Kata Kunci – Alat Kesehatan, Estimasi, ARIMA, Website, PT. Hikmah Medika
Investama
Alat kesehatan memiliki peranan yang sangat penting sebagai salah satu
penunjang pelayanan kesehatan. Maka dari itu penting untuk mengetahui
ketersediaan alat-alat tersebut. PT. Hikmah Medika Investama merupakan salah
satu distributor yang bergerak di bidang penjualan alat-alat kesehatan di Kota
Kendari. Dengan produk-produk yang dipasarkan beberapa di antaranya alat
kesehatan seperti : alat bantu dengar, alat cek gula, jarum suntik, alkohol, baju lab,
cairan dan lainnya. Permasalahan yang kerap terjadi pada suatu instansi yaitu
masalah estimasi untuk stok barang, tenaga kerja dan bahan baku. Permasalahan
tersebut juga terjadi pada PT. Hikmah Medika Investama yaitu belum adanya
sistem yang dapat memprediksi estimasi penjualan alat kesehatan di setiap
tahunnya.
Sistem ini menggunakan metode ARIMA dalam melakukan proses
pengestimasian untuk penjualan alat kesehatan. Metode ARIMA ini berasal dari
gabungan antara model autoregressive (AR) dan moving average (MA). Dalam
membangun model ARIMA yang perlu dilakukan adalah mengidentifikasi pola
data deret waktu yang akan dimodekan. Setelah model ARIMA didapatkan, model
dapat digunakan untuk peramalan nila-nilai di masa depan dengan menggunakan
data historis sebagai dasar.
Pengujian sistem akan dilakukan menggunakan pengujian black box.
Pengujian black box ini hanya fokus pada input dan output yang dihasilkan dari
sistem yang diuji. Selain itu, pada sistem ini juga akan dilakukan pengujian
algoritma dengan menggunakan MAPE dan RMSE. MAPE dan RMSE
digunakan untuk mencari nilai keakurasian hasil peramalan dengan data history
dan menggunakan rumus yang ditunjuskkan dengan nilai kesalahan.
i
ABSTRACT
ii
DAFTAR ISI
INTI SARI..........................................................................................................................i
ABSTRACT.......................................................................................................................ii
DAFTAR ISI.....................................................................................................................iii
DAFTAR GAMBAR.........................................................................................................v
DAFTAR TABEL............................................................................................................vii
BAB I PENDAHULUAN..................................................................................................1
1.1 Latar Belakang.......................................................................................1
1.2 Rumusan Masalah..................................................................................3
1.3 Batasan Masalah....................................................................................3
1.4 Tujuan Penelitian...................................................................................4
1.5 Manfaat Penelitian.................................................................................4
1.6 Sistematika Penulisan.............................................................................4
1.7 Tinjauan Pustaka....................................................................................5
BAB II LANDASAN TEORI.........................................................................................10
2.1 Data Mining.........................................................................................10
2.2 Alat Kesehatan.....................................................................................11
2.3 PT. Aesculapius Sahabat Sejati Medika...............................................12
2.4 Time Series...........................................................................................12
2.5 Stasioneritas dan Nonstasioneritas.......................................................14
2.6 Autoregressive Integrated Moving Average (ARIMA).........................14
2.6.1 Model Analisis Runtun Waktu (Time Series)........................15
2.6.1 Tahapan Prosedur Analisis Data...........................................16
2.7 Contoh Kasus.......................................................................................17
2.7.1 Identifikasi Model.................................................................17
2.7.2 Pengujian Signifikasi Parameter............................................20
2.7.3 Uji Asumsi Residual (diagnostic checking)..........................21
2.7.4 Pemilihan Model Terbaik......................................................33
2.7.5 Peramalan.............................................................................34
2.8 EViews.................................................................................................35
2.9 PHP......................................................................................................36
2.10 MYSQL...............................................................................................36
iii
2.11 XAMPP................................................................................................37
2.12 Website.................................................................................................37
2.13 HTML 5...............................................................................................38
2.14 CSS......................................................................................................38
2.15 Laravel.................................................................................................39
2.16 Unified Modeling Language (UML)....................................................39
2.16.1 Diagram UML.......................................................................40
2.17 Rational Unified Process (RUP)...........................................................46
2.18 Pengujian Black Box............................................................................47
2.19 Pengujian Algoritma............................................................................47
BAB III METODOLOGI PENELITIAN........................................................................49
3.1 Waktu dan Tempat Penelitian..............................................................49
3.1.1 Waktu Penelitian...................................................................49
3.1.2 Tempat Penelitian.................................................................49
3.2 Metode Penelitian.................................................................................49
3.3 Metode Pengembangan Sistem.............................................................50
3.3.1 Inception (Permulaan)...........................................................50
3.3.2 Elaboration (Perluasan/Perencanaan)...................................50
3.3.3 Construction (Konstruksi).....................................................50
3.3.4 Transition (Transisi).............................................................50
3.4 Analisis Kebutuhan Sistem..................................................................50
3.4.1 Kebutuhan Fungsional..........................................................51
3.4.2 Kebutuhan Non-Fungsional..................................................51
3.5 Analisis Perancangan Sistem................................................................52
3.5.1 Perancangan Flowchart.........................................................52
3.5.2 Unified Modeling Language (UML).....................................54
3.5.2 Perancangan Interface...........................................................76
3.6 Skenario Percobaan..............................................................................79
3.6.1 Skenario Pengujian Algoritma..............................................79
3.6.2 Skenario Pengujian Black Box..............................................80
iv
DAFTAR GAMBAR
vi
DAFTAR TABEL
vii
BAB I
PENDAHULUAN
Keluaran dari data mining dapat dipakai dalam pengambilan keputusan di masa
depan dan dapat diimplementasikan di berbagai bidang di antaranya bidang bisnis,
kesehatan, telekomunikasi dan bidang Pendidikan (Ginting dan Fahmi, 2022).
Data mining dapat digunakan dalam berbagai aplikasi, termasuk dalam estimasi.
Contoh penggunaan data mining dalam estimasi adalah 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.
Estimasi adalah keseluruhan proses yang memerlukan serta menggunakan
estimator untuk menghasilkan sebuah estimate dari suatu parameter (Nainel dkk.,
2020). Menurut Kamus Besar Bahasa 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. Permasalahan
tersebut juga terjadi pada PT. Hikmah Medika Investama yaitu belum adanya
sistem yang dapat memprediksi estimasi penjualan alat kesehatan di setiap
tahunnya.
Dalam melakukan pengestimasian metode time series adalah metode yang
cocok digunakan. Beberapa metode time series yang biasa digunakan adalah
moving average dan Autoregressive Integrated Moving Average (ARIMA).
Metode moving average merupakan suatu metode peramalan yang dilakukan
dengan mengambil sekelompok nilai pengamatan, mencari nilai rata-rata tersebut
sebagai ramalan untuk periode yang akan datang. Moving average mempunyai ciri
khusus dalam melakukan peramalan, yaitu metode ini memerlukan data dalam
jangka waktu/periode tertentu, dimana semakin Panjang suatu moving average
maka akan semakin halus moving average yang dihasilkan. Namun, pada metode
ini lambat untuk merespon perubahan data yang terjadi di pasar dan juga kurang
akurat dalam merefleksikan trend data baru (Landia, 2020).
3
3. Data yang diprediksi adalah data jumlah penjualan dalam waktu satu
tahun.
4. Sistem hanya digunakan oleh admin.
digambarkan sebagai sumber energi yang tidak dapat diandalkan. Selain itu,
peningkatan resiko dan ketidakpastian pembangkitan energi surya dapat berfungsi
sebagai faktor penghambat ketahanan energi. Dengan adanya peramalan yang
kompeten dan analisis radiasi matahari yang cermat dapat membantu mengurangi
resiko dan memungkinan aset dioperasikan dengan cara yang paling hemat biaya.
Dalam penelitian ini model ARIMA deret waktu dibangun untuk meramalkan
radiasi matahari harian dan bulanan di Seoul, Korea Selatan dengan
mempertimbangkan keakuratan, kesesuaian, kecukupan, dan ketepatan waktu data
yang dikumpulkan yang telah diperoleh dari KMS selama 37 tahun. Untuk
memeriksa validasi dan stabilitas hasil simulasi, kecocokan model dilakukan
dengan menggunakan RMSE, R2/koefisien determinasi, uji Philips-Perron, dan
uji Jarque-Bera, yang mana residu standar menunjukkan bahwa residu model
tidak berkorelasi dan terdistribusi normal. Model tersebut telah lulus uji, dan
hasilnya menunjukkan kemampuan ARIMA untuk meemberikan prediksi
matahari bulanan dan harian yang akurat. Dengan RMSE sebesar 33,18 dan R2
sebsar 79 untuk model radiasi matahari bulanan. Sedangkan RMSE sebesar
104,26 dan R2 sebesar 68 untuk model radiasi matahari harian. Nilai R2 yang
lebih tinggi dari 50 menujukkan kinerja yang sangat baik dari model prediksi.
Syahputri dkk (2022) dalam penelitiannya terkait “ARIMA Method
Implementation for Prediction of Oyster Mushroom Production”, menjelaskan
bahwa Ad-Dhuha Farm adalah usaha UMKM yang bergerak di bidang produksi
jamur tiram. Dalam memproduksi jamur tiram untuk dijual, perusahaan ini
biasanya memperkirakan berdasarkan logbook produksi. Sehingga terkadang hasil
prediksi yang dilakukan meleset dari perkiraan, hal ini dikarenakan tidak adanya
perhitungan yang tepat berdasarkan data yang digunakan sehingga terjadi
penumpukan persediaan jamur tiram. Hal ini mempengaruhi kemajuan UMKM
karena dilihat dari kenutuhan membayar tenaga kerja, tagihan kebutuhan
operasional dan lain sebagainya sehingga usaha UMKM mengalami kerugian.
Dengan metode ARIMA, Ad-Dhuha dapat memprediksi jumlah produksi agar
tidak terjadi penumpukan jamur tiram yang menjadi penyebab kerugian Ad-
Dhuha. Dengan menggunakan nilai produksi jamur tiram serta langkah dan
formula metode ARIMA maka metoka metode ARIMA dapat diimplementasikan
9
10
11
4. Musiman
Pola musiman menunjukkan suatu gerakan yang berulang dari satu periode
ke periode berikutnya secara teratur. Pola musiman ini dapat ditunjukkan oleh
data-data yang dikelompokkan secara mingguan, bulanan, atau kuartalan, tetapi
untuk data yang berbentuk data tahunan tidak terdapat pola musimannya.
Keterangan:
Xt = nilai series yang stasioner
μ = nilai konstan
θq = parameter moving average ke-q
e t−1 , … , et −q = variabel bebas (nilai masalalu deret waktu yang bersangkutan)
et = White Noise (galat)
16
2.7 EViews
EViews (Econometric Views) adalah aplikasi pengolahan data statistika
dan ekonometrika yang berjalan di atas sistem operasi Windows. EViews dapat
digunakan untuk melakukan analisis cross section dan panel data serta melakukan
estimasi dan peramalan data time series. EViews dikembangkan oleh Quantitative
Micro Software (QMS), yang mana program ini merupakan kelanjutan dari
program MicroTSP yang pertama kali dirilis pada tahun 1981 (Ismanto dan
Pebruary, 2021).
EViews dapat menggabungkan spreadsheet, teknologi basis data, dan
kemampuan analisis perangkat lunak statistik tradisional dan memberikan
keuntungan operasi visualisasi untuk perangkat lunak Windows modern. EViews
mendukung beberapa format file seperti Excel, SPSS, SAS, Stata, RATS, TSP dan
dapat terhubung ke database ODBC. EViews telah banyak digunakan di bidang
terapan dalam ekonometrika, peramalan ekonomi makro, peramalan penjualan,
analisis keuangan, analisis biaya, dan lainnya. EViews juga merupakan salah satu
perangkat lunak statistik ekonometrik yang paling banyak digunakan.
2.8 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
18
dipelajari (Zanin dan 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 (Luthfi, 2017).
PHP memiliki beberapa framework yang membantu dalam
mempromosikan Rapid Application Development (RAD), menghemat waktu,
membantu membuat aplikasi lebih stabil, dan mengurangi jumlah pengkodean
berulang dalam pengembagan. Dalam framework PHP harus memiliki beberapa
faktor didalamnya, yaitu kemudahan dalam penggunaan, pengembangan/performa
yang cepat, popularitas di antara developer lain, fitur dan dukungan yang kuat
(Laaziri dkk., 2019).
2.9 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
memerlukan sedikitnya satu indeks pada setiap table. Biasanya akan
menggunakan suatu primary key atau pengenal unik untuk membantu penjejakan
data (Lutfi, 2017).
19
MySQL adalah database yang kuat, yang dapat bekerja pada sejumlah
sistem operasi termasuk Microsoft Windows dan UNIX. 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).
2.10 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 dan
Pudhail, 2020).
2.11 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.
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.
20
2.12 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 (Fais dan 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 dan Purnomo, 2016).
2.13 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 dan Abadi, 2020).
2.14 Codeigniter
Codeigniter merupakan kerangka kerja PHP yang cukup kuat dengan
dukungan berbagai toolkit sederhana namun elegan untuk membuat aplikasi web
21
antara actor dan sistem. Pada use case juga terdapat actor yang mana berperan
sebagai sebuah entitas dari manusia atau suatu sistem yang melakukan pekerjaan.
2. Activity Diagram
Setelah membuat model use case, maka setiap skenario yang ada pada use
case akan dideskripsikan lebih jelas dengan activity diagram. Activity diagram
atau diagram aktivitas adalah diagram alur dari aktivitas dan perilaku dalam
sistem yang berjalan.
Semua proses pada sistem akan dijabarkan pada diagram ini secara
lengkap disetiap tahapannya, mulai dari masukan hingga keluaran sistem. Activity
diagram memiliki peranan seperti halnya flowchart, akan tetapi perbedaanya
dengan flowchart adalah activity diagram bisa mendukung perilaku paralel
sedangkan flowchart tidak bisa (M Teguh Prihandoyo, 2018).
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.
5 Fork Node Satu aliran yang pada tahap
tertentu berbuah menjadi
24
beberapa aliran.
Asosiasi percabangan dimana
6 Decision jika ada pilihan aktivitas lebih
dari satu.
3. Sequence Diagram
Setelah menemukan tanggung jawab dan perilaku dari obyek, dapat
tercipta suatu model yang terperinci dari bagaimana obyek tersebut akan saling
berhubungan satu sama lain untuk menyediakan kemampuan/fungsi yang
ditetapkan pada setiap use case yang telah didesain sebelumnya. UML
menyediakan dua jenis diagram untuk menggambarkan interaksi tersebut dengan
nyata, diagram tersebut adalah sequence diagram dan collaboration diagram.
Sequence diagram ialah diagram UML yang memberikan gambaran
mengenai interaksi antar komponen objek di dalam dan di sekitar sistem yang
berelasi menghasilkan informasi sesuai aktivitas di dalam sistem. Sequence
diagram menunjukkan detail operasi dilakukan, berupa pesan yang digambarkan
terhadap waktu (M Teguh Prihandoyo, 2018).
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).
Bentuk kelas yang sebenarnya adalah persegi panjang dengan tiga baris.
Yang mana pada baris atas adalah nama kelas, pada baris tengah adalah atribut,
dan pada bagian bawah yaitu metode atau operasinya. Pengelompokkan kelas dan
26
subkelas menunjukkan hubungan statis antara setiap item. Sebuah sistem biasanya
memiliki beberapa class diagram.
√ (2.4)
2
Σ ( y t− ^
yt )
RMSE=
n
Keterangan:
^
yt = Nilai prediksi indeks
n = Jumlah sampel
30
31
b. Wawancara
Wawancara ini dilakukan secara langsung kepada manager dan staff PT.
Hikmah Medika Investama untuk mengetahui data-data dari penjualan alat
kesehatan yang akan menunjang pembuatan website prediksi penjualan alat
kesehatan.
BAB IV
ANALISIS PERANCANGAN SISTEM
Perangkat keras yang digunakan pada pembuatan sistem ini adalah sebagai
berikut.
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 username dan
password
Kondisi Akhir Admin memasuki halaman dashboard
Situasi Kesalahan Admin salah memasukkan username dan
password
Status Sistem Saat Terjadi Admin akan diarahkan untuk memasukan
Kesalahan username dan password yang benar
Aktor Admin
Trigger Admin harus melakukan login ke sistem
37
Nama Manage
Nama Manage
Nama Manage
Kesalahan
Aktor Admin
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
menujukkan jika username dan password salah. Adapun activity login dapat
dilihat pada gambar berikut.
41
data seperti menambah data, mengubah data atau menghapus data. Yang
kemudian data yang baru akan disimpan dalam database.
5. Transaksi
Halaman transaksi digunakan ketika admin ingin mengelola data transaksi
seperi menambah data, menghapus data dan mencetaknya. Halaman transaksi
dapat dilihat pada gambar berikut.
BAB V
IMPLEMENTASI DAN PENGUJIAN SISTEM
tambah
transaksi Hapus data Data transaksi Menampilkan pesan
transaksi berhasil dihapus data gagal dihapus
Menampilkan pesan
Tambah data Data estimasi
data estimasi gagal
estimasi berhasil ditambah
ditambah
6 Estimasi
Menampilkan pesan
Cetak data Data estimasi
data estimasi
estimasi berhasil dicetak
berhasil dicetak
DAFTAR PUSTAKA
Alsharif, M. H., M. K. Younes, dan J. Kim. 2019. SS symmetry time series arima
model for prediction of daily and monthly average global solar radiation :
Symmetry. 1–17.
Ardesfira, G., H. F. Zedha, I. Fazana, J. Rahmadhiyanti, S. Rahima, dan S.
Anwar. 2022. Peramalan nilai tukar rupiah terhadap dollar amerika dengan
menggunakan metode autoregressive integrated moving average (arima).
Jambura Journal of Probability and Statistics. 3(2):71–84.
Arhami, M. dan M. Nasir. 2020. DATA MINING - Algoritma Dan Implementasi.
Edisi 1. Yogyakarta: ANDI.
Ayu, R., R. Gernowo, D. Fisika, F. Sains, U. Diponegoro, dan S. E-. 2019.
METODE autoregressive integrated movingaverage ( arima ) dan metode
adaptive neuro fuzzy inference system ( anfis ) dalam analisis curah hujan.
22(1)
Buaton, R., M. Zarlis, dan V. Yasin. 2021. KONSEP DATA MINING. Jakarta:
Mitra Wacana Media.
Dr. Jumadi, SE, M. 2021. Manajemen Operasi. Edisi 1. Purwodadi-Grobogan,
Jawa Tengah: CV. SARNU UNTUNG.
Farosanti, L., H. Mubarok, dan Indrianto. 2022. Analisa peramalan penjualan alat
kesehatan dan laboratorium di pt. tristania global indonesia menggunakan
metode arima. JIMP: Jurnal Informatika Merdeka Pasuruan. 7(2):14–18.
Ginting, S. P. dan H. Fahmi. 2022. Implementasi data mining menggunakan
algoritma apriori untuk penjualan alat kesehatan pada cv rudang jaya abadi.
Junal Teknik Informatika …. 1:123–130.
Hanum, F. A. dan E. Haryatmi. 2021. Implementasi metode moving average
sebagai prediksi penjualan perlengkapan pertanian pada cv. aneka tani.
Jurnal Sains Komputer & Informatika (J-SAKTI. 5(2):829.
Henderi, U. Rahardja, dan E. Rahwanto. 2021. UML POWERED - DESIGN
SYSTEM USING VISUAL PARADIGM. Edisi 1. Malang: CV. Literasi
Nusantara Abadi.
Ismanto, H. dan S. Pebruary. 2021. Aplikasi SPSS Dan Eviews Dalam Analisis
61
Data Penelitian. Edisi 1. Yogyakarta: Deepublish Publisher.
Khotami, M. dan M. Pudhail. 2020. Rancang bangun aplikasi food ordering
system berbasis web mobile di omah japo café & nursery tanjunganom
nganjuk dengan php 5.4.37 dan mysql 5.5.42. Cyber-Techn. 14(02):91–105.
Kumar, M., S. Gupta, K. Kumar, dan M. Sachdeva. 2020. SPREADING of covid-
19 in india, italy, japan, spain, uk, us: a prediction using arima and lstm
model. Digital Government: Research and Practice. 1(4):1–9.
Kurniawan, A. F., S. F. Pane, dan R. M. Awangga. 2021. Prediksi jumlah
penjualan rumah di bojongsoang ditengah pandemi covid-19 dengan metode
arima. Jurnal Media Informatika Budidarma. 5(4):1479.
Laaziri, M., K. Benmoussa, S. Khoulji, K. Mohamed Larbi, dan A. El Yamami.
2019. A comparative study of laravel and symfony php frameworks.
International Journal of Electrical and Computer Engineering (IJECE).
9(1):704.
Landia, B. 2020. Peramalan jumlah mahasiswa baru dengan exponential
smoothing dan moving average. Jurnal Ilmiah Intech : Information
Technology Journal of UMUS. 2(01)
Luthfi, F. 2017. Penggunaan framework laravel dalam rancang bangun modul
back-end. JISKA (Jurnal Informatika Sunan Kalijaga). 2(1):34–41.
Nainel, Y. L., E. Buulolo, dan I. Lubis. 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):214.
Nofiyanto, A., R. A. Nugroho, dan D. Kartini. 2015. Peramalan permintaan
paving blok dengan metode arima. Konferensi Nasional Sistem &
Informatika. 54–59.
Nurudin, M., W. Jayanti, R. D. Saputro, dan M. P. Saputra. 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)
Octavia, T., Yulia, dan Lydia. 2013. Peramalan stok barang untuk membantu
pengambilan keputusan pembelian barang pada toko bangunan xyz dengan
62
metode arima. Seminar Nasional Informatika (SEMNASIF). 1(semnasIF):2–
7.
Pancaharjono, W., D. Fajar Mogsa, A. Ronny Hasugian, H. Siswantoro, A.
Kamaludi Syarif, A. Dwi Harso, S. Idaiani, T. Arniati Jovina, dan P.
Penelitian dan Pengembangan Sumber Daya dan Pelayanan Kesehatan. 2020.
Faktor-faktor yang memengaruhi jaminan kualitas peralatan di puskesmas
factors affecting equipment quality assurance at puskesmas. Jurnal
Penelitian Dan Pengembangan Pelayanan Kesehatan. 4(2):44–52.
Paul, J. C. dan S. Hoque. 2013. Selection of best arima model for forecasting
average daily share price index of pharmaceutical companies in bangladesh:
a case study on square pharmaceutical ltd. Global Journal of Management
and Business Research. 13(3):15–26.
Ramesh, B. dan G. N. R. Prasad. 2022. A study on uml diagrams for tourist place
review sentiment analysis classification using machine learning.
International Journal of Advanced Research in Computer and
Communication Engineering (IJARCCE). 11(10):34–39.
Rizal, J. dan S. Akbar. 2015. Perbandingan uji stasioner data time series antara
metode: control chart, correlogram, akar unit dickey fuller, dan derajat
integrasi. Jurnal Gradien. 11(1):1040–1046.
Sismi dan M. Y. Darsyah. 2018. Perbandingan prediksi harga saham pt.bri, tbk
dengan metode arima dan moving average. Prosiding Seminar Nasional
Mahasiswa Unimus. 1(1):351–360.
Sumando, E., F. D. Hamiyani, I. D. Purba, dan Ka. 2018. Pengembangan metode
cash forecasting pemerintah: studi kasus saldo kas pemerintah 2009 – 2011.
Kajian Ekonomi & Keuangan. 2(1):71–93.
Susilawati, R. dan S. Sunendiari. 2022. Peramalan jumlah penumpang kereta api
menggunakan metode arima dan grey system theory. Jurnal Riset Statistika.
1–13.
Syahputri, N., O. Alfina, L. Nababan, U. Indriani, C. Science, dan U. P. Utama.
2022. ARIMA method implementation for prediction of oyster mushroom
production. International Journal of Information System & Technology.
6(158):537–542.
63
Tumanggor, E. M. 2021. Analisa Dan Implementasi Data Mining Untuk
Memprediksi Jumlah Material Bangunan Menggunakan Algoritma
Autoreggresive Intergrated Moving Average (ARIMA)
Wahyudi, D., A. Putra Juledi, dan Irmayanti. 2021. Penerapan framework
codeigniter pada sistem absensi qr code diskominfo kabupaten labuhanbatu
selatan. Jurnal Teknologi Dan Sistem Informasi (JURTEKSI). 3(3):2407–
1811.
Waspah, A. I., Asep Afandi, D. M. Efendi, dan D. Sartika. 2022. Expectation
maximization algorithm memprediksi penjualan susu murni pada pt . sewu
primatama indonesia lampung. JUTIM (Jurnal Teknik Informatika
Musirawas). 7(1):27–38.
Zanin, A. dan R. Wernke. 2019. ScienceDirect sciencedirect sciencedirect
sciencedirect a comparative comparative study study of of php php
frameworks frameworks performance performance costing models for
capacity optimization in industry 4 . 0 : trade-off between used capacity and
oper. Procedia Manufacturing. 32:864–871.
64
65