ANDI NURHALISA
E1E1 19 047
1
BAB I
PENDAHULUAN
1.1 Latar Belakang
Estimasi adalah keseluruhan proses yang memerlukan serta menggunakan
estimator untuk menghasilkan sebuah estimate dari suatu parameter (Nainel,
Buulolo and Lubis, 2020). Menurut Kamus Besar Indonesia (KBBI) estimasi
yaitu perkiraan, penilaian atau pendapat. Estimasi biasanya dilakukan dengan
menggunakan data yang tersedia untuk membuat prediksi tentang nilai yang tidak
diketahui atau untuk mengukur tingkat ketidakpastian yang terkait dengan
pengukuran atau prediksi tersebut. Untuk permasalahan yang kerap terjadi pada
suatu instansi yaitu masalah estimasi untuk stok barang, tenaga kerja dan bahan
baku. Selain itu, masalah yang terdapat pada PT. Aesculapius Sahabat Sejati
Medika yaitu belum adanya sistem yang dapat memprediksi estimasi penjualan
alat kesehatan di setiap tahunnya.
Alat kesehatan (UU RI no 36 Tahun 2009 tentang kesehatan) adalah
instrumen, aparatus, mesin, implant yang mengandung obat, yang digunakan
untuk mencegah, mendiagnosa, menyembuhkan dan meringankan penyakit,
merawat orang sakit serta memulihkan kesehatan pada manusia dan atau untuk
membentuk struktur dan memperbaiki fungsi tubuh. Selain itu alat alat kesehatan
juga digunakan untuk membantu dalam pengobatan, diagnosis, atau pencegahan
suatu kondisi medis. Alat kesehatan harus memenuhi standar untuk memastikan
keamanan dan efektivitasnya. Hal ini bertujuan untuk melindungi pengguna alat
kesehatan dan memastikan bahwa alat kesehatan yang digunakan memberikan
manfaat yang optimal bagi penggunanya. Alat kesehatan tentu mempunyai peran
yang sangat penting sebagai salah satu penunjang pelayanan kesehatan, maka dari
itu sangat penting untuk distributor atau tempat pelayanan kesehatan lainnya
dalam menyediakan stok alat kesehatan.
PT. Aesculapius Sahabat Sejati Medika merupakan salah satu distributor
yang bergerak di bidang penjualan alat-alat kesehatan di Kota Kendari. Dengan
produk-produk yang dipasarkan beberapa diantaranya alat kesehatan seperti : alat
bantu dengar, alat cek gula, jarum suntik, alkohol, baju lab, cairan dan lainnya.
1
Untuk pendataan ketersediaan alat-alat kesehatan yang dilakukan pada PT.
Aesculapius Sahabat Sejati Medika membutuhkan waktu yang lama karena
petugas atau staff harus membuat rencana dan persiapan untuk penjualan alat
kesehatan di tahun selanjutnya. Hal ini berdampak pada proses pendistribusian
karena ketidakpastian dalam memesan alat kesehatan pada distributor, dank arena
perencanaan yang kurang matang menyebabkan penjualan menjadi tidak
terkontrol. Maka dari itu dibutuhkan sistem yang dapat memprediksi untuk
penjualan yang akan terjadi kedepannya.
Data mining sering juga disebut knowledge discovery in database (KDD)
adalah kegiatan yang meliputi pengumpulan, pemakaian data historis untuk
menemukan keteraturan, pola atau hubungan dalam set data berukuran besar.
Keluaran data mining jika dipakai dalam pengambilan keputusan di masa depan
dan dapat diimplementasikan di berbagai bidang diantaranya bidang bisnis,
kesehatan, telekomunikasi dan bidang pendidikan (Ginting and Fahmi, 2022).
Contohnya, pada bidang bisnis misalnya hasil dari implementasi data mining
dapat membantu bagi pebisnis dalam memprediksi penjualan. Misalnya
pentingnya sistem estimasi penjualan di suatu toko untuk mengantisipasi
terjadinya kekosongan stok barang yang dapat berpengaruh terhadap pelayanan
konsumen dan pendapatan toko.
Expectation-Maximization adalah salah satu algoritma partitional yang
dapat mengelompokkan data yang belum berlabel atau juga algoritma yang
berfungsi untuk menemukan nilai estimasi Maximum Likelihood dari parameter
dalam sebuah model probabilistik. Cici-ciri dari algoritma ini adalah dapat
mengelompokkan dokumen yang belum berlabel atau unlabeled data dan juga
hasil pengelompokkannya akan selalu convergence. Algoritma ini memiliki dua
tahap, yaitu pada tahap Expectation dan tahap Maximization. Pada taham
Expectation (E-step) digunakan algoritma Naïve Bayes untuk mengelompokkan
data berdasarkan model parameter. Sedangkan pada tahap Maximization (M-step)
akan dilakukan peng-update-an model parameter. Taham E-step dan M-step terus
dilakukan sampai probabilitas setiap Cluster mencapai convergence (Sirait,
Darwianto and Suwawi, 2015).
2
Berdasarkan yang telah diuraikan maka penulis mengambil topik
penelitian dengan judul “IMPLEMENTASI DATA MINING UNTUK
ESTIMASI PENJUALAN ALAT-ALAT KESEHATAN MENGGUNAKAN
METODE LEAST SQUARE (STUDI KASUS : PT. AESCULAPIUS
SAHABAT SEJATI MEDIKA)”.
3
2. Pengestimasian penjualan alat kesehatan menggunakan metode least
square.
4
BAB V IMPLEMENTASI DAN PENGUJIAN SISTEM
Bagian ini menyajikan secara lengkap setiap sistem yang dilakukan dalam
implementasi analisis dan desain ke dalam bahasa pemrograman PHP dan
pengujian pada sistem.
BAB VI PENUTUP
Bab ini menguraikan tentang kesimpulan dari keseluruhan bab serta
memberikan saran-saran yang mungkin berguna untk mengatasi masalah yang
dihadapi.
5
Growth yaitu melakukan frequent item set selanjutnya pembentukan item tree
sehingga menghasilkan rule dari data transaksi. Analisis dilakukan dengan
mengumpulkan data penjualan yang bersifat historis atau lampau dan kemudian
melihat grafik kinerja perusahaan. Komponen yang terdapat didalam data
penjualan diantaranya yaiu hubungan antara variasi produk yang dijual, promosi
produk yang dijual, jumlah produk yang dijual, waktu penjualan, dan segmentasi
pasar yang berhubungan dengan pendistribusian produk, termasuk kondisi
pelanggan yang menikmati produk yang dijual. Untuk hasil akhir yang didapatkan
pada sistem ini adalah rule transaksi penjualan dengan nilai support dan confident
dari rule tersebut.
(Dewi and Listiowarni, 2019) dalam penelitiannya terkait “Peramalan
Harga Bahan Proyek Menggunakan Least Square (Studi Kasus : CV. Rizky
Mulya)”. Berdasarkan penelitian yang dilakukan penulis menjelaskan bahwa
masalah yang sering terjadi pada CV Rizky Mulya adalah membutuhkan bahan-
bahan bagunan dimana setiap bahan tersebut membutuhkan sebuah perkiraan dan
perencanaan yang matang, sedangkan harga setiap bahannya mengalami kenaikan
dan penurunan harga yang sulit diprediksi sehingga menyebabkan pembagian
dana alokasi yang kurang tepat dan akan ada bahan projek yang tidak terbeli.
Maka dari itu, peneliti membuat peramalan untuk harga bahan proyek.
Berdasarkan permasalahan tersebut dibutuhkan suatu metode yaitu metode least
square. Yang mana metode ini yaitu metode peramalan yang tergantung pada
trend dan musim, artinya naik dan turunnya harga tersebut dipengaruhi oleh
waktu tertentu. Berdasarkan uji coba yang dilakukan pada tahun 2005 hingga
2016 sistem mencapai nilai akurasi sebanyak 65% dari 12 data. Sedangkan untuk
tahun 2010 hingga 2016 sistem mencapai nilai akurasi sebanyak 75% dari 7 data.
Dan untuk tahun 2014 hingga 2016 sistem mencapai nilai akurasi sebanyak 90%
dari 3 data lebih mendekati. Sehingga dapat disimpulkan bahwa pada sistem least
square semakin banyak data maka semakin jauh dari harga sebenarnya dan jika
semakin sedikit data yang diramal maka akan semakin akurat hasil peramalan data
yang didapatkan.
6
(Anshori et al., 2020) dalam penelitiannya terkait “Sistem Peramalan
Penjualan Sepeda Motor Yamaha Di Sentral Yamaha Malang Dengan Metode
Least Square”, menjelaskan bahwa penelitian ini bertujuan untuk membuat sistem
peramalan pada penjualan motor yang berada di Sentral Yamaha Malang untuk
mengetahui penjualan pada tahun berikutnya. Penelitian ini dilakukan
menggunakan data selama 3 tahun penjualan, yaitu pada tahun 2016 hingga 2018.
Berdasarkan penelitian yang dilakukan didapatkan hasil dari perhitungan error
dengan metode perhitungan MSE adalah 8,3% atau 0.083521. Yang mana, dengan
metode least square untuk menghitung peramalan penjualan motor Yamaha di
Sentral Yamaha Malang dapat digunakan karena nilai error yang didapatkan dari
perhitungan MSE dibawah 10%.
(Abazid, Abdulrahman and Samine, 2021) dalam penelitiannya terkait
“Least Squares Methods To Forecast Sales For A Company”, menjelaskan bahwa
tujuan utama dari penelitian ini adalah untuk menentukan penjualan masa depan
erusahaan untuk tahun 2019, 2020, dan 2021 dengam menggunakan metode least
square. Least Square Methods (LSM) umumnya digunakan dalam pemasangan
data dengan kecocokan terbaik meminimalkan jumlah kuadrat. Dalam penelitian
ini, LSM digunakan untuk mencari nilai trend untuk tahun yang tidak tidak
diketahui dan hasilnya diketahui bahwa nilai trend untuk tahun 2014, 2015, 2016,
2017, 2018, 2019, 2020, dan 2021 adalah 10200, 27300, 44400, 61500,
78600,95700, 112800, dan 129900. Penulis juga memberikan kesimpulan bahwa
LSM adalah cara yang efektif untuk memperkirakan atau meramalkan penjualan
produk atau layanan di masa depan untuk sebuah perusahaan.
(Zhang et al., 2018) dalam penelitiannya terkait “Online Estimation Of
Battery Equivalent Circuit Model Parameters And State Of Charge Using
Decoupled Least Squares Technique” menjelaskan bahwa
7
BAB II
LANDASAN TEORI
2.1 Data Mining
Data mining adalah sebuah proses pencarian secara otomatis informasi
yang berguna dalam tempat penyimpanan data berukuran besar. Data mining
sering juga dikenal dengan sebutan Knowledge Discovery in Database yang
memungkinkan suatu organisasi untuk melakukan kalkulasi dalam pengambilan
keputusan melalui perakitan, akumulasi, analisa, dan pengaksesan data korporasi
(Buaton, Zarlis and Yasin, 2021). Teknik data mining digunakan untuk
memeriksa basis data berukuran besar sebagai cara untuk menemukan pola yang
baru dan berguna. Data mining dapat digunakan di berbagai bidang, seperti
kesehatan, keuangan, pemasaran, pengetahuan dan lain sebagainya.
Pada data mining terdapat data preprocessing dimana terjadi perubahan
data mentah kedalam format yang dapat dimengerti. Data mentah biasanya tidak
lengkap, tidak konsisten, banyak berisi eror/kesalahan, dan terdapat nilai yang
sangat ekstrim. Sehingga sebelum dilakukan data mining, kondisi tersebut harus
dapat diselesaikan terlebih dahulu. Secara garis besar proses data preprocessing
terdiri dari empat langkah (Waspah et al., 2022).
1. Data cleaning, yaitu proses pembersihan dari data yang tidak lengkap,
error, outlier dan tidak konsisten.
2. Data integration, yaitu penggabungan data dari berbagai sumber data
(database, file, dan lain-lain) menjadi satu data warehouse (lumbung
data).
3. Data transformation, yaitu perubahan data menjadi bentuk yang sesuai
untuk proses data mining selanjutnya. Proses ini mencakup normalisasi,
agregasi dan smoothing (penghalusan).
4. Data reduction, yaitu proses data mining dengan data yang besar akan
memakan waktu lama sehingga data harus di kurangi baik dari sisi dimensi
(jumlah variabel) maupun volume (jumlah kasus/objek). Pada proses ini
dapat dilakukan seleksi fitur (feature selection) atau pengompresan data
8
menjadi dimensi yang lebih sedikit dengan teknik Principal Component
Analysis.
2.2 Estimasi
Estimasi adalah keseluruhan proses yang menggunakan estimator (nilai
statistik; mean, median, varian, standar deviasi) agar menghasilkan suatu estimasi
yang diharapkan mendekati parameter estimasi (Cahyono, 2018). Estimator
memiliki beberapa sifat yaitu, sebagai berikut.
1. Tidak Bias (unbiasedness), yaitu apabila nilai harapan dari estimator
(statistik) = nilai parameter yang diduga.
2. Efisiensi (efficiency), yaitu penduga yang memiliki ragam terkecil
merupakan penduga yang paling efisien.
3. Konsistensi (consistency), yaitu jumlah kuadrat galatnya mendekati nol
jika ukuran contoh mendekati tak terhingga.
4. Kecukupan (surfiency), yaitu penduga harus mengandung semua informasi
tentang parameter populasi.
9
demikian pengaruh unsur subyektif dapat dihindarkan. Langkah-langkah
perhitungan metode least square adalah sebagai berikut:
1. Langkah pertama : siapkan data yang akan dianalisis. Data terdiri dari dua
variabel yaitu variabel bebas (X) dan variabel terikat (Y).
2. Langkah kedua : hitung jumlah data yang ada (n).
3. Langkah ketiga : mencari nilai X /t , dimana untuk mencari nilai X
diperlukan nilai tertentu pada variabel waktu ¿ sedemikian rupa, sehingga
jumlah nilai variabel waktu ¿ adalah 0. Contohnya:
Untuk data ganjil yaitu n=5
X1, X2, X3, X4, X5
Maka,
−2 −1 0 1 2
Pada umumnya yang diberi nilai 0 adalah variabel waktu yang letaknya
ditengah.
Untuk data genap yaitu n=4
X1, X2, X3, X4
Maka,
−3 −1 1 3
4. Langkah keempat : hitung jumlah dari hasil perkalian selisih antara
variabel bebas dan variabel terikat ¿ dan jumlah dari hasil kuadrat selisih
antara variabel bebas Σ X2.
5. Langkah kelima : hitung koefisien regresi (b) dan intersep (a) dengan
menggunakan rumus:
ΣY
Nilai a=
n
Σ XY
Nilai b=
Σ X2
Keterangan:
a dan b : Koefisien
X : Waktu tertentu dalam bentuk kode
Y : Jumlah penjualan
n : Jumlah data
6. Langkah keenam : dengan nilai a dan b yang telah diperoleh,maka dapat
digunakan rumus:
10
Y = a + bX
Keterangan:
a dan b : Koefisien
X : Waktu tertentu dalam bentuk kode
Y : Jumlah penjualan
2.4 PHP
Hypertext preprocessor (PHP) dianggap sebagai salah satu bahasa
pemrograman yang paling banyak digunakan dalam pengembangan aplikasi web
karena memberikan fleksibilitas yang tinggi, mudah digunakan dan mudah
dipelajari (Zanin and Wernke, 2019). (PHP) adalah bahasa pemrograman yang
bersifat open source yang digunakan dalam pengembangan aplikasi web dan dapat
disematkan ke dalam HTML. Bahasa pemrograman ini adalah tool untuk
pembutan halaman web dinamis. PHP juga menjadi salah satu bahasa
pemrograman yang paling banyak digunakan dan sering digunakan di beberapa
jenis server antara lain Apache, Nginx, dan LiteSpeed. Pada awalnya PHP
merupakan kependekan dari personal home page (situs personal). PHP pertama
kali dibuat oleh Rasmus Lerdorf pada tahun 1995. Pada saat itu PHP masih
bernama FI (Form Interpreted), yang wujudnya berupa sekumpulan script yang
digunakan untuk mengelolah data form dari web (Lutfi, 2017).
2.5 MYSQL
MySQL adalah salah satu aplikasi DBMS (Database Management System)
yang sudah sangat banyak digunakan oleh para pemrogram aplikasi web. Dalam
sistem database tak relasional, semua informasi disimpan pada satu bidang luas,
yang kadangkala data di dalamnya sangat sulit dan melelahkan untuk diakses.
Tetapi MySQL merupakan sebuah sistem database relasional, sehingga dapat
mengelompokkan informasi ke dalam table-tabel atau grup-grup informasi yang
berkaitan. Setiap table memuat bidang-bidang yang terpisah, yang
mempresentasikan setiap bit informasi. MySQL menggunakan indeks untuk
mempercepat proses pencarian terhadap baris informasi tertentu. MySQL
11
memerlukan sedikitnya satu indeks pada setiap table. Biasanya akan
menggunakan suatu primary key atau pengenal unik untuk membantu penjejakan
data (Lutfi, 2017).
MySQL adalah sebuah implementasi dari sistem manajemen basis data
relasional (RDBMS) yang didistribusikan secara gratis di bawah lisensi GPL
(General Public License). Setiap pengguna dapat secara bebas menggunakan
MyQSL, namun dengan batasan perangkat lunak tersebut tidak boleh dijadikan
produk turunan yang bersifat komersial. MySQL sebenarnya merupakan turunan
salah satu konsep utama dalam basis data yang telah ada sebelumnya; SQL
(Structured Query Language). SQL adalah sebuah konsep pengoperasian basis
data, terutama untuk emilihan atau seleksi dan pemasukan data, yang
memungkinkan pengoperasian data dikerjakan dengan mudah secara otomatis
(Kurnia, 2018).
3.5 XAMPP
XAMPP merupakan tool yang menyediakan paket perangkat lunak ke
dalam satu buah paket. Dengan menginstall XAMPP maka tidak perlu lagi
melakukan instalasi dan konfigurasi web server apache, PHP dan MySQL secara
manual. XAMPP akan menginstall dan mengkonfigurasikannya secara otomatis
atau auto konfigurasi.
XAMP ini digunakan untuk server local host atau server yang berdiri
sendiri dan terdiri dari beberapa program seperti Perl, Apache HTTP Server,
penerjemah bahasa yang sudah ditulis sesuai dengan bahasa pemrograman PHP
dan MySQL database. Sedangkan nama XAMPP sendiri adalah singkatan dari X
yaitu empat sistem operasi apapun, Apache, MySQL, Perl dan PHP (Khotami and
Pudhail, 2020).
2.6 Website
Website merupakan sebuah kumpulan halaman-halaman web beserta file-
file pendukungnya, seperti file gambar, video, dan file digital lainnya yang
disimpan pada sebuah web server yang umumnya dapat diakses melalui internet.
12
Atau dengan kata lain, website adalah sekumpulan folder dan file yang
mengandung banyak perintah dan fungsi-fungsi tertentu, seperti fungsi tampilan,
fungsi menangani penyipanan data, dsb (Suhartini, Sadali and Kuspandi Putra,
2020).
2.7 HTML 5
HyperText Markup Language (HTML) ialah bahasa yang digunakan untuk
membuat antarmuka halaman web. Aplikasi web menggabungkan antarmuka
yang dibuat dengan HTML dengan bahasa pemrograman yang berfungsi sebagai
logika dan mengelola data. Oleh karena itu pengetahuan tentang HTML sangat
penting dalam pembangunan aplikasi web (Faisal and Abadi, 2020).
HTML 5 adalah revisi kelima dari HTML (yang pertama kali diciptakan
pada tahun 1990 dan versi keempatnya, HTML 4, pada tahun 1997). Tujuan
utama pengembangan HTML 5 adalah untuk memperbaiki teknologi HTML agar
mendukung teknologi multimedia terbaru, mudah dibaca oleh manusia dan juga
mudah dimengerti oleh mesin (Widodo and Purnomo, 2016).
2.8 CSS
Cascading Style Sheets (CSS) adalah bahasa yang digunakan untuk
memberikan style pada halaman web yang ditulis dengan kode HTML. CSS
menentukan bagaimana elemen HTML ditampilkan yang meliputi bentuk, warna
dan posisi suatu tag atau elemen HTML. Selain itu CSS digunakan untuk
mengatur tampilan beberapa halaman web sekaligus dalam sebuah file.
Pengetahuan CSS adalah pengetahuan wajib dimiliki oleh web designer atau
developer (Faisal and Abadi, 2020).
2.9 Laravel
Laravel adalah sebuah MVC web development framework PHP yang
didesain untuk meningkatkan kualitas perangkat lunak dengan megurangi biaya
pengembangan dan perbaikan serta meningkatkan produktifitas pekerjaan dengan
13
sintak yang bersih dan fungsional set yang dapat mengurangi banyak waktu untuk
implementasi (Widodo and Purnomo, 2016).
Laravel memberikan keterbaruan alat untuk berinteraksi dengan database
disebut dengan migration. Dengan migration, pengembang dapat dengan mudah
untuk melakukan modifikasi sebuah database pada sebuah platform secara
independen karena implementasi skema database dipresentasikan dalam sebuah
class. Migration dapat berjalan pada beberapa basis data yang telah didukung
Laravel (MySQL, PostgreSQL, MSSQL dan SQLITE) dan untuk implementasi
Active Record pada Laravel disebut Eloquent yang menggunakan standard
modern OOP. Laravel juga memberikan sebuah Command Line Interface disebut
dengan artisan, pengembang dapat berinteraksi dengan aplikasi untuk sebuah aksi
seperti migrations engine yang memberikan estetika dan kebersihan kode pada
view secara pasrial (Luthfi, 2017).
14
sebagai sebuah entitas dari manusia atau suatu sistem yang melakukan pekerjaan
(M Teguh Prihandoyo, 2018).
15
2. Activity Diagram
Activity diagram atau diagram aktivitas adalah diagram alur dari aktivitas
dan perilaku dalam sistem yang berjalan (M Teguh Prihandoyo, 2018). semua
proses pada sistem akan dijabarkan pada diagram ini secara lengkap disetiap
tahapannya, mulai dari masukan hingga keluaran sistem.
Memperlihatkan bagaimana
1 Activity masing-masing kelas antarmuka
saling berintraksi satu sama lain.
State dari sistem yang
2 Action mencerminkan eksekusi dari
suatu aksi.
Status awal aktivitas sistem,
3 Initial Node sebuah diagram aktivitas
memiliki sebuah status alwal.
Status akhir yang dilakukan
Activity Final
4 sistem, sebuah diagram aktivitas
Node
memiliki sebuah status akhir.
Satu aliran yang pada tahap
5 Fork Node tertentu berbuah menjadi
beberapa aliran.
Asosiasi percabangan dimana
6 Decision jika ada pilihan aktivitas lebih
dari satu.
3. Sequence Diagram
Sequence diagram ialah diagram UML yang memberikan gambaran
interaksi antara objek didalam dan di sekitar sistem yang berupa pesan yang
digambarkan terhadap waktu. (M Teguh Prihandoyo, 2018)
16
Tabel 2. 3 Simbol Sequence Diagram
17
Menyatakan bahwa suatu objek
yang telah menjalankan suatu
operasi atau metode
8 Pesan tipe return menghasilkan suatu kembalian
ke objek tertentu, arah panah
mengarah pada objek yang
menerima kembalian
4. Class Diagram
Class diagram merupakan diagram UML yang menampilkan struktur dan
deskripsi dari class, package, dan objek yang saling berkaitan seperti diantaranya
pewarisan, asosiasi dan lainnya (M Teguh Prihandoyo, 2018).
18
Hubungan dimana perubahan yang
6 Dependency terjadi pada suatu elemen mandiri
(independent).
Apa yang meghubungkan antara
7 Association
objek satu dengan objek lainnya.
Nilai Kosong atau satu.
8 0..1
Kardinalitas
Nilai Lebih dari sama dengan kosong.
9 0..*
Kardinalitas
Nilai Lebih dari sama dengan n, dimana
10 0..n
Kardinalitas n lebih dari satu.
Nilai Hanya satu.
11 1
Kardinalitas
Nilai Lebih dari sama dengan satu.
12 1..*
Kardinalitas
Nilai Lebih dari sama dengan satu
13 1..n
Kardinalitas dimana n lebih dari satu.
Nilai Banyak atau Many.
14 *
Kardinalitas
Nilai Hanya N, dimana N lebih dari satu.
15 n
Kardinalitas
Nilai Lebih dari sama dengan N dimana
16 n..*
Kardinalitas N lebih dari satu.
Lebih dari sama dengan N dan
Nilai
17 n..m kurang dari sama dengan M.
Kardinalitas
Dimana M dan N lebih dari satu.
19
RUP bersifat serial dalam skala besar, berulang dalam skala kecil dan
menghasilkan rilis bertahap dari waktu ke waktu.
Pada tahapan pengembangan RUP terdapat struktur dinamis dan struktur
statis. Struktur dinamis pada dimensi horizontal mewakili dimensi waktu dari
proses. Struktur dinamis terdiri dari beberapa fase, yaitu :
1. Inception
Inception adalah tahap untuk menentukan ruang lingkup dengan
mengidentifikasi semua entitas eksternal yang akan berinteraksi dengan sistem.
Hasil dari fase ini adalah dokumen persyaratan dan model use case.
2. Elaboration
Elaboration adalah tahap untuk menganalisis dan memeahami keseluruhan
sistem, kemudian dibangun menjadi arsitektur. Hasil dari fase ini adalah model
use case, prototype arsitektur yang dapat dieksekusi.
3. Construction
Construction adalah tahap yang berisi implementasi perancangan yang
dihasilkan pada fase sebelumnya (elaboration). Hasil dari fase ini adalah produk
software beserta paduan pengguna.
4. Transition
Transition adalah fase untuk merilis software. Hasil dari fase ini adalah
aktivitas yang diperlukan untuk menempatkan perangkat lunak ke pengguna. (Tia
and Nuryasin, 2020)
20
2.13 Pengujian Algoritma
Pengujian algoritma yaitu proses yang dilakukan untuk menguji performa
suatu algoritma dalam menyelesaikan atau mengukur tingkat kesalahan dari
proses prediksi. Beberapa teknik pegujian algoritma yang dapat digunakan yaitu
sebagai berikut.
1. Root Mean Square Error (RMSE)
RMSE digunakan untuk mencari nilai keakurasian hasil peramalan dengan
data history dan menggunakan rumus yang ditunjukkan dengan nilai kesalahan.
Dengan menggunakan RMSE, error yang ada menunjukkan seberapa besar
perbedaan hasil estimasi dengan hasil yang akan diestimasi. Hal yang membuat
berbeda karena adanya keacakan pada data atau karena tidak mengandung
estimasi yang lebih akurat (Nanja and Purwanto, 2015).
√
2
Σ ( y t− ^
yt )
RMSE=
n
Keterangan:
^
y t : Nilai prediksi indeks
n : Jumlah sampel
2. Mean Absolute Percent Error (MAPE)
MAPE merupakan rata-rata diferensiasi absolut antara nilai prediksi dan
aktual yang dinyatakan sebagai presentase nilai aktual (Putro, Furqon and Wijoyo,
2018). Semakin rendah nilai MAPE, semakin baik kinerja model prediksi atau
peramalan. Kelemahan yang terdapat pada MAPE yaitu jika terdapat nilai aktual
yang sangat kecil atau nol, yang dapat menyebabkan kesalahan pembaguan
dengan nol dan meghasilkan nilai yang tak terhingga. Untuk mencari nilai MAPE
dapat menggunakan rumus berikut.
100 | At −Ft|
MAPE = Σ
n At
Keterangan:
21
At : Nilai aktual pada data t
Ft : Nilai prediksi pada data t
n : Jumlah periode data
22
BAB III
METODOLOGI PENELITIAN
3.1 Waktu dan Tempat Penelitian
3.1.1 Waktu Penelitian
Waktu pelaksanaan penelitian tugas akhir dilaksanakan mulai dari bulan
Maret 2023 sampai dengan Juli 2023. Rincian kegiatan dapat dilihat pada table
berikut.
Tabel 3. 1 Gannt Chart Waktu Penelitian
Waktu
No Uraian Maret April Mei Juni Juli
1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4 1 2 3 4
1. Inception
2. Elaboration
3. Construction
4. Transition
23
b. Wawancara
Wawancara ini dilakukan secara langsung kepada manager dan staff PT.
Aesculapius Sahabat Sejati Medika untuk mengetahui data-data dari penjualan
alat kesehatan yang akan menunjang pembuatan website prediksi penjualan alat
kesehatan.
24
ada pada analisis sistem ini yaitu analisis kebutuhan fungsional dan analisis
kebutuhan non-fungsional.
3.4.1 Kebutuhan Fungsional
Analisis kebutuhan fungsional adalah segala bentuk data yang dibutuhkan
oleh sistem agar sistem dapat berjalan sesuai dengan prosedur yang dibangun.
Setelah tahap analisis, maka telah ditetapkan kebutuhan-kebutuhan untuk
membangun sistem meliputi input, proses dan output.
A. Analisis Kebutuhan Input
Input dari aplikasi ini adalah data penjualan dari PT. Aesculapius Sahabat
Sejati Medika
B. Analisis Kebutuhan Proses
Kebutuhan proses bertujuan untuk mngidentifikasi permasalahan pada
sistem, dimana aplikasi dibangun meliputi perangkat lunak dan analisis terhadap
sistem.
C. Analisi Kebutuhan Output
Output dari aplikasi ini adalah admin dapat melihat estimasi dari penjualan
alat kesehatan dalam periode yang akan datang.
3.4.2 Kebutuhan Non-Fungsional
Analisis kebutuhan non-fungsional yaitu langkah dimana seorang pembuat
sistem menganalisis sumber daya yang dibutuhkan untuk membangun sistem yang
akan dibangun. Analisis kebutuhan non-fungsional dibagi dalam dua tahap, yaitu
analisis kebutuhan perangkat keras dan analisis perangkat lunak.
A. Kebutuhan Perangkat Keras
Perangkat keras yang digunakan pada pembuatan sistem ini adalah sebagai
berikut.
25
2. Processor Intel(R) Core(TM) i3-6006U @ 2.00GHz
1.99 GHz
3. RAM 4.00 GB
4. Harddisk 1TB HDD
5. Monitor 15,6 Inch
26
Diagram use case terdiri dari actor (pengguna), fungsionalitas sistem dan
hubungan antar keduanya. Dalam sistem ini actor (pengguna) yang akan
menjalankan sistem ini hanya terdapat satu pengguna yaitu admin serta beberapa
fungsi sistem di dalamnya seperti login, kelola data alat, kelola datacairan, kelola
data buku, kelola transaksi, estimasi alat kesehatan, laporan, dan logout. Bentuk
use case diagram dari sistem yang akan dibangun seperti pada gambar berikut.
Nama Manage
Deskripsi Singkat Login digunakan sebagai proses awal
untuk memasuki sistem
Kondisi Awal Admin memasukan dan password
Kondisi Akhir Admin memasuki halaman dashboard
Situasi Kesalahan Admin salah memasukkan dan password
27
Status Sistem Saat Terjadi Admin akan diarahkan untuk memasukan
Kesalahan dan password yang benar
Aktor Admin
Trigger Admin harus melakukan login sebelum
menjalankan sistem
Proses Standar 1. Admin memasuki halaman login
2. Admin memasukan dan password
3. Sistem akan melakukan proses
verifikasi dan password
Nama Manage
Deskripsi Singkat Admin dapat mengelola data alat
kesehatan dengan menambah, mengubah
dan menghapus data
Kondisi Awal Telah melakukan login ke sistem
Kondisi Akhir Data alat berhasil ditambahkan, diubah
atau dihapus
Situasi Kesalahan -
Situasi Sistem Saat Terjadi -
Kesalahan
Aktor Admin
Trigger Admin perlu mengelola data alat
Proses Standar 1. Admin masuk ke sistem
2. Mengakses menu data master
3. Memilih sub menu data alat
4. Mengisi form tambah data,
mengedit data atau menghapus
data.
28
c. Deskripsi Use Case Diagram Kelola Data Cairan
Nama manage
Deskripsi singkat Admin dapat mengelola data cairan
dengan menambah, mengubah dan
menghapus data
Kondisi awal Telah melakukan login ke sistem
Kondisi akhir Data cairan berhasil ditambahkan, diubah
atau dihapus
situasi kesalahan -
Situasi sistem saat terjadi -
kesalahan
Aktor Admin
Trigger Admin perlu mengelola data cairan
Proses standar 1. Admin masuk ke sistem
2. Mengakses data master
3. Memilih sub menu data cairan
4. Mengisi form tambah data,
mengedit data atau menghapus
data
Nama Manage
Deskripsi Singkat Admin dapat mengelola data buku dengan
menambah, mengubah atau menghapus
data
Kondisi Awal Telah melakukan login ke sistem
29
Kondisi Akhir Data buku berhasil ditambahkan, diubah
atau dihapus
Sistuasi Kesalahan -
Situasi Sistem Saat Terjadi -
Kesalahan
Aktor Admin
Trigger Admin perlu mengelola data buku
Proses Standar 1. Admin masuk ke sistem
2. Mengakses data master
3. Memilih sub menu data buku
4. Mengisi form tambah data,
mengedit data atau menghapus
data
Nama Manage
Deskripsi Singkat Admin dapat mengelola data transaksi
dengan menambah dan menghapus data
Kondisi Awal Telah melakukan login ke sistem
Kondisi Akhir Data transaksi berhasil ditambah atau
dihapus
Situasi Kesalahan -
Situasi Sistem Saat Terjadi -
Kesalahan
Aktor Admin
Trigger admin perlu mengelola data transaksi
Proses Standar 1. Admin masuk ke sistem
2. Admin mengakses menu transaksi
3. Admin mengisi form tambah data
30
atau menghapus data
Nama Manage
Deskripsi Singkat Admin dapat mengetahui estimasi dari
penjualan alat kesehatan periode
selanjutnya
Kondisi Awal Telah melakukan login ke sistem
Kondisi Akhir Sistem akan menampilkan hasil estimasi
penjualan alat kesehatan
Situasi Kesalahan -
Situasi Sistem Saat Terjadi -
Kesalahan
Aktor Admin
Trigger Admin perlu mengetahui estimasi
penjualan alat kesehatan untuk periode
selanjutnya
Proses Standar 1. Admin masuk ke sistem
2. Mengakses menu estimasi
3. Hasil estimasi akan ditampilkan
Nama Manage
Deskripsi Singkat Admin dapat melihat dan mencetak
laporan hasil estimasi yang didapatkan
Kondisi Awal Telah melakukan login ke sistem
Kondisi Akhir Sistem menampilkan laporan estimasi
31
yang siap dicetak
Situasi Kesalahan -
Situasi Sistem Saat Terjadi -
Kesalahan
Aktor Admin
Trigger Admin perlu mengetahui dan mencetak
laporan estimasi
Proses Standar 1. Admin masuk ke sistem
2. Mengakses menu transaksi
3. Memilih cetak laporan
2. Activity Diagram
Activity diagram atau diagram aktivitas merupakan suatu diagram UML
yang menggambarkan urutan aktivitas yang dilakukan dalam sistem dan tindakan
untuk menjelaskan aktivitas tersebut. Activity diagram yang akan menggambarkan
sistem yang dibangun adalah sebagai berikut.
a. Activity Diagram Login
Pada activity login hanya dapat diakses oleh admin yang jika data valid
maka akan langsung menuju ke halaman beranda berdasarkan hak akses. Dan jika
data yang dimasukkan tidak valid maka sistem akan menampilkan pesan yang
menunjukan jika username dan password salah. Adapun activity login dapat
dilihat pada gambar berikut.
32
Gambar 3. 2 Acticity Diagram Login
33
Gambar 3. 3 Activity Diagram Kelola Data Alat
34
Gambar 3. 4 Activity Diagram Kelola Data Cairan
35
Gambar 3. 5 Activity Diagram Kelola Data Buku
36
Gambar 3. 6 Activity Diagram Transaksi
37
Gambar 3. 7 Activity Diagram Estimasi
38
Gambar 3. 8 Activity Diagram Laporan
39
Gambar 3. 9 Activity Diagram Logout
3. Sequence Diagram
Sequence diagram adalah diagram yang digunakan untuk menampilkan
urutan interaksi antara objek dalam sistem berdasarkan waktu. Sequence diagram
menunjukkan pesan antara objek dalam sebuah sistem atau proses yang kemudian
menunjukkan proses interaksi antar objek selama eksekusi suatu proses. Adapun
sequence diagram dalam sistem ini adalah sebagai berikut.
a. Sequence Diagram Login
Pada sequence diagram login menunjukkan admin melakukan interaksi
dengan mulai mengakses menu login dan memasukkan username dan password
pada login form yang kemudian akan divalidasi oleh database dan jika data valid
maka sistem akan menampilkan halaman beranda. Jika data tidak valid maka
sistem akan mengirimkan pesan yang berisi username dan password salah. Untuk
proses sequence diagram login dapat dilihat pada gambar berikut.
40
Gambar 3. 10 Sequence Diagram Login
41
Gambar 3. 11 Sequence Diagram Kelola Data Cairan
42
sistem menampilkan data cairan. Dalam menu data alat admin dapat mengelola
data seperti menambah data, mengubah data atau menghapus data. Yang
kemudian data yang di baru akan di simpan dalam database.
43
d. Sequence Diagram Kelola Data Buku
Alur dalam sequence diagram kelola data alat menunjukkan setelah
melakukan login admin mengakses menu data master yang berisikan sub menu
dari data-data pada sistem, kemudian admin memilih sub menu data buku dan
sistem menampilkan data buku kesehatan. Dalam menu data alat admin dapat
mengelola data seperti menambah data, mengubah data atau menghapus data.
Yang kemudian data yang di baru akan di simpan dalam database.
44
Gambar 3. 13 Sequence Diagram Kelola Data Buku
45
admin mengakses menu transaksi yang kemudian sistem menampilkan data
transaksi.
46
Gambar 3. 15 Sequence Diagram Estimasi
47
Gambar 3. 16 Sequence Diagram Laporan
48
Gambar 3. 17 Sequence Diagram Logout
4. Class Diagram
Class diagram atau diagram kelas menunjukkan struktur dari sistem yang
terdiri dari kelas-kelas yang ada dalam sistem, atribut dan metode yang ada pada
kelas-kelas tersebut, serta menjelaskan hubungan antar kelas-kelas tersebut. Yang
mana pada sistem yang akan dibangun terdapat 4 class yaitu Admin, data_master,
transaksi dan prediksi.
49
Gambar 3. 18 Class Diagram
2. Halaman Dashboard
Tampilan dashboard akan digunakan setelah admin masuk ke dalam
sistem. Tampilan ini berisikan total dari data alat, data cairan dan data buku.
Tampilan halaman dashboard dapat dilihat pada gambar berikut.
50
Gambar 3. 20 Halaman Dashboard
51
4. Kelola Data Cairan
Halaman kelola data cairan digunakan ketika admin ingin mengelola data
cairan seperti menambah data, mengedit data atau menghapus data. Halaman
kelola data alat dapat dilihat pada gambar berikut.
52
Gambar 3. 23 Halaman Kelola Data Buku
6. Transaksi
Halaman transaksi digunakan ketika admin ingin mengelola data transaksi
seperi menambah data, menghapus data dan mencetaknya. Halaman transaksi
dapat dilihat pada gambar berikut.
53
7. Estimasi
Halaman estimasi digunakan ketika admin ingin mengetahui hasil estimasi
penjualan alat kesehatan. Halaman estimasi dapat dilihat pada gambar berikut.
54
DAFTAR PUSTAKA
Anshori, S.M. et al. (2020) ‘Sistem Peramalan Penjualan Sepeda Motor Yamaha
Di Sentral Yamaha Malang Dengan Metode Least Square’, Jurnal Aghinya
Stiesnu Bengkulu, 3(2), pp. 196–107.
Buaton, R., Zarlis, M. and Yasin, V. (2021) KONSEP DATA MINING. Jakarta:
Mitra Wacana Media.
55
Kholid, M.U. (2017) ‘Perancangan Sistem’, (September 2014). Available at:
http://www.academia.edu/7511410/Perancangan_Sistem_Menurut_Jogiyanto_H.
Nainel, Y.L., Buulolo, E. and Lubis, I. (2020) ‘Penerapan Data Mining Untuk
Estimasi Penjualan Obat Berdasarkan Pengaruh Brand Image Dengan Algoritma
Expectation Maximization (Studi Kasus: PT. Pyridam Farma Tbk)’, JURIKOM
(Jurnal Riset Komputer), 7(2), p. 214. Available at:
https://doi.org/10.30865/jurikom.v7i2.2097.
Nurudin, M. et al. (2020) ‘Pengujian Black Box pada Aplikasi Penjualan Berbasis
Web Menggunakan Pengujian Black Bo x pada Aplikasi Penjualan Berbasis Web
Menggunakan Teknik Boundary Value Analysis’, (December 2019). Available at:
56
https://doi.org/10.32493/informatika.v4i4.3841.
Putro, B., Furqon, M.T. and Wijoyo, S.H. (2018) ‘Prediksi Jumlah Kebutuhan
Pemakaian Air Menggunakan Metode Exponential Smoothing ( Studi Kasus :
PDAM Kota Malang )’, Jurnal Pengembangan Teknologi Informasi dan Ilmu
Komputer, 2(11), pp. 4679–4686.
Tia, T.K. and Nuryasin, I. (2020) ‘Model Simulasi Rational Unified Process Pada
Pengembangan Perangkat Lunak’, 2(4), pp. 485–494.
Zahid, T. and Li, W. (2016) ‘A Comparative Study Based on the Least Square
Parameter Identification Method for State of Charge Estimation of a LiFePO 4
57
Battery Pack Using Three Model-Based Algorithms for Electric Vehicles’.
Available at: https://doi.org/10.3390/en9090720.
58