SKRIPSI
DISUSUN OLEH :
UBED SIHOMBING
2015-31- 094
i
LEMBAR PENGESAHAN
Disusun Oleh :
UBED SIHOMBING
2015-31- 094
Mengetahui Disetujui
(Meilia Nur Indah Susanti, ST., M.Kom) Herman Bedi Agtriadi, S.Si., M.Kom
Kepala Departemen Teknik Informatika Pembimbing Pertama
i
LEMBAR PENGESAHAN TIM PENGUJI
NIM : 2015-31-094
Andi Dahroni,
3.
ST.,M.Kom Penguji
Mengetahui :
Kepala Departemen Informatika
ii
PERNYATAAN KEASLIAN SKRIPSI
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:
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.
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
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)
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.
viii
APPLICATION FORECASTING SALES COFFEE BEANS WEB-BASED RAW
USING THE SINGLE EXPONENTIAL SMOOTHING METHOD
(CASE STUDY : UD. MARULITUA COFFEE)
ABSTRACT
ix
DAFTAR ISI
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
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.
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.
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 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
6
sebagai media promosi terutama produk promo dan best seller hingga
produk baru sehingga dapat menghemat biaya promosi.
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.
8
diperoleh hasil peramalan penjualan bakso bang ipul pada bulan juni 2018
sebanyak 48 kilogram.
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.
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
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.
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
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.
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.
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.
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
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
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)
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 Aliran akhir
sebagai pengirim dan
penerima pesan dari aktivitas
yang terjadi. Sinyal terdiri
dari sinyal penerima yang
9 Signal
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)
26
Actor juga dapat
berkomunikasi dengan
2. Actor
object, maka actor juga dapat
diurutkan sebagai kolom.
Lifeline mengindikasikan
Activation dinotasikan
sebagai sebuah kotak segi
4. Activation
empat yang digambar pada
sebuah lifeline.
Message digambarkan
5. Message dengan anak panah
horizontal antara activation.
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
Akurasi RMSE
Single Exponential
Ft + 1 Smoothing
Literatur (Sayed
Fachrurrazi, 2015)
Yt
Ft
Single Exponential Aplikasi Peramalan
Black Box
Smoothing Penjualan Biji kopi
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.
30
BAB III
METODE PENELITIAN
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:
32
3.1.4 Perancangan sistem
3.1.5 Pengujian
33
3.2 Analisa Kebutuhan
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.
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.
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.
38
3.3.1 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
40
Tabel 3.2 Skenario User
41
3.3.2 Activity Diagram
42
2) Activity Diagram User
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.
44
5) Activity Diagram Forecasting
45
Gambar diatas merupakan activity diagram yang dimana aktornya adalah
admin. Pada aplikasi atau sistemnya, admin dapat melakukan cetak data.
46
3.3.3 Class Diagram
47
A. 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 :
49
C. Squence Diagram Input Data Produk
50
Gambar 3.16 Squence Diagram Input Data Penjualan
51
Gambar 3.17 Squence Diagram Forecasting
Admin
/User
Tampilan Print()
Cetak()
Cetak berhasil()
52
Data Unduh
Admin
/User
Tampilan PDF()
Unduh()
Unduh berhasil()
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 Id varchar 15 PK ID
54
3) Nama Tabel : tb_produk
1 Id Int 10 PK ID
55
No. Field Atribut Type Size Ket Description
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.
58
6) Perancangan Halaman Data Produk
60
kemudian klik proses. Dibawah akan tampil data hasil perhitungan
exponential smoothing
61
Tabel 3. 8 Teknik Analisis
4 Menu Input & Data User Klik Input User Menampilkan Kolom
Untuk mengisi,
menambah dan
menghapus data user.
dan menapilkan data
user yang telah ada.
62
No. Antarmuka yang diuji Cara Pengujian Hasil yang diharapkan
menapilkan data
penjualan yang akan
menjadi data penjualan
detail.
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
=808.5 + 1375
= 2184
Bulan Oktober : Ft+1 = αYt + (1- α)Ft
= 2468
Bulan Desember : Ft+1 = αYt + (1- α)Ft
= 1778
= 1758
Dt = Permintaan Nyata
∑
RMSE = √
Keterangan:
𝑋𝑡 = data/demand ke-t
𝐹 = peramalan ke-t
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
∑
RMSE = √
= √20,049,746 / 5
= 895
∑
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
69
4.1.4 Halaman Input & Data User
Pada menu ini, admin dapat menginput, menambah data user yang
dapat mengakses aplikasi.
Pada menu ini data user yang telah disimpan dapat dilihat, di edit dan di hapus.
70
4.1.5 Halaman Contact Admin
Pada menu ini, admin dapat melihat dan menghapus pesan-pesan dari
pengunjung website.
71
Pada menu ini, admin dapat mengedit , menghapus , mencetak dan
mengunduh data produk yang telah di inputkan sebelumnya.
72
Pada halaman ini adamin juga dapat melihat, mengunduh dan mencetak
data penjualan.
73
Gambar 4. 13 Halaman Data Penjualan Detail
74
Gambar 4. 15 Halaman Perhitungan Forecasting
75
Gambar 4. 16 Halaman Grafik Forecasting
Pada menu ini, user dapat melihat menu home, forecasting dan logout.
76
Gambar 4. 18 Halaman Dashbor User
77
4.2 Pembahasan
78
Gambar 4. 20 Forecasting Inputan di Aplikasi
79
Kopi Arabika Grade A (Single Exponential Ft = Ft – 1 + α (Dt-1 – Ft-1))
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.
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.
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:
5.2 Saran
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.
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.
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.
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.
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
(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
96
30 Juli 2017 20 Agustus 2017
97
15 Januari 2018 25 Februari 2018
98
21 Juli 2018 19 Agustus 2018
99
100
Lampiran 3 Daftar Perbaikan Revisi
101
102
103