Analisa Dan Perancangan Sistem Prediksi Pembelian Barang Menggunakan Metode Tsukamoto (Studi Kasus: Azam Grosir)

Jurnal Informatika MULTI
Vol.1 No.1 Januari 2023

E-ISSN: 0000-0000
Hal 37-47
Analisa Dan Perancangan Sistem Prediksi Pembelian Barang

Menggunakan Metode Tsukamoto
(Studi Kasus: Azam Grosir)
Novebila Ramadhani1, Mochammad Bagoes Satria Junianto 2*
1,2
Teknik, Teknik Informatika, Universitas Pamulang, Tangerang Selatan, Indonesia
e-mail: 1novebila@gmail.com, 2*dosen00849@unpam.ac.id
Abstrak
Azam Grosir yang berlokasi di Jln Cempaka Raya kabupaten Tangerang ini adalah toko serbaguna yang menjual berbagai
peralatan rumah tangga dan juga berbagai snack-snack kering, kue maupun food frozen. Masalah dalam pembelian stok
barang adalah kesulitan yang sering kali dialami oleh toko azam grosir. Penambahan stok barang pada toko dilakukan
berdasarkan permintaan pelanggan dan stok barang saat itu. Banyak permintaan pelanggan setiap waktu selalu berubah yang
dapat menyebabkan terjadinya penumpukan barang atau kekurangan barang, jika terjadi penumpukan pada barang dapat
merugikan pihak toko karna jika menumpuk dalam jangka waktu yang panjang akan menyebabkan kualitas barang menurun
dan juga seperti makanan akan mengalami masa expired, sedangkan jika mengalami kekurangan stok pada barang maka akan
merugikan pelanggan yang hendak memesan ataupun membeli secara lansung juga merugikan toko karna kehilangan
kesempatan untuk mendapatkan keuntungan. Pada penelitian ini menggunakan metode logika fuzzy Tsukamoto, Dengan
metode ini bertujuan dapat menentukan berapa besar jumlah frekuensi pembelian untuk mengendalikan stok barang
berdasarkan jumlah penjualan, persediaan dan permintaan pelanggan. Fuzzy adalah logika yang bersifat samar atau kabur
dimana memiliki derajat keanggotaan dari rentang nilai 0 hingga 1. hasil yang didapat dari penelitian ini adalah fuzzy
tsukamoto dapat membantu dalam proses perhitungan prediksi pembelian barang secara optimal. Pada aplikasi prediksi
pembelian barang menggunakan metode Mean Squared Error (MSE) untuk menghasilkan keakurasi kesalahan-kesalahan
dalam perhitungan fuzzy yang diterapkan didalam aplikasi tersebut. Berdasarkan uji coba menggunakan data yang telah
dilakukan maka diperoleh akurasi kesalahan dari perhitungan fuzzy untuk prediksi pembelian barang sebesar 6,8% semakin
kecil angka persentase kesalahan maka semakin akurat perhitungan yang dihasilkan.
Kata Kunci: Prediksi Pembelian Barang, Fuzzy Tsukamoto, Xampp, MySQL
Abstract
Azam Grosir, which is located on Jln Cempaka Raya, Tangerang district, is a multipurpose store that sells various household
appliances as well as dry snacks, cakes and frozen food. Problems in purchasing stock items are difficulties that are often
experienced by wholesale azam stores. Additions to the stock of goods at the store are carried out based on customer
requests and the current stock of goods. Many customer requests are always changing at any time which can cause a buildup
of goods or a shortage of goods. experiencing a shortage of stock on goods will harm customers who want to order or buy
directly as well as harm the store because they lose the opportunity to make a profit. In this study using the Tsukamoto fuzzy
logic method, with this method aims to determine how large the number of purchase frequency to control the stock of goods
based on the amount of sales, inventory and customer demand. Fuzzy is a logic that is vague or fuzzy which has a degree of
membership from a value range of 0 to 1. The results obtained from this study are that Fuzzy Tsukamoto can help in the
calculation process of predicting the purchase of goods optimally. In the application of prediction of purchasing goods using
the Mean Squared Error (MSE) method to produce the accuracy of the errors in the fuzzy calculations that are applied in the
application. Based on trials using the data that has been done, the accuracy of the errors obtained from the fuzzy calculation
for predicting the purchase of goods is 6.8% the smaller the percentage error, the more accurate the resulting calculation .
Keywords: Purchase Prediction, Fuzzy Tsukamoto, Xampp, MySQL
1. Pendahuluan
Semakin berkembangnya zaman teknologi sangat penting bagi semua bidang. Teknologi Informasi
berbasis komputer mempunyai pengaruh yang cukup besar dalam masyarakat modern terutama bagi
https://jurnal.publikasitecno.id/index.php/multi/index 37

E-ISSN: 0000-0000
Hal 37-47
organisasi perusahaan. Sekarang ini perusahaan dihadapkan dalam lingkungan yang berubah-ubah dan
sangat kompetitif. Untuk itu peran teknologi informasi sangatlah penting bagi perusahaan untuk membantu
dalam perbaikan proses bisnis dan pengambilan keputusan. Proses bisnis dan pengambilan keputusan akan
lebih baik apabila perusahaan menerapkan teknologi infomasi dengan baik dan benar. (Elisabeth, 2019)
Azam Grosir yang berlokasi di Jln Cempaka Raya kabupaten Tangerang ini adalah toko serbaguna yang
menjual berbagai peralatan rumah tangga dan juga berbagai snack-snack kering, kue maupun food frozen.
Masalah dalam pembelian stok barang adalah kesulitan yang sering kali dialami oleh toko azam grosir.
Penambahan stok barang pada toko dilakukan berdasarkan penjualan, permintaan pelanggan dan stok barang saat
itu. Banyak permintaan pelanggan setiap waktu selalu berubah yang dapat menyebabkan terjadinya penumpukan
barang atau kekurangan barang, jika terjadi penumpukan pada barang dapat merugikan pihak toko karna jika
menumpuk dalam jangka waktu yang panjang akan menyebabkan kualitas barang menurun dan juga seperti
makanan akan mengalami masa expired, sedangkan jika mengalami kekurangan stok pada barang maka akan
merugikan pelanggan yang hendak memesan ataupun membeli secara lansung juga merugikan toko karna
kehilangan kesempatan untuk mendapatkan keuntungan. Pengendalian stok barang yang dilakukan oleh toko
Azam grosir masih kurang terstruktur dengan baik karna belum adanya proses pencatatan penjualan barang pada
konsumen sehingga penjualan barang yang laku dan barang yang tidak laku tidak terlacak dengan baik, hal yang
dilakukan oleh pihak toko dalam melihat stok barang adalah dengan cara mengecek persediaan yang ada di
gudang dan persediaan yang ada di etalase penjualan. Jika tidak ditangani dengan baik hal tersebut dapat
mempengaruhi laba penjualan yang kurang maksimal. Contohnya hal yang terjadi pada bulan agustus lalu
tercatat dalam sebulan ada sekitar 500 box bolu siliwangi dengan berbagai macam varian dan dalam 4 kali
penambahan stok. Bolu tersebut hanya memiliki masa expired dalam 4 hari, namun dari 500 box ada 27 box
yang tidak terjual atau terjadi penumpukan dalam etalase penjualan yang mengakibatkan kerugian pada pihak
toko.
Berdasarkan permasalahan tersebut, maka dibutuhkan analisa dan pengolahan data historis transaksi
penjualan dengan tujuan untuk menentukan tingkat stok barang yang harus tersedia ditoko serta kapan
pemesanan stok kembali dilakukan untuk menambah stok barang. Pada penelitian ini menggunakan metode
logika fuzzy Tsukamoto, Dengan metode ini bertujuan dapat menentukan berapa besar jumlah frekuensi
pembelian untuk mengendalikan stok barang berdasarkan jumlah penjualan, persediaan dan permintaan
pelanggan. Fuzzy adalah logika yang bersifat samar atau kabur dimana memiliki derajat keanggotaan dari
rentang nilai 0 hingga 1. Metode fuzzy digunakan untuk meramalkan masa depan dengan dari informasi historis
yang diperoleh. Metode fuzzy lebih fleksibel sebab dapat beradaptasi dengan perubahan-perubahan dan
ketidakpastian yang menyertai permasalahan.
2. Metode Penelitian
Metode tsukamoto penggunaannya memiliki kontrol dan digunakan secara manusia bukan mesin.
Metode fuzzy Tsukamoto adalah suatu aturan berbentuk IF-THEN yang harus direpresentasikan dengan
suatu himpunan fuzzy, dengan fungsi keanggotaan yang monoton. Penggunaan metode fuzzy Tsukamoto
dipilih karena merupakan suatu metode yang dapat memprediksi dan memberikan toleransi data data
yang tidak tepat misalkan data permintaan dan data lama pemesanan barang yang sangat fleksibel dan
fluktuatif. (Randy Sugito Djie, 2018) Kemudian untuk menentukan hasil tegas (Crisp Solution) digunakan rumus
penegasan (defuzifikasi) yang disebut “Metode rata-rata terpusat” atau “Metode defuzifikasi rata-rata terpusat
(Center Average Deffuzzyfier). Untuk lebih memahami metode Tsukamoto, perhatikan Contoh berikut :
Misalkan ada 2 variabel input, Var-1 (x) dan Var-2(x), serta variabel output, Var-3(z), dimana Var-1 terbagi atas
2 himpunan yaitu A1 dan A2. Var-2 terbagi atas 2 himpunan B1 dan B2, Var-3 juga terbagi atas 2 himpunan
yaitu C1 dan C2 (C1 dan C2 harus monoton). Ada 2 aturan yang digunakan, yaitu:
[R1] IF (x is A1) and (y is B2) THEN (z is C1)
[R2] IF (x is A2) and (y is B1) THEN (z is C2)
Pertama-tama dicari fungsi keanggotaan dari masing-masing himpunan fuzzy dari setiap aturan, yaitu
himpunan A1, B2 dan C1 dari aturan fuzzy [R1], dan himpunan A2, B1 dan C2 dari aturan fuzzy [R2]. Aturan
fuzzy R1 dan R2 dapat direpresentasikan dalam Gambar 1.1 untuk mendapatkan suatu nilai crisp Z. (Istikomah,
2019)

E-ISSN: 0000-0000
Hal 37-47
Gambar 1. Inferensi Dengan Metode Tsukamoto
Mean Squared Error (MSE) adalah metode lain untuk mengevaluasi metode peramalan. Masing-masing
kesalahan atau sisa dikuadratkan. Pendekatan ini mengatur kesalahan peramalan yang besar karena kesalahan-
kesalahan itu dikuadratkan. Metode itu menghasilkan kesalahan-kesalahan sedang yang kemungkinan lebih baik
untuk kesalahan kecil, tetapi kadang menghasilkan perbedaan yang besar. MSE merupakan cara kedua untuk
mengukur kesalahan peramalan keseluruhan. MSE merupakan rata-rata selisih kuadrat antara nilai yang
diramalkan dan yang diamati. Rumus untuk menghitung MSE adalah sebagai berikut. (Farisi, 2022)
Penjelasan :
At = Nilai awal periode ke-t
Ft = Nilai akhir (peramalan) periode ke-t
n = Jumlah periode t
t = Periode
3. Hasil dan Pembahasan

Analisis merupakan kegiatan mengidentifikasi masalah, mengevaluasi, membuat model serta membuat
spesifikasi sistem dengan tujuan untuk merancang sistem baru atau memperbaiki kekurangan dari sistem yang
telah ada. Analisis sistem secara keseluruhan sangat perlu dalam penelitian ini untuk dapat mengetahui
kelemahan dari sistem tersebut, baik dari cara kerja sistem maupun pihak pelaksanaanya dan segala sesuatu yang
terlibat dalam sistem tersebut.
3.1 Analisis Sistem Berjalan

Adapun prosedur sistem yang berjalan adalah sebagai berikut:
a. Pelanggan datang ketoko secara langsung atau pelanggan order via chat admin.
b.Pelanggan yang datang ketoko membeli dengan stok yang tersedia dietalase penjualan.
c. Penjual membeli barang baru untuk pelanggan yang memesan via chat admin dengan jumlah yang
banyak sekaligus untuk stok dietalase penjualan toko.
d.Pembeli melakukan transaksi.
e. Penjual melakukan pengiriman pesanan barang yang sudah disepakati.
f. Penjual melakukan prediksi pembelian stok barang pada bulan berikutnya.

E-ISSN: 0000-0000
Hal 37-47
Gambar 1 Flowchart Analisis Sistem Berjalan
3.2 Use Case Diagram
Adapun prosedur sistem yang berjalan adalah sebagai berikut:

a. Pelanggan datang ketoko secara langsung atau pelanggan order via chat admin.
b. Pelanggan yang datang ketoko membeli dengan stok yang tersedia dietalase penjualan.
c. Penjual membeli barang baru untuk pelanggan yang memesan via chat admin dengan jumlah yang
banyak sekaligus untuk stok dietalase penjualan toko.
d. Pembeli melakukan transaksi.
e. Penjual melakukan pengiriman pesanan barang yang sudah disepakati.
f. Penjual melakukan prediksi pembelian stok barang pada bulan berikutnya.
Gambar 2 Use Case
Pada gambar usecase yang ada pada gambar diatas merupakan proses akses admin dalam mengelola
sistem. Gambar diatas akan dijelaskan fungsi-fungsinya pada tabel berikut:

E-ISSN: 0000-0000
Hal 37-47
Tabel 1.deskripsi Usecase

No Aktor Deskripsi
1 Admin Admin adalah orang yang memiliki hak akses untuk
melakukan kelola data produk, data training, prediksi,
hasil, data admin, dan ubah password.
No Use Case Deskripsi

1 Login Use case yang dilakukan admin untuk masuk ke
dalam sistem.
2 Home Admin masuk kedalam halaman utama.
3 Data Produk Admin dapat melihat daftar produk yang sudah
berhasil disimpan didalam sistem juga dapat
menambah,mengubah dan menghapus data
produk.
4 Data Training Admin dapat memasukkan data penjualan
sebelumnya untuk dijadikan sumber acuan
perhitungan prediksi dibulan selanjutnya, admin
juga dapat menambah, mengubah dan menghapus
data training
5 Prediksi Admin dapat menghitung prediksi pembelian
barang dengan cara mengisi form yang sudah
terdapat didalam halaman kemudian muncul
detail perhitungan prediksi.
6 Hasil Admin dapat melihat presentase keakurasi nilai
kesalahan dalam perhitungan dan juga daftar hasil
yang telah dihitung sebelumnya, admin dapat
mengubah dan menghapus hasil.
7 Data Admin Admin dapat mengelola data admin, seperti
melihat, menambahkan, mengubah, dan
menghapus data admin.
8 Logout Admin dapat melakukan logout dari sistem
dengan mengklik menu logout.
3.3 Class Diagram

E-ISSN: 0000-0000
Hal 37-47
Gambar 3 Class Diagram
3.5 Implementasi Antarmuka (Interface)

Berikut implementasi antarmuka pada sistem prediksi pembelian barang adalah sebagai berikut:
a. Halaman Login
Gambar 4 Halaman Login
Halaman login merupakan halaman yang muncul ketika user membuka aplikasi. Dimana user
harus memasukkan username dan password dengan benar.

E-ISSN: 0000-0000
Hal 37-47
b. Halaman Home
Gamba 6 Halaman Home
Halaman home merupakan halaman utama yang muncul ketika user berhasil melalukan proses
login aplikasi.
c. Halaman Data Produk
Gambar 7. Halaman Data Produk

Halaman data produk merupakan halaman yang digunakan untuk mengelola data produk yang ada
didalam toko. user dapat melakukan menambahkan, mengubah dan menghapus data didalam halaman ini.

E-ISSN: 0000-0000
Hal 37-47
d. Halaman Data Training
Gambar 1.8 Halaman Data Training
Halaman data training merupakan halaman yang berisi mengenai data penjualan toko dari masa
sebelumnya yang sudah terjadi dan menjadi evaluasi. data ini yang akan dijadikan sebagai acuan
dalam menghitung prediksi di bulan selanjutnya.
e. Halaman Prediksi
Gambar 1.9 Halaman Prediksi
Halaman prediksi merupakan halaman inti dari aplikasi yang dimana halaman ini menampilkan
proses perhitungan prediksi berdasarkan data yang ada. untuk melakukan proses perhitungan user
harus memasukkan data produk, tahun dan bulan terjadi nya transaksi, order barang, penjualan, dan
stok yang tersisa.
f. Halaman Hasil

E-ISSN: 0000-0000
Hal 37-47
Gambar 1.10 Halaman Hasil

Halaman hasil merupakan halaman yang menampilkan hasil secara keseluruhan dari
perhitungan-perhitungan yang telah dilakukan oleh user pada halaman sebelumnya yaitu halaman
prediksi. pada halaman hasil ini menggunakan metode mean squared error (MSE) dimana semakin
kecil angka presentase kesalahan nya maka semakin akurat hasil yang didapat, namun ini tergantung
dengan data yang dimasukkan dimana jika data yang dimasukkan nya sedikit maka hasil keakurasi
kurang akurat, jika data semakin banyak maka hasil keakurasi bisa semakin akurat.
g. Halaman Data Admin
Gambar 1.11 Halaman Data Admin
Halaman data admin merupakan halaman data akun user. halaman ini digunakan untuk
mengelola data-data user atau admin, user dapat melakukan tambah, ubah dan hapus data didalam
halaman ini.
h. Halaman Ubah Password

E-ISSN: 0000-0000
Hal 37-47
Gambar 1.12 Halaman Ubah Password

Halaman ubah password merupakan halaman yang digunakan untuk mengganti password user
yang sebelumnya sudah terdaftar dihalaman data admin dengan password yang baru.
i. Halaman Logout
Gambar 1.13 Halaman Logout

Pada menu logout tidak ada halaman logout yang spesifik, hanya saja pada saat user mengklik
menu logout maka user akan langsung keluar dari aplikasi dan kembali kehalaman login.
4. Kesimpulan
Berdasarkan penelitian yang dilakukan, maka dapat diambil kesimpulan dari analisa dan perancangan
sistem prediksi pembelian barang menggunakan metode tsukamoto, sebagai berikut:
a. Dalam melakukan prediksi pembelian barang pada toko azam grosir menggunakan aplikasi sederhana
berbasis web dengan variabel jumlah order, penjualan, dan stok yang menampilkan perhitungan fuzzy
dan menghasilkan prediksi untuk pembelian barang selanjutnya.
b. Pada aplikasi prediksi pembelian barang menggunakan metode Mean Squared Error (MSE) untuk
menghasilkan keakurasi kesalahan-kesalahan dalam perhitungan fuzzy yang diterapkan didalam aplikasi
tersebut.
c. Berdasarkan uji coba menggunakan data yang telah dilakukan maka diperoleh akurasi kesalahan dari
perhitungan fuzzy untuk prediksi pembelian barang sebesar 6,8% semakin kecil angka persentase
kesalahan maka semakin akurat perhitungan yang dihasilkan.

E-ISSN: 0000-0000
Hal 37-47
Referensi
ElisabethMegariaDuma. (2019). KAJIAN TERHADAP PERANAN TEKNOLOGI INFORMASI
DALAM PERKEMBANGAN AUDIT KOMPUTERISASI (STUDI KAJIAN TEORITIS). METHOMIKA, 40.
IstikomahSintha. (2019). SISTEM PREDIKSI PERSEDIAAN BARANG MENGGUNAKAN
METODE FUZZY INFERENCE SYSTEM TSUKAMOTO (Studi kasus : Balai Konservasi Sumber Daya Alam
Yogyakarta).
Randy Sugito DjieRahman, HasniatiSyaiful. (2018). Implementasi Metode Fuzzy Tsukamoto dalam
Menangani Ketersediaan Barang. JTRISTE, 48.
FarisiSalmanAhmad. (2022). PERBANDINGAN METODE SIMPLE MULTI ATTRIBUTE RATING
TECHNIQUE DAN WEIGHTED PRODUCT MENGGUNAKAN METODE MEAN SQUARED ERROR
DALAM MENENTUKAN BEASISWA JKA UNSADA KENDOKA. UNSADA, 17.
Endra, R. Y., Aprilinda, Y., Dharmawan, Y. Y., & Ramadhan, W. (2021). Analisis Perbandingan Bahasa
Pemrograman PHP Laravel dengan PHP Native pada Pengembangan Website. EXPERT: Jurnal
Manajemen Sistem Informasi Dan Teknologi, 11(1), 48. https://doi.org/10.36448/expert.v11i1.2012
Ferdiansyah, D. (2021). Logical Record Structured (LRS). 2021.
https://devyferdiansyah.com/2021/01/25/logical-record-structured-lrs/
Fridayanthie, E. W., Haryanto, H., & Tsabitah, T. (2021). Penerapan Metode Prototype Pada Perancangan
Sistem Informasi Penggajian Karyawan (Persis Gawan) Berbasis Web. Paradigma - Jurnal Komputer Dan
Informatika, 23(2), 151–157. https://doi.org/10.31294/p.v23i2.10998
Frieyadi. (2019). Logical Record Structure (LRS). 2019. https://frieyadie.web.id/logical-record-structure-lrs/
Ibrahim, U. (2020). Perancangan Aplikasi Akademik Menggunakan Model Prototype Berbasis Website (Studi
Kasus: SMK Al-Fajar). Universitas Pamulang.
Ismail. (2018). Rancangan Bangun Aplikasi Jasa Photography Momenkita.com Dengan Konsep Crowdsourcing
Berbasis Web. Institut Bisnis Dan Iinformatika STIKOM Surabaya.

Analisa Dan Perancangan Sistem Prediksi Pembelian Barang Menggunakan Metode Tsukamoto (Studi Kasus: Azam Grosir)

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

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

Analisa Dan Perancangan Sistem Prediksi Pembelian Barang Menggunakan Metode Tsukamoto (Studi Kasus: Azam Grosir)

Diunggah oleh

Hak Cipta:

Format Tersedia

Jurnal Informatika MULTI

Vol.1 No.1 Januari 2023