SEKOLAH TINGGI TEKNIK – PLN

APLIKASI PERAMALAN PENJUALAN BIJI KOPI

MENTAH BERBASIS WEB MENGGUNAKAN METODE
SINGLE EXPONENTIAL SMOOTHING

(STUDI KASUS : UD. MARULITUA COFFEE)

SKRIPSI

DISUSUN OLEH :
UBED SIHOMBING
2015-31- 094

PROGRAM STUDI SARJANA STRATA SATU

TEKNIK INFORMATIKA
JAKARTA, 2019

i
 LEMBAR PENGESAHAN

Skripsi dengan judul

APLIKASI PERAMALAN PENJUALAN BIJI KOPI MENTAH

BERBASIS WEB MENGGUNAKAN METODE SINGLE
EXPONENTIAL SMOOTHING

(STUDI KASUS : UD. MARULITUA COFFEE)

Disusun Oleh :
UBED SIHOMBING
2015-31- 094

Diajukan untuk memenuhi persyaratan

Program Studi Sarjana Teknik Informatika
SEKOLAH TINGGI TEKNIK –PLN

Jakarta, Agustus 2019

Mengetahui Disetujui

(Meilia Nur Indah Susanti, ST., M.Kom) Herman Bedi Agtriadi, S.Si., M.Kom
Kepala Departemen Teknik Informatika Pembimbing Pertama

Rahma Farah Ningrum, M.Kom

Pembimbimg Kedua

i
 LEMBAR PENGESAHAN TIM PENGUJI

Nama :Ubed Sihombing

NIM : 2015-31-094

Jurusan : Teknik Informatika

Judul : Aplikasi Peramalan penjualan biji kopi mentah berbasis web
menggunakan metode Single Exponential Smoothing (Studi
kasus : UD. Marulitua coffee)

Telah disidangkan dan dinyatakan Lulus Sidang Skripsi pada Program

Sarjana Strata 1, Program Studi Teknik Informatika Sekolah Tinggi Teknik – PLN
pada tanggal.

Nama Penguji Jabatan Tanda Tangan

Rakhmadi Irfansyah Putra,

1. Ketua Penguji
S.Kom.,MMSI

Riki Ruli Affandi S,

2. S.Kom.,M.Kom Sekretaris Penguji

Andi Dahroni,
3.
ST.,M.Kom Penguji

Mengetahui :
Kepala Departemen Informatika

(Meilia Nur Indah Susanti, ST., M.Kom)

ii
 PERNYATAAN KEASLIAN SKRIPSI

Nama : UBED SIHOMBING

NIM : 2015-31-094
Jurusan : Teknik Informatika
Judul Skripsi : Aplikasi peramalan penjualan biji kopi mentah
berbasis web menggunakan metode Single
Exponential Smoothing (Studi kasus : UD.
Marulitua coffee)

Dengan ini saya menyatakan bahwa dalam Skripsi ini tidak terdapat karya yang
pernah diajukan untuk memperoleh gelar Sarjana baik di lingkungan STT-PLN
maupun di suatu Perguruan Tinggi, dan sepanjang pengetahuan saya juga tidak
terdapat karya atau pendapat yang pernah ditulis atau diterbitkan oleh orang
lain, kecuali yang secara tertulis diacu dalam naskah ini dan disebutkan dalam
daftar pustaka. Pernyataan ini dibuat dengan penuh kesadaran dan rasa
tanggung jawab serta bersedia memikul segala resiko jika ternyata pernyataan
ini tidak benar.

Jakarta, Agustus2019

UBED SIHOMBING
NIM : 2015-31-094

iii
 UCAPAN TERIMA KASIH

Dengan ini saya menyampaikan penghargaan dan ucapan terima kasih yang
sebesar – besarnya kepada yang terhormat:

Herman Bedi Agtriadi, S.Si.,M.Kom Selaku Pembimbing I

Rahma Farah Ningrum, M.Kom Selaku Pembimbing II

Yang telah memberikan petunjuk, saran-saran serta bimbingannya sehingga

Skripsi ini dapat diselesaikan.

Terima kasih yang sama, saya sampaikan kepada :

Ibu Friska Hutabarat Selaku Direktur Perusahaan UD. Marulitua Coffee

Yang telah mengijinkan melakukan percobaan dan pengumpulan data di

Perusahaan UD. Marulitua Coffee.

Jakarta, Agustus 2018

UBED SIHOMBING
NIM : 2015-31-094

iv
 KATA PENGANTAR

Puji syukur penulis haturkan kehadirat Allah SWT karena atas limpahan rahmat
dan karunianya penulis dapat menyelesaikan sebuah skripsi yang berjudul
“Aplikasi Peramalan Penjualan Biji Kopi Mentah Berbasis Web
Menggunakan Metode Single Exponential Smoothing (Studi kasus : UD.
Marulitua coffee)”. Penulisan skripsi ini merupakan salah satu syarat untuk
menyelesaikan jenjang studi Strata 1 (S1) Teknik Informatika di Sekolah Tinggi
Teknik – PLN Jakarta.

Dalam penyusunannya, penulis banyak mendapat bimbingan, motivasi

dan bantuan baik moril maupun materi dari berbagai pihak. Oleh karena itu,
melalui kesempatan ini penulis ingin menyampaikan ucapan terima kasih kepada
:
1. Tuhan Yang Maha Esa atas rahmatnya, penulis masih dapat
menyelesaikan pembuatan skripsi hingga selesai.
2. Ibu Meilia Nur Indah Susanti, ST, M.Kom, selaku Ketua Jurusan Teknik
Informatika STT-PLN dan Bapak Abdurrasyid, S. Kom, MMSI selaku
Sekretaris Jurusan Teknik Informatika STT-PLN.
3. Bapak Herman Bedi Agtriadi, S.Si.,M.Kom dan Ibu Rahma Farah
Ningrum, M.Kom selaku pembimbing yang telah banyak meluangkan
waktunya untuk memberikan nasihat, arahan serta bantuan dalam
memecahkan berbabagai permasalahan yang dihadapi penulis dalam
penyusunan skripsi ini.
4. Keluarga, terutama Mamak, Bapak, Kaka, Abang dan Adek yang saya
sayangi, terima kasih atas bantuan, dukungan, perhatian dan do’a
sehingga memotivasi penulis dalam penulisan skripsi ini.
5. Semua dosen STT-PLN, terutama dosen Informatika STT-PLN yang telah
memberikan ilmu yang bermanfaat selama penulis menimba ilmu di
kampus ini.
6. Dan semua pihak yang tidak dapat penulis sebutkan satu persatu yang
telah memberikan dukungan sehingga laporan ini selesai tepat pada
waktunya.
v
 Semoga Allah SWT memberikan berkah dan rahmat-Nya kepada semua
pihak atas segala jasa dan bantuannya kepada penulis selama ini.Penulis
menyadari sepenuhnya bahwa di dalam penulisan skripsi ini masih banyak
kekurangannya dan masih jauh dari sempurna, oleh karena itu dengan segala
kerendahan hati penulis berharap saran dan kritik demi perbaikan-perbaikan
lebih lanjut.
Terima kasih, dan semoga skripsi ini dapat memberikan manfaat bagi siapa
saja yang membacanya dan memberika sumbangsih positif bagi kita semua.

Jakarta, Agustus 2018

Penulis

vi
 HALAMAN PERNYATAAN PERSETUJUAN PUBLIKASI
TUGAS AKHIR UNTUK KEPENTINGAN AKADEMIS

Sebagai sivitas akademika Sekolah Tinggi Teknik - PLN, saya yang bertanda
tangan di bawah ini:
Nama : Ubed Sihombing
NIM : 2015-31-094
Program Studi : Strata Satu
Jurusan : Teknik Informatika
Jenis karya : Skripsi

Demi pengembangan ilmu pengetahuan, menyetujui untuk memberikan kepada

Sekolah Tinggi Teknik - PLN Hak Bebas Royalti Non eksklusif (Nonexclusive
Royalty Free Right) atas karya ilmiah saya yang berjudul : Aplikasi Peramalan
Penjualan Biji Kopi Mentah Berbasis Web Menggunakan Metode Single
Exponential Smoothing (Studi kasus : UD. Marulitua coffee). Beserta
perangkat yang ada (jika diperlukan). Dengan Hak Bebas Royalti Non eksklusif
ini Sekolah Tinggi Teknik-PLN berhak menyimpan, mengalih media/formatkan,
mengelola dalam bentuk pangkalan data (database), merawat, dan
mempublikasikan Tugas Akhir saya selama tetap mencantumkan nama saya
sebagai penulis/pencipta dan sebagai pemilik Hak Cipta. Demikian pernyataan
ini saya buat dengan sebenarnya.

Dibuat di : ……………………
Pada tanggal : …………………….
Yang menyatakan

(Ubed Sihombing)

vii
APLIKASI PERAMALAN PENJUALAN BIJI KOPI MENTAH BERBASIS WEB
MENGGUNAKAN METODE SINGLE EXPONENTIAL SMOOTHING
(STUDI KASUS : UD. MARULITUA COFFEE)

Ubed Sihombing (2015-31-094)

Dibawah bimbingan Bedi Agtriadi, S.Si., M.Kom
dan Rahma Farah Ningrum, M.Kom

ABSTRAK

Proses jual beli pada suatu usaha memerluka adanya peramalan. Peramalan
penjualan biji kopi mentah bertujuan untuk menyeimbangkan proses penjualan
dimana peramalan merupakan alternatif untuk mengambil keputusan dalam
sebuah usaha untuk mempersiapkan proses bisnis yang tepat. Aplikasi
peramalan penjualan biji kopi mentah berbasis Web ini menggunakan metode
Single Exponential Smoothing. Dalam penerapan metode Single Exponential
Smoothing akan berguna untuk menghitung dengan penghalusan data-data
yang sudah ada sebelumnya serta melihat angka penjualan di bulan atau
periode selanjutnya untuk mendapatkan keputusan dalam memenuhi permintaan
konsumen. Pada penerapan metode Single Exponential Smoothing ini
menggunakan data penjualan kurang lebih dua tahun (2017 - 2018). Dari hasil
perhitungan tersebut dilakukan perbandingan nilai selisih tekecil dari 0.1 - 0.9
dilakukan akurasi dengan RMSE dihasilkan α (0.9) = 77 tingkat akurasi yang
lebih baik dengan selisih lebih sedikit dan stabil. Dari konstanta α = 0.9
perhitungan 24 data penjualan terdapat 75% kesesuaian antara nilai peramalan
dengan nilai penjualan sebenarnya.

Kata Kunci : Penjualan, Biji Kopi, Peramalan, Single Exponential Smoothing.

viii
APPLICATION FORECASTING SALES COFFEE BEANS WEB-BASED RAW
USING THE SINGLE EXPONENTIAL SMOOTHING METHOD
(CASE STUDY : UD. MARULITUA COFFEE)

Ubed Sihombing (2015-31-094)

Under the guidance of Bedi Agtriadi, S.Si., M.Kom
and Rahma Farah Ningrum, M.Kom

ABSTRACT

The process of buying and selling in a business requires the existence of

forecasting. Forecasting the sale of raw coffee beans to balance the sales
process where forecasting is an alternative to making decisions in an effort to
prepare the right business process. This forecasting application for selling Web-
based raw coffee beans uses the Single Exponential Smoothing method. In the
application of the Single Exponential Smoothing method it will be useful to
calculate the refinement of pre-existing data and view sales figures in the next
month or period to get results according to buyer demand. The application of the
Single Exponential Smoothing method uses sales data of less than two years
(2017 - 2018). From the results of calculations performed the calculation of the
difference in value from 0.1 to 0.9 performed with RMSE produces α (0.9) = 77
better accuracy with a smaller and stable difference. From the constant α = 0.9
calculation 24 sales data, there is a 75% conformity between the forecast value
and the actual sales value.

Keywords: Sales, Coffee Beans, Forecasting, Single Exponential Smoothing.

ix
 DAFTAR ISI

LEMBAR PENGESAHAN TIM PENGUJI .......................................................... ii

PERNYATAAN KEASLIAN SKRIPSI ............................................................... iii
UCAPAN TERIMA KASIH................................................................................. iv
KATA PENGANTAR .......................................................................................... v
HALAMAN PERNYATAAN .............................................................................. vii
ABSTRAK ....................................................................................................... viii
ABSTRACT ....................................................................................................... ix
DAFTAR ISI ........................................................................................................ x
DAFTAR TABEL ............................................................................................. xiii
DAFTAR GAMBAR ......................................................................................... xiv
DAFTAR LAMPIRAN ...................................................................................... xvi
BAB I PENDAHULUAN ..................................................................................... 1
1.1 Latar Belakang....................................................................................... 1
1.2 Permasalahan Penelitian ....................................................................... 2
1.2.1 Identifikasi Masalah.............................................................................. 2
1.2.2 Ruang Lingkup Masalah ...................................................................... 3
1.2.3 Rumusan Masalah ............................................................................... 3
1.3 Tujuan dan Manfaat Penelitian .............................................................. 3
1.3.1 Tujuan Penelitian .................................................................................. 3
1.3.2 Manfaat Penelitian ................................................................................. 4
1.4 Sistematika Penulisan ........................................................................... 5
BAB II LANDASAN TEORI ................................................................................ 6
2.1 Tinjauan Pustaka ................................................................................... 6
2.2 Landasan Teori .................................................................................... 12
2.2.1 Forecasting (Peramalan).................................................................... 12
2.2.2 Penjualan ........................................................................................... 13
2.2.3 Aplikasi............................................................................................... 13
2.2.4 Single Exponenetial Smoothing ......................................................... 15
2.2.5 Website .............................................................................................. 16
x
 2.2.6 PHP.................................................................................................... 17
2.2.7 Xampp................................................................................................ 17
2.2.8 MySQL ............................................................................................... 18
2.2.9 Adobe DreamWeaver......................................................................... 19
2.2.10 UML ................................................................................................... 19
2.2.11 Metode Waterfal…………………………………………………………...27
2.3 Kerangka pemikiran ............................................................................. 29
2.4 Metode BlackBox Testing .................................................................... 30
BAB III METODE PENELITIAN ....................................................................... 31
3.1 Diagram Alir Tahapan Penelitian ......................................................... 31
3.1.1 Analisa Masalah ................................................................................. 32
3.1.2 Pengumpulan Data ............................................................................ 32
3.1.3 Analisa Sistem ................................................................................... 32
3.1.4 Perancangan sistem .......................................................................... 33
3.1.5 Pengujian ........................................................................................... 33
3.1.6 Dokumentasi dan Pembuatan Laporan .............................................. 33
3.2 Analisa Kebutuhan............................................................................... 34
3.2.1 Analisis Spesifikasi Perangkat Lunak dan perangkat Keras .............. 34
3.2.2 Analisa Sistem Berjalan ..................................................................... 35
3.2.3 Analisis Pengguna ............................................................................. 36
3.2.4 Analisis Data ...................................................................................... 36
3.2.5 Sistem Usulan .................................................................................... 36
3.3 Perancangan Sistem ........................................................................... 38
3.3.1 Use Case Diagram ............................................................................. 39
3.3.2 Activity Diagram ................................................................................. 42
3.3.3 Class Diagram ................................................................................... 47
3.3.4 Squence Diagram .............................................................................. 47
3.3.5 Relasi Antar Tabel ............................................................................. 53
3.4 Teknik Analisis ..................................................................................... 61
3.4.1 Analisis Antarmuka Aplikasi ............................................................... 61
3.4.2 Analisis Metode .................................................................................. 63
BAB IV HASIL DAN PEMBAHASAN.............................................................. 68

xi
 4.1 Hasil..................................................................................................... 68
4.1.1 Halaman Awal Aplikasi....................................................................... 68
4.1.2 Halaman Login Admin dan User Aplikasi .......................................... 68
4.1.3 Halaman Dasboard Admin ................................................................. 69
4.1.4 Halaman Input & Data User ............................................................... 70
4.1.5 Halaman Contact Admin .................................................................... 71
4.1.6 Halaman Input & Data Produk ........................................................... 71
4.1.7 Halaman Input & Data Penjualan ...................................................... 72
4.1.8 Halaman View Penjualan Detail ......................................................... 73
4.1.9 Halaman Forecasting Admin dan User .............................................. 74
4.1.10 Halaman Logout ................................................................................. 76
4.1.11 Halaman Dashbor User...................................................................... 76
4.1.12 Halaman Contact Dashbor ................................................................. 77
4.2 Pembahasan........................................................................................ 78
4.3 Pengujian Sistem ................................................................................. 82
BAB V PENUTUP ........................................................................................... 84
5.1 Kesimpulan .......................................................................................... 84
5.2 Saran ................................................................................................... 84
DAFTAR PUSTAKA ......................................................................................... 86
LAMPIRAN – LAMPIRAN ................................................................................ 89

xii
 DAFTAR TABEL
Table 2. 1 Simbol Use Case Diagram…………………………………………….23
Table 2. 2 Simbol Class Diagram………………………………………………….25
Table 2. 3 Multiplicity……………………………………………………………......27
Table 2. 4 Simbol Activity Diagram………………………………………………..28
Table 2. 5 Simbol Sequence Diagram……………………………………………29
Table 2. 6 Simbol-simbol…………………………………………………………...34
Table 3. 1 Skenario Admin…………………………………………………………49
Table 3. 2 Skenario User…………………………………………………………...50
Table 3. 3 Struktur Tabel User………………………………………………….....63
Table 3. 4 Struktur Tabel Kontak…………………………………………………..63
Table 3. 5 Struktur Tabel Produk…………………………………………………..64
Table 3. 6 Struktur Tabel Penjualan……………………………………………….64
Table 3. 7 Struktur Tabel Penjualan Detail…….………………………………...64
Table 3. 8 Teknik Analisis ………………………………………………………….70
Table 3. 9 Contoh Perhitungan Single Exponential Smoothing……………..72
Table 3. 10 Perhitungan RMSE ……………………………………………….…74
Table 4. 1 Pengujian Aplikasi………………………………………………………90

xiii
 DAFTAR GAMBAR
Gambar 2. 1 Notasi Class di UML .................................................................... 24
Gambar 2. 2 Gambaran Metode Waterfal ......................................................... 27
Gambar 2. 3 Kerangka Pemikiran ..................................................................... 29
Gambar 3.1 Diagram Alir Tahapan Penelitian .................................................. 31
Gambar 3.2 Alur Sistem Berjalan…………………………………………………..44
Gambar 3.3 Alur Sistem Usulan……………………………………………………46
Gambar 3.4 Use Case Diagram…………………………………………………….48
Gambar 3.5 Activity Diagram login………………………………………………....51
Gambar 3.5 Activity Diagram User………………………………………………....52
Gambar 3.7 Activity Diagram Produk……………………………………..............52
Gambar 3.8 Activity Diagram Penjualan…………………………………………..53
Gambar 3.9 Activity Diagram Forecasting ………………………………………..54
Gambar 3.10 Activity Diagram Cetak Data……………………………………………………54
Gambar 3.11 Activity Diagram Unduh Data……………………………………………………55
Gambar 3.12 Class Diagram…………………………………………………………………………56
Gambar 3.13 Squence Diagram Login Admin…………………………………………………57
Gambar 3.14 Squence Diagram Input Data User………………………………………......58
Gambar 3.15 Squence Diagram Input Data Produk…………………………………….....59
Gambar 3.16 Squence Diagram Input Data Penjualan ………………………………......60

Gambar 3.17 Squence Diagram Forecasting…………………………………………………..61

Gambar 3.18 Squence Diagram cetak data…………………………………………………….61
Gambar 3.19 Squence Diagram Unduh Data………………………………………………….62
Gambar 3.20 Gambar Perancangan Basis Data……………………………………………..62
Gambar 3.21 Rancangan form halaman Utama………………………………….65
Gambar 3.22 Rancangan form halaman login…………………………………….65
Gambar 3.23 Rancangan halaman awal Admin………………………………….66
Gambar 3.24 Rancangan halaman awal User…………………………………...66
Gambar 3.25 Rancangan halaman data User…………………………………….67
Gambar 3.26 Rancangan halaman Form input data Produk (Admin) ………...67
Gambar 3.27 Rancangan halaman Form input data Penjualan………………68
Gambar 3.28 Rancangan halaman data penjualan detail…………………….68

xiv
Gambar 3.29 Rancangan halaman forecasting…………………………………..69
Gambar 3.30 Rancangan halaman logout………………………………………..69
Gambar 4. 1 Halaman Awal Aplikasi……………………………………………….76
Gambar 4. 2 Halaman Login………………………………………………………..77
Gambar 4. 3 Halaman Dashboard Admin………………………………………...77
Gambar 4. 4 Halaman Input Data User……………………………………………78
Gambar 4. 6 View Data User…………………………………………………….....78
Gambar 4. 7 Halaman Contact Admin…………………………………………….79
Gambar 4. 8 Halaman Input Produk……………………………………………….79
Gambar 4. 9 View Data Produk…………………………………………………….80
Gambar 4. 10 Halaman Input Data Penjualan…………………………………….80
Gambar 4. 11 View Data Penjualan………………………………………………..81
Gambar 4. 12 Halaman Input Penjualan Detail…………………………………..81
Gambar 4. 13 Halaman Data Penjualan Detail…………………………………...82
Gambar 4. 14 Halaman Forecasting………………………………………………82
Gambar 4. 15 Halaman Perhitungan Forecasting……………………………….83
Gambar 4. 16 Halaman Grafik Forecasting……………………………………….84
Gambar 4. 17 Halaman Logout……………………………………………………..84
Gambar 4. 18 Halaman Dashbor User…………………………………………….85
Gambar 4. 19 Contat Halaman Utama…………………………………………….85
Gambar 4. 20 Forecasting Inputan di Aplikasi …………………………………...87
Gambar 4. 21 Forecasting Formula perhitungan di Aplikasi…………………… 87
Gambar 4. 22 Forecasting Perhitungan Excel…………………………………….88
Gambar 4. 23 Forecasting Perhitungan Nilai Error Excel………………………88
Gambar 4. 24 Grafik Forecasting dan Aktual……………………………………..98

xv
 DAFTAR LAMPIRAN
Lampiran 1.1 Surat Permohonan Penelitian……………………………………..89
Lampiran 1.2 Surat Balasan Penelitian …………………………………….......90
Lampiran 1.3 Lembar Bimbingan Skripsi……………………………………........91
Lampiran 1.4 Daftar Pertanyaan Wawancara….………………………………...92
Lampiran 1.5 Data Penelitian………………………………………………………96
Lampiran 1.5 Lampiran Penguji…………………………………………………..101

xvi
 BAB I
PENDAHULUAN
1.1 Latar Belakang
Usaha bisnis kopi di Indonesia tahun demi tahun semakin meningkat
kemajuannya. Kopi berkualitas yang dihasilkan dari beberapa daerah di
Indonesia, semakin diakui dan diminati oleh dunia.
Peramalan adalah suatu metode untuk memperkirakan suatu nilai
dimasa depan dengan menggunakan data masa lalu. Peramalan pejualan
merupakan hal yang penting dalam sebuah toko atau perusahaan karena
dengan menggunakan peramalan, toko dapat memprediksi jumlah barang yang
harus ada di dalam gudang. Stok barang yang terlalu banyak dan terlalu sedikit
ini disebabkan oleh pemilik toko ataupun usaha yang tidak tahu seberapa
banyak barang yang akan terjual dari permintaan pelanggan untuk periode
berikutnya.
Usaha Dagang Marulitua Coffee yang berdiri sejak tahun 2014 yang
terletak di Jln. Sibuntuon Dolok Kecamatan Lintongnihuta adalah suatu
perusahaan yang mengepul biji kopi mentah dari petani sekitar dan menjual
kembali ke perusahaan yang lebih besar. Perusahaan ini merupakan
perusahaan penjual biji kopi mentah terbesar di daerah Kecamatan Lintong
Nihuta Sumatera Utara. Namun Perusahaan ini memiliki beberapa kendala
diantaranya transaksi yang dilakukan dalam proses jual beli biji kopi masih
manual yaitu pencatatan menggunakan kwitansi dan pembukuan saja,
kemudian perusahan tidak pernah dan tidak memiliki sistem untuk meramalkan
penjualan yang akan datang sehingga tak jarang stok barang dalam
perusahaan kadang terlalu sedikit dan terlalu banyak. Akibat tidak adanya
sistem peramalan perusahaan terus menampung biji kopi dari petani tanpa
mengetahui perkiraan yang akan di jual kembali yang berujung pada kerugian.
Peramalan jumlah penjualan kedepannya sangat berguna untuk UD. Marulitua
Coffee dimana dapat di gunakan untuk menentukan berapa banyak biji kopi
yang akan ditampung kemudian dipersiapkan untuk di jual kembali pada bulan
selanjutnya. Perencanaan yang baik untuk jangka panjang maupun jangka
pendek bergantung pada peramalan permintaan biji kopi.

1
 Untuk menghasilkan prediksi yang tepat tentu saja dibutuhkan
kecermatan dan ketelitian. Berdasarkan alasan di atas, akhirnya peneliti ingin
membuat suatu sistem prediksi penjualan biji kopi dengan menggunakan
metode single exponential smoothing. Metode single exponential smoothing
tersebut akan berusaha mendapatkan ramalan penjualan dan dapat diketahui
gambaran fluktuasi penjualan. Dalam metode ini peramalan dilakukan dengan
mengulang perhitungan secara terus-menerus dengan menggunakan data
terbaru dan data sebelumnya dengan alpha 0.1 – 0.9 (Okwara, 2013).
Berdasarkan permasalahan yang telah diuraikan, maka penulis tertarik
mengambil judul ”Aplikasi Peramalan Penjualan Biji Kopi Pada UD.
Marulitua Coffee Menggunakan Metode Single Exponential Smoothing
Berbasis WEB. Diharapkan dengan adanya sistem informasi ini, dapat
meramalkan penjualan barang dan menambah tingkat kinerja dan pelayanan
terhadap para pelanggan dan mengambil keputusan untuk masa mendatang.

1.2 Permasalahan Penelitian

Dalam penulisan ini permasalahan penelitian dibagi kedalam tiga sub
bab yaitu, identifikasi masalah, ruang lingkup masalah dan rumusan masalah.
Adapun penjelasannya adalah sebagai berikut :

1.2.1 Identifikasi Masalah

Berdasarkan uraian singkat pada latar belakang masalah yang dibahas,
Identifikasi masalah dilakukan dengan cara mempelajari masalah-masalah
yang timbul dalam penjualan biji kopi. Namun dalam proses tersebut terdapat
kendala yang dapat menghambat proses itu sendiri seperti :

1) Sistem pengelolaan transaksi bisnis jualbeli pada UD. Marulitua

Coffee masih secara manual yang di tulis dalam pembukuan.

2) Belum adanya proses peramalan yang digunakan untuk mengetahui

perkiraan penjualan biji kopi pada UD. Marulitua Coffee.

3) Permintaan kopi yang fluktuatif dari pelanggan berakibat kesalahan

dalam perkiraan penjualan selanjutnya.

2
1.2.2 Ruang Lingkup Masalah
Pada penelitian ini, adapun ruang lingkup masalah yang ditentukan
meliputi :
1) Data yang digunakan adalah data 2 tahun terakhir penjualan yang
terdapat di UD. Maruitua Coffee.
2) Berapa hasil peramalan penjualan biji kopi tahun 2019.
3) Metode yang digunakan adalah Single Exponential Smoothing.

1.2.3 Rumusan Masalah

Berdasarkan latar belakang yang di kemukakan diatas, maka masalah
yang dihadapi adalah sebagai berikut :
1) Bagaimana merancang Aplikasi Peramalan Penjualan Biji Kopi
Mentah pada Perusahaan UD. Marulitua Coffee?
2) Bagaimana penerapan metode Single Exponential Smoothing pada
peramalan penjualan biji kopi di UD. Marulitua Coffee?
3) Bagaimana menentukan tingkat akurasi peramalan dalam
mengetahui angka penjualan biji kopi menggunakan metode Single
Exponential Smoothing?
4) Berapa besar hasil peramalan (forecasting) Penjulan Biji Kopi pada
UD. Marulitua Coffee?

1.3 Tujuan dan Manfaat Penelitian

1.3.1 Tujuan Penelitian
1) Membangun suatu Aplikasi peramalan penjualan biji kopi pada UD.
Marulitua Coffee dengan menggunakan metode Single Exponential
Smoothing.
2) Untuk mengetahui dan menganalisis metode Single Exponential
Smoothing pada peramalan penjualan biji kopi pada UD. Marulitua
Coffee.
3) Untuk mengetahui ramalan penjualan biji kopi pada UD. Marulitua
Coffee.
4) Aplikasi peramalan penjualan tersebut dapat di gunakan secara
komputerisasi.

3
 5) Pengimplementasian aplikasi dapat digunakan untuk berbagai
perusahaan di bagian usaha dagang lainnya
1.3.2 Manfaat Penelitian
1) Sebagai bahan pertimbangan bagi pengambil keputusan dalam
memprediksi penjualan biji kopi di perusahaan dalam hal ini UD.
Marulitua Coffee.
2) Mempermudah perusahaan dalam menjalankan proses bisnis
secara komputerisasi.
3) Membantu perusahan dalam mengelola pemasokan kopi.
4) Agar perusahaan dapat menyeimbangkan antara stok tersedia
dalam gudang dengan penjualan selanjutnya.
5) Menghemat waktu, tenaga dan biaya dalam penjualan biji kopi
selanjutnya.

4
1.4 Sistematika Penulisan
Untuk memudahkan penelitian dan menganalisa, penulis membagi
sistematika penulisan menjadi lima bab, yaitu:

BAB I PENDAHULUAN
Bab ini menerangkan tentang latar belakang masalah, serta memberikan
batasan yang jelas, menentukan rumusan masalah, mengemukakan tujuan
yang ingin dicapai dan manfaat yang didapat, serta memaparkan sistematika
penulisan.

BAB II LANDASAN TEORI

Bab kedua ini membahas tentang teori-teori yang berasal dari literatur-literatur
yang mendukung penyusunan skripsi ini.

BAB III METODE PENELITIAN

Bab ini menjelaskan tentang kerangka pemikiran secara alur diagram yang
merupakan seluruh langkah kegiatan penelitian, mulai dari identifikasi masalah,
pengumpulan data, analisa kebutuhan, perancangan, perangkat penelitian yang
digunakan, waktu dan lokasi penelitian.

BAB IV HASIL DAN PEMBAHASAN

Bab ini menjelaskan bagaimana hasil akhir dari semua tahap penelitian
termasuk implementasi dan pengujian sistem.

BAB V PENUTUP
Bab ini menjelaskan kesimpulan yang diperoleh dari hasil perancangan aplikasi
yang telah dilakukan.Selain itu, diberikan saran yang bersifat konstruktif guna
meningkatkan kinerja sistem di masa mendatang.

5
 BAB II
LANDASAN TEORI

2.1 Tinjauan Pustaka

Tinjauan pustaka yang dilakukan dengan melakukan perbandingan
penelitian sejenis dengan studi literatue yang sama yang digunakan untuk
dapat dijadikan bahan pertimbangan dan diharapkan membantu dalam
membuat sitem baru.

1) Analisis Peramalan Penjualan Comforta’s Bed Jenis Super Star Pada

Pt.Massindo Terang Perkasa Makassar. (Karanga, Feni T, 2016). Tujuan
dilaksanakannya penelitian ini ialah membuat keputusan yang tepat
mengenai perkiraan jumlah penjualan dengan meminimumkan kesalahan
peramalan, sehingga didapatkan metode paling tepat untuk diterapkan PT.
Massindo Terang Perkasa Makassar. Berdasarkan hasil penelitian
diperoleh bahwa metode yang paling tepat untuk diterapkan dalam
meramalkan penjualan April 2016 oleh PT. Massindo Terang Perkasa
Makassar pada produk Comforta’s Bed jenis Super Star (Uk.120x200cm)
adalah metode Weighted Moving Averages, dengan hasil peramalan
sebesar 78 unit penjualan, pada produk Super Star (Uk.160x200cm)
adalah Exponential Smoothing (α=0,1), dengan hasil peramalan sebesar
51 unit penjualan, dan pada produk Super Star (Uk.180x200cm) adalah
Exponensial Smoothing (α=0,5), dengan hasil peramalan sebesar 70 unit
penjualan.

2) Rancang Bangun Sistem Informasi Penjualan Biji Kopi Dan

Pengelolaan Kedai Mr. Coffee Surabaya. (Ika Widyasari Hutagalung,
Henry Bambang Setyawan, Ignatius Adrian Mastan, 2016). Pada penelitian
ini rancang bangun sistem informasi penjualan pada kedai Mr. Coffee
Surabaya bahwa aplikasi yang dihasilkan dapat membantu perusahaan
dalam hal ; Pertama sistem ini mamapu melayani penjualan kopi berbasis
web yang dapat mempermudah customer dan pihak pelanggan dalam
berinteraksi jarak jauh. Kedua aplikasi yang dibuat juga mampu digunakan

6
 sebagai media promosi terutama produk promo dan best seller hingga
produk baru sehingga dapat menghemat biaya promosi.

3) Analisis Peramalan Penjualan Produk Keripik Pisang Kemasan

Bungkus (Studi Kasus : Home Industry Arwana Food Tembilahan).
(Wardah, Iskandar, Accepted: August 15, 2016). Penelitian ini dilakukan
pada Home Industry Arwana Food. Pada penelitian ini, penulis membahas
mengenai analisis peramalan penjualan produk kripik pisang untuk jenis
kemasan bungkus. Peramalan yang dilakukan mengggunakan tiga metode
yaitu metode Moving Average, metode Exponential Smoothing with Trend
dan metode Trend Anayisis dengan membandingkan tingkat kesalahan
(error) terkecil, maka metode peramalan yang terpilih yaitu metode Trend
Analysis, dengan nilai MAD sebesar 161,3539, MSE sebesar 55744,16,
dan standar error sebesar 242,947. Dari analisis pengolahan data yang
telah dilakukan berdasarkan metode peramalan yang terpilih, peramalan
penjualan terhadap produk kripik pisang jenis kemasan bungkus adalah
sebanyak 1121,424 atau 1122 bungkus/bulan, artinya pihak Home Industry
Arwana Food Tembilahan harus menyediakan produk kripik pisang
kemasan bungkus adalah sebanyak 1122 bungkus untuk tiap bulannya.

4) Sistem Prediksi Penjualan Gamis Toko Qitaz Menggunakan Metode

Single Exponential Smoothing. (Salman Alfarisi, 2017). Berdasarkan
hasil penelitian dan uraian tersebut diatas maka. Peneliti membuat
kesimpulan yakni hasil perhitungan dengan metode Single Exponential
Smoothing digunakan untuk peramalan dalam jangka pendek biasanya
satu bulan kedepan. Data dari hasil perhitungannya berfluktuasi disekitar
nilai mean (rata-rata) yang tetap tanpa trend dan pertumbuhan. Dengan
dibuatnya sistem aplikasi dari Single Exponential Smoothing, diharapkan
pemilik toko Qitaz akan lebih mudah untuk menyimpan data penjualan
gamisnya, menghitung nilai peramalan untuk periode berikutnya dan
membuat laporan hasil perhitungan peramalan secara cepat dan akurat.
Sehingga tujuan dan manfaat dari penelitian ini yaitu pendapatan optimal
dan efisiensi biaya dapat tercapai.

7
5) Peramalan Penjualan Obat Menggunakan Metode Single Exponential
Smoothing Pada Toko Obatbintang Geurugok (Sayed Fachrurrazi,
2015). Pada penelitian ini penulis menggunakan Single Exponential
Smoothing untuk melakukan perbandingan dalam menentukan nilai alpha,
dengan mencari nilai alpha tersebut secara trial/acak sampai menemukan
alpha yang memiliki error minimum dengan pencarian menggunakan
metode MSE (Mean Square Error). Maka hasil peramalan yang memiliki
alpha dengan nilai error paling minimumlah yang akan dipilih menjadi
peramalan untuk periode selanjutnya. Sistem peramalan penjualan obat
menggunakan metode Single Exponenial Smoothing hanya dapat
meramalkan satu periode kedepan. Pada tahap uji sampel didapat bahwa
peramalan penjualan obat pada obat Ambeven bulan Maret 2015
berjumlah 49 tablet. Penelitian menghasilkan sebuah aplikasi sistem
Peramalan Persediaan Obat Menggunakan Metode Single Exponential
Smoothing yang dapat digunakan untuk meramalkan jumlah persediaan
obat. Dengan mencari nilai alpha tersebut secata trial/acak sampai
menemukan alpha yang memiliki error yang minimum.Maka hasil
peramalan yang memiliki alpha dengan nilai error paling minimumlah yang
paling baik.

6) Peramalan Penjualan Dengan Metode Exponential Smoothing (Studi

Kasus : Penjualan Bakso Kemasaan/Kiloan Rumah Bakso Bang Ipul).
(Hisyam Ihsan, Rahmat Syam, Fahrul Ahmad, April 2018). Pada penelitian
ini dilakukan peramalan dengan metode exponential smoothing. Adapun
parameter atau a yang digunakan dalam meramalkan penjualan adalah a =
0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8, dan 0.9. Singel exponential smoothing
melakukan perbandingan dalam menentukan nilai a, dengan mencari nilai
a tersebut secara trial and error sampai menemukan a yang memiliki error
minimum dengan pencarian menggunakan metode mean absolute error
(MAE) dan metode Mean Squaered error (MSE). Sehingga dipilih a = 0.1
dengan nilai MAE = 6.23 dan nilai MSE = 58.32. berdasarkan hasil ini,
dengan menggunakan metode singel exponential smoothing dan a =0.1

8
 diperoleh hasil peramalan penjualan bakso bang ipul pada bulan juni 2018
sebanyak 48 kilogram.

7) Analisis Metode Single Exponential Smoothing Dengan Brown

Exponential Smoothing Pada Studi KasusMemprediksi Kuantiti
Penjualan Produk Farmasidi Apotek (Gustriansyah, 2017). Pada
penelitian ini penulis memaparkan bahwa Prediksi kuantiti penjualan
produk di masa depan dimaksudkan untuk mengendalikan jumlah stok
produk yang ada, agar kekurangan atau kelebihan stok produk dapat
diminimalkan. Ketika kuantiti penjualan dapat diprediksi dengan akurat
maka pemenuhan permintaan konsumen dapat diusahakan tepat waktu
dan kerjasama perusahaan dengan relasi tetap terjaga dengan baik
sehingga perusahaan dapat terhindar dari kehilangan penjualan maupun
konsumen. Penelitian ini bertujuan untuk menganalisis akurasi prediksi
kuantiti penjualan produk farmasi di apotek dengan menggunakan
metode Single Exponential Smoothing (SES) dibandingkan dengan
menggunakan metode Brown Exponential Smoothing (BES), sehingga
akan diperoleh metode yang lebih akurat untuk memprediksi kuantiti
penjualan produk farmasi di apotek. Persentase nilai kesalahan prediksi
merupakan kriteria terpenting dalam menganalisis akurasi prediksi dari
kedua metode ini. Hasil penelitian menunjukan bahwa persentase rata-
rata kesalahan prediksi kuantiti penjualan produk farmasi menggunakan
metode SES dengan nilai parameter smoothing α=0.5 merupakan metode
yang memiliki akurasi prediksi yang paling tinggi (MAPE=1.14%)
dibandingkan dengan menggunakan metode BES.

8) Comparison of Exponential Smoothing Methods in Forecasting Palm

Oil Real Production. (B Siregar,IA Butar-Butar, RF Rahmat, U Andayani
and F Fahmi, 2017). Pada penelitian ini di jelaskan bahwa Target produksi
di masa depan hanya dapat diharapkan jika data produksi tahun
sebelumnya tersedia dan berkualitas baik. Di dalam perkebunan target
produksi dihitung dengan melihat produksi tahun-tahun sebelumnya yang
dilakukan dengan perhitungan manual. Oleh karena itu diperlukan suatu

9
 metode yang dapat memberikan informasi mengenai perkiraan produksi
sebagai referensi dalam menentukan rencana perusahaan target produksi
yang lebih realistis. Penelitian tentang perkiraan produksi minyak kelapa
sawit telah dilakukan dengan beberapa metode.Metode yang ada termasuk
metode penggunaan kausal dan time-series.Penelitian yang dilakukan
pada 2013 menggunakan dua metode untuk membandingkan perkiraan
produksi. Minyak kelapa sawit digunakan dalam bentuk beberapa metode
regresi sebab-akibat dan metode deret waktu seperti perataan
eksponensial. Dalam tes, nilai Mean Absolute Perscentage Error (MAPE)
yang diperoleh menggunakan regresi adalah 21: 08% sedangkan nilai
MAPE yang diperoleh dengan menggunakan metode smoothing
eksponensial adalah 12,78% per tahun. Beberapa tes dilakukan untuk
mengetahui kinerja sistem Palm dalam meramalkan realisasiproduksi
minyak menggunakan metode smoothing eksponensial. Berdasarkan draft
langkah-langkah penelitian, maka masing-masing dataakan diproses
menggunakan tiga metode yang telah disebutkan. Menguji parameter untuk
ketiga metode dengan kombinasi parameter yang berbeda digunakan.
Selain bisa memilih kombinasi secara manualparameter, sistem juga dapat
mencari mengoptimalkan parameter yang menghasilkan kesalahan
terkecil.Dengan mengeksekusi model persamaan pemulusan eksponensial
dengan bantuan perangkat lunak R, perbandingandibuat antara hasil yang
diperoleh dari model dengan hasil pengamatan untuk setiap
metode.Dibandingkan dengan metode pemulusan eksponensial lainnya,
aditif pemulusan eksponensial tiga dapat memberikan perkiraan yang lebih
baik dari produksi nyata minyak kelapa sawit dengan parameter yang
disarankan sebagai hasil dari penelitian ini.

9) Electricity Load Forecasting using Hybrid of Multiplicative Double

Seasonal Exponential Smoothing Model with Artificial Neural Network.
(Osamah Basheer Shukur, Naam Salem Fadhil, Muhammad Hisyam Lee,
Maizah Hura Ahmad, 2014). Penelitian ini menunjukkan bahwa peramalan
beban listrik menggunakan model pemulusan eksponensial DS lebih cocok.
Menggunakan jaringan syaraf tiruan (JST) sebagai pendekatan modern

10
 dapat digunakan untuk perkiraan peramalan yang unggul, karena
pendekatan ini dapat menangani komponen non-linearitas dari data beban.
Tujuan dari makalah ini adalah untuk meningkatkan peramalan beban listrik
dengan membangun model hibrida yang mencakup perataan eksponensial
musiman ganda dengan jaringan saraf tiruan. Model hybrid ini akan
mempelajari efek musiman ganda dan komponen non-linearitas bersama-
sama berdasarkan data beban listrik. Strategi membangun model hybrid ini
adalah dengan memasukkan output JST sebagai input dalam model
smoothing eksponensial musiman ganda. Set data diambil dari tiga stasiun
dengan karakteristik beban listrik yang berbeda seperti pusat perumahan,
industri dan kota. Perkiraan pengujian beban listrik model hibrid
eksponensial-JST DS memberikan pengukuran kesalahan persentase
absolut rata-rata (MAPE) yang paling minimum dibandingkan dengan
perkiraan pengujian beban listrik perataan eksponensial linearitas.DS dan
JST untuk semua set data beban listrik. Kesimpulannya, model DS
eksponensial smoothing-JST hybrid adalah yang paling pas untuk setiap
data beban listrik yang berisi efek musiman ganda dan komponen non-
linearitas

10) Oil-Price Forecasting Based on Various Univariate Time-Series Models

(Gurudeo Anand Tularam, Tareq Saeed,2016). Pada makalah ini
mengeksplorasi sifat prediksi statistik dengan menyajikan analisis deret
waktu untuk data harga minyak. Tiga jenis model deret waktu univariat
diselidiki: ES, HW dan ARIMA. Kami menentukan kualitasnya perkiraan
mereka dengan membandingkan hasil model yang diberikan dengan data
aktual. Model ARIMA (2, 1, 2) memberikan perkiraan yang lebih akurat
daripada model ES atau HW. Enam kriteria seleksi digunakan untuk
mengukur kualitas perkiraan menghasilkan nilai terkecil untuk perkiraan
ARIMA, menunjukkan dengan jela bahwa itu adalah yang terbaik dari tiga
metode. Sebagai hasilnya, kami tidak hanya dapat menyimpulkan bahwa
model ARIMA memberikan perkiraan yang paling akurat tetapi juga
membahas kecanggihan dan kekokohan model yang bersaing di pasar
minyak mentah. Pada akhirnya, proses pengambilan keputusan terbaik

11
 akan menjadi yang paling efektif. Memprediksi masa depan Peristiwa
berdasarkan model deret waktu yang sesuai akan membantu pembuat
kebijakan dan ahli strategi pemasaran membuat keputusan dan menyusun
rencana strategis yang sesuai dalam industri minyak. Untuk memperluas
pekerjaan ini, penelitian di masa depan harus memeriksa dan
membandingkan model univariat yang kompleks, seperti model
heteroscedasticity kondisional autoregresif (ARCH), model ARCH umum
(GARCH) dan model ARIMA / GARCH.

2.2 Landasan Teori

Landasan teori membahas teori-teori yang berkaitan atau berhubungan
dengan penelitian yang penulis lakukan.Berikut dijelaskan landasan teori pada
penulisan ini.

2.2.1 Forecasting (Peramalan)

Forecasting atau Peramalan adalah suatu kegiatan memperkirakan apa
yang akan terjadi di masa yang akan datang. Dalam beberapa referensi, sering
dijumpai kata “forecasting” dan “prediction“. Pada dasarnya makna dari kedua
kata tersebut tidaklah sama, meskipun keduanya sama-sama mempunyai arti
peramalan. Kata “forecasting” adalah kegiatan meramalkan dengan
menggunakan metode ilmiah (metode kuantitatif), sementara kata “prediction”
adalah kegiatan meramalkan dengan menggunakan intuisi (metode kualitatif).
Dalam metode kuantitatif, peramalan didasarkan pada data masa
lampau. Metode ini biasanya diterapkan jika ada asumsi bahwa kejadian yang
akan datang berhubungan kuat dengan kejadian masa lalu, bisa jadi
mempunyai kecenderungan pola yang relatif sama tiap periodenya. Beberapa
metode kuantitatif yang sering digunakan antara lain analisis runtun waktu,
analisis regresi. Lain halnya dengan metode kuantitatif, metode kualitatif
didasarkan pada intuisi dan bersifat subyektif. Metode ini biasanya digunakan
pada peramalan jangka panjang. Sebagai contohnya mengenai kemungkinan
penerapan produk baru pada suatu area tertentu. Dalam metode ini,

12
interprestasi mengenai perubahan pola data masa lampau sebagai akibat faktor
eksternal, diperlukan untuk memperkirakan kejadian yang akan datang.
Prediksi merupakan suatu keputusan tentang kemungkinan masa yang
akan datang yang didasarkan pada fakta-fakta ekonomi sekarang dan sejarah
masa lalu. Forecasting atau peramalan mempunyai sejarah panjang,
kepentingan penggunaan peramalan tergantung dari bidang yang
menggunakannya, mulai dari bidang bisnis hingga bidang teknik.Dengan
adanya peramalan, manajemen dapat segera menyiapkan langkah paling baik
dalam mengatasi permasahan dan dapat bersiap-siap memanfaatkan situasi
bila terdapat perkembangan yang baik dalam peramalan. Kemampuan
memprediksi masa depan dengan tepat, adalah merupakan dasar yang tepat
dalam membuat keputusan untuk perencanaan, pembuatan jadwal, pembelian,
penyusunan strategy, pembuatan kebijakan dan dalam operasi supply chain
(Jonnius & Ali, 2011).

2.2.2 Penjualan
Pengertian penjualan menurut Kotler merupakan sebuah proses dimana
kebutuhan pembeli dan kebutuhan penjual dipenuhi, melalui antar pertukaran
informasi dan kepentingan”.
Pengertian Penjualan Menurut Reeve, Warren dan Duchac, “Sales is the total
amount charged costumers for merchandise sold, including cash sales and
sales on account.” Yang dapat diartikan, “Penjualan adalah sejumlah total yang
dikenakan kepada pelanggan untuk barang dagangan yang dijual, termasuk
penjualan tunai dan kredit. ”Seperti dikutip dari wikipedia. Pengertian Penjualan
(sales) adalah aktivitas atau bisnis menjual produk atau jasa. Dalam proses
penjualan, penjual atau penyedia barang dan jasa memberikan kepemilikan
suatu komoditas kepada pembeli untuk suatu harga tertentu. Penjualan dapat
dilakukan melalui berbagai metode, seperti penjualan langsung, dan melalui
agen penjualan.

2.2.3 Aplikasi
Aplikasi adalah penggunaan dalam suatu komputer, instruksi
(instruction) atau pernyataan (statement) yang disusun sedemikian rupa

13
sehingga komputer dapat memproses input menjadi output. (Jogiyanto
(1999:12)

1) Kategori Aplikasi

Aplikasi komputer dapat dibagi menjadi beberapa kategori, yaitu :

a) Enterprise
Digunakan untuk organisasi yang cukup besar dengan maksud
menghubungkan aliran data dan kebutuhan informasi antar
bagian.Contoh : IT Helpdesk, Travel Management dan lain-lain.
b) Enterprise – SupPort
Sebagai aplikasi pendukung dari Enterprise, contohnya : Database
Management, Email Server dan Networking Sistem.
c) Individual Worker
Sebagai aplikasi yang biasa digunakan untuk mengolah/edit data
oleh tiap individu.Contoh : Ms.Office, Photoshop, Acrobat Reader
dan lain-lain.
d) Aplikasi Akses Konten
Aplikasi yang digunakan oleh individu (hanya) untuk mengakses
konten tanpa kemampuan untuk mengolah atau mengedit datanya
melainkan hanya melakukan kustomisasi terbatas.Contoh : Games,
Media Player, Web Browser.
e) Aplikasi Pendidikan
Biasanya berbentuk simulasi dan mengandung konten yang spesifik
untuk pembelajaran.
f) Aplikasi Simulasi
Biasa digunakan untuk melakukan simulasi penelitian,
pengembangan dan lain-lain.Contoh : Simulasi pengaturan lampu
lalu lintas.
g) Aplikasi Pengembangan Media
Berfungsi untuk mengolah/mengembangkan media biasanya untuk
kepentingan komersial, hiburan dan pendidikan. Contoh : Digital
Animation Software, AudioVideo Converter dan lain-lain.

14
 h) Aplikasi Mekanika dan Produk
Dibuat sebagai pelaksana/pengolah data yang spesifik untuk
kebutuhan tertentu. Contoh : Computer Aided Design (CAD),
Computer Aided Engineering (CAE), SPSS dan lain-lain.

2.2.4 Single Exponenetial Smoothing

Single exponential smoothing atau dalam bahasa Indonesia disebut

dengan Penghalusan Eksponensial adalah suatu metode peramalan rata-rata
bergerak yang memberikan bobot secara eksponensial atau bertingkat pada
data-data terbarunya sehingga data-data terbaru tersebut akan mendapatkan
bobot yang lebih besar. Dengan kata lain, semakin baru atau semakin kini
datanya, semakin besar pula bobotnya. Hal ini dikarenakan data yang terbaru
dianggap lebih relavan sehingga diberikan bobot yang lebih besar. Parameter
penghalusan (smoothing) biasanya dilambangkan dengan α. Peramalan
dengan Exponential Smoothing atau Metode Penghalusan Eksponensial ini
cukup mudah, yaitu dengan memasukan prakiraan permintaan sekarang
dengan data permintaan nyata atau data permintaan aktual ke dalam rumus
Single Exponential Smoothing.(Okwara, 2013)
Prinsip dari metode exponential smoothing adalah menggunakan nilai
penghalusan secara eksponensial sebagai ramalan nilai masa mendatang.
Dalam sistem peramalan ini menggunakan Single Exponential
Smoothing, metode penghalusan eksponensial orde satu (single exponential
smoothing) sebenarnya merupakan perkembangan dari metode rata-rata
bergerak (moving average) sederhana.
Jika terdapat data dari t pengamatan maka nilai ramalan pada waktu t+1
adalah :
𝑋 +𝑋 +⋯+𝑋 1
𝐹 = = ∑ 𝑋
𝑡 𝑡
1
𝐹 = 𝑋 + (𝑋 −𝑋 )
𝑡
Sehingga metode pemulusan eksponensial untuk N pengamatan dapat
dituliskan sebagai berikut :

15
 𝑋 𝑋
𝐹 = 𝐹𝑡 + [ − ]
𝑁 𝑁
Bila nilai observasi 𝑋 𝑡 −𝑁 tidak tersedia maka harus diganti dengan nilai
pendekatannya (aproksimasi). Dan salah satu pengganti yang mungkin
adalah nilai ramalan periode t, yaitu 𝑆 𝑡 sehingga diperoleh persamaan :

𝐹 = 𝐹 + [ − ] , atau
1 1
𝐹 = ( ) 𝑋 + (1 − ) 𝐹𝑡
𝑁 𝑁
Karena N merupakan bilangan positif maka nilai 1 𝑁 akan menjadi suatu
konstanta yang nilainya berkisar antara 0 sampai 1. Jika nilai 1 𝑁 diganti
dengan “alpha”, maka persamaan diatas menjadi :
𝐹 = 𝑎𝑌 + (1 − 𝑎)𝐹
dimana,
F𝑡 +1 = nilai peramalan ke t+1
Y𝑡 = data aktual ke t
𝛼 = parameter dengan nilai antara 0 sampai 1
F𝑡 = nilai peramalan ke t

2.2.5 Website
Website adalah salah satu aplikasi yang berisikan dokumen-dokumen
multimedia (teks, gambar, suara, animasi, video) didalamnya yang
menggunakan protokol HTTP (Hyper Text Transfer Protocol) dan untuk
mengaksesnya mengunakan perangkat lunak yang disebut browser. Beberapa
jenis browser yang populer saat ini di antaranya: Internet Exsplorer yang
diperoduksi olehMicrosoft, Mozila Firefox, Opera dan Safari yang diperoduksi
oleh Aplle. Browser (perambah) adalah aplikasi yang mampu menjalankan
dokumen-dokumen web dengan cara diterjemahkan. Prosesnya dilakukan oleh
komponen yang terdapat didalam aplikasi browser yang biasa disebut web
engine. Semua dokumen web ditampilkan dengan cara diterjemahkan.(Iman
Sanjaya, 2012)

16
2.2.6 PHP
PHP (HyperText Preprocessor) adalah sebuah bahasa utama script
serverside yang disisipkan pada HTML yang dijalankan di server, dan juga bisa
digunakan untuk membuat aplikasi desktopMenurut Betha Sidik, dalam
bukunya yang berjudul Pemrograman Web Dengan PHP (2012), menyebutkan
bahwa : ”PHP merupakan secara umum dikenal dengan sebagai bahasa
pemrograman script – script yang membuat dokumen HTML secara on the fly
yang dieksekusi di server web, dokumen HTML yang dihasilkan dari suatu
aplikasi bukan dokumen HTML yang dibuat dengan menggunakan editor teks
atau editor HTML, dikenal juga sebagai bahasa pemrograman server side”.

2.2.7 Xampp
XAMPP adalah perangkat lunak bebas, yang mendukung banyak
sistemoperasi, merupakan kompilasi dari beberapa program. Fungsinya adalah
sebagai server yang berdiri sendiri (localhost), yang terdiri atas program
Apache HTTP Server, MySQL database, dan penerjemah bahasa yang ditulis
dengan bahasa pemrograman PHP dan Perl.
Nama XAMMP merupakan singkatan dari X (empat sistem operasi
apapun), Apache, MySQL, PHP dan Perl.
X: Program ini dapat dijalankan di banyak sistem operasi, seperti Windows,
Linux, Mac OS, dan Solaris.
A: Apache, server aplikasi Web. Apache tugas utama adalah untuk
menghasilkan halaman web yang benar kepada pengguna terhadap kode
PHP yang sudah dituliskan oleh pembuat halaman web.jika perlu kode PHP
juga berdasarkan yang tertulis, dapat database diakses dulu (misalnya
MySQL) untuk mendukung halaman web yang dihasilkan.
M: MySQL, server aplikasi database. Pertumbuhannya disebut SQL singkatan
dari Structured Query Language.SQL merupakan bahasa terstruktur yang
difungsikan untuk mengolah database.MySQL dapat digunakan untuk
membuat dan mengelola database dan isinya.Bisa juga memanfaatkan
MySQL guna untuk menambahkan, mengubah, dan menghapus data
dalam database.

17
P: PHP, bahasa pemrograman web. Bahasa pemrograman PHP adalah
bahasa pemrograman untuk membuat web yang server-side scripting. PHP
digunakan untuk membuat halaman web dinamis.Sistem manajemen
database yang sering digunakan dengan PHP adalah MySQL.namunPHP
juga mendukung Pengelolaan sistem database Oracle, Microsoft Access,
Interbase, d-base, PostgreSQL, dan sebagainya.
P: Perl, bahasa pemrograman untuk semua tujuan, pertama kali
dikembangkan oleh Larry Wall, mesin Unix. Perl dirilis pertama kali tanggal
18 Desember 1987 yang ditandai dengan keluarnya Perl 1. Pada versi-versi
selanjutnya, Perl juga tersedia untuk berbagai sistem operasi Unix (SunOS,
Linux, BSD, HP-UX), juga tersedia untuk sistem operasi seperti DOS,
Windows, PowerPC, BeOS, VMS, EBCDIC, dan PocketPC.
PHP adalah singkatan dari Perl Hypertext Preprocessor adalah kode atau
skrip yang akan dieksekusi pada server side (Sutaji 2012, 2).
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 menginstalasi dan mengkonfigurasikannya
secara otomatis untuk anda atau auto konfigurasi.

2.2.8 MySQL
MySQL dikembangkan oleh sebuah perusahaaan Swedia bernama
MySQL AB yang pada saat itu bernama TcX DataKonsult AB sekitar tahun
1994-1995, namun cikal bakal kodenya sudah ada sejak 1979. Awalnya TcX
membuat MySQL dengan tujuan mengembangkan aplikasi web untuk klien.TcX
merupakan perusahaan pengembang software dan konsultan database.Saat ini
MySQL sudah diakusisi oleh Oracle Crop. MySQL adalah salah satu jenis
database server yang sangat terkenal dan banyak digunakan untuk
membangun aplikasi web yang databse sebagai sumber dan pengelolaan
datanya. Kepopuleran MySQL antara lain karena MySQL menggunakan SQL
sebagai bahasa dasar untuk mengakses database-nya sehingga mudah untuk
digunakan. MySQL juga bersifat open source dan free pada berbagai platform
kecuali pada windows yang bersifat shareware.

18
2.2.9 Adobe DreamWeaver
Adobe Dreamweaver merupakan program penyunting halaman web keluaran
AdobeSistems yang dulu dikenal sebagai Macromedia Dreamweaver keluaran
Macromedia.Program ini banyak digunakan oleh pengembang web karena fitur-
fiturnya yang menarik dan kemudahan penggunaannya.Versi terakhir
Macromedia Dreamweaver sebelum Macromedia dibeli oleh Adobe Sistems
yaitu versi 8. Adobe Dreamweaver CS5 yang dirilis pada 12 April 2011,
sedangkan versi terbaru dari Dreamweaver yaitu Adobe Dreamweaver CS6
yang dirilis pada 21 April 2012. Menurut Madcoms (2011) memberikan batasan
bahwa “dreamweaver adalah sebuah HTML editor profesional untuk mendesain
web secara visual dan mengelola situs atau halaman web”. Saat ini terdapat
software dari kelompok adobe yang belakangan banyak digunakan untuk
mendesain suatu situs web. Versi tetrbaru dari Adobe Dreamweaver saat ini
adalah Dreamweaver CS5, terdapat beberapa kemampuan bukan hanya
sebagai software unutk desain web saja tetapi juga unutk menyunting kode
serta pembuatan aplikasi web dengan menggunakan berbagai bahasa
pemograman web, antara lain: JPS, PHP, ASP dan ColdFusion.

2.2.10 UML
Ada beberapa definisi dari Unified Modeling Language (UML) yang pada
dasarnya memiliki maksud yang sama. UML (Unified Modelling Language)
adalah bahasa pemodelan untuk menspesifikasikan, memvisualisasikan,
membangun dan mendokumentasikan artifak-artifak sistem.(Dharwiyanti &
Wahono, 2003)

Dengan menggunakan UML kita dapat membuat model untuk semua jenis
aplikasi software, dimana aplikasi tersebut dapat berjalan pada hardware,
sistem operasi dan jaringan apapun, serta ditulis dalam bahasa pemrograman
apapun.
Terdapat berbagai diagram dalam merancang system menggunakan UML,
diantaranya adalah.
A. Use Case Diagram
Use Case Diagram secara grafis menggambarkan interaksi antara
sistem, sistem eksternal, dan pengguna. Dengan kata lain Use Case Diagram
19
secara grafis mendeskripsikan siapa yang akan menggunakan sistem dan
dalam cara apa pengguna (user) mengharapkan interaksi dengan sistem itu.
Use Case secara naratif digunakan secara tekstual untuk menggambarkan
urutan langkah-langkah dari setiap interaksi.
Dalam pembicaraan tentang Use Case, pengguna biasanya disebut
aktor. Aktor adalah sebuah peran yang bisa dimainkan oleh pengguna dalam
interaksinya dengan sistem.
Table 2.1 Simbol Use Case Diagram
NO GAMBAR NAMA KETERANGAN
Menspesifikasikan himpuan
peran yang pengguna
1 Actor
mainkan ketika berinteraksi
dengan use case.
Deskripsi berdasarkan
keperluan aktor, merupakan
“apa” yang dikerjakan sistem,
2 Use Case bukan “bagaimana” sistem
mengerjakannya. Use
casedibuat berdasarkan
keperluan actor.

Apa yang menghubungkan

3 Association antara objek satu dengan
objek lainnya.

Mengindikasikan bila actor

Association 1
4 berinteraksi secara pasif
arah
dengan sistem anda

20
 Hubungan dimana objek
anak (descendent) berbagi
perilaku dan struktur data
5 Generalization
dari objek yang ada di
atasnya objek induk
(ancestor).
Hubungan dimana
perubahan yang terjadi pada
suatu elemen
mandiri(independent) akan
6 Dependency
mempengaruhi elemen yang
bergantung padanya elemen
yang tidak mandiri
(independent).
Menspesifikasikan bahwa
7 << include >> Include use case sumber secara
eksplisit.
Menspesifikasikan bahwa
use case target memperluas
8 << extend >> Extend perilaku dari use case
sumber pada suatu titik yang
diberikan.

Menspesifikasikan paket
Sistem
9 yang menampilkan sistem
Boundary
secara terbatas.

Elemen fisik yang eksis saat

aplikasi dijalankan dan
10 Note
mencerminkan suatu sumber
daya komputasi

21
B. Class Diagram
Class adalah sebuah spesifikasi yang jika diinstansiasi akan
menghasilkan sebuah objek dan merupakan inti dari pengembangan dan
desain berorientasi objek. Class menggambarkan keadaan (atribut/ properti)
suatu sistem, sekaligus menawarkan layanan untuk memanipulasi keadaan
tersebut (metoda/ fungsi).
Class diagram menggambarkan struktur dan deskripsi class, package
dan objek beserta hubungan satu sama lain seperti containment, pewarisan,
asosiasi, dan lain-lain. (Herlawati, 2011)
Table 2.2 Simbol Class Diagram

NO GAMBAR NAMA KETERANGAN

Himpunan dari objek-objek

1 Class yang berbagi atribut serta
operasi yang sama.
Asosiasi ini menggambar
bahwa pesan atau urutan
Directional
2 kejadian terjadi dari hanya
Assoctiation
salah satu kelas sedangkan
kelas yang lain pasif
Asosiasi ini terjadi ketika
salah satu kelas mengirimkan
pesan kepada kelas yang lain
Bidirectional
3 kemudian kelas yang lain
Assoctiation
mengirimkan pesan kepada
kelas yang mengirimnya
pesan.
Hubungan dimana objek anak
(descendent) berbagi perilaku
4 Generalization dan struktur data dari objek
yang ada di atasnya objek
induk (ancestor).

22
 Relasi jenis ini menunjukkan
bahwa sebuah kelas
mengacu kepada kelas
lainnya1. Oleh sebab itu
5 Dependency
perubahan pada kelas yang
diacu akan sangat
berpengaruh pada kelas yang
mengacu
Suatu bentuk relasi yang jauh
lebih kuat dari asosiasi.
Agregasi dapat diartikan
6 Agregation bahwa suatu kelas
merupakan bagian dari kelas
yang lain namun bersifat tidak
wajib.
Merupakan ralasi yang paling
kuat dibandingkan asosiasi
dan agregasi. Komposisi
7 Composite
diartikan bahwa suatu kelas
merupakan bagian yang wajib
dari kelas yang lain.
Operasi yang benar-benar
dilakukan oleh suatu objek.
Realisasi, bisa disebut juga
implementasi merupakan
8 Realization
suatu relasi yang
menunjukkan penerapan
terhadap suatu interface
kepada sebuah Class.

23
Class memiliki tiga area pokok, yaitu sebagai berikut :
a) Nama Class
Nama class digunakan untuk membedakan antara satu kelas dan
kelas yang lain. Nama class menggunakan huruf besar di awal
kalimatnya dan diletakkan diatas kotak. Bila class mempunyai nama
yang terdiri dari 2 suku kata digabungkan tanpa spasi dengan huruf
awal tiap suku kata menggunakan huruf besar.
b) Attribute
Attribute adalah property dari sebuah class. Attribute ini melukiskan
batas nilai yang mungkin ada pada objek dari class. Sebuah class
mungkin mempunyai nol atau lebih attribute. Secara konversi, jika
namaattribute terdiri dari atas satu suku kata, maka ditulis dengan
huruf kecil.Akan tetapi, jika nama attribute mengandung lebih dari
satu suku kata pertama menggunakan huruf kecil dan awal suku
kata berikutnya menggunakan huruf besar.
c) Method (Operation)
Operation adalah sesuatu yang bisa dilakukan oleh sebuah clas
atau class yang lain dapat dilakukan untuk sebuah class. Seperti
halnya attribute, nama operation juga menggunakan huruf kecil
semua jika terdiri dari satu suku kata. Akan tetapi, jika lebih dari satu
suku kata pertama menggunakan huruf kecil dan awal suku kata
berikutnya menggunakan huruf besar.

NamaClass
+ attributes1 : tipe_data
+ attributes2 : tipe_data
+ operation1(nama_Parameter) : tipe_Parameter
+ operation2(nama_Parameter) : tipe_Parameter

Gambar 2.1 Notasi Class di UML

Pada relasi terdapat suatu penanda yang disebut multiplicity.

Multiplicity ini akan mengindikasikan berapa banyak obyek dari suatu
kelas terelasi ke objek lain. Notasi UML untuk multiplicity ini adalah
sebagai berikut:

24
 Table 2.3 Multiplicity

Multiplicity Arti
* Banyak
0 Nol
1 Satu, bisa ditulis bisa tidak
0..* Antara nol sampai banyak
1..* Antara satu sampai banyak
0..1 Nol atau 1
1..1 Tepat 1

C. Activity Diagram
Activity Diagram secara grafis digunakan untuk menggambarkan
rangkaian aliran aktivitas baik proses bisnis maupun use case. Activity Diagram
dapat juga digunakan untuk memodelkan action yang akan dilakukan saat
sebuah operasi dieksekusi, dan memodelkan hasil dari action tersebut. Activity
Diagram mempunyai peran seperti halnya flowchart, akan tetapi perbedaannya
dengan flowchart adalah activity diagram bisa mendukung perilaku paralel
sedangkan flowchart tidak bisa. (Herlawati, 2011)

Table 2.4 Simbol Activity Diagram

No Simbol Nama Keterangan

sebagai awal dari aktivitas

1. Initial Activity
modul sistem aplikasi.
menunjukkan aktivitas yang
2. Activity
dilakukan.

menunjukkan akhir dari

3. Final Activity
aktivitas.
menunjukkan aktivitas yang
4. Decisions harus dipilih apakah pilihan
pertama atau kedua.

25
 Digunakan untuk
menunjukkan kegiatan yang
dilakukan secara paralel atau
5 Fork
untuk menggabungkan dua
kegiatan paralel menjadi
satu.
Menunjukkan adanya
6 Rake dekomposisi

7 Tanda waktu
8 Flow Final
9 Signal
Aliran akhir
sebagai pengirim dan
penerima pesan dari aktivitas
yang terjadi. Sinyal terdiri
dari sinyal penerima yang
digambarkan dengan poligon
terbuka dan sinyal pengirim
dengan yang digambarkan
dengan convex poligon.

D. Sequence Diagram
Sequence Diagram secara grafis menggambarkan bagaimana objek
berinteraksi dengan satu sama lain melalui pesan pada sekuensi sebuah use
case atau operasi. Diagram ini mengilustrasikan bagaimana pesan terkirim dan
diterima diantara objek dan dalam sekuensi. (Herlawati, 2011)

Table 2.5 Simbol Sequence Diagram

No. Simbol Nama Keterangan
Object merupakan instance
dari sebuah class dan
1. Object
dituliskan tersusun secara
horizontal.

26
 Actor juga dapat
berkomunikasi dengan
2. Actor
object, maka actor juga dapat
diurutkan sebagai kolom.
Lifeline mengindikasikan

3. Lifeline keberadaan sebuah object

dalam basis waktu.

Activation dinotasikan
sebagai sebuah kotak segi
4. Activation
empat yang digambar pada
sebuah lifeline.
Message digambarkan
5. Message dengan anak panah
horizontal antara activation.

2.2.11 Metode Waterfal

Metode air terjun atau yang sering disebut metodewaterfall sering
dinamakan siklus hidup klasik (classic life cycle), dimana hal ini
menggambarkan pendekatan yang sistematis dan juga berurutan pada
pengembangan perangkat lunak, dimulai dengan spesifikasi kebutuhan
pengguna lalu berlanjut melalui tahapan-tahapan perencanaan (planning),
permodelan (modeling), konstruksi (construction), serta penyerahan sistem ke
para pelanggan/pengguna (deployment), yang diakhiri dengan dukungan pada
perangkat lunak lengkap yang dihasilkan (Pressman, 2012).

Gambar 2.2 Gambaran Metode Waterfall

27
 Dalam pengembangan metode waterfall memiliki beberapa tahapan
yang berurut yaitu, requirement (analisis kebutuhan), design sistem (desain
sistem), coding (pengkodean) &testing (pengujian), penerapan program
pemeliharaan tahapan-tahapan dari metode waterfall adalah sebagai berikut:
1) Tahap Requirement Analisis
Tahap ini pengembang sistem diperlukan komunikasi yang bertujuan
untuk memahami perangkat lunak yang diharapkan oleh pengguna dan
batasan perangkat lunak tersebut. Informasi ini biasanya dapat diperoleh
melalui wawancara, diskusi atau survei langsung. Informasi dianalisis
untuk mendapatkan data yang dibutuhkan oleh pengguna.
2) Sistem Design
Spesifikasi kebutuhan dari tahap sebelumnya akan dipelajari dalam
fase ini dan desain sistem disiapkan. Desain Sistem membantu dalam
menentukan perangkat keras (hardware) dan sistem persyaratan dan
juga membantu dalam mendefinisikan arsitektur sistem secara
keseluruhan.
3) Implementation
Pada tahap ini, sistem pertama kali dikembangkan di program kecil
yang disebut unit, yang terintegrasi dalam tahap selanjutnya.
Setiap unit dikembangkan dan diuji untuk fungsionalitas yang disebut
sebagai unit testing.
4) Integration & Testing
Seluruh unit yang dikembangkan dalam tahap implementasi
diintegrasikan ke dalam sistem setelah pengujian yang dilakukan
masing-masing unit. Setelah integrasi seluruh sistem diuji untuk
mengecek setiap kegagalan maupun kesalahan.
5) Operation & Maintenance
Tahap akhir dalam model waterfall. Perangkat lunak yang sudah jadi,
dijalankan serta dilakukan pemeliharaan. Pemeliharaan termasuk dalam
memperbaiki kesalahan yang tidak ditemukan pada langkah
sebelumnya. Perbaikan implementasi unit sistem dan peningkatan jasa
sistem sebagai kebutuhan baru.

28
2.3 Kerangka pemikiran
Dibawaini merupakan kerangka pemikiran yang penulis lakukan dari
proses awal pembuatan hingga akhir penyusunan.
Indicator Proposed Method Objective Measurement

Data Penjualan tahun

DataSet
2017-2018

Akurasi RMSE
Single Exponential
Ft + 1 Smoothing
Literatur (Sayed
Fachrurrazi, 2015)
Yt

Ft
Single Exponential Aplikasi Peramalan
Black Box
Smoothing Penjualan Biji kopi

Gambar 2.3 Kerangka Pemikiran

Adapun penjelasan kerangka tersebut adalah sebagai berikut:
1) Indicator
Indikator diartikan sebagai data atau fakta sebelumnya yang digunakan untuk
proses perhitungan peramalan penjualan buji kopi mentah. Data yang
digunakan adalah data penjualan 2 tahun terakhir (2017-2018) yang dirampung
dari kwitansi penjualan. Indikator juga berupa Bgian rumus dari metode Single
Exponential Smoothing yang digunakan untuk menyelesaikan masalah
perhitungan peramalan.
2) Proposed Method
Proposed Method adalah metode yang akan digunakan sebagai cara untuk
menyelesaikan permasalahan yang ada. Pada penelitian ini menggunakan
metode Single Exponential Smoothing untuk mencari peramalan penjualan
periode berikutnya yang kemudian di desain dengan UML.
3) Objective
Objective diartikan sebagai tujuan yang ingin dicapai dalam penelitian ini. Akan
adanya hasil dari perhitungan metode yaitu akurasi dan aplikasi peramalan
penjualan biji kopi periode berikutnya serta adanya pengelolaan data yang
tersusun dan rapih dalam suatu aplikasi.

29
4) Measurement
Measurement adalah pengukuran hasil penelitian. Artinya setelah melalui
proses perhitungan dari metode yang digunakan dan pengujian dilakukan
dengan metode uji. Di penelitian ini, penulis menggunakan metode akurasi
untuk mengetahui ketetapan dari objective yang bersangkutan yaitu pengujian
RMSE untuk metode single exponential smoothing dan sistem pengolahan
aplikasi mengunakan Black Box.

2.4 Metode BlackBox Testing

Black box testing adalah metode pengujian perangkat lunak yang
menguji fungsionalitas dari aplikasi yang bertentangan dengan struktur internal
atau kerja. Menurut (Fatta, 2007, p. 172) “Pada black box testing, cara
pengujian hanya dilakukan dengan menjalankan atau mengeksekusi unit atau
modul, kemudian diamati apakah hasil dari unit itu sesuai dengan proses yang
diinginkan”. Metode uji coba black box testing memfokuskan pada keperluan
fungsionalitas dari software. Karena itu uji coba Black box testing
memungkinkan pengembang software untuk membuat himpunan kondisi input
yang akan melatih seluruh syarat-syarat fungsionalitas suatu program. Uji coba
black box testing bukan merupakan alternatif dari uji coba white box testing,
tetapi merupakan pendekatan yang melengkapi untuk menemukan kesalahan
lainnya, selain menggunakan white box testing.
Uji coba black box testing berusaha untuk menemukan kesalahan dalam
beberapa kategori, diantaranya:
1) Fungsi-fungsi yang salah atau hilang.
2) Kesalahan interface.
3) Kesalahan dalam struktur data atau akses database eksternal.
4) Kesalahan insialisasi dan terminasi.

30
 BAB III
METODE PENELITIAN
3.1 Diagram Alir Tahapan Penelitian

Tahapan – tahapan penelitian yang digunakan dalam Penerapan Metode

Single Exponential Smoothing guna Memprediksi Penjualan Biji Kopi mentah di
perusahaan UD. Marulitua Coffee dapat dilihat pada gambar dibawah ini :

Gambar 3.1 Diagram Alir Tahapan Penelitian

31
 Gambar 3.1 menjelaskan tahapan–tahapan penelitian dalam pembuatan
Aplikasi Prediksi Penjualan Biji kopi mentah Keseluruhan tahapan penelitian
diatas akan dijelaskan tahap demi tahap sebagai berikut:

3.1.1 Analisa Masalah

Analisa masalah merupakan tahap awal penelitian. Analisa dilakukan

terhadap proses apa yang di lakukan dalam perusahaan yaitu peoses
penjualan biji kopi di UD. Marulitua Coffee selama ini. Dengan ini penulis
menganalisa untuk menggunakan forecasting dan juga melakukan
pemilihan metode yang akan digunakan dalam menyelesaikan masalah.

3.1.2 Pengumpulan Data

Pengumpulan data adalah mengumpulkan bahan-bahan yang

diperlukan dalam penyusunan tugas akhir ini, penulis menggunakan metode
observasi, wawancara dan studi pustaka.
a. Wawancara
Pada pembuatan aplikasi ini, pengumpulan data dilakukan melalui
butir-butir pertanyaan saat wawancara secara mendalam dengan
responden yang diperlukan yaitu Direktur UD. Marulitua Coffee.
b. Studi Pustaka
Penulis mengumpulkan teori dan literatur yang berkaitan dengan
pemrograman berbasis website, metode Single Exponential
Smoothing sebagai referensi untuk menyelesaikan permasalahan.

3.1.3 Analisa Sistem

Penulis melakukan identifikasi proses sistem berjalan dan sistem

kebutuhan atau usulan, dimana hasil dari analisa digunakan untuk membuat
skema alur proses sistem aplikasi website. Penulis juga melakukan
identifikasi informasi yang dibutuhkan untuk membangun sistem yang
diusulkan. Informasi yang didapat akan digunakan untuk membangun
sistem yang akan diusulkan dengan mengikuti skema alur proses sistem
yang telah dianalisa.

32
3.1.4 Perancangan sistem

Dalam penggambaran, perencanaan dan pembuatan sketsa, maka di

buat sebagai berikut :

a. Perancangan UML Pembuatan Sistem

Merepresentasikan gambaran umum dan proses perhitungan dari
sistem yang dibuat dengan menggunakan UML.
b. Perancangan Basis Data
Proses perancangan basis data ini adalah merancang kebutuhan
tabel yang akan digunakan untuk penyimpanan data.
c. Perancangan Antarmuka
Merancang antar muka yang merupakan desain tampilan interaktif
antara user dengan sistem.
d. Pengkodean
Perancangan diimplementasikan dengan menggunakan bahasa
pemrograman Perl Hypertext Processor (PHP), Hypertext Markup
Language (HTML) dan database MySQL sebagai aplikasi berbasis
web.

3.1.5 Pengujian

Tahap selanjutnya adalah melakukan pengujian terhadap program yang

telah dibuat. Apabila pengujian gagal maka diperlukan adanya penelusuran
kembali setiap perancangan yang telah dilakukan untuk menemukan penyebab
kegagalan sampai tidak ditemukan eror dalam aplikasi ini.

3.1.6 Dokumentasi dan Pembuatan Laporan

Tahapan ini merupakan tahapan akhir yaitu pembahasan dari hasil

analisa yang telah dilakukan dan kemudian disusun pada penulisan laporan
tugas akhir.

33
3.2 Analisa Kebutuhan

Analisa dilakukan untuk memperoleh inti permasalahan dan

menggambarkan langkah apa yang selanjutnya akan di lakukan. Analisa yang
dibutuhkan terdiri dari analisa terhadap penggunaan dan analisis spesifikasi
perangkat keras serta analisis spesifikasi perangkat lunak.

3.2.1 Analisis Spesifikasi Perangkat Lunak dan perangkat Keras

Analisis kebutuhan sistem ini meliputi kebutuhan perangkat lunak dan
kebutuhan perangkat keras.
Sebagai berikut kebutuan Perangkat Lunak:
1. Windows 10 64-bit
2. Xampp
3. Edraw Max
4. MySQL
5. Mozilla Firefox
6. Google Chrome
7. PHP
8. Notepad++
9. Microsoft Word 2010
Kebutuhan Perangkat Keras:
1. 1 unit laptop HP ProBook
2. Processor Intel(R)
3. Core(TM) i3-7020U
4. CPU @1.80GHz 1.80 GHz
5. Ram 4.00 GB
6. Harddisk Minimal 200 Gb
7. Mouse merk miniso

34
3.2.2 Analisa Sistem Berjalan
Dalam Gambar 3.2 dibawah ini merupakan proses sistem berjalannya
Proses jual beli biji kopi mentah di UD. Marulitua Coffee.

Gambar 3.2 Alur Sistem Berjalan

Gambar 3.2 Menjelaskan proses sistem berjalan yang berlangsung di
dalam perusahaan UD.Marulitua Coffee. Proses yang terjadi pada tahap ini
adalah perta petani menjual biji kopi ke perusahaan,kemudian perusahaan
akan melihat dan memilah biji kopi sesuai dengan kualitasnya. Setelah di pilah
makan akan di bayar sesuai dengan kualitas dan criteria yang telah di tetapkan
perusahaan. Barang masuk dari petani akan di catat dalan pembukuan dan
kwitansi pembayaran kepada petani. Kedua barang yang telah di pilah akan
disatukan berdasarkan kualitasnya, kemudian disortir kembali dengan
meakukan pengeringan dan pemilahan biji kopi agar sesuai tengan kuaitas
pasar dan konsumen. Hasil sortir menjadi hasil berupa barang tersedia yang

35
siap jual kembali. Konsumen biasanya menanyakan ketersediaan barang lewat
SMS,Telepon, ataupun WhatsApp. Pembeli akan memesan kopi sesuai dengan
kebutuhan perusahaan mereka, setelah dibayar maka perusahaan UD.
Marulitua akan mengemas yang nantinya akan siap di antar/jemput. Pencatatan
barang terjual akan di buat dalam kwitansi pembayaran oleh perusahaan
pembeli dan manual oleh perusahaan UD. Marulitua Coffee.

3.2.3 Analisis Pengguna

Adapun pengguna yang menjadi subjek sasaran aplikasi ini adalah
bidang administrasi dan user (Direktur) yang berhubungan dengan perusahaan
UD. Marulitua Coffee.

3.2.4 Analisis Data

Data yang digunakan pada aplikasi adalah data penjualan 2 tahun
terakhir UD. Marulitua Coffee, dan data diri pimpinan UD. Marulitua Coffee
yang akan menggunakan aplikasi.

3.2.5 Sistem Usulan

Sistem usulan untuk proses Peramalan penjualan biji kopi pada UD.
Marulitua Coffee. Dapat dilihat pada gambar 3.3 dibawah ini :

36
Gambar 3.3 Alur Sistem Usulan

37
 Gambar 3.3 menjelaskan tentang sistem usulan untuk meramalkan
penjualan yang akan datang pada perusahaan UD. Marulitua Coffee. Pada
tahap pertama sistem usulan adalah admin login ke dalam website yaitu
dengan memasukkan username dan password. Setelah login admin dapat
mengelola data user, mengelola data produk, mengelola data penjualan, dan
penjualan detail. Kemudian data tersebut disimpan dalam data base. Data yang
sudah tersimpan bisa di tamplkan pada aplikasi berupa data-dat produk
keseluruhan, data penjualan barang dan data penjualan detail yang sudah ada.
Data dari penjualan tersebut nantinya akan berguna untuk forecasting
(peramalan) penjualan biji kopi selanjutnya. Dalam Aplikasi jika ingin melihat
peramalan maka terlebih dahulu admin menginput data peramalan yaitu jenis
kopi, alpha yang akan digunakan dan berapa bualan diramalka. Data tersebut
akan dip roses di aplikasi menghitung peramalan dengan Single Exponential
Smoothing. Setelah perhitungan akan ditampilkan nilai perhitungan dan grafik
data peramalan.

3.3 Perancangan Sistem

Perancangan sistem merupakan fase dalam pembuatan perangkat lunak

yang harus dilalui, dimana hal ini bertujuan untuk memberikan gambaran
secara umum mengenai sistem aplikasi yang dibuat. Berikut menjelaskan
aplikasi peramalan penjualan biji kopi dirancang menggunakan Unified
Modeling Language guna untuk memudakan dalam pembuatan aplikasi.

38
3.3.1 Use Case Diagram

Gambar 3.4 Use Case Diagram

Pada Use Case diatas terdapat entitas admin dan user. Pada gambar
diatas memiliki 2 entitas, entitas dapat melakukan login adalh admin sementara
pembeli tidak. Pada entitas admin memiliki kekuasaan penuh untuk mengelola
data produk, mengelola data penjualan, mengelola data penjualan detail,
melihat hasil dari peramalan (forecasting) yang sudah di hitung melalui
perhitungan Exponential Smoothing. Pada entitas pembeli hanya dapat untuk
melihat hasil dari peramalan.

39
 Tabel 3.1 Skenario Admin

No. Aktor (Admin) Sistem

1 Melakukan Login dengan Jika Username dan Password

memasukan data Username benar, maka akan masuk
dan Password lalu menekan pada tampilan halaman
tombol login dashboard akses sebagai
admin

2 Membuka menu User Akan terlihat kolom untuk

menginputkan Data-data User

3 Membuka menu Produk Akan terlihat kolom untuk

menginputkan data produk

4 Membuka menu Penjualan Akan muncul kolom untuk

mengisi data penjualan dan
data penjualan tersebut di
pakai dalam data penjualan
detail di dalamnya.

5 Membuka menu Forecasting Akan muncul kolom untuk

(peramalan) pengisian data peramalan
sesuai data dan keinginan
admin maupun perusahaan
secara detaildan pada bagian
menu ini akan di tampilkan
hasil perhitungan peramalan
berupa prediksi penjualan
kedepannya.

40
 Tabel 3.2 Skenario User

No. Direktur (User) Sistem

1 Melakukan Login dengan Melakukan Login dengan

memasukan data Username memasukan data Username
dan Password lalu menekan dan Password lalu menekan
tombol login tombol login

Membuka menu Forecasting Akan muncul kolom untuk

2 (peramalan) pengisian data peramalan
sesuai data dan keinginan
admin maupun perusahaan
secara detaildan pada bagian
menu ini akan di tampilkan
hasil perhitungan peramalan
berupa prediksi penjualan
kedepannya.

41
3.3.2 Activity Diagram

Diagram aktivitas atau activity diagram menggambarkan workflow (aliran

kerja) atau aktifitas dari sebuah sistem atau proses bisnis atau menu yang ada
pada perangkat lunak. Yang perlu diperhatikan disini adalah bahwa diagram
aktifitas menggambarkan aktifitas sistem bukan apa yang dilakukan aktor, jadi
aktifitas yang dapat di lakukan oleh sistem.

1) Activity Diagram Login Admin dan User

Gambar 3.5 Activity Diagram login

Gambar diatas merupakan activity diagram yang dimana aktornya
adalah admindan user. Pada aplikasi atau sistemnya, admindan userakan
melakukan login, dimana seorang admindan user harus masuk ke dalam form
login. Pada saat itu admindan user harus melakukan input username dan
password dengan benar. Apabila username atau password yang di input tidak
benar, maka secara otomatis akan kembali ke form login untuk melakukan login
kembali dengan benar. Apabila berhasil maka admin dan user akan masuk ke
halaman utama admin atau user.

42
2) Activity Diagram User

Gambar 3.6 Activity Diagram User

Gambar diatas merupakan activity diagram yang dimana aktornya
adalah admin. Pada aplikasi atau sistemnya, admin dapat melihat data user
dan melakukan kelola user berupa penambahan user, hapus user, edit user.

3) Activity Diagram Produk

Gambar 3.7 Activity Diagram Produk

43
 Gambar diatas merupakan activity diagram yang dimana aktornya
adalah admin dan user. Pada aplikasi atau sistemnya, admin dan user dapat
melihat data produk dan melakukan kelola produk berupa penambahan produk,
hapus data produk, serta edit produk.

4) Activity Diagram Penjualan

Gambar 3.8 Activity Diagram Penjualan

Gambar diatas merupakan activity diagram yang dimana aktornya
adalah admin dan user. Pada aplikasi atau sistemnya, admin dan user
melakukan pengisian data, menghapus data, mengedit data penjualan, tanggal,
deskripsi, dan data penjualan yang telah di input. Didalam penjualan tersebut
seorang admin dan user dapat melakukan penjualan detail berdasarkan
dengan data produk yang akan di jual.

44
5) Activity Diagram Forecasting

Gambar 3.9 Activity Diagram Forecasting

Gambar diatas merupakan activity diagram Forecasting yang dimana
aktornya adalah admin dan user. Pada aplikasi atau sistemnya, admin dan user
dapat melihat kesluruhan hasil penjualan perbulan atau pertahun dan proses
perhitungan peramalan yang telah dilakukan. Kemudian data tersebut akan
dikelola menjadi peramalan penjualan berikutnya.

6) Activity Diagram Cetak Data

Gambar 3.10 Activity Diagram Cetak Data

45
Gambar diatas merupakan activity diagram yang dimana aktornya adalah
admin. Pada aplikasi atau sistemnya, admin dapat melakukan cetak data.

7) Activity Diagram Unduh Data

Gambar 3.11 Activity Diagram Unduh Data

Gambar diatas merupakan activity diagram yang dimana aktornya

adalah admin. Pada aplikasi atau sistemnya, admin dapat melakukan unduh
data.

46
3.3.3 Class Diagram

Class diagram merupakan himpunan dari objek-objek yang sejenis.

Sebuah objek memiliki keadaan sesaat (state) dan perilaku (behavior). State
sebuah objek adalah kondisi objek tersebut yang dinyatakan dalam attribute
propertis. Sedangkan perilaku suatu objek mendefinisikan bagaimana sebuah
objek bertindak/braksi dan memberikan reaksi.

Gambar 3.12 Class Diagram

3.3.4 Squence Diagram

Sequence Diagram menjelaskan interaksi object yang disusun dalam

suatu urutan waktu. Diagram ini secara khusus berasosiasi dengan use case
diagram. Memperlihatkan tahap demi tahap apa yang seharusnya terjadi untuk
menghasilkan sesuatu di dalam use case.

47
A. Squence Diagram Login Admin

Diagram ini menggambarkan seorang admin yang sedang melakukan

login pada aplikasi tersebut. Squence diagram login aplikasi dapat dilihat dari
gambar 3.13 dibawah ini :

Gambar 3.13 Squence Diagram Login Admin

48
B. Squence Diagram Input Data User
Diagram ini menggambarkan seorang pengguna yaitu admin yang
sedang melakukaninput data, mengedit data dan menghapus data untuk
sebuah user :

Gambar 3.14 Squence Diagram Input Data User

49
C. Squence Diagram Input Data Produk

Diagram ini menggambarkan seorang pengguna admin yang sedang

melakukan Input data untuk sebuah produk:

Gambar 3.15 Squence Diagram Input Data Produk

D. Squence Diagram Input Data Penjualan

Diagram ini menggambarkan seorang pengguna admin yang sedang

melakukan input data untuk sebuah penilaian :

50
 Gambar 3.16 Squence Diagram Input Data Penjualan

E. Squence Diagram input data Forecasting (peramalan)

Diagram ini menggambarkan seorang pengguna admin yang sedang

melakukan pengolahan data peramalan:

51
 Gambar 3.17 Squence Diagram Forecasting

F. Squence Diagram Cetak Data

Diagram ini menggambarkan seorang pengguna yaituadmindan user
yang sedang melakukan cetak data :
Data Print

Admin
/User

Klik Menu Print()

Tampilan Print()

Cetak()

Cetak berhasil()

Gambar 3.18 Squence Diagram cetak data

G. Squence Diagram Unduh Data

Diagram ini menggambarkan seorang pengguna admindan useryang
sedang melakukan unduh data :

52
 Data Unduh

Admin
/User

Klik Menu Unduh()

Tampilan PDF()

Unduh()

Unduh berhasil()

Gambar 3.19 Squence Diagram Unduh Data

3.3.5 Relasi Antar Tabel

Hal yang paling penting dalam perencanaan pembuatan sistem adalah

perancangan database dimana relasi antar table yang saling terhubung satu
samalain Berikut merupakan relasi antar tabel yang digunakan dalam
perencanaan :

Gambar 3.20 Gambar Relasi Antar Tabel

53
 Perancangan basis data berfungsi untuk memudahkan dalam pembuatan
tabel-tabel pada database. Berikut adalah perancangan struktur tabel pada
aplikasi monitoring dan evaluasikinerja karyawan :

1) Nama Tabel : tb_user

Tabel 3.3 Struktur tabel tb_user
No. Field Atribut Type Size Ket Description

1 id_user varchar 15 PK ID User

2 nama_user varchar 30 Nama User

3 jabatan varchar 30 Jabatan

5 telepon varchar 15 Telepon

6 email varchar 30 Email

7 username varchar 30 Username

8 password varchar 20 Password

9 status varchar 15 Status

2) Nama Tabel : tb_kontak

Tabel 3.4 Struktur tabel tb_kontak

No. Field Atribut Type Size Ket Description

1 Id varchar 15 PK ID

2 nama_kontak varchar 30 Nama Kontak

3 email varchar 30 Email

5 pesan varchar 15 Pesan

6 Id_user varchar 15 FK ID User

54
3) Nama Tabel : tb_produk

Tabel 3.5 Struktur table tb_produk

No. Field Atribut Type Size Ket Description

1 id_produk varchar 15 PK ID Produk

2 nama_produk varchar 30 Nama Produk

3 Deskripsi varchar 30 Deskripsi

4 Gambar Varchar 15 Gambar

5 Status varchar 30 Status

6 Keterangan varchar 30 Keterangan

6 Id_user varchar 15 FK ID User

4) Nama Tabel : tb_penjualan

Tabel 3.6 Struktur Table tb_penjualan

No. Field Atribut Type Size Ket Description

1 Id_penjualan Varchar 15 PK ID Penjualan

2 Tanggal Date Tanggal

3 Deskripsi Varchar 30 Deskripsi

6 Id_user varchar 15 FK ID User

5) Nama Tabel : tb_penjualandetail

Tabel 3.7 Struktur tabel tb_penjualandetail

No. Field Atribut Type Size Ket Description

1 Id Int 10 PK ID

55
 No. Field Atribut Type Size Ket Description

2 Id_penjualan Varchar 15 ID Penjualan

3 Id_produk Varchar 15 ID_Produk

4 Jumlah Int 10 Jumlah

5 Catatan Varchar 50 Catatan

6 Id_user varchar 15 FK ID User

3.3.6 Perancangan Antar Muka

Antar muka adalah media perantara antara sistem dengan manusia
yang dapat memberikan kemudahan bagi manusia untuk memberikan perintah
kepada sistem. Berikut ini perancangannya :
1) Perancangan Form Halaman Utama

Gambar 3.21 Rancangan form halaman Utama

Gambar 3.21 merupangan rancangan form halaman utama
aplikasiperamalan penjualan biji kopi. Pada form ini user dapat melihat
home, gambar kopi dan tombol login.

2) Perancangan Form Halaman Login

56
 Gambar 3.22 Rancangan form halaman login
Gambar 3.22 merupangan rancangan form halaman login aplikasi. Pada
form ini user dapat melakukan login dengan cara menginput username
dan password kemudian mengklik tombol login.

3) Perancangan halaman awal admin

Gambar 3.23 Rancangan halaman awal Admin

Gambar 3.23 merupakan tampilan rancangan halaman awal untuk untuk
admin. Dmana admin dapat mengelola dan melihat tombol
home,user,produk,penjualan,peramalan (forecasting) dan melakukan
logout

4) Perancangan halaman awal user

57
 Gambar 3.24 Rancangan halaman awal User
Gambar 3.24 merupakan tampilan rancangan halaman awal untuk untuk
admin. Dmana admin dapat mengelola dan melihat tombol home,
,peramalan (forecasting) dan melakukan logout

5) Perancangan Halaman Data User

Gambar 3.25 Rancangan halaman data User

Gambar 3.25 merupakan rancangan halaman data user. Pada halaman
ini dapat menginput data – data user setelah menginput data dapat
disimpan dan kemuadian data user tersebut dapat di tampilkan user
yang telah mendaftar.

58
6) Perancangan Halaman Data Produk

Gambar 3.26 Rancangan halaman Form input data Produk (Admin)

Gambar 3.26 merupakan rancangan halaman data roduk. Pada halaman
menginput data-data produk dan data produk yang telah terdaftar.

7) Perancangan Form input data penjualan

Gambar 3.27 Rancangan halaman Form input data Penjualan

Gambar 3.27 merupakan tampilan rancangan input data penjualan yang
di input data penjualan dengan mengisi id(otomatis), tanggal penjualan
serta desripsi. Dibawah input tertera data daftar penjualan kemudian ada
tombol edit dan hapus data.

8) Perancangan Halaman Data Penjualan Detail

59
 Gambar 3.28 Rancangan halaman data penjualan detail
Gambar 3.28 merupakan rancangan halaman data penjualan detail.
Dimana admin dapat menginput data penjualan detail dan melihat data.
Rancangan halaman penjualan detail ini merupakan bagian dari data
penjualan seperti gambar di atas yang di tampilkan dengan mengklik
tombol excel pada data penjualan tersebut

9) Perancangan Halaman Peramalan(Forecasting)

Gambar 3.29 Rancangan halaman forecasting

Gambar 3.29 merupakan rancangan halaman peramalan atau
forecasting dari penjuan sebelumnya untuk menampilkan hasil dari
peramalan tersebut admin(user) dapat menginput data berupa jenis
produk,nilai konstanta alpa yang digunakan dan waktu yang diinginkan

60
 kemudian klik proses. Dibawah akan tampil data hasil perhitungan
exponential smoothing

10) Perancangan Halaman Logout

Gambar 3.30 Rancangan halaman logout

Gambar 3.30 merupakan rncangan untuk halaman logout dimana admin
dapat keluar akses dari aplikasi. Setelah menekan tombol logout akan
muncul ucapan terimakasih dat tommbol Ok.

3.4 Teknik Analisis

Analisis data dlakukan oleh peneliti untuk menjawab pokok

permasalahan yang ada melalui data dan informasi yang diperoleh dalam
penelitian. Analisis data diperlukan untuk mendapatkan gambaran tentang
penerapan metode Single Exponential Smoothing.

3.4.1 Analisis Antarmuka Aplikasi

Teknik analisis pada pengujian aplikasi prediksi wisata mancanegara di

Indonesia ini adalah dengan melakukan pengujian Blackbox. Adapun
antarmuka yang akan diuji pada aplikasi ini antara lainn :

61
 Tabel 3. 8 Teknik Analisis

No. Antarmuka yang diuji Cara Pengujian Hasil yang diharapkan

1 Menu Dashboard Klik Menu Menampilkan Home

Dashboard sebagai profil
perusahaan, kontak
dan login

2 Halaman Login Klik Menu Login Menampilkan kolom

untuk memasukan
Username dan
Password

3 Halaman Kontak Klik Menu Menampilkan pesan

Kontak masuk

4 Menu Input & Data User Klik Input User Menampilkan Kolom
Untuk mengisi,
menambah dan
menghapus data user.
dan menapilkan data
user yang telah ada.

5 Menu Input & Data Klik Input Menampilkan kolom

Produk Produk untuk mengisi,
menambah dan
menghapus data
produk dan menapilkan
data produk

6 Menu Input & Data Klik Input Menampilkan kolom

Penjualan Penjualan untuk menginput,
mengedit dan
menghapus Data
Penjualan. Kemudian

62
 No. Antarmuka yang diuji Cara Pengujian Hasil yang diharapkan

menapilkan data
penjualan yang akan
menjadi data penjualan
detail.

7 Menu View Data Klik Menu View Menampilkan halaman

Data seluruh Data

8 Menu Forecasting Klik Menu Menampilkan halaman

Prediksi data
penjualan,perhitungan
dan list hasil prediksi
beserta grafiknya.

9 Menu Logout Klik menu Menampilkan halaman

Logout dashboard

3.4.2 Analisis Metode

Pada menu forecasting akan muncul rumus penghitung peramalan.

Dalam inputan kita harus mengisi terlebih dahulu jenis kopi yang akan di
prediksi penjualannya, kemudian meginput alpa ya kira-kira sesuai dan
menentukan jangka aktu prediksi kedepan. Metode Single Exponential
Smoothing, diperlukan tabel agar mempermudah dalam pemilihan. Field dalam
tabel ini terdiri kolom keterangan waktu (tahun dan bulan), jumlah data
penjualan perbulan, hasil prediksi dengan konstanta, alpha (α = konstanta
penghalusan (0 < α < 1). Karena pada penelitian ini menggunakan perhitungan
Single Exponential Smoothing dengan data penjualan biji kopi dari data
perbulan di tahun sebelumnya, maka hasil dari prediksinya yaitu jumlah data
perbulan dalam setahun dengan prediksi bulan selanjutnya.

63
 Tabel 3. 9 Contoh Perhitungan Single Exponential Smoothing
No. Bulan /2017 Grade A/Kg 0.3 0.5 0.7
1 Agustus 2,199 4,625 2,750 2,217
2 September 1,617 3,723 2,184 1,797
3 Oktober 553 2,772 1,368 926
4 November 3,567 3,010 2,468 2,775
5 Desember 1,089 2,434 1,778 1,595
Januari 1737 2,225 1,758 1,694

Single Exponential Ft = Ft – 1 + α (Dt-1 – Ft-1)

Ft+1 = αYt + (1 - α)Ft

Ft+1 = nilai peramalan untuk periode t+1

Yt = nilai sebenarnya untuk periode t+1
Ft = nilai peramalan untuk periode t
α = konstanta penghalusan (0 < α < 1)

Langkah perhitungannya dengan contoh alpha 0.5 yaitu:

 Bulan Agustus : Sudah ada dari data perhitungan peramalan

sebelumnya yaitu 2217

 Bulan September : Ft+1 = αYt + (1- α)Ft

= 0.5 * 1617 + (1 - 0.5) * 2750

=0.5 * 1617 + 0.5 * 2750

=808.5 + 1375

= 2184
 Bulan Oktober : Ft+1 = αYt + (1- α)Ft

= 0.5 * 553 + (1-0.5) * 2184

= 05 * 553 + 0.5 * 2184
=276.5 + 1092
= 1368
64
  Bulan November : Ft+1 = αYt + (1- α)Ft

= 0.5 * 3567 + (1- 0.5) * 1368

= 0.5 * 3567 + 0.5 * 1368

= 2468
 Bulan Desember : Ft+1 = αYt + (1- α)Ft

= 0.5 * 1089 + (1- 0.5) * 2468

= 0.5 * 1089 + 0.5 * 2468

= 1778

 Bulan Januari (Prediksi) : Ft+1 = αYt + (1- α)Ft

= 0.5 * 1737 + (1-0.5) * 1778

= 0.5 * 1737 + 0.5 * 1778

= 1758

Menghitung kesalahan/error dengan menggunakan Root Mean Squared Error

(RMSE)
EROR^ = (Dt - Ft)^2
Keterangan:

 Ft = Prakiraan Permintaan sekarang

 Dt = Permintaan Nyata

∑
RMSE = √

Keterangan:

 𝑋𝑡 = data/demand ke-t

 𝐹 = peramalan ke-t

 𝑛 = jumlah data/demand yang diramalkan

65
 Tabel 3. 10 Perhitungan RMSE

Agustus 2,199 11,212 7,218 4,876 3,543 2,806 2,413 2,221 2,151 2,156

September 1,617 10,252 6,098 3,898 2,772 2,211 1,935 1,798 1,723 1,671

Oktober 553 9,282 4,989 2,894 1,884 1,382 1,106 926 787 664

November 3,567 8,711 4,705 3,096 2,558 2,475 2,583 2,775 3,011 3,277

Desember 1,089 7,949 3,981 2,494 1,970 1,782 1,686 1,595 1,473 1,308

Januari 1,737 7,327 3,533 2,267 1,877 1,759 1,717 1,694 1,684 1,694

Contoh perhitungan mencari RMSE dari Kopi Arabika Grade A

Menghitung kesalahan/error dari perhitungan peramalan alpha = 0.3

∑
RMSE = √

= √20,049,746 / 5
= 895

Menghitung kesalahan/error dari perhitungan peramalan alpha = 0.5

∑
RMSE = √

= √ 3,083,452 / 5

66
 = 351
Menghitung kesalahan/error dari perhitungan peramalan alpha = 0.7

∑
RMSE = √

= √ 1,056,539 / 5
= 205
Menghitung kesalahan/error dari perhitungan peramalan alpha = 0.9

∑
RMSE = √

= √ 149,424 / 5
= 77

67
 BAB IV
HASIL DAN PEMBAHASAN
4.1 Hasil

Setelah perancangan tampilan aplikasi telah dijelaskan pada bab 3,

maka selanjutnya pada bab ini akan menjelaskan mengenai tahap
implementasi atau hasil dari perancangan aplikasi tersebut. Berikut hasil
perancangan aplikasinya :

4.1.1 Halaman Awal Aplikasi

Sesuai dengan rancangan sistem pada bagian perancangan interface
hasil dari rancangan tersebut dapat dilihat sebagai mana dibawah ini dimana
tertera logo dan penjelasan sekilas tentang perusahaan:

Gambar 4. 1 Halaman Awal Aplikasi

4.1.2 Halaman Login Admin dan User Aplikasi

Sesuai dengan rancangan sistem pada bagian perancangan interface
hasil dari rancangan tersebut dapat dilihat sebagai mana dibawah ini :
68
 Gambar 4. 2 Halaman Login

4.1.3 Halaman Dasboard Admin

Pada halaman dashboard tersedia menu-menu yang di inginkan pada
perancangan sistem untuk aplikasi. Menu tersebut berguna untuk
menginputkan data dan menampilkan yang telah diinputkan oleh admin.

Gambar 4. 3 Halaman Dashboard Admin

69
4.1.4 Halaman Input & Data User

Pada menu ini, admin dapat menginput, menambah data user yang
dapat mengakses aplikasi.

Gambar 4. 4 Halaman Input Data User

Pada menu ini data user yang telah disimpan dapat dilihat, di edit dan di hapus.

Gambar 4. 6 View Data User

70
4.1.5 Halaman Contact Admin
Pada menu ini, admin dapat melihat dan menghapus pesan-pesan dari
pengunjung website.

Gambar 4. 7 Halaman Contact Admin

4.1.6 Halaman Input & Data Produk

Pada menu ini, admin dapat menginput data produk yang tersedia dalam
perusahaan.

Gambar 4. 8 Halaman Input Produk

71
 Pada menu ini, admin dapat mengedit , menghapus , mencetak dan
mengunduh data produk yang telah di inputkan sebelumnya.

Gambar 4. 9 View Data Produk

4.1.7 Halaman Input & Data Penjualan

Pada menu ini, admin dapat menbuat dan menambah data penjualan
yang baru baru sesuai dengan kondisi penjualan pada perusahaan. Data
penjualan tersebut akan disimpan dalam database.

Gambar 4. 10 Halaman Input Data Penjualan

72
 Pada halaman ini adamin juga dapat melihat, mengunduh dan mencetak
data penjualan.

Gambar 4. 11 View Data Penjualan

4.1.8 Halaman View Penjualan Detail

Halaman ini dapat diakses melalui menu penjualan jika melihat data
penjualan detai maka di bagian tanggal penjualan kita klik tanda MsExcel

Gambar 4. 12 Halaman Input Penjualan Detail

73
 Gambar 4. 13 Halaman Data Penjualan Detail

4.1.9 Halaman Forecasting Admin dan User

Menu Forecasting ini dapat diakses oleh admin maupun user. Di dalam
halaman ini terdapat list data produk yang tersedia didalam yang bisa dipilih
untuk di prediksi beserta alpha yang di inginkan dan jangka waktunya.

Gambar 4. 14 Halaman Forecasting

Data proses yang di sediakan forecasting berupa perhitungan peramalan

berdasarkan jenis produk yang kita pilih, alpha dan jangka waktu.

74
 Gambar 4. 15 Halaman Perhitungan Forecasting

Setelah perhitungan akan ditampilkan grafik berupa perbandingan data

actual penjualan dan prediksi yang sudah di hitung.

75
 Gambar 4. 16 Halaman Grafik Forecasting

4.1.10 Halaman Logout

Dalam halaman logout ini terdapat pada antar muka admin dan user,
setelah menekan menu logout akan muncul notifikasi.

Gambar 4. 17 Halaman Logout

4.1.11 Halaman Dashbor User

Pada menu ini, user dapat melihat menu home, forecasting dan logout.

76
 Gambar 4. 18 Halaman Dashbor User

4.1.12 Halaman Contact Dashbor

Pada menu contact ini user atau pengunjung dapat mengirimkan pesan
ke perusahaan

Gambar 4. 19 Contat Halaman Utama

77
4.2 Pembahasan

Aplikasi prediksi penjualan biji kopi mentah di perusahaan UD. Marulitua

Coffee, dibuat dengan menggunakan metode prediksi (forecasting)Single
Exponential Smoothing. Aplikasi ini dapat ditampilkan dengan antarmuka web
sehingga dapat digunakan untuk pihak perusahaan sebagai aplikasi
memprediksi penjualan hanya menggunakan komputer atau laptop karena
berbasis website. Sesuai dengan judulnya, aplikasi ini dibangun untuk
melakukan tugas prediksi di bulan atau periode selanjutnya, dimana selama ini
dalam menentukan strategi atau langkah-langkah untuk membuat perancangan
peramalan penjualan belum ada di perusahaan. Aplikasi ini dapat memprediksi
penjualan dibulan mendatang dengan menggunakan metode Single
Exponential Smoothing, dimana data yang diolah untuk keperluan prediksi
tersebut menggunakan data penjualan sebelumnya.
Pada aplikasi ini, apabila admin melakukan login, dapat melakukan
beberapa kegiatan yang terdapat pada menu input & data seperti membuat
data baru atau perubahan nama bandara, merubah list data waktu untuk waktu
yang akan di gunakan, mengelola data masuk untuk di inputkan sebagai bahan
prediksi. Pada menu prediksi atau forecasting akan muncul list pilihan jenis kopi
apa yang akan kita prediksi alpa yang rangenya dari 0.1 – 0.9 dan input periode
yang dicari. Data yang sudah di input oleh pihak admin dan user (direktur) akan
dip roses untuk perhitungan prediksi. Sesuai dengan gambar 4.15 pada
halaman sebelumnya, akan muncul tampilan tabel dari perhitungan metode
Single Exponential Smoothing tersebut, dengan perhitungan prediksi
menggunakan data 2017 - 2018. Tabel tersebut terdiri dari tahun bulan, jumlah
data penjualan, formula prhitungan. hasil prediksi dan nilai eror (selisih antara
nilai penjualan dengan hasil yang diprediksi), dan nilai eror yang dipangkatkan.
Lalu pada bagian bawah gambar akan menunjukan grafik penjualan dan hasil
forecasting. Dari perhitungan nilai error RMSE nilai terkecil 77 dan konstanta
alpha = 0.9 menghasilkan 75% dari 24 data yang dihitun peramalan mendekati
nilai aktual.

78
 Gambar 4. 20 Forecasting Inputan di Aplikasi

Gambar 4. 21 Forecasting Formula perhitungan di Aplikasi

79
 Kopi Arabika Grade A (Single Exponential Ft = Ft – 1 + α (Dt-1 – Ft-1))

Gambar 4. 22 Forecasting Perhitungan Excel

Gambar 4. 23 Forecasting Perhitungan Nilai Error Excel

Pada gambar 4.22, 4.23 diatas merupakan tampilan web dari inputa dan
perhitungan peramalan Single Exponential Smoothing pada aplikasi yang
dibuat, dapat dilihat prediksi di bulan januari tersebut dari peramalan adalah
1758.

80
Pada Grafik akan terlihat perkembangan dan perbandingan naik atau turunnya
penjualan biji kopi real dan prediksi penjualan untuk periode selanjutnya.

Gambar 4. 24 Grafik Forecasting dan Aktual

Adapun kelebihan dan kelemahan aplikasi yang penulis buat adalah sebagai
berikut :
1) Kelebihan
Kelebihan dari Aplikasi Peramalan Penjualan Biji Kopi Mentah ini adalah
kida dapat memprediksi Jenis kualitas kopi mana yang akan kita
prediksi, konstanta alphanya bisa di masukkan 0.1 - 0.9, dan bisa
memrediksi jangka waktu yang lebih lama. Dalam aplikasi ini juga tertera
formula perhitungan dan selisih dari peramalan sehingga hasilnya tidak
akan membingungkan berasal dari mana. Aplikasi peramalan ini juga
menyertakan grafik perkembangan penjualan serta prediksi yang akan
datang.
2) Kekurangan
Tampilan pada aplikasi ini masih tergolong sangat sederhana dan yang
menggunakan aplikasi ini sedikit. Aplikasi ini masih sedikit harus di
perbaiki pada menu-menunya, aplikasi ini juga masih bebasis web
diharapkan kedepanya bisa dalam bentuk android agar lebih
mempermudah pengguna.

81
4.3 Pengujian Sistem
Pada tahap ini dilakukan fase testing, yaitu melakukan pengujian sistem
dan program sesuai tahapan model waterfall. Pengujian yang dilakukan peneliti
berupa pengujian prediksidan aplikasi sistem. Pengujian single exponential
smoothing berupa hasil perhitungan dalam proses menentukan akurasi
ketepatan prediksi. Sedangkan pengujian aplikasi sistem berupa pembahasan
tentang keberhasilan hasil blackbox testing yang telah dirancang oleh peneliti.

Adapun hasil pengujian antarmuka Aplikasi Prediksi Penjualan Biji Kopi,

antara lain :
Tabel 4. 1 Pengujian Aplikasi

No. Antarmuka Cara pengujian Hasil yang Hasil

yang diuji diharapkan
1 Halaman login Memasukan Berhasil masuk Sesuai
Username dan aplikasi (halaman
password sebagai dashboard admin)
admin lalu tekan
login
2 Menu Klik menu Menampilkan Sesuai
dashboard Dashboard halaman dashboard

3 Menu input menambah input Menampilkan Sesuai

user data user berhasil tambah user
pengguna aplikasi beserta kelola

4 Menu input menambah input Menampilkan Sesuai

produk data produk berhasil tambah
produk baru beserta
kelola
5 Menu input Masukan tanggal Menyimpan dan Sesuai
penjualan penjualan dan berhasil disimpan
deskripsi penjualandetail

82
No. Antarmuka Cara pengujian Hasil yang Hasil
yang diuji diharapkan
6 Menu input Masukan pilih Menampilkan Sesuai
Penjualan produk, jumlah berhasil menambah
detail sebagai dan catatan waktu
transaksi
7 Menu cetak Cetak data yang Menampilkan Sesuai
telah disimpan berhasil
dengan klit icon menampilkan pdf
print cetak
8 Menu unduh Klik tanda Pdf Menampilkan Sesuai
pada data tampilan Pdf data
tersimpan
9 Menu Klik menu Menampilkan inputan Sesuai
forecasting forecasting produk yang akan
diprediksi, formula,
selisih dan grafik
10 Menu logout Klik menu logout Menampilkan Sesuai
halaman dashboard
awal

83
 BAB V
PENUTUP
5.1 Kesimpulan

Dari hasil penelitian yang dilakukan mulai tahap awal hingga proses
pengujian Aplikasi peramalan penjualan biji kopi mentah yang menggunakan
Metode Single Exponential Smoothing ini dapat disimpulkan bahwa:

1) Perhitungan dari metode Single Exponential Smoothing ini sudah cukup

akurat dalam menentukan hasil prediksi jumlah penjualan biji kopi dari
data yang dimiliki karena selisihnya tidaklah jauh antara penjualan
sebenarnya dengan peramalan yang di hitung dengan konstanta 0.9.
Yang mana menentukan tingkat akurasi data peramalan menggunakan
pengujian akurasi RMSE dengan nilai terkecil =77.
2) Dalam menjalankan suatu proses bisnis seperti penjualan barang
diperlukan adanya aplikasi ini guna memprediksi penjualan kedepan
sehingga dapat digunakan untuk mengambil keputusan yang tepat
menyeimbangkan antara stok barang dan penjualan serta meminimalisir
kerugian.
3) Metode Single Exponential Smoothing ini dapat membantu memenuhi
kebutuhan penghitungan data yang diinginkan dan juga membatu dalam
melakukan langkah untuk menentukan strategi pergerakan penjualan,
dari 24 data 75% hasil peramalan mendekati dengan nilai aktual.

5.2 Saran

Untuk pengembangan selanjutnya, penulis memberikan saran yang

diharapkan mampu menjadi bagian terwujudnya kesempurnaan aplikasi ini.
Adapun saran – saran yang dapat penulis berikan adalah sebagai berikut :

1. Aplikasi Prediksi Penjualan Biji Kopi ini diharapkan bisa

diimplementasikan pada perusahaan UD. Marulitua Coffe guna untuk
meningkatkan sistem proses bisnisnya, Juga biasa di implementasikan
di usaha-usaha dagang lainnya.

84
2. Aplikasi Prediksi Penjualan Biji Kopi ini diharapkan dapat dikembangkan
dengan menggunakan metode maupun algoritma lain yang memiliki
tingkat akurasi yang lebih tinggi.
3. Aplikasi Prediksi Penjualan Biji Kopi ini diharapkan dapat dikembangkan
dengan menggunakan android agar lebih mempermudah pengguna
dimanapun melakukan pekerjaan yang terkait dengan aplikasi ini.
4. Aplikasi Prediksi Penjualan Biji Kopi ini diharapkan kedepannya dapat di
cantumkan penjualan barang didalamnya, dan tampilannya semakin
modern dan bagus.

85
 DAFTAR PUSTAKA
Dharwiyanti, S., & Wahono, R. S. (2003). Pengantar Unified Modeling
Language (Uml). Ilmukomputer.Com, 1–13.

Fachrurrazi, S. (2015).Menggunakan metode Single Exponential Smoothing

Pada took obat bintang geurugok. Techsi, Vol. 6 No., 19–30.

Gustriansyah, R. (2017). Analisis Metode Single Exponential Smoothing

Dengan Brown Exponential Smoothing Pada Studi Kasus Memprediksi
Kuantiti Penjualan Produk Farmasi Di Apotek. Seminar Nasional Teknologi
Informasi & Multimedia, (February), 6–11. Retrieved From
Http://Ojs.Amikom.Ac.Id/Index.Php/Semnasteknomedia/Article/View/1653

Hayuningtyas, R. Y.,. (2017). Peramalan Persediaan Barang Menggunakan

Metode Weighted Moving Average Dan Metode Double Exponential, Jurnal
Ilmiah Teknologi Informasi Terapan,13(2), 217–222.

Ihsan, H., Syam, R., & Ahmad, F. (2018).Peramalan penjualan dengan metode
Exponential Smoothing ( Studikasus : Penjualan bakso kemasaan / Kiloan
rumah bakso Bang Ipul ), Jurnal Penelitian Iptek-Kom, 1(1), 1–7.

Iman Sanjaya. (2012). Pengukuran Kualitas Layanan Website Kementerian

Kominfo Dengan Menggunakan Metode Webqual 4.0. Jurnal Penelitian
Iptek-Kom, 14(1), 1–14.

Iyanda, A. E. (2017). Comparison Of Exponential Smoothing Methods In

Forecasting Palm Oil Real Production. Jurnal Ilmu Komputasi, 14(1), 31–42
Https://Doi.Org/10.1088/1742-6596/755/1/011001

Karanga, F. T. (2016). Analisis Peramalan Penjualan Comforta ’ S Bed Jenis

Super Star Pada Pt . Massindo Terang Perkasa Makassar, Jurnal, 1(2),
65–69.

Lieberty, A., Imbar, R. V, Support, A. D., &Dss, S. (2015). Sistem informasi

meramalkan penjualan barang dengan metode Double Exponential
Smoothing ( Studikasus : Pd . Padalarang jaya ), Jurnal Sistem Dan
Informatika, 4(1), 88–97.

86
Mustaqbal, M. S., Firdaus, R. F., & Rahmadi, H. (2015). ( Studi Kasus : Aplikasi
Prediksi Kelulusan SNMPTN ). Jurnal Ilmiah Teknologi Informasi Terapan,
I(3), 31–36.

Okwara, N. K. M. T. (2013). Sistem Peramalan Dan Monitoring Persediaan

Obat Di Rspg Cisarua Bogor Dengan Menggunakan Metode Single
Exponential Smoothing Dan Reorder Point. Jurnal Ilmiah Komputer Dan
Imformatika (Komputa), 45–52.

Palit, R. V, Rindengan, Y. D. Y., & Lumenta, A. S. M. (2015). Rancangan

Sistem Informasi Keuangan Berbasis Web. E-Journal Teknik Elektro Dan
Komputer Vol, 4(7), 1–7.

Pramita, W., & Tanuwijaya, H. (2010). Penerapan Metode Exponential

Smoothing Winter Dalam Sistem Informasi Pengendalian Persediaan
Produk Dan Bahan Baku Sebuah Cafe. Seminar Nasional Informatika,
(semnasIF), 219–225.

Shukur, O. B., Fadhil, N. S., Lee, M. H., & Ahmad, M. H. (2014).Jurnal teknologi
Electricity Load Forecasting Using Hybrid Of Multiplicative Double
Seasonal Exponential Smoothing Model With Artificial Neural Network,
Citec Journal, 2, 65–70.

Tularam, G. A., &Saeed, T. (2016). Oil-Price Forecasting Based On Various

Univariate Time-Series Models, Citec Journal, (May), 226–235.

Wardah, S. (2016). Kemasan Bungkus ( Studikasus : Home Industry Arwana

Food Tembilahan ). Jurnal Administrasi Bisnis (JAB), 58(1),38-39.

Yuniastari, N. L. A. K., & Wirawan, I. W. W. (2016). Peramalan Permintaan

Produk Perak Menggunakan Metode Simple Moving Average Dan
Exponential Smoothing. Jurnal Sistem Dan Informatika, 9(1), 97–106.

87
 DAFTAR RIWAYAT HIDUP

a. Data Personal
NIM : 2015 – 31 - 094
Nama : Ubed Sihombing
Tempat/ Tgl. Lahir : Lumbansipariama 11 Oktober, 1996
Jenis Kelamin : Perempuan
Agama : Kristen
Status Perkawinan : Belum Kawin
Program Studi : Teknik Informatika
Alamat Rumah : Pargaulan, Kec. Lintongnihuta Humbang
Hasundutan
Telp/HP : 082297661357
E-mail : ubedsihombing@gmail.com
Personal Web : ubedsihombingblogspot.com
b. Pendidikan
Jenjang Nama Lembaga Jurusan Tahun Lulus
SD SD N 1 Sibuntuon - 2007
SMP SMP N 2 Lintongnihuta - 2010
SMA ST.THOMAS 2
SMA IPA 2014
MEDAN

Demikian daftar riwayat hidup ini dibuat dengan sebenarnya.

Jakarta, Agustus 2019

(Ubed Sihombing)

88
 LAMPIRAN – LAMPIRAN
Lampiran 1 Surat Permohonan Penelitian

89
Lampiran 2 Surat Balasan Penelitian

90
Lampiran 3 Lembar Bimbingan Skripsi

91
Lampiran 4 Daftar Pertanyaan Wawancara

92
93
94
95
Lampiran 2 Data Penelitian

22 Januari 2017 19 Februari 2017

12 Maret 2017 23 April 2017

21 Mei 2017 25 Juni 2017

96
30 Juli 2017 20 Agustus 2017

10 September 2017 22 Oktober 2017

19 November 2017 10 Desember 2017

97
15 Januari 2018 25 Februari 2018

18 Maret 2018 8 April 2018

20 Mei 2018 17 Juni 2018

98
21 Juli 2018 19 Agustus 2018

9 September 2018 16 Oktober 2018

19 November 2018 10 Desember 2018

99
100
Lampiran 3 Daftar Perbaikan Revisi

101
102
103