Implementasi Metode Single Moving Average pada

Aplikasi Order Indent Berbasis Web

(Studi Kasus: PT. Hadji Kalla Sales Makassar)
Reza Selviana Sengkey 1, Gusti Fernando 2, Y. Johny Soetikno 3¸ Sitti Aisa 4
1,2
Jurusan Sistem Informasi Universitas Dipa Makassar
Jln. Perintis Kemerdekaan KM. 9 Makassar

1
rezaselvianajhoni@gmail.com
2
gustifernando39@gmail.com
3
john.Soetikno@undipa.ac.id
4
sittiaisa28@undipa.ac.id

Abstrak
PT. Hadji Kalla adalah distributor resmi Toyota untuk wilayah Sulawesi Selatan, Sulawesi Tengah, Sulawesi Barat, dan
Sulawesi Tenggara. Dalam menjalankan usahanya, sales department sering mengalami kesulitan dalam pemenuhan kebutuhan
masyarakat akan produk mobil merek Toyota, khusunya dalam penanganan permintaan mobil yang indent. Pesanan indent
terjadi oleh karena meningkatnya pesanan tetapi stok mobil kurang. Untuk menangani adanya pesanan yang indent dapat
dilakukan dengan melakukan peramalan akan kebutuhan konsumen pada masa yang akan datang menggunakan data-data
sebelumnya maka perlu dirancang aplikas perkiraan penjualan menggunakan metode single moving average. Tujuan penelitian
ini mengimplementasikan metode single moving average untuk mengurangi permintaan atau pemesanan mobil indent, dan
menguji sistem menggunakan metode white-box. Hasil prediksi penjualan mobil indent pada bulan Agustus 2022 sebesar 654
unit dengan nilai MAPE sebesar 17.19 %, dan prediksi mobil secara normal pada bulan Agustus 2022 sebesar 2,842 unit dengan
nilai MAPE sebesar 22.9 %. Hasil pengujian sistem menggunakan metode black-box terhadap ke-18 modul, didapatkan hasil
bahwa semua form yang dirancang secara keseluruhan telah bekerja sesuai dengan yang diharapkan

Kata kunci: Letakkan 5 – 6 kata kunci Anda di sini, kata kunci dipisahkan dengan koma.

PT. Hadji Kalla is Toyota's official distributor for South Sulawesi, Central Sulawesi, West Sulawesi and Southeast Sulawesi. In
running its business, the sales department often has difficulty meeting the public's need for Toyota brand car products,
especially in handling the demand for cars that are indented. Indent orders occur due to increased orders but less car stock. To
handle indent orders, it can be done by forecasting future consumer needs using previous data, it is necessary to design a sales
forecast application using the single moving average method. The purpose of this study is to implement the single moving
average method to reduce the demand or order for indent cars, and to test the system using the white-box method. The
prediction results of indent car sales in August 2022 are 654 units with a MAPE value of 17.19%, and normal car predictions in
August 2022 are 2.842 units with a MAPE value of 22.9%. The results of testing the system using the black-box method on the
18 modules, it was found that all the forms that were designed as a whole had worked as expected..

Kata kunci: Implementation, single moving average, sales, indent.

I. PENDAHULUAN cara tertentu. Data masa lalu dikumpulkan, dipelajari,

Perkembangan teknologi informasi telah membawa
manfaat bagi lapisan masyarakat dalam mendukung bisnis
atau usahanya. Salah satu pemanfaatan teknologi informasi
dalam bidang bisnis adalah perkiraan pesanan mobil inden.
Forecasting (peramalan) adalah salah satu unsur yang sangat
penting dalam proses pengambilan keputusan. Peramalan
yang dilakukan umumnya didasarkan pada masa lalu yang
kemudian dianalisis dengan menggunakan metode atau cara-
dianalisis dan dihubungkan dengan perjalanan waktu, karena
adanya faktor waktu tersebut, maka dari data hasil analisis
tersebut kita dapat mencoba mengatakan sesuatu yang terjadi
di masa yang akan datang.
Metode Trend Single moving average merupakan ramalan
untuk periode mendatang. Untuk menentukan ramalan pada
periode yang akan datang memerlukan data historis selama
jangka waktu tertentu. Single Moving merupakan suatu
metode peramalan dengan menggunakan data-data pada masa
lalu kemudian dijumlahkan dan memerlukan perhitungan rata-
rata untuk mengetahui suatu informasi yang mungkin akan
terjadi.
PT. Hadji Kalla adalah distributor resmi Toyota untuk
wilayah Sulawesi Selatan, Sulawesi Tengah, Sulawesi Barat,
dan Sulawesi Tenggara. Penjualan mobil Toyota untuk
wilayah Sulawesi Selatan ditangani oleh Sales Department
yang berlokasi di Wisma Kalla lantai 12. Berdasarkan hasil
wawancara dengan pihak sales departemen didapatkan
informasi bahwa pesanan indent terjadi oleh karena
meningkatnya pesanan tetapi stok mobil kurang. Untuk
menangani adanya pesanan yang indent dapat dilakukan
dengan melakukan peramalan.akan kebutuhan konsumen pada
masa yang akan datang menggunakan data-data sebelumnya.
Berdasarkan uraian di atas, maka diusulkan sebuah penelitian
dengan judul “Implementasi Metode Single Moving
Average Pada Aplikasi Order Indent Berbasis Web (Studi
Kasus: PT. Hadji Kalla Sales Makassar).” Dengan adanya
sistem perkiraan permintaan mobil indent menggunakan
metode moving single average diharapkan mampu
mengendalikan persediaan mobil sehingga permintaan mobil
yang indent dapat dikendalikan.
II. METODOLOGI PENELITIAN
Bagian ini menjelaskan secara rinci tentang penelitian yang
dilakukan.
A. Analis Kebutuhan
Analisis data dilakukan dengan menggunakan metode
single moving avegare dengan langkah-langkah sebagai
berikut:
1. Pengumpulan data
2. Memperkirakan jumlah penjualan kendaraan
berdasarkan data permintaan dan penjualan mobil periode
sebelumnya.
B. Desain
Pada tahap desain, kebutuhan yang sudah dianalisa
dituangkan kedalam bentuk desain antar muka dan desain
struktur data.
Desain antar muka atau tampilan website terdiri dari
3 halaman login yaitu login admin dealer, admin pusat, dan
kepala sales department dimana yang dapat melakukan
perhitungan peramalan single mooving average hanya dapat
dilakukan oleh admin pusat dan kepala sales department.
Desain struktur data dilakukan dengan mendesain table-
tabel di database. Hal ini dilakukan agar kebutuhan system
dapat diimplementasikan menjadi program pada tahap
pengkodean.
C. Pengkodean
Pembuatan kode-kode program dilakukan agar desain
yang telah dibuat pada tahap sebelumnya dapat
diimplementasikan menjadi program utuh untuk dapat
dimanfaatkan sesuai tujuannya.
D. Pengujian
Keseluruhan fungsi website yang telah terbentuk perlu
diuji agar bisa dipastikan bahwa keluaran yang dihasilkan
system sesuai dengan yang diinginkan. Pengujian juga
dilakukan untuk meminimalisir kesalahan (error). Pengujian
dilakukan menggunakan blackbox testing (pengujian kotak
hitam).
E. Pendukung atau Pemeliharaan
Tahap pendukung atau pemeliharaan dilakukan untuk
menangani dan memperbaiki kesalahan-kesalahan yang
muncul ketika website telah digunakan oleh pengguna, serta
tidak terdeteksi pada tahap pengujian.
Implementasi
Implementasi adalah suatu proses interaksi antara suatu
perangkat tujuan dan tindakan yang mampu untuk meraihnya.
Implementasi adalah kemampuan membentuk hubungan-
hubungan lebih lanjut dalam rangkaian sebab-akibat yang
menghubungkan tindakan dengan tujuan.[1]
Metode Peramalan
Pendekatan ini bermanfaat terutama dalam usaha
penyelesaian masalah dengan pendekatan analisis terhadap
suatu fenomena atau pola dari data yang lalu, sehingga dapat
memberikan gambaran menganai cara berfikir dari pengerjaan
dan pemecahan suatu masalah dalam situasi yang sistematis
dan dpat dibuktikan secara riil sehingga memberikan tingkat
keyakinan yang lebih pada saat pengambilan keputusan. [2]
Unified Modeling Language (UML)
Unified Modeling Language (UML) adalah bahasa
spesifikasi standar yang dipergunakan untuk
mendokumentasikan, menspesifikasikan dan membanngun
perangkat lunak. UML merupakan metodologi dalam
mengembangkan sistem berorientasi objek dan juga
merupakan alat untuk mendukung pengembangan sistem.[3]
a. Use Case Diagram
Use case adalah detugas akhir fungsi dari sebuah sistem
dari prespektif pengguna. Use case bekerja dengan cara
mendetugas akhirkan tipikal interaksi antara user (pengguna)
sebuah sistem dengan sistemnya sendiri melalui sebuah cerita
bagaimana sistem dipakai.
b. Activty Diagram
Activity diagram adalah bagian penting dari UML yang
menggambarkan aspek dinamis dari sistem. Activity diagram
mempunyai peran seperti halnya flowchart, akan tetapi
perbedaannya dengan flowchart adalah activity diagram bisa
mendukung perilaku paralel sedangkan flowchart tidak.
c. Sequence Diagram
Sequence diagram adalah salah satu jenis diagram pada
UML yang menjelaskan interaksi obyek yang berdasarkan
urutan waktu.
Metode Single Mooving Average
Single moving average merupakan suatu metoda peramalan
dengan menggunakan data-data pada massa lalu kemudian di
jumlahkan dan melakukan perhitungan rata-rata untuk
mengetahui suatu informasi yang mungkin akan terjadi.
Metode single moving average memiliki karater khusus yaitu
memerlukan data historis dengan jangka waktu tertentu dan
semakin pajang waktunya maka moving average yang akan
dihasilkan akan semakin halus.[4]
III.HASIL DAN PEMBAHASAN
DESAIN PENELITIAN
Berikut ini desain diagram UML (Unified Modeling
Language) yang dibuat dalam rangka membantu pengelola
untuk meramalkan atau mengestimasi akan kebutuhan mobil
pada masa yang akan dating.
.
Gambar .1 Rancangan use case diagram sistem yang
diusulkan
Perancangan solusi untuk sistem ini akan menjelaskan
bentuk rancangan sistem informasi yang akan dikembangkan.
Langkah awal perancangan dalam pembuatan sistem adalah
membuat dokumentasi dengan Unified Modeling Language
(UML) dimana menggunakan beberapa model diagram, yaitu :
use case diagram, activity diagram, sequence diagram dan
class diagram yang menunjukan setiap aktifitas dari system.
Class Diagram
Rancangan struktur tabel digunakan untuk menggambarkan
struktur tabel yang digunakan dalam sistem yang penulis
rancang.
Gambar.2 Rancangan class diagram
Analisa Kebutuhan
Analisis data dilakukan dengan menggunakan metode
single moving avegare dengan langkah-langkah sebagai
berikut:
1. Pengumpulan data
2. Memperkirakan jumlah penjualan kendaraan
berdasarkan data permintaan dan penjualan mobil periode
sebelumnya.
Penyiapan bahan penelitian yang menjadi petunjuk atau
pedoman dalam pengolahan data sebagai berikut:
a. Riwayat pemesanan
Riwayat pemesanan mobil pada PT.Hadji Kalla Sales
Department Makassar selama 1 tahun.
b. Jenis Mobil
Bahan penelitian selanjutnya adalah jenis mobil apa saja
yang dijual pada perusahaan PT.Hadji Kalla Makassar.
c. Riwayat Penjualan
Data penjualan mobil pada PT.Hadji Kalla Sales
Department Makassar selama 1 tahun.
Pada penelitian ini, metode yang kami gunakan yaitu
Metode Single Moving Average (SMA) tidak menggunakan
pembobotan pada setiap data yang akan dihitung. Meskipun
sederhana dan sangat efisien, SMA cukup efektif dalam
menentukan trend yang sedang terjadi dimarket. Metode
single moving average memiliki ciri khusus yaitu :
1. Diperlukan data historis selama periode tertentu untuk
menentukan ramalan.
2. Semakin panjang jangka waktu moving average, efek
pelicinan semakin terlihat dan hasil moving average-nya
semakin halus.
Kelebihan dari metode single moving average dapat
digunakan sebagai peramalan untuk menghitung rata-rata hasil
penjualan tas pada periode tertentu yang akan terus dihitung
berdasarkan pergerakan data, metode ini sangat efektif, mudah
dan lebih efisien proses perhitungannya. Persamaan single
moving average:
St+1 = xt +xt-1 + xt-n+1
n
Keterangan: September2021=
St+1 = Forecast untuk periode ke t+1 ( April 2021+ Mei 2021+ Juni 2021+Juli 2021+ Agustus 2021)
Xt = Data Pada periode t
n = jangka waktu moving average
5
Berikut ini akan dibahas contoh kasus peramalan permintaan (35+30+ 30+26+31) 152
= = = 30,4=30
konsumen terhadap mobil Avanza Veloz untuk bulan Juni 5 5
2022 menggunakan data peramalan 5 bulan, 4 bulan, dan 3
bulan berdasarkan datapermintaan bulan Januari 2021 s.d. Mei Oktober2021=
2022. Adapun data histori permintaan dan persediaan mobil (mei 2021+ juni 2021+Juli 2021+ Agustus 2021+September 2
sebagai bahan peramalan seperti pada tabel 2.1.
5
Tabel 1 Tabel Data Permintaan dan Persediaan Mobil (30+30+ 26+31+31) 148
= = = 29,6=30
No. Bulan Permintaan Persediaan Indent 5 5
1 Januari 2021 31 23 8
November2021=
2 Pebruari 2021 27 20 7
3 Maret 2021 26 21 5
Range Mape Arti
4 April 2021 35 24 11
Kemampuan Model Peramalan
5 Mei 2021 30 24 6
<10% Sangat Baik
6 Juni 2021 30 20 10
Kemampuan Model Peramalan
7 Juli 2021 26 21 5 10%<= Mape <20 % Baik
8 Agustus 2021 31 21 10 Kemampuan Model Peramalan
9 September 2021 31 24 7 20%≤ Mape ≤ 50 % Layak
10 Oktober 2021 27 23 4 Kemampuan Model Peramalan
> 50 % Buruk
11 November 2021 33 22 11
12 Desember 2021 30 23 7
( Juni2021+ Juli 2021+ Agustus 2021+ September 2021+Okto
13 Januari 2022 29 22 7
5
(30+26 +31+31+27) 145
14 Pebruari 2022 30 24 6 = = = 29
5 5
15 Maret 2022 28 24 4
16 April 2022 30 23 7 Desember2021
17 Mei 2022 31 23 8 ( juli 2021+agustus 2021+ September 2021+Oktober 2021+ N
Untuk peramalan menggunakan data peramalan 5 bulan, (26+ 31+ 31+ 27+33) 148
maka peramalan dimulai pada bulan Juni 2021 oleh karena = = = 29,6=30
nanti setelah bulan Juni 2021 baru tersedia data permintaan 5 5
selama 5 bulan terakhir sebagai berikut:
Juni 2021= (januari 2021 + pebuari 2021 + maret 2021+ April 2021 + mei 2021 ) Januari2022=
5 ( september 2021+Oktober 2021+ November 2021+ Desember
Juli2021= 4
¿
(31+27+ 33+30) 121
( Pebruari 2021+ Maret 2021+april 2021 )+ mei 2021+ juni
= 2021 ¿ 5 = = 30,25=30
4 4
(27+ 26+35+30+30) 148
= = = 29,6 =30
5 5 Pebruari2022=
(oktober 2021+ November 2021+ Desember 2021+ Januari 20
Agustus2021= 3
(maret 2021+april 2021+ Mei 2021+ Juni2021+ Juli 2021) (27+ 33+30+29) 119
5 = = = 29,75=30
3 4
(26+ 35+30+30+26) 147
= = = 29,4=29
5 5
Maret2022= APE Juli 2021 =(| Permintaan – Forecast |/Permintaan) *
(november 2021+desember 2021+ januari 2022+ pebruari
100 2022)
=|26 - 30|/26 * 100 = 4 / 26 * 100 = 15,38
4 APE Agustus 2021 =(| Permintaan - Forecast |/Permintaan) *
(33+30+ 29+30) 122 100
= = = 30,5=31
4 4 =|31 - 29|/31 * 100 = 2 / 31 * 100 = 6,45
APE September 2021=(| Permintaan - Forecast |/Permintaan)
April2022= * 100
(desember 2021+ Januari 2022+ Pebruari 2022+ Maret 2022) =|31 - 30|/31 * 100 = 1 / 31 * 100 = 3,23
APE Oktober 2021 =(| Permintaan - Forecast |/Permintaan)
4 * 100
(30+29+ 30+28) 117 =|27 - 30|/27 * 100 = -3 / 27 * 100 = 11,11
= = = 29,25=30
4 4 APE November 2021=(| Permintaan - Forecast |/Permintaan)
* 100
Mei2022 = =|33 - 29|/33 * 100 = 4 / 33 * 100 = 12,12
( Januari2022+ Pebruari 2022+ Maret 2022+ April 2022) APE Desember 2021 =(| Permintaan - Forecast |/Permintaan)
* 100
4 =|30 - 30|/30 * 100 = 0 / 30 * 100 = 0
(29+30+ 28+30) 117 APE Januari 2022 =(| Permintaan - Forecast |/Permintaan) *
= = = 29,25=29
4 4 100
=|29 - 30|/29 * 100 = 1 / 29 * 100 = 3,45
Juni2022= APE Pebruari 2022=(| Permintaan - Forecast |/Permintaan) *
100
( Pebruari 2022+ Maret 2022+ April 2022+ Mei 2022) =|30 - 30|/30 * 100 = 0 / 30 * 100 = 0
4 APE Maret 2022 =(| Permintaan - Forecast |/Permintaan) *
(30+28+ 30+31) 119 100
= = = 29,75=30 =|28 - 30|/28 * 100 = -2 / 28 * 100 = 7,14
4 4
APE April 2022 = (| Permintaan - Forecast |/Permintaan) *
permintaan konsumen adalah sebanyak 30 unit. Dengan
100
demikian maka untuk menghindari permintaan indent maka
=|30 - 30|/30 * 100 = 0 / 30 * 100 = 0
pihak perusahaan menyediakan 30 unit kendaraan yang akan
APE Mei 2022 = (| Permintaan - Forecast |/Permintaan) *
dijual.
100
Untuk mengetahui tingkat akurasi peramalan maka
=|31 - 29|/31 * 100 = 2 / 31 * 100 = 6,45
dilakukan dilakukan perhitungan tingkat akurasi
menggunakan metode Mean Absolute Percent Error dengan 0 , 0+15 , 4 +6 , 5+3 , 2+11, 1+ 12, 1+0 , 0+3 , 4 +0 , 0+
MAPE=
persamaan: 12
MAPE= ∑〖(|Aktual-Forecast|/Aktual)〗*100/n.
atau: MAPE=∑ APE/n, dimana: Tabel 3 : Hasil peramalan 5 data peramalan
APE = Absolute Percent Error
APE
APE = |Aktual-Forecast|/Aktual
No. Bulan Pemesanan Forecast (%)
n = merupakan jumlah periode yang digunakan untuk
perhitungan. Januari
Semakin rendah nilai MAPE, kemampuan dari model 1 2021 31 - -
peramalan yang digunakan dapat dikatakan baik, dan untuk
Pebruari
MAPE terdapat range nilai yang dapat dijadikan bahan 2 2021 27 - -
pengukuran mengenai kemampuan dari suatu model
peramalan, range nilai tersebut dapat dilihat pada table 2. Maret
3 2021 26 - -
Tabel 2: range mape April
4 2021 35 - -
Berdasarkan hasil perhitungan peramalan menggunakan
data peramalan 5 bulan di atas dan berdasarkan data 5 Mei 2021 30 - -
permintaan pada tabel 2, maka dapat dihitung nilai APE 6 Juni 2021 30 30 0,0
sebagai berikut:
7 Juli 2021 26 30 15,4
APE Juni 2021 =(|Permintaan - Forecast |/Permintaan) *
Agustus
100
8 2021 31 29 6,5
=|30 - 30|/30 * 100 = 0 / 30 * 100 = 0
 APE
No. Bulan Pemesanan Forecast (%)

September
9 2021 31 30 3,2

Oktober
10 2021 27 30 11,1

November
11 2021 33 29 12,1
Gambar .4 Tampilan beranda Web PT.Hadji Kalla Sales
Desember
12 2021 30 30 0,0
Department
Tampilan pada gambar 4 merupakan tampilan utama atau
Januari beranda pada aplikasi order indent PT.Hadji Kalla Sales
13 2022 29 30 3,4 Department Makassar.
Pebruari
14 2022 30 30 0,0

Maret
15 2022 28 30 7,1

April
16 2022 30 30 0,0

17 Mei 2022 31 29 6,5

18 Juni 2022 - 30 -

MAPE 4,7
Berdasarkan nilai range MAPE pada tabel 3. maka
peramalan menggunakan 5 data peramalan didapatkan tingkat
akurasi peramalan sangat baik oleh karena MAPE <10%.
Hasil peramalan 5 data peramalan dapat dilihat pada tabel 2.

Tabel 4: hasil peramalan

Data Hasil
No.
Peramalan Forecast MAPE (%)
1 3 Bulan 30 7,1
2 4 Bulan 30 5,4
3 5 Bulan 30 4,5 Gambar. 5 Tampilan Login
Berdasarkan tabel 3, maka diperoleh informasi bahwa
ketiga peramalan mendapatkan nilai yang sama untuk Tampilan login pada gambar 5 terbagi atas 3 bagian yaitu
perkiraan permintaan pada Juni 2022 sebesar 30. Namun login sebagai admin pusat, login sebagai admin dialer, dan
peramalan yang menggunakan data peramalan 5 bulan yang terakhir login sebagai kepala sales department. Untuk
merupakan yang paling akurat karena memiliki nilai MAPE melakukan proses peramalan atau perkiraan yang dapat
yang paling kecil yaitu sebesar 5%. melakukannya hanya admin pusat dan kepala sales
department.

Tahap Implementasi

Gambar .6 Tampilan pada halaman admin pusat

 Halaman admin pada gambar 6 dapat mengakses jenis mobil
yang ingin ditambahkan, data mobil yang tersedia pada tiap
dialer, menambahkan admin ,mengakses data pada kantor
cabang, kemdudian data pada tiap dialer.
Gambar .7 proses single mooving pada admin pusat
Pada tahap ini kita memilih berapa lama data sebelumnya
untuk memastikan peramalan untuk bulan berikutnya dengan
catatan, semakin banyak data sebelumnya yang akan diproses
untuk perkiraan maka semakin akurat juga hasil dari perkiraan
atau peramlan yang ditampilkan.
Gambar. 8 hasil perhitungan single mooving
Hasil perhitungan single mooving selama 5 bulan data yang
diambil sebelumnya dapat kita lihat pada gambar 8 yang
hasilnya, untuk jenis mobil agya tipe e, prediksi indent pada
bulan selanjutnya adalah sebanyak 28 dengan percentase
Mape 19.13% dengan keterangan hasil baik dan jumlah
prediksi normal 135 dengan jumlah persentase Mape
sebanyak 24.19% dengan keterangan hasilnya layak
digunakan.
Maka dapat kita simpulkan bahwa untuk jenis mobil agya
tipe e, untuk bulan selanjutnya yaitu prediksi indent sebanyak
28 ditambah dengan prediksi normal sebanyak 135 dengan
jumlah 163 akan terjual untuk bulan selanjutnya.
Gambar. 9 Tampilan cetak hasil perkiraan single mooving
Tampilan cetak laporan proses perkiraan single moving
yang dapat kita lihat pada gambar 9 .
Gambar. 10 Tampilan jenis mobil untuk tiap Dialer
Tampilan diatas dapat kita akses dengan cara pada tampilan
gambar 8 pada tombol view untuk setiap jenis mobil.
Pada gambar 10 dapat kita simpulkan bahwa untuk jenis
mobil agya tipe e pada dialer bau-bau perkiraan jumlah indent
yaitu sebanyak 1 dan perkiraan jumlah normal sebanyak 5.
Dapat disimpulkan bahwa untuk dialer bau-bau harus
menyediakan 6 unit untuk jenis mobil agya type e untuk
persediaan bulan depan guna untuk mengurangi jumlah mobil
yang akan indent.
 18. Proses prediksi penjualan Sukses

Berdasarkan hasil pengujian sistem menggunakan metode

white box testing pada tabel 4 didapatkan hasil pengujian
semua form telah sukses bekerja sesuai yang diharapkan. Ini
berarti bahwa secara keseluruhan implementasi metode single
moving average pada aplikasi order indent PT. Hadji Kalla
Sales Departement Makassar telah bekerja sesuai yang
diharapkan.

IV.KESIMPULAN

Berdasarkan hasil penelitian yang telah dilakukan maka

Gambar. 11 tampilan cetak laporan dapat disimpulkan bahwa:

Gambar 11 merupakan tampilan cetak laporan untuk tiap 1. Hasil implementasi metode single moving average
jenis mobil pada tiap dialer . didapatkan hasil prediksi penjualan mobil sebagai
berikut Prediksi mobil indent pada bulan Agustus 2022
Pengujian sebesar 654 unit dengan nilai MAPE sebesar 17.19 %.
Pengujian sistem yang dilakukan adalah pengujian secara (Baik), Prediksi mobil secara normal pada bulan
langsung berdasarkan teknik Black Box yaitu pengujian Agustus 2022 sebesar 2,842 unit dengan nilai MAPE
fungsionalitas dari sistem yang dibangun dengan tujuan untuk sebesar 22.9 % (Layak). Rata-rata nilai MAPE =
mengetahui apakah fungsional input dan output sudah sesuai (MAPE Indent - MAPE Normal)/2 = (17.19+22.9)/2 =
dengan yang diharapkan. 40,09/2 = 20,045 % (Layak).
Berikut adalah rekapitulasi hasil pengujian sistem seperti
2. Adapun Rancangan sistem terdiri dari dua puluh enam
dalam tabel 5 dibawah: (26) rancangan input, tiga (3) rancangan output.
Table 5: Rekapitulasi hasil pengujian system 3. Setelah dilakukan pengujian sistem menggunakan
No metode black-box terhadap ke-18 modul, didapatkan
. Pengujian Hasil hasil bahwa semua form yang dirancang secara
1. Form login Sukses keseluruhan telah bekerja sesuai dengan yang
diharapkan.
2. Form daftar admin aplikasi Sukses
3. Form daftar cabang Sukses V. SARAN

4. Form daftar kategori Sukses Sistem ini masih bisa dikembangkan dengan
5. Form daftar dialer Sukses mengembangkan beberapa modul ke dalam bentuk android

6. Form daftar mobil Sukses REFERENSI

7. Form daftar penambahan stok mobil Sukses [1] Achmad Solichin, S.K. (2018) Pemrograman Web dengan
PHP dan MySQL. Universitas Budi Luhur, Jakarta.
8. Form daftar penjualan mobil Sukses [2] Ahmad, F. (2020) ‘Penentuan Metode Peramalan Pada
9. Form daftar histori penjualan mobil Sukses Produksi Part New Granada Bowl ST Di PT. X’, Jurnal
Integrasi Sistem Industri, 7(1), pp. 31–39.
10. Form cetak stok mobil Sukses [3] Apridiansyah, Y., Veronika, N.D.M. and Oktarini, R.
11. Form tambah data stok mobil Sukses (2017) ‘Desain Dan Implementasi Sistem Pakar Untuk
Menentukan Tipe Autisme Pada Anak Usia 4-6 Tahun
12. Form tambah data penjualan mobil Sukses Dengan Metode Forward Chaining’, Pseudocode, 4(2), pp.
Form tambah data histori penjualan 97–104. doi:10.33369/pseudocode.4.2.97-104.
13. mobil Sukses [4] Apriliani, A. et al. (2020) ‘Peramalan Tren Penjualan
Menu Restoran Menggunakan Sales Trend Forecast of a
14. Form tambah data cabang Sukses
Restaurant Menus Using Single Moving’, Jurnal
15. Form tambah data mobil Sukses Teknologi Informasi dan Ilmu Komputer (JTIIK), 7(6), pp.
1161–1168. doi:10.25126/jtiik.202072732.
16. Form tambah data jenis mobil Sukses
[5] Assauri, S. (2016) Manajemen Produksi dan Operasi.
17. Form tambah data dialer Sukses Jakarta: PT. Raja Grafindo Persada.
[6] Cholifah, W.N., Yulianingsih and Sagita, S.M. (2018)
‘Pengujian Black Box Testing Pada Aplikasi Action &
Strategy Berbasis Android Dengan Teknologi Phonegap’,
3(2), pp. 206–210.
[7] Fauziah, F., Ningsih, Y.I. and Setiarini, E. (2019) ‘Analisis
Peramalan (Forecasting) Penjualan Jasa Pada Warnet
Bulian City di Muara Bulian’, Eksis: Jurnal Ilmiah
Ekonomi dan Bisnis, 10(1), p. 61.
doi:10.33087/eksis.v10i1.160.
[8] Guntoro, G., Costaner, L. and Musfawati, M. (2020)
‘Analisis Keamanan Web Server Open Journal System
(Ojs) Menggunakan Metode Issaf Dan Owasp (Studi
Kasus Ojs Universitas Lancang Kuning)’, JIPI (Jurnal
Ilmiah Penelitian dan Pembelajaran Informatika), 5(1), p.
45. doi:10.29100/jipi.v5i1.1565.
[9] Herjanto, E. (no date) Manajemen Operasi, Edisi Revisi.
Jakarta: Penerbit Gramedia.
[10] Madcoms (2016) Sukses Membangun Toko Online
dengan PHP dan MySQL. Yoyakarta: Andi Offset.
[11] Maricar, M.A. (2017) ‘Analisa Perbandingan Nilai
Akurasi Moving Average dan Exponential Smoothing
untuk Sistem Peramalan Pendapatan pada Perusahaan
XYZ’, JURNAL SISTEM DAN INFORMATIKA, pp. 36–
45.
[12] Martono, R.V. (2018) Manajemen Operasi Konsep dan
Aplikasi. Jakarta: Salemba Empat.
[13] Mulyadi (2016) Sistem Informasi Akuntansi. Jakarta:
Salemba Empat.
[14] Munawar (2018) Analisis Perancangan Sistem
Berorientasi Objek dengan UML: Unified Modeling
Language. Depok: Informatika.
[15] Purnama, A. (2016) ‘Permodelan World Wide Web
Menggunakan Teori Graf’, (13514006).
[16] Rusdiana (2014) Manajemen Operasi. Bandung: Penerbit
Pustaka Setia.
[17] Setyawan, D.C. (2019) Peramalan Permintaan Produk
Handuk Dengan Metode Time Series (Studi Kasus: CV.
Ngremboko Dusun Ngendo Janti Klaten). Universitas
Muhammadiyah Surakarta.
[18] Suendri (2018) ‘Implementasi Diagram UML (Unified
Modelling Language) Pada Perancangan Sistem
Informasi Remunerasi Dosen Dengan Database Oracle
(Studi Kasus: UIN Sumatera Utara Medan)’, Jurnal Ilmu
Komputer dan Informatika, 3(1), pp. 1–9.
[19] Sugiyanto and Romadhina Putri, A. (2020) Pengantal
Ilmu Ekonomi Mikro dan Makro. Edited by G. Sanjaya
Nuke.
[20] Susilawati, D. et al. (2018) ‘Penerapan Metode Single
Moving Average untuk Prediksi Penjualan Pada Aby
Manyu Cell’, Swabumi, 6(1), pp. 78–84.
doi:10.31294/swabumi.v6i1.3319.
[21] Tampubolon, M.P. (2018) Manajemen Operasi dan
Rantai Pemasok. Jakarta: Mitra Wacana Media.
[22] Yudaruddin, R. (2019) Forecasting untuk kegiatan
ekonomi dan bisnis.