBE@5…
SIMVASTATIN 20 MG (DUS 50 TAB)
VENUS BODY SERUM ANTIAGING
VENUS FACE TONER - NORMAL 100
VENUS LP DYNAMIC NO.2 NAT.BEIGE
VENUS REFILL COMPACT NO. 02 NAT. BEIGE
VENUS REFILL TWC NO.2 NATURAL
VENUS SOFT MATTE LIPCREAM NO.1
VENUS SOFT MATTE LIPCREAM NO.8
VENUS TWC NO.3 PORCELEIN
VENUS WATERSHINE LIPSTICK NO.3
VITAMIN B1 50 MG (SUPLEMEN)(DUS100TAB)
ZINK DISPERSIBEL (DUS 100 TAB)
Gambar 4. 1 Grafik Perbandingan Penjualan Bulan Januari 2019 – Januari 2020
Sum of
Sum of
Sum of
desember
november
Sum of juli
september
Sum of juni
Sum of mei
Sum of april
Sum of maret
Sum of januari
Sum of agustus
Sum of oktober
Sum of februari
Sum of januari2
Dari Grafik Perbandingan Penjualan Produk diatas dapat disimpulkan
bahwa penjualan mengalami naik turun dari bulan Januari 2019 – Januari 2020
dan penjualan tertinggi terjadi pada bulan Mei yaitu produk HYDROCORTISONE
2,5%CR(DUS 24TUBE@ 5GRAM). Untuk melihat grafik penjualan setiap
bulannya dapat dilihat melalui grafik penjualan sampel produk berikut:
ALPRAZOLAM 1 MG (DUS 100 TAB)

70
60
50
40
30
20
10
0
1 2 3 4 5 6 7 8 9 10 11 12 13
Gambar 4. 2 Grafik Penjualan Sampel 1
CEFIXIME 100 MG (DUS 30 KAPS)

800
700
600
500
400
300
200
100
0
1 2 3 4 5 6 7 8 9 10 11 12 13
79
CETIRIZINE 10 MG (DUS 30 TAB)
1000
900
800
700
600
500
400
300
200
100
0
1 2 3 4 5 6 7 8 9 10 11 12 13
CHLORAMFECORT CREAM (TUBE 10

GRAM)
9000
8000
7000
6000
5000
4000
3000
2000
1000
0
1 2 3 4 5 6 7 8 9 10 11 12 13
80
CHLORAMFECORT H CREAM (TUBE 10
GRAM)
3500
3000
2500
2000
1500
1000
500
0
1 2 3 4 5 6 7 8 9 10 11 12 13
CODIPRONT CUM EXPECTORANT SIROP

700
600
500
400
300
200
100
0
1 2 3 4 5 6 7 8 9 10 11 12 13
81
CODEINE 10 MG (DUS 100 TAB)
300
250
200
150
100
50
0
1 2 3 4 5 6 7 8 9 10 11 12 13
AZITHROMYCIN 500 MG (DUS 20 TAB)

2500
2000
1500
1000
500
0
1 2 3 4 5 6 7 8 9 10 11 12 13
82
1400
1200
1000
800
600
400
200
0
1 2 3 4 5 6 7 8 9 10 11 12 13
MARCKS BEDAK CREME

8000
7000
6000
5000
4000
3000
2000
1000
0
1 2 3 4 5 6 7 8 9 10 11 12 13
Dari grafik sampel data diatas dapat dilihat bahwa setiap produk
memiliki perbedaan grafik penjualan. Pada bulan yang akan dijadikan
perbandingan dengan hasil prediksi yaitu Januari 2020 dapat dilihat bahwa 7 dari
10 sampel penjualan produk di bulan Januari 2020 mengalami penurunan
sehingga dapat mempengaruhi akurasi perhitungan.
83
4.1.2 Hasil Data Modelling
4.1.2.1 Hasil Perhitungan Menggunakan Metode Least Square
Pada tahap pemodelan data dilakukan perhitungan prediksi dengan
menggunakan metode Least Square. Perhitungan prediksi penjualan Januari
2020 dilakukan dengan menggunakan data penjualan produk Kimia Farma
Trading & Distribution (KFTD) cabang Palembang dari bulan Januari 2019 –
Desember 2019, kemudian data aktual bulan Januari 2020 dijadikan data testing
untuk melihat perbandingan nilai prediksi dan aktual. Berikut merupakan hasil
prediksi 115 produk :
84
Tabel 4. 17 Hasil Perhitungan Menggunakan Metode Least Square
Febru Mare Agust Septe Oktob Nove Desem Prediksi

Januari April Mei Juni Juli Januari
no text material ari t us mber er mber ber Januari
2019 2019 2019 2019 2019 2020
2019 2019 2019 2019 2019 2019 2019 2020
ALPRAZOLAM 1
1 MG (DUS 100 10 14 63 41 16 32 15 31 35 20 12 19 21 28
TAB)
AZITHROMYCIN
2 500 MG (DUS 20 3 686 589 1269 2319 458 737 390 669 861 648 560 747 262
TAB)
CEFIXIME 100
3 MG (DUS 30 69 36 188 154 157 451 115 177 743 717 192 116 448 1
KAPS)
CETIRIZINE 10
4 MG (DUS 30 274 428 21 353 367 166 227 278 277 860 186 525 464 67
TAB)
CHLORAMFECO
5
RT CREAM
330 437 2322 664 3819 522 7,838 2363 5,014 5,821 2014 2,594 4,818 260
(TUBE 10
GRAM)
CHLORAMFECO
6
RT H CREAM
40 411 126 445 2 392 286 1067 237 242 3,268 670 1,406 116
(TUBE 10
GRAM)
7
CODEINE 10 MG
64 60 113 70 252 36 66 79 110 50 199 47 103 89
(DUS 100 TAB)
8
CODIKAF 10 MG
2 3 2 11 8 4 1 13 1 3 4 2 3 10
TABLET
85
Agust Septe Oktob Nove Desem Prediksi
Febru Mare April Mei Juni Juli Januari
Januari us mber er mber ber Januari
no text material ari t 2019 2019 2019 2019 2020
2019 2019 2019 2019 2019 2019 2020
2019 2019
CODIPRONT
9
CUM
361 301 563 542 323 444 148 244 241 217 288 362 232 615
EXPECTORANT
SIROP
10
CODIPRONT
93 60 128 98 109 79 62 86 93 43 44 100 65 72
KAPSUL (10)
11
CODIPRONT
244 365 572 345 338 304 169 129 191 199 238 228 153 477
SIROP
DIAZEPAM 2
12 MG (BTL 100 15 81 82 131 148 106 81 125 110 40 109 268 166 119
TAB)
FLUCONAZOLE
13 150 MG (DUS 10 52 130 236 75 127 237 87 43 78 192 390 9 165 24
KAPS)
GLIBENCLAMIDE
14 5 MG (DUS 100 42 47 13 15 39 18 170 94 233 70 99 141 158 3
TAB)
GLIMEPIRIDE 1
15 MG (DUS 50 237 172 339 170 71 124 558 42 183 473 180 341 299 37
TAB)
GLIMEPIRIDE 2
16 MG (DUS 50 1016 593 766 457 604 281 1,842 28 1165 1314 1,737 730 1,204 23
TAB)
GLIMEPIRIDE 4
17 MG (DUS 50 436 462 626 404 324 102 975 446 290 256 547 1,023 611 160
TAB)
86
2019 2019 2019 2019 2019 2019 2020
2019 2019
18
MAGASIDA
55 76 61 58 207 70 165 416 1 158 185 685 326 4
TABLET
NATRIUM
19
DIKLOFENAK 50
85 199 163 368 364 352 152 88 193 569 97 418 338 111
MG (DUS 50
TAB)
NITROKAF
20 RETARD F. 1011 1768 1268 1640 2226 1331 2,054 1686 1914 1527 1,866 1,622 1,884 1907
KAPS.(100)
NITROKAF
21 RETARD KAPSUL 194 115 327 244 194 51 224 194 132 159 250 244 199 176
(100)
ZINK
22 DISPERSIBEL 116 5 55 87 42 60 105 49 504 44 536 541 441 24
(DUS 100 TAB)
AMBROXOL
23 SIRUP (BTL 60 748 1457 334 974 1466 877 399 687 1,988 975 1813 1,764 1,604 753
ML)
AMLODIPINE 5
24 MG (DUS 50 369 731 714 1378 1930 882 4,133 275 7,549 1,515 3,326 5,264 4,883 17
TAB)
AMLODIPINE 10
25 MG (DUS 50 2703 1191 2893 2537 2097 272 6,492 1870 4,990 3,532 3,010 3,747 4,084 24
TAB)
87
2019 2019 2019 2019 2019 2019 2020
2019 2019
ANTASIDA
26 DOEN (DUS 100 163 68 41 47 89 90 243 44 85 81 136 326 184 70
TAB)
ASIFIT KAPLET-
27 BLISTER 3X10 261 461 389 601 627 1052 1,011 3,373 689 1,098 1,163 1,574 1,807 464
KAPL
28
BATUGIN ELIXIR
577 853 981 1572 1563 944 1,494 1,456 1,736 437 1,547 3,120 2,072 565
-BT 120 ML
29
BATUGIN ELIXIR
1024 477 1122 832 1158 1996 690 1,763 2,109 713 1,279 2,687 1,992 371
-BT 300 ML
CAPTOPRIL 12.5 2849
30 MG TAB (DUS 80 45 1543 187 10234 6,010 3,213 20 1,977 1,240 170 3,423 259
8
100 TAB)
CIMETIDINE 200
31 MG (DUS 100 4 26 19 8 36 21 71 2 1 12 219 572 261 70
TAB)
CLONIDINE 0.15
32 MG (DUS 100 201 137 221 300 134 245 358 249 165 192 965 491 537 203
TAB)
CLOPIDOGREL
33 75 MG (DUS 30 103 709 930 1203 750 1089 101 751 1,130 458 1,033 1,022 964 167
TAB)
COTRIMOXAZOL
34 E ADULT (DUS 85 51 79 14 26 14 43 68 39 25 53 41 32 38
100 TAB)
88
2019 2019 2019 2019 2019 2019 2020
2019 2019
DILTIAZEM 30
35 MG (DUS 100 87 226 53 241 61 74 96 146 76 26 167 231 131 143
TAB)
DIMENHYDRINA
36 TE 50 MG (BTL 95 43 75 237 435 190 56 69 64 37 178 64 95 85
100 TAB)
ETHAMBUTOL
37 500 MG (DUS 61 62 216 18 32 39 35 25 37 25 34 30 9 2
100 TAB)
FITUNO KAPLET-
38 BLISTER 3X10 16 23 1768 20 1602 68 7 4 1 37 1,087 1184 607 5
KAPLET
FUROSEMIDE 40
39 MG (DUS 200 328 320 772 1689 1214 1690 543 1,200 397 580 1,623 781 1,103 239
TAB)
GRISEOFULVIN
40 125 MG(DUS 58 10 91 20 16 862 10 24 113 21 221 670 353 15
100 TAB)
HYDROCLOROTI
41 AZID 25 MG 528 209 609 1095 1898 1592 104 385 959 264 418 309 478 311
(DUS 100 TAB)
ISONIAZID 100
42 MG (DUS 100 41 84 34 21 33 1 43 27 51 133 53 24 55 36
TAB)
43
KINA (DUS 24
152 129 285 339 114 115 285 86 171 66 131 151 117 126
STRIP)
89
2019 2019 2019 2019 2019 2019 2020
2019 2019
LEVOFLOXACIN
44 500 MG (DUS 50 28 77 140 151 22 11 356 36 227 30 93 121 134 7
TAB)
METOCLOPRAM
45 ID 5 MG (DUS 10 32 553 1770 225 100 15 91 4 22 8 507 101 1
100 TAB)
NIFEDIPIN 10
46 MG (DUS 100 91 138 104 125 66 85 85 31 907 2,202 324 210 693 85
TAB)
PYRAZINAMIDE
47 500 MG (DUS 32 44 135 34 29 99 102 17 55 67 68 77 70 2
100 TAB)
RETAPHYL SR-
48 STRIP 10X10 753 723 1025 1229 1109 540 1,080 505 776 647 796 865 740 480
TABLET
SALBUTAMOL 4
49 MG (DUS 100 266 180 809 55 261 896 423 10 151 907 1,085 461 553 287
TAB)
SIMVASTATIN
50 10 MG (DUS 50 1673 598 1632 1206 1009 1052 1,928 2,125 3,017 1,997 1,275 1,881 2,166 69
TAB)
SIMVASTATIN
51 20 MG (DUS 50 975 1121 949 969 1105 2265 232 1,605 1,950 2,744 1,221 1,811 2,034 118
TAB)
90
2019 2019 2019 2019 2019 2019 2020
2019 2019
SULFADOXINE
52 PYRIMETHAMIN 98 7 476 768 647 206 25 18 7 216 510 14 175 43
E (DUS 100 TAB)
53
ANTIHEMOROID
371 414 1584 1543 1535 1578 440 1,366 693 342 1,121 897 935 349
(DUS 10 SUPP)
54
PROTOFEN
199 145 224 213 341 171 92 271 195 169 234 184 200 173
SUPP
CHLORAMFENIC 2409 2052 11,54
55 OL 1 % S. MATA 840 601
1507 15720 2,018 5,284 2,188 2,692 336 3,399 456
7 4 8 6
(TUBE 5 GRAM)
MICONAZOLE 2
4469 3146 15,95 32,14
56
% CR(DUS 24
7340
2133 1796 10521 9,422 7,944 12,456 11,765 13,419 3912
TUBE@10 6 4 4 7 3 4
GRAM)
OXYTETRACYCLI
57
N 1% SM(DUS
975 750 4250 2375 1005 3050 895 125 1,575 2,750 3,620 1,200 2,159 50
25TUBE@3,5GR
AM)
OXYTETRACYCLI
58 N 3% SK(DUS 25 825 874 3726 2750 925 1150 208 28 34 65 23 30 2,899 54
TUBE@5 GRAM)
FITOCARE M
59 KAYU PUTIH 100 72 296 204 323 83 333 84 356 252 173 226 253 252 188
ML
91
2019 2019 2019 2019 2019 2019 2020
2019 2019
FITOCARE
60 M.TELON BAYI 30 68 171 258 39 769 215 198 65 60 139 21 140 107
50 ML
61
MARCKS BEDAK
5099 6513 6839 7346 6815 4072 5,849 5,778 6,674 5,430 6,904 5,266 5,840 4060
CREME
62
MARCKS BEDAK
827 852 2169 1087 985 756 1,233 610 1,124 830 1,688 1,430 1,231 311
CREME 20gr
MARCKS BEDAK
63 INVISIBLE 20gr 73 587 242 525 479 443 428 352 332 465 489 366 456 389
(New)
MARCKS BEDAK
64 INVISIBLE 40gr 102 380 312 936 395 74 163 144 1 497 565 460 371 133
(New)
MARCKS BEDAK
65 Natural Beige 20 700 879 1513 679 563 411 761 666 572 860 893 879 728 333
gr (New)
MARCKS BEDAK
66 Natural Beige 391 569 409 834 642 568 494 613 124 600 632 545 533 461
40gr (New)
67
MARCKS BEDAK
589 618 1297 650 601 853 716 17 149 591 1,197 1,011 703 311
PINK 20gr
68
MARCKS BEDAK
555 3236 693 1964 1810 1108 2,471 1,277 1,973 1,033 1,745 2,202 1,829 620
PUTIH
69
MARCKS BEDAK
1138 3856 2678 3040 2172 2707 3,700 2,333 4,215 3,449 2,031 3,654 3,460 1333
ROSE
92
2019 2019 2019 2019 2019 2019 2020
2019 2019
70
MARCKS BEDAK
308 234 569 450 278 282 397 288 474 240 416 384 370 153
WHITE 20gr
VENUS BODY
71
MILK 100 ml
81 439 1600 59 238 68 325 216 216 234 55 87 31 59
EKST.GREEN
TEA
VENUS
72 COMPACT NO.1 9 135 15 10 134 27 52 3 50 163 243 26 118 28
INVISIBLE
VENUS
73 COMPACT NO.3 13 167 22 11 134 30 41 39 61 194 261 21 131 45
IVORY
VENUS FACE
74 TONER - 12 18 20 24 7 36 30 9 66 36 10 1 24 32
NORMAL 100
75
VENUS FACIAL
53 617 254 344 226 303 59 120 276 271 1,956 384 744 1
WASH 100ml
VENUS LP
76 DYNAMIC NO.1 16 26 22 12 51 5 49 14 72 57 62 251 130 65
INVISIBLE
VENUS LP
77 DYNAMIC NO.2 16 81 22 18 52 4 12 48 42 205 46 273 157 40
NAT.BEIGE
VENUS LP
78 DYNAMIC NO.3 22 55 19 17 42 9 54 29 68 165 41 232 142 2
IVORY
93
2019 2019 2019 2019 2019 2019 2020
2019 2019
VENUS REFILL
79 COMPACT NO. 15 58 24 25 41 15 29 59 37 131 42 219 126 33
01 INVISIBLE
VENUS REFILL
80 COMPACT NO. 17 55 22 31 93 17 27 26 41 129 24 246 125 30
02 NAT. BEIGE
VENUS REFILL
81 COMPACT NO. 18 65 37 33 41 30 37 30 32 142 47 208 120 34
03 IVORY
VENUS REFILL
82 TWC NO.1 9 36 22 28 24 36 12 42 4 140 44 159 102 36
TRANSLUCENT
VENUS REFILL
83 TWC NO.2 27 54 24 18 45 46 40 56 27 98 53 210 117 33
NATURAL
VENUS REFILL
84 TWC NO.3 7 80 16 5 12 32 22 41 12 198 54 189 127 30
PORCELEIN
VENUS TWC
85 NO.1 38 39 20 14 77 41 44 56 42 82 47 33 56 21
TRANSLUCENT
86
VENUS TWC
15 74 24 48 81 55 33 35 68 85 105 29 73 28
NO.2 NATURAL
VENUS TWC
87 NO.3 27 152 15 42 54 22 30 19 48 176 63 29 63 12
PORCELEIN
94
2019 2019 2019 2019 2019 2019 2020
2019 2019
BETAMETASON 5060 1086 15,35 20,35
88 0,1% CR(DUS 25 4025
1055 2327 33975 5,700 9,175 13,955 12,625 12,890 2425
6 5 0 5 4 5
TUBE@5 GRAM)
BETASON N
89 CREAM (TUBE 5 996 1553 1665 1485 1579 2390 1,611 1,775 1,303 1,221 22,673 2,525 8,005 1472
GRAM)
BETASON
90 CREAM (TUBE 5 503 626 2098 1207 1732 1031 78 4,414 714 3,303 856 3,212 2,669 301
GRAM)
CHLORAMPHENI
91 COL 250 MG 9 20 4 2 7 5 1 2 16 2 807 33 243 5
(DUS 100 KAPS)
GENTAMYCIN
1145
92
0,1 % (DUS 10
2390 3312 1792 4903 3590 1,541 150 500 200 382 189 1,574 411
TUBE @ 5 0
GRAM)
HYDROCORTISO
3923 13350 1310 31,91
93
NE 2,5%CR(DUS
2317 2472
3684 9,282 4,048 25,992 6,159 3,661 15,333 2592
24TUBE@ 8 8 6 4 4
5GRAM)
KETOCONAZOLE
1238 10,02
94
2 % CREAM
2082 1824 8705 4424 8492 3,917 9,932 4,857 4,311 6,369 7,133 557
(TUBE 10 7 1
GRAM)
95
2019 2019 2019 2019 2019 2019 2020
2019 2019
CAPTOPRIL 25
95 MG (DUS 100 406 543 120 239 166 419 75 3,214 257 4,714 312 524 1,831 149
TAB)
VITAMIN B12 50
96
MCG
524 34 280 118 623 317 548 213 733 372 56 486 415 54
(SUPLEMEN)(DU
S100TAB)
VITAMIN B6 10
97
MG
674 524 405 6289 2292 3857 856 822 824 361 1,963 818 1,174 124
(SUPLEMEN)(DU
S100TAB)
VITAMIN B1 50
98
MG
506 505 3052 1612 2487 5261 788 351 802 525 1,866 677 1,116 22
(SUPLEMEN)(DU
S100TAB)
HUMAN
99 ALBUMIN 20% 26 103 230 32 59 18 21 13 21 34 42 21 2 10
100 ML
100
MARCKS' TEENS
2389 464 3547 1654 2108 622 2,552 1,462 1,316 2,192 1,523 1,755 1,603 396
CP CREME
MORFINA 10
101 MG/ML INJEKSI 48 6 57 28 80 56 21 26 27 90 133 20 78 59
(IMPOR)
VENUS BODY
102 SERUM 137 164 70 57 72 61 69 69 391 20 340 490 316 14
ANTIAGING
96
2019 2019 2019 2019 2019 2019 2020
2019 2019
VENUS SOFT
103 MATTE 14 79 72 128 75 21 95 69 44 9 456 145 192 14
LIPCREAM NO.1
VENUS SOFT
104 MATTE 6 68 65 87 77 4 70 25 58 2 426 131 174 5
LIPCREAM NO.4
VENUS SOFT
105 MATTE 15 114 51 96 79 43 81 48 52 60 430 155 197 11
LIPCREAM NO.7
VENUS SOFT
106 MATTE 46 77 98 111 38 53 118 67 35 24 849 169 312 13
LIPCREAM NO.8
VENUS SOFT
107 MATTE 39 84 61 79 69 10 49 7 47 16 429 174 179 3
LIPCREAM 10
108
LOVE TEST
1 35 4 8 81 23 4 2 6 7 9 155 385 8
KEMASAN BARU
MARCKS TEEN
109 MICELLAR 126 140 261 408 234 96 320 287 1,152 395 952 892 911 145
WATER 100
MARCKS TEEN
110 MICELLAR 42 64 190 134 138 34 179 127 84 223 600 177 312 160
WATER 250
VENUS
111 WATERSHINE 2 35 18 23 15 7 17 20 17 7 164 10 54 8
LIPSTICK NO.1
97
2019 2019 2019 2019 2019 2019 2020
2019 2019
VENUS
112 WATERSHINE 2 42 21 32 11 6 27 26 13 11 120 20 46 8
LIPSTICK NO.2
VENUS
113 WATERSHINE 2 38 16 29 14 10 13 4 37 17 162 26 62 8
LIPSTICK NO.3
VENUS
114 WATERSHINE 2 35 18 28 17 4 21 54 14 9 219 15 77 15
LIPSTICK NO.4
VENUS
115 WATERSHINE 2 33 18 28 16 7 18 6 13 12 162 6 51 8
LIPSTICK NO.5
98
4.1.3 Hasil Evaluation
4.1.3.1 Hasil Analisa Perhitungan Error dan Validasi Model
Tabel 4. 18 Hasil Perhitungan Nilai Error dan Validasi Model
Material
No Kode Prediksi Aktual selisih Mape Rmse
Text
ALPRAZO
LAM 1 MG 21 28 19.7646
1 11000009 59.6142 14.5788
(DUS 100
TAB)
AZITHRO
MYCIN
2 11000016 500 MG 747 262 -2842.41 2195.273 547.3739
(DUS 20
TAB)
CEFIXIME
100 MG 448 1 -440.004
3 11000024 91.9433 209.2333
(DUS 30
KAPS)
CETIRIZI
NE 10 MG 464 67 -500.325
4 11000025 136.7492 189.8592
(DUS 30
TAB)
CHLORA
MFECORT
5 11000026 CREAM 4,818 260 -4842.04 123.9967 1722.341
(TUBE 10
GRAM)
CHLORA
MFECORT
6 11000027 H CREAM 1,406 116 -3135.56 1829.813 735.6904
(TUBE 10
GRAM)
CODEINE
10 MG 103 89 -62.4259
7 11000033 59.335 62.9378
(DUS 100
TAB)
CODIKAF
8 11000038 10 MG 3 10 -26.5106 123.4773 4.0447
TABLET
99
Material
Text
CODIPRO
NT CUM
9 11000042 EXPECTO 232 615 -164.841 32.4475 108.4641
RANT
SIROP
CODIPRO
NT 65 72 5.6207
10 11000043 29.0308 23.2492
KAPSUL
(10)
CODIPRO 153 477 -80.9328

11 11000045 28.2358 92.9809
NT SIROP
DIAZEPA
M 2 MG 166 119 -130.305
12 11000049 64.5325 51.7504
(BTL 100
TAB)
FLUCONA
ZOLE 150 165 24 -268.391
13 11000071 203.7542 102.8108
MG (DUS
10 KAPS)
GLIBENC
LAMIDE 5 158 3 -155.439
14 11000072 97.2575 52.3211
MG (DUS
100 TAB)
GLIMEPIR
IDE 1 MG 299 37 -293.503
15 11000073 94.3517 147.6196
(DUS 50
TAB)
GLIMEPIR
IDE 2 MG 1,204 23 -1424.34
16 11000074 320.2458 503.7466
(DUS 50
TAB)
GLIMEPIR
IDE 4 MG 611 160 -577.571
17 11000076 66.1775 254.5928
(DUS 50
TAB)
MAGASID 326 4 -2091.45

18 11000102 1865.029 145.2217
A TABLET
100
Material
Text
NATRIUM
DIKLOFE
19 11000108 NAK 50 338 111 -310.362 72.635 142.3877
MG (DUS
50 TAB)
NITROKA
F RETARD
20 11000112 F. 1,884 1907 -1800.74 16.5708 306.3975
KAPS.(10
0)
NITROKA
F RETARD 199 176 -143.302
21 11000113 44.7108 69.7691
KAPSUL
(100)
ZINK
DISPERSI 441 24 -497.886
22 11000144 157.2192 148.1551
BEL (DUS
100 TAB)
AMBROX
OL SIRUP 1,604 753 -1557.43
23 11000149 53.8858 471.3884
(BTL 60
ML)
AMLODIPI
NE 5 MG 4,883 17 -4908.21
24 11000150 125.1083 1509.307
(DUS 50
TAB)
AMLODIPI
NE 10 MG 4,084 24 -4091.59
25 11000151 107.7217 1405.785
(DUS 50
TAB)
ANTASID
A DOEN 184 70 -148.66
26 11000152 65.16 76.1765
(DUS 100
TAB)
101
Material
Text
ASIFIT
KAPLET-
27 11000155 BLISTER 1,807 464 -1739.96 33.3808 678.9064
3X10
KAPL
BATUGIN
ELIXIR - 2,072 565 -2013.04
28 11000157 41.3733 554.9475
BT 120
ML
BATUGIN
ELIXIR - 1,992 371 -1936.48
29 11000158 44.2383 539.1013
BT 300
ML
CAPTOPR
IL 12.5
30 11000161 MG TAB 3,423 259 -7457.19 4134.693 2913.959
(DUS 100
TAB)
CIMETIDI
NE 200 261 70 -2256.89
31 11000169 2095.918 127.0317
MG (DUS
100 TAB)
CLONIDIN
E 0.15 MG 537 203 -484.917
32 11000170 47.7658 183.6659
(DUS 100
TAB)
CLOPIDO
GREL 75 964 167 -982.908
33 11000171 119.4083 347.4629
MG (DUS
30 TAB)
COTRIMO
XAZOLE
34 11000173 ADULT 32 38 2.6065 65.3783 21.5398
(DUS 100
TAB)
DILTIAZE
M 30 MG 131 143 -113.524
35 11000187 82.6758 72.612
(DUS 100
TAB)
102
Material
Text
DIMENHY
DRINATE
36 11000188 50 MG 95 85 -88.9516 94.2092 109.8692
(BTL 100
TAB)
ETHAMB
UTOL 500 9 2 28.7244
37 11000194 62.3817 46.1207
MG (DUS
100 TAB)
FITUNO
KAPLET-
38 11000197 BLISTER 607 5 -7255.37 6748.87 671.6234
3X10
KAPLET
FUROSEM
IDE 40 MG 1,103 239 -1071.18
39 11000200 67.7108 501.7766
(DUS 200
TAB)
GRISEOF
ULVIN
40 11000202 125 353 15 -734.262 481.1558 256.2854
MG(DUS
100 TAB)
HYDROCL
OROTIAZI
41 11000204 D 25 MG 478 311 -497.021 118.8392 535.956
(DUS 100
TAB)
ISONIAZI
D 100 MG 55 36 -359.22
42 11000208 404.69 32.46
(DUS 100
TAB)
KINA
43 11000216 (DUS 24 117 126 -62.831 45.9825 78.4339
STRIP)
LEVOFLO
XACIN
44 11000217 500 MG 134 7 -216.944 182.8225 96.6074
(DUS 50
TAB)
103
Material
Text
METOCL
OPRAMID
45 11000221 5 MG 101 1 -1276.35 1275.153 477.2065
(DUS 100
TAB)
NIFEDIPI
N 10 MG 693 85 -828.964
46 11000227 236.4642 539.6846
(DUS 100
TAB)
PYRAZINA
MIDE 500 70 2 -32.264
47 11000251 62.0367 33.6297
MG (DUS
100 TAB)
RETAPHY
L SR-
48 11000257 STRIP 740 480 -664.172 24.43 214.1992
10X10
TABLET
SALBUTA
MOL 4 MG 553 287 -1005.08
49 11000262 551.6864 354.6535
(DUS 100
TAB)
SIMVAST
ATIN 10 2,166 69 -2100.88
50 11000264 34.4533 541.6219
MG (DUS
50 TAB)
SIMVAST
ATIN 20 2,034 118 -1996.77
51 11000266 62.8592 575.9293
MG (DUS
50 TAB)
SULFADO
XINE
PYRIMET 175 43 -932.111
52 11000268 857.55 255.3428
HAMINE
(DUS 100
TAB)
ANTIHEM
OROID 935 349 -906.811
53 11000291 71.9317 498.6432
(DUS 10
SUPP)
104
Material
Text
PROTOFE 200 173 -125.972
54 11000293 25.7142 60.1713
N SUPP
CHLORA
MFENICO
L 1 % S. 3,399 456 -3726.6
55 11000295 427.63 2976.864
MATA
(TUBE 5
GRAM)
MICONAZ
OLE 2 %
CR(DUS 13,419 3912 -13376.7
56 11000296 57.6967 2857.801
24
TUBE@10
GRAM)
OXYTETR
ACYCLIN
1% 2,159 50 -2156.2
57 11000297 97.5167 1210.626
SM(DUS
25TUBE@
35GRAM)
OXYTETR
ACYCLIN
3%
58 11000298 SK(DUS 2,899 54 -3848.54 1049.78 1636.085
25
TUBE@5
GRAM)
FITOCARE
M KAYU 252 188 -209.456
59 11000324 57.32 94.9497
PUTIH
100 ML
FITOCARE
M.TELON 140 107 -217.828
60 11000328 177.4792 195.7769
BAYI 50
ML
105
Material
Text
MARCKS
61 11000329 BEDAK 5,840 4060 -5753.45 13.8183 912.9953
CREME
MARCKS
BEDAK 1,231 311 -1160.12
62 11000330 29.3342 423.3843
CREME
20gr
MARCKS
BEDAK
63 11000331 INVISIBLE 456 389 -407.693 51.5267 129.1875
20gr
(New)
MARCKS
BEDAK
64 11000332 INVISIBLE 371 133 -3256.32 2985.136 251.3131
40gr
(New)
MARCKS
BEDAK
65 11000333 Natural 728 333 -654.347 26.4683 261.8587
Beige 20
gr (New)
MARCKS
BEDAK
Natural 533 461 -475.263
66 11000334 42.7475 165.8575
Beige
40gr
(New)
MARCKS
67 11000335 BEDAK 703 311 -981.826 379.3258 357.7274
PINK 20gr
MARCKS
68 11000336 BEDAK 1,829 620 -1779.07 50.2958 740.0048
PUTIH
MARCKS
69 11000337 BEDAK 3,460 1333 -3389.05 29.2 814.5083
ROSE
106
Material
Text
MARCKS
BEDAK 370 153 -295.402
70 11000338 25.4933 100.2071
WHITE
20gr
VENUS
BODY
MILK 100 31 59 -85.6412
71 11000356 154.3533 381.5778
ml
EKST.GRE
EN TEA
VENUS
COMPAC 118 28 -386.958
72 11000361 368.64 70.1184
T NO.1
INVISIBLE
VENUS
COMPAC 131 45 -202.085
73 11000363 171.2058 76.6435
T NO.3
IVORY
VENUS
FACE
74 11000364 TONER - 24 32 -182.482 258.5883 17.1225
NORMAL
100
VENUS
FACIAL 744 1 -776.635
75 11000368 132.5442 455.5945
WASH
100ml
VENUS LP
DYNAMIC 130 65 -190.436
76 11000370 160.3758 48.4694
NO.1
INVISIBLE
VENUS LP
DYNAMIC
77 11000371 NO.2 157 40 -290.628 233.5375 64.9464
NAT.BEIG
E
107
Material
Text
VENUS LP
DYNAMIC 142 2 -153.766
78 11000372 112.2208 49.0324
NO.3
IVORY
VENUS
REFILL
79 11000373 COMPAC 126 33 -105.831 80.255 44.2785
T NO. 01
INVISIBLE
VENUS
REFILL
COMPAC 125 30 -134.454
80 11000374 109.06 54.9017
T NO. 02
NAT.
BEIGE
VENUS
REFILL
81 11000375 COMPAC 120 34 -89.0882 69.27 43.9764
T NO. 03
IVORY
VENUS
REFILL
82 11000376 TWC NO.1 102 36 -203.929 201.7317 37.5657
TRANSLU
CENT
VENUS
REFILL 117 33 -74.6137
83 11000377 57.4925 39.0512
TWC NO.2
NATURAL
VENUS
REFILL
84 11000378 TWC NO.3 127 30 -198.079 170.73 52.8138
PORCELE
IN
108
Material
Text
VENUS
TWC NO.1 56 21 2.3044
85 11000379 41.2108 17.9397
TRANSLU
CENT
VENUS
86 11000380 TWC NO.2 73 28 -29.1185 56.6033 25.2517
NATURAL
VENUS
TWC NO.3 63 12 -53.8005
87 11000381 90.9975 50.2003
PORCELE
IN
BETAMET
ASON
01%
88 11000383 CR(DUS 12,890 2425 -12874.2 84.4308 2804.932
25
TUBE@5
GRAM)
BETASON
N CREAM 8,005 1472 -8036.98
89 11000384 132.3933 2187.505
(TUBE 5
GRAM)
BETASON
CREAM 2,669 301 -2803.62
90 11000385 234.6042 1169.441
(TUBE 5
GRAM)
CHLORA
MPHENIC
OL 250 243 5 -2446.56
91 11000388 2303.078 201.8977
MG (DUS
100
KAPS)
109
Material
Text
GENTAMY
CIN 01 %
92 11000391 (DUS 10 1,574 411 -1685.92 212.0158 1998.732
TUBE @ 5
GRAM)
HYDROC
ORTISON
E
93 11000394 25%CR(D 15,333 2592 -15574.7 341.7475 3162.278
US
24TUBE@
5GRAM)
KETOCO
NAZOLE 2
94 11000395 % CREAM 7,133 557 -7100.15 66.9208 2631.532
(TUBE 10
GRAM)
CAPTOPR
IL 25 MG 1,831 149 -2005.08
95 11000424 274.1733 1287.942
(DUS 100
TAB)
VITAMIN
B12 50
MCG 415 54 -476.06
96 11000485 160.575 216.5495
(SUPLEM
EN)(DUS1
00TAB)
VITAMIN
B6 10 MG
97 11000486 (SUPLEM 1,174 124 -1208.99 134.685 1423.395
EN)(DUS1
00TAB)
VITAMIN
B1 50 MG
98 11000488 (SUPLEM 1,116 22 -1133.85 118.0817 1269.704
EN)(DUS1
00TAB)
110
Material
Text
HUMAN
ALBUMIN 2 10 -3.0711
99 11000517 100.6317 52.5917
20% 100
ML
MARCKS
100 11000977 TEENS CP 1,603 396 -1562.48 59.8592 801.2494
CREME
MORFINA
10 MG/ML 78 59 -116.208
101 11001043 138.3142 55.7755
INJEKSI
(IMPOR)
VENUS
BODY
102 11001093 SERUM 316 14 -384.409 168.515 124.8606
ANTIAGIN
G
VENUS
SOFT
103 11001143 MATTE 192 14 -300.287 208.1358 103.703
LIPCREA
M NO.1
VENUS
SOFT
104 11001146 MATTE 174 5 -838.105 764.0742 98.5397
LIPCREA
M NO.4
VENUS
SOFT
105 11001149 MATTE 197 11 -168.463 71.645 92.1704
LIPCREA
M NO.7
VENUS
SOFT
106 11001150 MATTE 312 13 -401.249 189.1275 197.3597
LIPCREA
M NO.8
111
Material
Text
VENUS
SOFT
107 11001184 MATTE 179 3 -368.109 289.2608 100.318
LIPCREA
M 10
LOVE
TEST 385 8 -2130.85
108 11001223 1846.154 249.1769
KEMASAN
BARU
MARCKS
TEEN
109 11001285 MICELLA 911 145 -877.563 66.8208 231.1364
R WATER
100
MARCKS
TEEN
110 11001286 MICELLA 312 160 -277.004 65.5042 120.4418
R WATER
250
VENUS
WATERSH
111 11001393 INE 54 8 -109.228 154.7883 39.4187
LIPSTICK
NO.1
VENUS
WATERSH
112 11001394 INE 46 8 -86.6412 140.8533 28.3332
LIPSTICK
NO.2
VENUS
WATERSH
113 11001395 INE 62 8 -117.166 154.6808 37.519
LIPSTICK
NO.3
VENUS
WATERSH
114 11001396 INE 77 15 -167.526 190.42 52.4357
LIPSTICK
NO.4
112
Material
Text
VENUS
WATERSH
115 11001397 INE 51 8 -142.583 191.5375 39.6594
LIPSTICK
NO.5
Rata-Rata 374 486
Berdasarkan tabel perhitungan error diatas dapat dilihat bahwa antara

data aktual dan data prediksi memiliki perbedaan yang tinggi. Kolom selisih berisi
selisih perbandingan antara data aktual dan data prediksi. Kemudian tabel MAPE
berisi hasil perhitungan error berdasarkan perbandingan penjualan produk 1
tahun yaitu bulan Januari 2019-Desember 2019 dan nilai trend menggunakan
rumus Mean Absolute Percentage Error (MAPE) dengan rata-rata error 374%.
Kemudian tabel RMSE berisi hasil perhitungan validasi model menggunakan
Root Mean Square Error (RMSE) dengan rata-rata 486. Dari tabel diatas dapat
dilihat bahwa, hasil prediksi beberapa produk mendekati nilai aktual dengan nilai
error yang rendah dan hasil prediksi beberapa produk juga mengalami
perbedaan yang cukup signifikan dengan nilai error yang tinggi. Tinggi atau
rendahnya nilai error juga dipengaruhi dengan banyaknya data penjualan yang
digunakan untuk perhitungan, semakin banyak data yang digunakan maka akan
mempengaruhi rendahnya nilai error dan tingginya tingkat akurasi perhitungan
prediksi.
4.1.3.2 Hasil Analisa Perbandingan Data Prediksi dan Aktual

Berdasarkan hasil perhitungan prediksi penjualan produk Kimia Farma
Trading & Distribution (KFTD) cabang Palembang dari bulan Januari 2019 –
Desember 2019 dapat dianalisa kesalahan tingkat error dengan membandingkan
data prediksi dan aktual penjualan bulan Januari 2020 menggunakan
perhitungan MAPE. Berikut merupakan grafik dan tabel perbandingan data
prediksi dan aktual penjualan bulan Januari 2020 :
113
Perbandingan Prediksi dan Aktual Penjualan Januari 2020
18000
16000
14000
12000
10000
8000
6000
4000
2000
0
1 5 9 13 17 21 25 29 33 37 41 45 49 53 57 61 65 69 73 77 81 85 89 93 97 101105109113
prediksi januari januari
Gambar 4. 12 Grafik Perbandingan Prediksi dan Aktual Penjualan Januari 2020

Berdasarkan Grafik diatas dapat dilihat perbandingan hasil prediksi dan
data aktual penjualan bulan Januari 2020 bahwa hasil prediksi beberapa produk
mendekati nilai aktual, namun hasil prediksi penjualan beberapa produk juga
mengalami perbedaan yang cukup signifikan.
4.1.4 Hasil Perancangan Antar Muka
a. Tampilan Halaman Login

Berikut merupakan tampilan halaman login aplikasi prediksi penjualan
produk terlaris. User melakukan proses login dengan mengisi username
dan password.
114
Gambar 4. 13 Tampilan Halaman Login
b. Tampilan Halaman Dashboard Prediksi Penjualan Produk Terlaris

Berikut merupakan tampilan halaman Dashboard. Tampilan halaman
dashboard menampilkan perbandingan daftar hasil prediksi produk terlaris
berdasarkan nilai prediksi tertinggi dan daftar hasil prediksi produk terlaris
berdasarkan data aktual tertinggi. Pada side bar terdapat pilihan tampilan
dashboard dan Least Square. Least Square berisi pilihan data penjualan,
proses perhitungan prediksi, data prediksi dan prediksi terlaris.
Gambar 4. 14 Tampilan Halaman Dashboard
115
c. Tampilan Halaman Data Penjualan
Berikut merupakan tampilan halaman data penjualan. Tampilan data
penjualan ditampilkan berdasarkan atribut material, text material, quantity,
sales unit, product hierarchy dan periode. Terdapat tombol search untuk
memudahkan melakukan pencarian.
Gambar 4. 15 Tampilan Halaman Data Penjualan
d. Tampilan Halaman Perhitungan Prediksi

Tampilan perhitungan prediksi menampilkan combo box untuk memilih
waktu yang akan diprediksi, misal: Januari 2020. Terdapat tombol proses
dan tampil data yang berguna untuk memproses perhitungan berdasarkan
waktu yang telah dipilih.
Gambar 4. 16 Tampilan Halaman Perhitungan Prediksi

116
e. Tampilan Halaman Hasil Perhitungan Prediksi
Berikut merupakan tampilan hasil perhitungan prediksi. Tampilan halaman
hasil prediksi berisi hasil perhitungan prediksi dari setiap produk.
Gambar 4. 17 Tampilan Halaman Hasil Perhitungan Prediksi
f. Tampilan Halaman Data Prediksi

Tampilan hasil perhitungan prediksi merupakan tampilan yang muncul
setelah tombol proses ditekan. Terdapat tombol search untuk
memudahkan pencarian. Tampilan halaman data prediksi berisi kode, text
material, hasil prediksi, nilai aktual, MAPE.
Gambar 4. 18 Tampilan Halaman Data Prediksi
117
g. Tampilan Halaman Data Prediksi
Berikut merupakan tampilan halaman data prediksi yang berisi kode, text
material dan hasil prediksi. Terdapat tombol search untuk memudahkan
pencarian produk terlaris.
4.2 Pembahasan
Dalam pengimplementasian metode Least Square untuk memprediksi
penjualan produk digunakan data penjualan produk Kimia Farma Trading &
Distribution di cabang Palembang selama satu tahun yaitu dari bulan Januari
2019 – Desember 2019. Jumlah data yang digunakan yaitu berjumlah 12
sehingga aturan yang digunakan mengikuti aturan data genap. Kemudian data
Januari 2020 juga digunakan sebagai data testing untuk dilakukan perbandingan
dengan hasil prediksi. Berdasarkan hasil perhitungan prediksi Januari 2020
dilakukan perankingan untuk menentukan produk terlaris. 10 teratas merupakan
produk terlaris dan 10 terbawah merupakan produk yang kurang laris. Berikut
merupakan daftar hasil prediksi produk terlaris sampai yang kurang laris pada
bulan Januari 2020 :
Tabel 4. 19 Prediksi Penjualan Produk Terlaris

no material text material
1 11000394 HYDROCORTISONE 2,5%CR(DUS 24TUBE@ 5GRAM)
118
2 11000296 MICONAZOLE 2 % CR(DUS 24 TUBE@10 GRAM)
3 11000383 BETAMETASON 0,1% CR(DUS 25 TUBE@5 GRAM)
4 11000384 BETASON N CREAM (TUBE 5 GRAM)
5 11000395 KETOCONAZOLE 2 % CREAM (TUBE 10 GRAM)
6 11000329 MARCKS BEDAK CREME
7 11000150 AMLODIPINE 5 MG (DUS 50 TAB)
8 11000026 CHLORAMFECORT CREAM (TUBE 10 GRAM)
10 11000337 MARCKS BEDAK ROSE
11 11000161 CAPTOPRIL 12.5 MG TAB (DUS 100 TAB)
12 11000295 CHLORAMFENICOL 1 % S. MATA (TUBE 5 GRAM)
13 11000298 OXYTETRACYCLIN 3% SK(DUS 25 TUBE@5 GRAM)
14 11000385 BETASON CREAM (TUBE 5 GRAM)
15 11000264 SIMVASTATIN 10 MG (DUS 50 TAB)
16 11000297 OXYTETRACYCLIN 1% SM(DUS 25TUBE@3,5GRAM)
17 11000157 BATUGIN ELIXIR -BT 120 ML
20 11000112 NITROKAF RETARD F. KAPS.(100)
21 11000424 CAPTOPRIL 25 MG (DUS 100 TAB)
22 11000336 MARCKS BEDAK PUTIH
23 11000155 ASIFIT KAPLET-BLISTER 3X10 KAPL
24 11000149 AMBROXOL SIRUP (BTL 60 ML)
25 11000977 MARCKS' TEENS CP CREME
26 11000391 GENTAMYCIN 0,1 % (DUS 10 TUBE @ 5 GRAM)
27 11000027 CHLORAMFECORT H CREAM (TUBE 10 GRAM)
28 11000330 MARCKS BEDAK CREME 20gr
119
29 11000074 GLIMEPIRIDE 2 MG (DUS 50 TAB)
30 11000486 VITAMIN B6 10 MG (SUPLEMEN)(DUS100TAB)
32 11000200 FUROSEMIDE 40 MG (DUS 200 TAB)
33 11000171 CLOPIDOGREL 75 MG (DUS 30 TAB)
34 11000291 ANTIHEMOROID (DUS 10 SUPP)
35 11001285 MARCKS TEEN MICELLAR WATER 100
36 11000016 AZITHROMYCIN 500 MG (DUS 20 TAB)
37 11000368 VENUS FACIAL WASH 100ml
38 11000257 RETAPHYL SR-STRIP 10X10 TABLET
39 11000333 MARCKS BEDAK Natural Beige 20 gr (New)
40 11000335 MARCKS BEDAK PINK 20gr
41 11000227 NIFEDIPIN 10 MG (DUS 100 TAB)
43 11000197 FITUNO KAPLET-BLISTER 3X10 KAPLET
44 11000262 SALBUTAMOL 4 MG (DUS 100 TAB)
45 11000170 CLONIDINE 0.15 MG (DUS 100 TAB)
46 11000334 MARCKS BEDAK Natural Beige 40gr (New)
47 11000204 HYDROCLOROTIAZID 25 MG (DUS 100 TAB)
48 11000025 CETIRIZINE 10 MG (DUS 30 TAB)
49 11000331 MARCKS BEDAK INVISIBLE 20gr (New)
50 11000024 CEFIXIME 100 MG (DUS 30 KAPS)
51 11000144 ZINK DISPERSIBEL (DUS 100 TAB)
52 11000485 VITAMIN B12 50 MCG (SUPLEMEN)(DUS100TAB)
53 11001223 LOVE TEST KEMASAN BARU
55 11000338 MARCKS BEDAK WHITE 20gr
120
56 11000202 GRISEOFULVIN 125 MG(DUS 100 TAB)
57 11000108 NATRIUM DIKLOFENAK 50 MG (DUS 50 TAB)
58 11000102 MAGASIDA TABLET
59 11001093 VENUS BODY SERUM ANTIAGING
60 11001150 VENUS SOFT MATTE LIPCREAM NO.8
63 11000169 CIMETIDINE 200 MG (DUS 100 TAB)
64 11000324 FITOCARE M KAYU PUTIH 100 ML
65 11000388 CHLORAMPHENICOL 250 MG (DUS 100 KAPS)
66 11000042 CODIPRONT CUM EXPECTORANT SIROP
67 11000293 PROTOFEN SUPP
68 11000113 NITROKAF RETARD KAPSUL (100)
71 11000152 ANTASIDA DOEN (DUS 100 TAB)
72 11001184 VENUS SOFT MATTE LIPCREAM 10
73 11000268 SULFADOXINE PYRIMETHAMINE (DUS 100 TAB)
75 11000049 DIAZEPAM 2 MG (BTL 100 TAB)
76 11000071 FLUCONAZOLE 150 MG (DUS 10 KAPS)
77 11000072 GLIBENCLAMIDE 5 MG (DUS 100 TAB)
78 11000371 VENUS LP DYNAMIC NO.2 NAT.BEIGE
79 11000045 CODIPRONT SIROP
80 11000372 VENUS LP DYNAMIC NO.3 IVORY
81 11000328 FITOCARE M.TELON BAYI 50 ML
82 11000217 LEVOFLOXACIN 500 MG (DUS 50 TAB)
121
83 11000187 DILTIAZEM 30 MG (DUS 100 TAB)
84 11000363 VENUS COMPACT NO.3 IVORY
85 11000370 VENUS LP DYNAMIC NO.1 INVISIBLE
86 11000378 VENUS REFILL TWC NO.3 PORCELEIN
87 11000373 VENUS REFILL COMPACT NO. 01 INVISIBLE
88 11000374 VENUS REFILL COMPACT NO. 02 NAT. BEIGE
89 11000375 VENUS REFILL COMPACT NO. 03 IVORY
90 11000361 VENUS COMPACT NO.1 INVISIBLE
91 11000216 KINA (DUS 24 STRIP)
92 11000377 VENUS REFILL TWC NO.2 NATURAL
93 11000033 CODEINE 10 MG (DUS 100 TAB)
94 11000376 VENUS REFILL TWC NO.1 TRANSLUCENT
95 11000221 METOCLOPRAMID 5 MG (DUS 100 TAB)
96 11000188 DIMENHYDRINATE 50 MG (BTL 100 TAB)
97 11001043 MORFINA 10 MG/ML INJEKSI (IMPOR)
98 11001396 VENUS WATERSHINE LIPSTICK NO.4
99 11000380 VENUS TWC NO.2 NATURAL
100 11000251 PYRAZINAMIDE 500 MG (DUS 100 TAB)
101 11000043 CODIPRONT KAPSUL (10)
102 11000381 VENUS TWC NO.3 PORCELEIN
104 11000379 VENUS TWC NO.1 TRANSLUCENT
105 11000208 ISONIAZID 100 MG (DUS 100 TAB)
109 11000173 COTRIMOXAZOLE ADULT (DUS 100 TAB)
122
110 11000356 VENUS BODY MILK 100 ml EKST.GREEN TEA
111 11000364 VENUS FACE TONER - NORMAL 100
112 11000009 ALPRAZOLAM 1 MG (DUS 100 TAB)
113 11000194 ETHAMBUTOL 500 MG (DUS 100 TAB)
114 11000038 CODIKAF 10 MG TABLET
115 11000517 HUMAN ALBUMIN 20% 100 ML
Berdasarkan data aktual dilakukan pula perankingan untuk melihat produk

terlaris Januari 2020. 10 teratas merupakan produk terlaris dan 10 terbawah
merupakan produk yang kurang laris. Berikut merupakan daftar produk terlaris
sampai yang kurang laris pada bulan Januari 2020:
Tabel 4. 20 Penjualan Aktual Produk Terlaris
1 11000329 MARCKS BEDAK CREME
2 11000296 MICONAZOLE 2 % CR(DUS 24 TUBE@10 GRAM)
3 11000394 HYDROCORTISONE 2,5%CR(DUS 24TUBE@ 5GRAM)
4 11000383 BETAMETASON 0,1% CR(DUS 25 TUBE@5 GRAM)
5 11000112 NITROKAF RETARD F. KAPS.(100)
6 11000384 BETASON N CREAM (TUBE 5 GRAM)
7 11000337 MARCKS BEDAK ROSE
8 11000149 AMBROXOL SIRUP (BTL 60 ML)
9 11000336 MARCKS BEDAK PUTIH
10 11000042 CODIPRONT CUM EXPECTORANT SIROP
12 11000395 KETOCONAZOLE 2 % CREAM (TUBE 10 GRAM)
13 11000257 RETAPHYL SR-STRIP 10X10 TABLET
14 11000045 CODIPRONT SIROP
15 11000155 ASIFIT KAPLET-BLISTER 3X10 KAPL
123
16 11000334 MARCKS BEDAK Natural Beige 40gr (New)
17 11000295 CHLORAMFENICOL 1 % S. MATA (TUBE 5 GRAM)
18 11000391 GENTAMYCIN 0,1 % (DUS 10 TUBE @ 5 GRAM)
19 11000977 MARCKS' TEENS CP CREME
22 11000291 ANTIHEMOROID (DUS 10 SUPP)
23 11000333 MARCKS BEDAK Natural Beige 20 gr (New)
24 11000204 HYDROCLOROTIAZID 25 MG (DUS 100 TAB)
25 11000330 MARCKS BEDAK CREME 20gr
26 11000335 MARCKS BEDAK PINK 20gr
27 11000385 BETASON CREAM (TUBE 5 GRAM)
28 11000262 SALBUTAMOL 4 MG (DUS 100 TAB)
29 11000016 AZITHROMYCIN 500 MG (DUS 20 TAB)
30 11000026 CHLORAMFECORT CREAM (TUBE 10 GRAM)
31 11000161 CAPTOPRIL 12.5 MG TAB (DUS 100 TAB)
32 11000200 FUROSEMIDE 40 MG (DUS 200 TAB)
33 11000170 CLONIDINE 0.15 MG (DUS 100 TAB)
34 11000324 FITOCARE M KAYU PUTIH 100 ML
35 11000113 NITROKAF RETARD KAPSUL (100)
36 11000293 PROTOFEN SUPP
37 11000171 CLOPIDOGREL 75 MG (DUS 30 TAB)
40 11000338 MARCKS BEDAK WHITE 20gr
41 11000424 CAPTOPRIL 25 MG (DUS 100 TAB)
124
43 11000187 DILTIAZEM 30 MG (DUS 100 TAB)
45 11000216 KINA (DUS 24 STRIP)
47 11000049 DIAZEPAM 2 MG (BTL 100 TAB)
49 11000027 CHLORAMFECORT H CREAM (TUBE 10 GRAM)
50 11000108 NATRIUM DIKLOFENAK 50 MG (DUS 50 TAB)
51 11000328 FITOCARE M.TELON BAYI 50 ML
52 11000033 CODEINE 10 MG (DUS 100 TAB)
53 11000188 DIMENHYDRINATE 50 MG (BTL 100 TAB)
54 11000227 NIFEDIPIN 10 MG (DUS 100 TAB)
55 11000043 CODIPRONT KAPSUL (10)
56 11000152 ANTASIDA DOEN (DUS 100 TAB)
57 11000169 CIMETIDINE 200 MG (DUS 100 TAB)
59 11000025 CETIRIZINE 10 MG (DUS 30 TAB)
60 11000370 VENUS LP DYNAMIC NO.1 INVISIBLE
61 11000356 VENUS BODY MILK 100 ml EKST.GREEN TEA
62 11001043 MORFINA 10 MG/ML INJEKSI (IMPOR)
63 11000298 OXYTETRACYCLIN 3% SK(DUS 25 TUBE@5 GRAM)
64 11000485 VITAMIN B12 50 MCG (SUPLEMEN)(DUS100TAB)
65 11000297 OXYTETRACYCLIN 1% SM(DUS 25TUBE@3,5GRAM)
66 11000363 VENUS COMPACT NO.3 IVORY
67 11000268 SULFADOXINE PYRIMETHAMINE (DUS 100 TAB)
68 11000371 VENUS LP DYNAMIC NO.2 NAT.BEIGE
69 11000173 COTRIMOXAZOLE ADULT (DUS 100 TAB)
125
71 11000208 ISONIAZID 100 MG (DUS 100 TAB)
72 11000376 VENUS REFILL TWC NO.1 TRANSLUCENT
73 11000375 VENUS REFILL COMPACT NO. 03 IVORY
74 11000373 VENUS REFILL COMPACT NO. 01 INVISIBLE
75 11000377 VENUS REFILL TWC NO.2 NATURAL
76 11000364 VENUS FACE TONER - NORMAL 100
77 11000374 VENUS REFILL COMPACT NO. 02 NAT. BEIGE
78 11000378 VENUS REFILL TWC NO.3 PORCELEIN
79 11000009 ALPRAZOLAM 1 MG (DUS 100 TAB)
80 11000361 VENUS COMPACT NO.1 INVISIBLE
81 11000380 VENUS TWC NO.2 NATURAL
82 11000071 FLUCONAZOLE 150 MG (DUS 10 KAPS)
83 11000144 ZINK DISPERSIBEL (DUS 100 TAB)
87 11000379 VENUS TWC NO.1 TRANSLUCENT
89 11000202 GRISEOFULVIN 125 MG(DUS 100 TAB)
91 11001093 VENUS BODY SERUM ANTIAGING
94 11000381 VENUS TWC NO.3 PORCELEIN
96 11000038 CODIKAF 10 MG TABLET
126
97 11000517 HUMAN ALBUMIN 20% 100 ML
98 11001223 LOVE TEST KEMASAN BARU
103 11000217 LEVOFLOXACIN 500 MG (DUS 50 TAB)
104 11000197 FITUNO KAPLET-BLISTER 3X10 KAPLET
105 11000388 CHLORAMPHENICOL 250 MG (DUS 100 KAPS)
107 11000102 MAGASIDA TABLET
108 11000072 GLIBENCLAMIDE 5 MG (DUS 100 TAB)
109 11001184 VENUS SOFT MATTE LIPCREAM 10
110 11000194 ETHAMBUTOL 500 MG (DUS 100 TAB)
111 11000251 PYRAZINAMIDE 500 MG (DUS 100 TAB)
112 11000372 VENUS LP DYNAMIC NO.3 IVORY
113 11000024 CEFIXIME 100 MG (DUS 30 KAPS)
114 11000221 METOCLOPRAMID 5 MG (DUS 100 TAB)
115 11000368 VENUS FACIAL WASH 100ml
Tabel 4. 21 Perbandingan Tabel Aktual Trend Penjualan Produk Terlaris
Trend Produk terlaris Desember 2019 Trend Produk terlaris Januari 2020
GRAM)
GRAM) GRAM)
KETOCONAZOLE 2 % CREAM (TUBE 10 HYDROCORTISONE 2,5%CR(DUS
MARCKS BEDAK CREME BETAMETASON 0,1% CR(DUS 25 TUBE@5
GRAM)
AMLODIPINE 5 MG (DUS 50 TAB) NITROKAF RETARD F. KAPS.(100)
127
AMLODIPINE 10 MG (DUS 50 TAB) BETASON N CREAM (TUBE 5 GRAM)
HYDROCORTISONE 2,5%CR(DUS MARCKS BEDAK ROSE
24TUBE@ 5GRAM)
MARCKS BEDAK ROSE AMBROXOL SIRUP (BTL 60 ML)
BETASON CREAM (TUBE 5 GRAM) MARCKS BEDAK PUTIH
Dari tabel diatas dapat dilihat perbandingan produk terlaris berdasarkan

hasil perbandingan data aktual trend penjualan bulan Desember 2019 dan
Januari 2020. Dari 10 produk yang diprediksi menjadi produk terlaris, 5 produk
termasuk ke dalam trend penjualan produk terlaris bulan Januari 2020,
sedangkan 5 produk tidak termasuk ke dalam 10 produk terlaris. Akurasi dari
prediksi produk terlaris secara manual yaitu 50%.
Tabel 4. 22 Perbandingan Tabel Prediksi dan Aktual Penjualan Produk Terlaris
Hasil Prediksi Data Aktual

HYDROCORTISONE 2,5%CR(DUS 24TUBE@ MARCKS BEDAK CREME
5GRAM)
MICONAZOLE 2 % CR(DUS 24 TUBE@10 MICONAZOLE 2 % CR(DUS 24
GRAM) TUBE@10 GRAM)
BETAMETASON 0,1% CR(DUS 25 TUBE@5 HYDROCORTISONE 2,5%CR(DUS
BETASON N CREAM (TUBE 5 GRAM) BETAMETASON 0,1% CR(DUS 25
TUBE@5 GRAM)
KETOCONAZOLE 2 % CREAM (TUBE 10 NITROKAF RETARD F. KAPS.(100)
GRAM)
MARCKS BEDAK CREME BETASON N CREAM (TUBE 5 GRAM)
CHLORAMFECORT CREAM (TUBE 10 AMBROXOL SIRUP (BTL 60 ML)
GRAM)
AMLODIPINE 10 MG (DUS 50 TAB) MARCKS BEDAK PUTIH
MARCKS BEDAK ROSE CODIPRONT CUM EXPECTORANT
SIROP
Dari tabel diatas dapat dilihat perbandingan produk terlaris berdasarkan

hasil prediksi dan data aktual. Dari 10 produk yang diprediksi menjadi produk
terlaris, 6 produk termasuk ke dalam produk terlaris berdasarkan data aktual,
sedangkan 4 produk tidak termasuk ke dalam 10 produk terlaris. Akurasi dari
prediksi produk terlaris yaitu 60% sehingga hasilnya terbukti lebih baik
dibandingkan prediksi secara manual. Semakin banyak data yang digunakan
128
maka akan mempengaruhi tingginya tingkat akurasi perhitungan prediksi.
Dibutuhkan data penjualan dengan iterasi yang lebih banyak sehingga hasil
prediksi menjadi lebih akurat.
129
BAB V
KESIMPULAN DAN SARAN
5.1 Kesimpulan
Berdasarkan penelitian yang telah dilakukan dapat diambil kesimpulan
sebagai berikut :
1. Penjualan produk pada Kimia Farma Trading & Distribution (KFTD)

mengalami kenaikan dan penurunan setiap bulannya sedangkan produk
yang laris tidak boleh mengalami penurunan pada bulan selanjutnya.
Dibutuhkan prediksi penjualan produk terlaris di masa yang akan datang
untuk memudahkan dalam perencanaan penjualan produk sehingga
produk yang laris tidak mengalami penurunan.
2. Dalam pengimplementasian metode Least Square untuk memprediksi
penjualan produk digunakan data penjualan produk Kimia Farma Trading
& Distribution di cabang Palembang selama satu tahun yaitu dari bulan
Januari 2019 – Desember 2019. Jumlah data yang digunakan yaitu
berjumlah 12 sehingga aturan yang digunakan mengikuti aturan data
genap. Kemudian data Januari 2020 juga digunakan sebagai data testing
untuk dilakukan perbandingan dengan hasil prediksi.
3. Dengan metode Least Square ternyata ditemukan error yang sangat tinggi
pada dataset penjualan Januari 2019 – Desember 2019. Perhitungan nilai
error pada dataset menggunakan Mean Absolute Percentage Error
(MAPE) menghasilkan rata-rata error 374%, kemudian validasi model
menggunakan Root Mean Square Error (RMSE) menghasilkan rata-rata
486. Hasil perhitungan prediksi beberapa produk menghasilkan nilai
prediksi yang mendekati nilai aktual dan memiliki nilai error yang rendah.
Namun, hasil perhitungan prediksi beberapa produk juga mengalami
perbedaan yang cukup signifikan sehingga nilai error menjadi tinggi.
Tinggi atau rendahnya nilai error dipengaruhi grafik penjualan pada
periode yang diprediksi dan juga banyaknya iterasi atau jumlah data yang
digunakan.
130
4. Dilakukan perankingan untuk menentukan produk terlaris sehingga
didapatkan 10 produk teratas sebagai produk terlaris. Dari hasil
perbandingan data aktual trend penjualan bulan Desember 2019 dan
Januari 2020. Dari 10 produk, 5 produk termasuk ke dalam trend
penjualan produk terlaris bulan Januari 2020, sedangkan 5 produk tidak
termasuk ke dalam 10 produk terlaris. Akurasi dari prediksi produk terlaris
secara manual yaitu 50%. Sedangkan dari hasil perhitungan prediksi
menggunakan metode Least Square, dari 10 produk yang diprediksi
menjadi produk terlaris, 6 produk termasuk ke dalam produk terlaris
berdasarkan data aktual, sedangkan 4 produk tidak termasuk ke dalam 10
produk terlaris. Akurasi dari prediksi produk terlaris menggunakan metode
Least Square yaitu 60% sehingga hasilnya terbukti lebih baik
dibandingkan prediksi secara manual.
5.2 Saran
Berikut merupakan saran dari hasil penelitian prediksi penjualan produk
terlaris pada Kimia Farma Trading & Distribution (KFTD) supaya bisa dijadikan
acuan untuk penelitian selanjutnya, yaitu sebagai berikut :
1. Untuk mendapatkan hasil prediksi yang lebih akurat dengan

menggunakan metode Least Square dibutuhkan data dengan iterasi yang
lebih banyak sehingga hasil prediksi menjadi lebih akurat. Disarankan
untuk menggunakan dataset dengan periode lebih dari 1 tahun. Semakin
banyak data yang digunakan maka akan mempengaruhi rendahnya nilai
error dan tingginya tingkat akurasi perhitungan prediksi.
2. Perhitungan prediksi bisa dilakukan dengan menggunakan data penjualan
pada seluruh cabang atau dengan menggunakan data penjualan pada
cabang lainnya sehingga dapat dibandingkan hasil prediksi penjualan
produk terlaris pada seluruh cabang atau pada masing-masing cabang.
3. Perlu dilakukan prediksi dengan menambahkan variabel yang
mempengaruhi penjualan sehingga dapat dianalisa faktor apa saja yang
dapat mempengaruhi kenaikan dan penurunan penjualan.
131
DAFTAR PUSTAKA
(2015). In D. Nofriansyah, S.Kom.,M.Kom, & D. W. Nurchayo, M.Sc, Algoritma

Data Mining dan Pengujian (p. 1).
Abazid, M., Abdulrahman, A., & Samine, S. (2018). LEAST SQUARES

METHODS TO FORECAST SALES FOR A COMPANY . International
Journal of Scientific & Engineering Research, 864-868.
Aditya, A. N. (2011). Jago PHP dan MySQL:Dalam Hitungan Menit Membahas

Php Dan Mysql Dari Nol Hingga Mahir Untuk Pemula.
Agtriadi, H. B., Chandra, N., Warnars, H. L. H. S., & Gaol, F. L. (2018). Software
size measurement with use case point for employee application software at
STT-PLN. 2017 IEEE International Conference on Cybernetics and
Computational Intelligence, CyberneticsCOM 2017 - Proceedings, 2017-
November, 153–157.
https://doi.org/10.1109/CYBERNETICSCOM.2017.8311701
Asri, Y., & Fitriani, Y. (2017). Flash flip book applications to measure the level of
nationalism with quasi experiment on primary school students. AIP
Conference Proceedings, 1867(August). https://doi.org/10.1063/1.4994465
Asri, Y., Siregar, R. R., & Sihombing, H. (2018). Resource Inventory Management
System Laboratory Terintegrasi Web. Jurnal Ilmu Teknik Dan Komputer,
2(1), 55–63.
Aziza, R. N., & Dzhalila, D. (2018). METODE KUANTITATIF DENGAN

PENDEKATAN KLASIK PADA APLIKASI ANALISIS BUTIR SOAL
SEBAGAI MEDIA EVALUASI PENENTUAN SOAL YANG BERKUALITAS.
Jurnal Kilat, 7. https://doi.org/10.1017/CBO9781107415324.004
Aziza, R. N., Indah Susanti, M. N., Abdurrasyid, A., & Siswipraptini, P. C. (2018).
Perancangan Animasi Pembangkit Listrik Biomassa dan Sampah Sebagai
Bagian dari Listrik Kerakyatan untuk Media Pembelajaran. Jurnal Ilmiah
FIFO, 10(1), 1. https://doi.org/10.22441/fifo.v10i1.2935
132
Danianty, M. D., Suhery, C., & Hidayati, R. (2020). PREDIKSI JUMLAH
KEBUTUHAN OBAT MENGGUNAKAN METODE LEAST SQUARE
BERBASIS WEBSITE (STUDI KASUS: UPTD PUSKESMAS
PONTIANAK SELATAN).
Dr. Ratna Puspitasari, M.Pd. (2017). KERANGKA PEMIKIRAN DALAM

PENELITIAN. Retrieved from
http://sc.syekhnurjati.ac.id/esscamp/files_dosen/modul/Pertemuan_5TIP
S7290400.pdf
Enterprise, J. (2017). Otodidak Desain dan Pemrograman Web.
fastwork. (2018). Retrieved from https://fastwork.id/blog/pengertian-dan-sejarah-

website/.
gurupendidikan.com. (2020). Retrieved from

https://www.gurupendidikan.co.id/simbol-flowchart/.
Haris, A., & Agtriadi, H. B. (2017). Analisis Sistem Penentuan Lokasi Gangguan
Jaringan Distribusi Listrik Terintegrasi Google Map. Jurnal Ilmiah FIFO, 9(1),
1. https://doi.org/10.22441/fifo.v9i1.1436
idcloudhost. (2017). Retrieved from https://idcloudhost.com/panduan/mengenal-

sejarah-dan-pengertian-pemrograman-php/.
Jaya, I. D. (2019). Penerapan Metode Trend Least Square Untuk Forecasting

(Prediksi) Penjualan Obat Pada Apotek. Jurnal CoreIT , 1-7.
Kusuma, D. T., Karmila, S., & Nova, T. A. (2018). Forward Chaining Dalam
Diagnosis Penyakit Tumbuhan Allium Cepa Var Aggregatum. Petir, 11(2),
164–178. https://doi.org/10.33322/petir.v11i2.347
Kusuma, D. T., & Sangadji, I. B. M. (2016). Segmentasi Penilaian Kompetensi

Alumni Stt-Pln Menggunakan Model Klaster Fuzzy Clustering Means ( Fcm
). Jurnal Kilat, 5.
Larose. (2005). Discovering Knowledge in Data : an introduction to : jhon Wiiey

& Sons Inc.
133
Putra, F. E., & Widayanti, T. (2018). Penerapan Least Square Untuk Prediksi Stok
Barang Pada CV Pelangi Sintang. Jurnal ENTER, 166-177.
Rahmad, C., Wibowo, R. S., & Puspitasari, D. (2019). Peramalan Penjualan

Daging Sapi Menggunakan Metode Trend Least Square. Jurnal Teknologi
Informasi dan Terapan (J-TIT), 1-11.
Rahmawati, I., & Wijanarko, R. (2019). IMPLEMENTASI PREDIKSI PENJUALAN

OBAT MENGGUNAKAN METODE LEAST SQUARE PADA APOTEK
DEMAK FARMA JAYA. INFORMATIKA DAN RPL, 19-23.
Rahmawita, M., & Fazri, I. (2018). APLIKASI PERAMALAN PENJUALAN OBAT

MENGGUNAKAN METODE LEAST SQUAREDI RUMAH SAKIT
BHAYANGKARA.
Sudirman, Y. D., & Fitriani, Y. (2017). RANCANGAN SISTEM PENILAIAN HASIL

KINERJA MULTI COMPANY DAN CROSS BUSINESS SECTOR. Jurnal
Kilat, 6. https://doi.org/10.1017/CBO9781107415324.004
Sudirman, Y. D., Rifai, M. F., Kusuma, D. T., Purwanto, Y. S., & Fitriani, Y. (2020).
A Comparison between Triple Exponential Smoothing and Monte Carlo
Methods in the Prediction of Chicken Business Profit at Poultry Farm
Livestock of Jatipuro District. Journal of Physics: Conference Series,
1477(3). https://doi.org/10.1088/1742-6596/1477/3/032006
Suwardiyanto, D., Shodiq, N. M., Kusuma, D. H., & Sari, T. O. (2019). Sistem
Prediksi Kebutuhan Obat di Puskesmas Menggunakan Metode Least
Square.
Tohari, H. (2014). ASTAH - Analisis Serta Perancangan Sistem Informasi Melalui

Pendekatan UML.
134
DAFTAR RIWAYAT HIDUP
a. Data Personal
NIM : 2016-31-125
Nama : Febianti Yulanda Wulandari
Tempat/Tanggal lahir : Jambi, 13 Februari 1999
Jenis Kelamin : Perempuan
Agama : Islam
Status Perkawinan : Belum Menikah
Program Studi : S1 Teknik Informatika
Alamat Rumah : Jl. Tanjung Harapan, Talang Bakung, Jambi
No. Hp : 08991433502
E-mail : febianti353@gmail.com
b. Pendidikan
Jenjang Nama Lembaga Jurusan Tahun Lulus
SD SD UNGGUL SAKTI - 2010
SMP SMP UNGGUL SAKTI - 2013
SMA SMAN 3 KOTA JAMBI IPA 2016
Demikian daftar riwayat hidup ini dibuat dengan sebenarnya

Mahasiswa Ybs,
(Febianti Yulanda Wulandari)

135
LAMPIRAN
Lampiran 1: Daftar Konsultasi Skripsi
136
Lampiran 2: Surat Keterangan Telah Melakukan Penelitian
137
Lampiran 3: Berita Acara Wawancara
138
Lampiran 4: Hasil Wawancara
139
140
Lampiran 5: Daftar Perbaikan Skripsi Dari Penguji
141
142
143
Lampiran 6: Rekap Perbaikan Skripsi Dari Penguji
144

FebiantiYulandaWulandari Revisi Skripsi. FEBIANTI YULANDA WUL 1

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

FebiantiYulandaWulandari Revisi Skripsi. FEBIANTI YULANDA WUL 1

Diunggah oleh

Hak Cipta:

Format Tersedia

INSTITUT TEKNOLOGI PLN

PREDIKSI PENJUALAN PRODUK TERLARIS PADA KIMIA

FEBIANTI YULANDA WULANDARI

PROGRAM STUDI SARJANA

Demi pengembangan ilmu pengetahuan, menyetujui untuk memberikan kepada

Febianti Yulanda Wulandari

Nama : Febianti Yulanda WUlandari

Judul Skripsi : Prediksi Penjualan Produk Terlaris Pada Kimia

Farma Trading & Distribution Menggunakan

Telah disetujui untuk dipresentasikan pada sidang skripsi di Program Sarjana

Jakarta, 28 Agustus 2020

Meilia Nur Indah Susanti, ST., M.Kom

Skripsi dengan Judul

PREDIKSI PENJUALAN PRODUK TERLARIS PADA KIMIA

Febianti Yulanda Wulandari

Diajukan untuk memenuhi persyaratan

Program Studi Sarjana Teknik Informatika

INSTITUT TEKNOLOGI PLN

Jakarta, 28 AGUSTUS 2020

(Dine Tiara Kusuma, ST, M.Kom)

Nama : FEBIANTI YULANDA WULANDARI

(Meilia Nur Indah Susanti, S.T.,M.Kom)

M. Yoga Distra Sudirman, S.T.,MTI Selaku Pembimbing I

Yang telah memberikan petunjuk, saran-saran serta bimbingannya sehingga

Jakarta, 28 Agustus 2020

Febianti Yulanda Wulandari

Bismillah, Alhamdulillahi robbil ‘alamin, Sesungguhnya segala puji hanya

M. Yoga Distra Sudirman, ST., MTI Selaku Pembimbing I

Febianti Yulanda Wulandari

Febianti Yulanda Wulandari, 2016-31-125

Kimia Farma Trading & Distribution distribusi bertugas untuk mendistribusikan

Kata Kunci :Penjualan, Produk Terlaris, Prediksi, Least Square.

Febianti Yulanda Wulandari, 2016-31-125

Kimia Farma Trading & Distribution are distributing large quantities of

Keyword: Selling, Best-Selling Products, Prediction, Least Square.

HALAMAN PERNYATAAN PERSETUJUAN PUBLIKASI TUGAS AKHIR UNTUK

PERSETUJUAN SIDANG SKRIPSI .................................................................... ii

LEMBAR PENGESAHAN .................................................................................. iii

LEMBAR PENGESAHAN TIM PENGUJI ........................................................... iv

PERNYATAAN KEASLIAN SKRIPSI .................................................................. v

UCAPAN TERIMA KASIH .................................................................................. vi

KATA PENGANTAR ......................................................................................... vii

DAFTAR ISI ....................................................................................................... xi

DAFTAR TABEL .............................................................................................. xiv

DAFTAR GAMBAR .......................................................................................... xvi

DAFTAR LAMPIRAN .......................................................................................xvii

BAB I PENDAHULUAN ...................................................................................... 1

1.1. Latar Belakang ....................................................................................... 1

1.2. Permasalahan Penelitian ....................................................................... 2

1.2.1 Identifikasi Masalah ......................................................................... 2

1.2.2 Ruang Lingkup Masalah .................................................................. 3

1.2.3 Rumusan Masalah .......................................................................... 3

1.3 Tujuan dan Manfaat Penelitian .............................................................. 3

BAB II LANDASAN TEORI ................................................................................ 4

2.1 Tinjauan Pustaka ................................................................................... 4

2.1.2 Matriks Penelitian ............................................................................ 6

2.2 Landasan Teori ...................................................................................... 9

2.2.1 Data Mining ..................................................................................... 9

2.2.2 Peramalan / Prediksi ....................................................................... 9

2.2.3 Penjualan ...................................................................................... 10

2.2.4 Metode Least Square .................................................................... 10

2.2.5 RMSE ............................................................................................ 11

2.2.6 MAPE ............................................................................................ 11