RANCANG BANGUN SISTEM INFORMASI PERAMALAN

PENJUALAN DENGAN METODE WEIGHTED MOVING

AVERAGE PADA UD RIKO JAYA

PROPOSAL TUGAS AKHIR

Program Studi

S1 Sistem Informasi

Oleh :

AKHMAT HIDAYATULLOH

18.410100.0126

FAKULTAS TEKNOLOGI DAN INFORMATIKA

UNIVERSITAS DINAMIKA

2023
 2

RANCANG BANGUN SISTEM PERAMALAN PENJUALAN DENGAN

METODE WEIGHTED MOVING AVERAGE PADA UD RIKO JAYA

PROPOSAL

Diajukan sebagai syarat untuk mengerjakan Tugas Akhir

Oleh :

Nama : Akhmat Hidayatulloh

NIM : 18.410100.0126

Program : S1 (Strata Satu)

Jurusan : Sistem Informasi

Surabaya, 20 Mei 2023

Disetujui:

Pembimbing
I. Dr. Haryanto Tanuwijaya, S.Kom., M.MT.
NIDN. 0710036602

II. Dr. Eng. Valentinus Roby Hananto,

S.Kom., M.Sc., OCA.
NIDN. 0715028903

Penguji

I. Julianto Lemantara. S.Kom., M.Eng.

NIDN 0722108601

Mengetahui:

Kepala Program Studi S1 Sistem Informasi

Dr. Anjik Sukmaaji, S.Kom., M.Eng.

NIDN 0731057301

2
 3

A. Judul

Rancang Bangun Sistem Informasi Peramalan Penjualan Dengan Metode

Weighted Moving Average pada UD RIko Jaya

B. Latar Belakang

Teknologi informasi saat ini berkembang sangat pesat dan semakin

merambat dalam berbagai bidang terutama dalam perusahaan yang bergerak

dalam bidang perdagangan (Damayanti, 2020). Dalam era digital yang semakin

maju ini, teknologi memberikan banyak kemudahan dan keuntungan bagi

perusahaan untuk meningkatkan produktivitas, efisiensi, dan kualitas layanan.

Penerapan teknologi yang tepat dan efektif dapat memberikan banyak manfaat

bagi perusahaan, seperti meningkatkan efisiensi operasional, mempercepat proses

bisnis, dan meningkatkan pengalaman pelanggan. Berbagai teknologi yang ada

saat ini seperti e-commerce, sistem manajemen gudang, sistem POS (Point of

Sale), analisis data, dan sistem peramalan dapat digunakan oleh perusahaan untuk

mengoptimalkan kinerja dan mencapai tujuan bisnis yang diinginkan.

UD Riko jaya terletak di Kecamatan Pakal, Kota Surabaya, Provinsi Jawa

Timur, UD Riko Jaya merupakan suatu usaha kecil menengah yang bergerak di

bidang perdagangan. UD Riko Jaya mempunyai proses bisnis yaitu dimulai dari

pihak mitra yang melakukan pemesanan produk seperti sedotan, sendok plastik,

dan cutton budI dan beberapa produk lainnya kepada pemilik perusahaan. Setelah

menerima pemesanan, pemilik perusahaan melakukan pembelian produk yang

belum dikemas kepada vendor. Setelah itu mengirimkan produk yang di kemas ke

pada UD Riko Jaya. Setelah produk datang, staf bagian pengemasan melakukan

pengemasan pada produk yang belum dikemas. Setelah selesai dikemas, pemilik
 4

perusahaan menjual produk yang sudah di kemas pada mitra yang sudah memesan

produk tersebut, lalu staf bagian pengiriman langsung mengirimkan produk yang

sudah di kemas kepada mitra. Pada proses penjualan, pemilik perusahaan yang

juga bertugas dalam melakukan pencatatan dan pembelian produk masih

mengalami kesulitan dalam menentukan jumlah stok produk yang harus

disediakan per periodenya sehingga susah untuk memperkirakan jumlah produk

yang harus dibeli dari pemasok setiap bulannya dan perencanaan proses

packaging pada setiap bulannya, karena selama ini dalam menentukan stok

produk hanya dengan perkiraan dan permintaan pelanggan saja. Tanpa adanya

perhitungan yang baik dalam menentukan persediaan produk maka akan terjadi

kekurangan produk ataupun kelebihan produk yang dapat menyebabkan

penumpukan produk di gudang sehingga perusahaan dapat mengalami kerugian.

Dengan pemanfaatan teknologi informasi, solusi yang dapat ditawarkan

yaitu dengan pembuatan aplikasi peramalan penjualan dengan Metode Weighted

Moving Average. Metode Weight Moving Average (WMA) merupakan metode

yang cocok digunakan pada data yang bersifat time-series, yaitu data yang

berubah dari waktu ke waktu, didalam metode Weighted Moving Average selain

perhitungannya sederhana, pada teknik Weighted Moving Average diberikan bobot

yang berbeda untuk setiap data historis masa lalu yang tersedia, dengan asumsi

bahwa data historis yang paling terakhir atau terbaru akan memiliki bobot lebih

besar dibandingkan dengan data historis yang lama karena data yang paling

terakhir atau terbaru merupakan data yang paling relevan untuk peramalan. Oleh

karena itu metode ini dapat membantu memaksimalkan perhitungan prediksi

penjualan produk untuk periode mendatang sehingga dapat memprediksi berapa

 5

stock produk yang harus di sediakan dan dapat mengetahui berapa jumlah untuk

perencanaan packaging setiap bulannya.

C. Rumusan Masalah

Adapun rumusan masalah yang telah di ambil berdasarkan latar belakang

yaitu bagaimana merancang bangun sistem informasi peramalan penjualan dengan

metode Weighted Moving Average pada UD RIko Jaya?

D. Batasan Masalah

Berdasarkan rumusan masalah yang telah dijelaskan, maka penelitian ini

berfokus pada permasalahan yang akan di bahas sebagai berikut:

1. Sistem yang di buat berbasis website

2. Metode peramalan yang di gunakan adalah Weighted Moving Average

3. Data yang di pakai hanya produk sedotan tahun 2022

E. Tujuan

Berdasarkan latar belakang dan rumusan masalah, adapun tujuan yang

terdapat pada penelitian ini yaitu menghasilkan aplikasi peramalan penjualan

dengan metode Weighted Moving Average untuk membantu menentukan stok

produk sehingga terjadi kekurangan persediaan produk dan perencanaan

packaging di setiap bulannya

F. Manfaat Penelitian

Adapun manfaat dari aplikasi peramalan penjualan menggunakan metode

Weighted Moving Average yaitu :

 6

1. Dapat membantu dalam menentukan persediaan produk, sehingga

perusahaan tidak mengalami kekurangan produk ataupun kelebihan

produk didalam gudang

2. Membantu menyeimbangkan antara persediaan produk dan permintaan

pelanggan

3. Dapat meramalkan berapa penjualan yang akan terjadi pada masa

mendatang pada perusahaan.

G. Landasan Teori

Sebagai pendukung penelitian ini, terdapat studi literature yang di gunakan

sebagai dasar teori atau acuan dalam pembuatan rencang bangun aplikasi

peramalan penjualan menggunakan metode Weighted Moving Average. Oleh

karena itu dalam penelitian ini terdapat beberapa pemahaman teori antara lain:

1. Penelitian terdahulu

2. Peramalan

3. Metode Weighted Moving Average

4. Pengukuran kesalahan peramalan

5. System Development Life Cycle (SDLC) Waterfal

G.1 Penelitian Terdahulu

Penelitian terdahulu digunakan sebagai dasar acuan dalam menambah

wawasan penulis. Dalam melakukan penelitian, penulis akan mencari penelitian

terdahulu dengan jenis penelitian yang sama kemudian mencari perbedaan dari

penelitian tersebut. Adapun perbedaan pada penelitian ini dengan penelitian

sebelumnya dapat dilihat pada Tabel 1.

 7

Tabel 1 Penelitian Terdahulu

Judul Penelitian Penelitian Sebelumnya Penelitian Saat Ini

Peramalan Penjualan Permasalahan yang ada Permasalahan yang ada
Produk Sepatu dengan mengalami tingkatan karena penjualan yang
Menggunakan Metode penjualan yang berubah- berubah ubah
Double Moving Average ubah, kurangnya perusahaan kesulitan
(DMA) (Irwansyah., permintaan sepatu memperkirakan jumlah
dkk. 2022) membuat usaha dagang produk mentah yang
mengalami kerugian dari harus di beli dari
konsumen karna tidak pemasok dan kesulitan
dapat memenuhi memperkirakan
kebutuhan konsumen perancanaan proses
dan kelebihan membuat packaging pada setiap
usaha mengeluarkan bulannya
biaya penyimpanan
Sistem Peramalan Permasalahan yang ada
Penjualan Paving Block masih mengalami
Menggunakan MetodeE kesulitan dalam
Single Moving Aaverage menentukan jumlah
(Saefudin., dkk. 2021) produksi, karena selama
ini dalam menentukan
jumlah produksi hanya
dengan perkiraan saja,
tanpa ada perhitungan
yang baik untuk
mengetahui bayangan
apa yang akan terjadi di
masa mendatang
Sistem PrediksiI Permasalahan yang ada
Penjualan Obat adalah dalam proses
Menggunakan Metode penyetokan obat
Single Moving Average sehingga mengalami
 8

(Studi Kasus: Apotek kekurangan stok obat

Wilujeng Kecamatan dan menyebabkan
Panceng Kab.Gresik) kerugian dengan
(Bela, Zudi Ita, 2022) kehilangan pelanggan
atau konsumen, sehingga
keuntungan yang
didapatkan berkurang.

G.1 Peramalan

Peramalan adalah memperkirakan suatu yang akan terjadi pada periode

atau masa yang akan datang memproyeksikan pengalaman masa lalu ke masa

yang akan datang (Santiari & Rahayuda, 2020). Peramalan juga dapat diartikan

sebagai seni dan ilmu untuk memperkirakan kejadian pada masa yang akan

datang, sedangkan aktivitas peramalan merupakan suatu fungsi bisnis yang

berusaha memperkirakan penjualan dan penggunaan suatu produk sehingga

produk-produk itu dapat dibuat dalam kuantitas yang tepat.

Peramalan adalah usaha untuk memprediksi keadaan di masa mendatang

dengan metode pengujian dimasa lalu. Peramalan berkaitan dengan usaha yang

memprediksi sesuatuyang terjadi dimasa depan, mendasar dalam teknik (keahlian

dan kecerdasan teknologi) dengan di buat dengan cara sangat pasti dan tepat

(Herlambang, 2021).

G.2 Weighted Moving Average (WMA)

Weighted Moving Average (WMA) adalah rata-rata bergerak yang

memiliki bobot (Ardiana & Loekito, 2018). Metode Weighted Moving Average

merupakan metode yang mempunyai teknik pemberian bobot yang berbeda atas
 9

data yang tersedia dengan demikian bahwa data yang paling akhir adalah data

yang paling relevan untuk peramaln sehingga diberi bobot yang lebih besar.

( Σ ( Dt∗bobot ) )
WMA= ……………………………………(1)
( Σbobot )

Keterangan :

Dt : data aktual pada periode t

bobot : bobot yang diberikan untuk setiap bulan

Bobot itu ditentukan sedemikian rupa sehingga jumlah keseluruhannya

sama dengan satu. Misalnya rata-rata bergerak 4 bulan, misalnya diberi bobot: 0,4

0,3, 0,2, 0,1.

G.4 Nilai Ketepatan Peramalan

Menghitung kesalahan forecasting sering pula disebut dengan menghitung

ketepatan pengukuran. Semakin kecil nilai kesalahan maka makin tinggi tingkat

ketelitian peramalan (Monalisa., dkk. 2018), demikian sebaliknya. Besarnya

kesalahan peramalan dapat dihitung dengan menggunakan beberapa metode

perhitungan yaitu:
 10

1. MAD (Mean Absolute Deviation) adalah adalah metode yang digunakan untuk

mengukur tingkat kesalahan atau variabilitas antara nilai aktual dan nilai prediksi

dalam suatu dataset. MAD menghitung rata-rata dari selisih absolut antara setiap

nilai aktual dan nilai prediksi.

Berikut adalah rumus untuk menghitung MAD:

Σ (| Actual−Predicted|)
MAD= ……………………………….(2)
n

Keterangan:

n : Jumlah data

Σ : Simbol sigma yang menandakan operasi penjumlahan

Actual : Nilai aktual

Predicted : Nilai prediksi

2. MSE (Mean Squared Error) adalah metode yang digunakan untuk mengukur

tingkat kesalahan atau variabilitas antara nilai aktual dan nilai prediksi dalam

suatu dataset. MSE menghitung rata-rata dari kuadrat selisih antara setiap nilai

aktual dan nilai prediksi.

Berikut adalah rumus untuk menghitung MSE:

( Actual−Predicted )¿ 2
MSE=Σ …………………………….(3)
n
 11

Keterangan:
n : Jumlah data

Σ : Simbol sigma yang menandakan operasi penjumlahan

Actual : Nilai aktual

Predicted : Nilai prediksi

3. MAPE (Mean Absolute Percentage Error) adalah metode yang digunakan untuk

mengukur tingkat kesalahan relatif antara nilai aktual dan nilai prediksi dalam

suatu dataset. MAPE mengukur persentase rata-rata dari selisih absolut antara

nilai aktual dan nilai prediksi terhadap nilai aktual.

Berikut adalah rumus untuk menghitung MAPE:

MAPE=Σ (| Actual−Predicted
Actual |) /(n)∗100 %.....................(4)

Keterangan:

n : Jumlah data

Σ : Simbol sigma yang menandakan operasi penjumlahan

Actual : Nilai aktual

Predicted : Nilai prediksi.

 12

G.3 System Development Life Cycle (SDLC) Waterfall

Metode SDLC adalah proses pengembangan atau mengubah suatu sistem

perangkat lunak dengan menggunakan model-model dan metodologi yang

digunakan orang untuk mengembangkan sistem-sistem perangkat lunak

sebelumnya. Model ini melakukan pendekatan secara sistematis dan urut mulai

dari level kebutuhan sistem lalu menuju ketahap perencanaan (planning),

pemodelan (modeling), konstruksi (construction), serta penyerahan sistem

perangkat lunak ke para pelanggan/pengguna (deployment), yang diakhiri dengan

dukungan berkelanjutan pada perangkat lunak yang dihasilkan (Putri &

Munawaroh, 2022)

Gambar 1. Sytem Development Life Cycle model Waterfall (Munthe, 2019)

Dapat dilihat pada gambar 2 merupakan tahapan umum dari model proses

waterfall. Penggunaan metode atau model waterfall pertama kali diperkenalkan

oleh Herbert D. Benington di Symposium on Advanced Programming Method for

Digital Computers pada tanggal 29 Juni 1956. Presentasi tersebut menjelaskan

tentang pengembangan perangkat lunak untuk SAGE (Semi Automatic Ground

Environment) (Suharya & Rohman, 2022). Waterfall adalah salah satu jenis

model pengembangan aplikasi dan termasuk ke dalam classic life cycle (siklus
 13

hidup klasik), yang mana menekankan pada fase yang berurutan dan sistematis.

Untuk model pengembangannya, dapat dianalogikan seperti air terjun, dimana

setiap tahap dikerjakan secara berurutan mulai dari atas hingga ke bawah.

H. Metode Penelitian

Pada metode penilitian ini digunakan untuk menyelesaikan penelitian ini

dengan tahapan-tahapan yang diperlukan terdiri dari tahap awal, pengembangan,

dan akhir yang dapat dilihat pada gambar 1.

Gambar 2 Metode Penelitian

H1. Tahap Awal

Pada tahap awal ini dilakukan peneliti untuk pemahaman materi,

observasi yang dilakukan guna menunjang proses bisnis yang ada saat ini, dan

mengidentifikasi permasalahan yang terjadi untuk mendapatkan hasil kriteria

kriteria yang akan diimplementasi pada aplikasi berdasarkan metode Weighted

Product.

A. Wawancara
 14

Berdasarkan wawancara langsung dilakukan dengan bapak Dodit selaku

pemilik UD Riko jaya yang memiliki tugas untuk memantau semua proses bisnis

yang ada pada UD Riko jaya, wawancara ini membahas tentang alur bisnis hingga

permasalahan yang terjadi pada UD Riko Jaya.

B. Observasi
Observasi atau pengamatan dilakukan secara langsung untuk melihat proses

bisnis yang terdapat pada UD Riko jaya, dengan tujuan mendapatkan informasi

dan data yang berhubungan dengan penyelesaian masalah serta untuk

mendapatkan informasi tambahan yang belum didapat dari wawancara.

C. Studi Literatur
Metode ini dilakukan dengan mempelajari teori-teori terkait dari hasil

penelitian sebelumnya yang mendukung pemecahan masalah. Studi literatur

digunakan untuk menjelaskan berbagai teori dan mempelajari materi dari metode

Weighted Moving Average, Peramalan, dan Nilai ketepatan peramalan. Studi

literatur digunakan penulis sebagai dasar acuan teori untuk memperkuat pada saat

penelitian.

D. Identifikasi Masalah

Pada tahapan ini akan dilakukan suatu proses identifikasi masalah

berdasarkan hasil dari observasi dan analisis yang telah dilakukan. Berikut adalah

hasil identifikasi masalah dan alternatif solusi yang dapat dilihat pada tabel 2.

Tabel 2 Masalah dan Alternatif Solusi

Masalah Alternatif Solusi

Perusahaan kesulitan menentukan jumlah produk Membuat rancang bangun
yang akan di beli kepemasok dan berapa produk sistem peramalan dengan
yang harus di kemas setiap bulannya, karena merode Metode Weighted
 15

selama ini menentukan jumlah produk dari Moving Average pada UD

perkiraan dan permintaan pelanggan saja Riko Jaya

H2 Tahap Pengembangan

A. Pengerjaan penelitian ini menggunakan metode Metode Weighted Moving

Average (WMA)

Langkah-langkah dalam pengerjaan penelitian ini dengan metode Metode

Weighted Moving Average untuk meramalkan penjualan untuk masa mendatang

tahapan pertama yaitu tahap menentukan nilai bobot, nilai bobot di tentukan

sedemikian rupa dengan bobot diberikan pada setiap periode waktu, dengan bobot

yang lebih tinggi diberikan pada periode yang lebih baru dan bobot yang lebih

rendah diberikan pada periode yang lebih lama.

1) Menentukan nilai bobot

Pada tahap menentukan nilai bobot, ditentukan dengan bobot paling

tinggi pada periode yang paling baru dan bobot paling rendah pada periode paling

lama, jika menghitung bulan mei dapat di contohkan sebagai berikut:

 Januari = 0.1

 Februari= 0.2

 Maret= 0.3

 April = 0.4

Sebelum dilakukannya perhitungan dengan menggunakan metode

Weight Moving Average ini untuk menentukan peramalan atau forecasting pada

bulan yang akan datang, berikut data penjualan bulan sebelumnya yang akan di

pakai untuk perhitungan Weight Moving Average.

16
 17

Tabel 3 Data Penjualan Sedotan 2022

No Bulan Penjualan
1 Januari 2022 978
2 Februari 2022 952
3 Maret 2022 1499
4 April 2022 1195
5 Mei 2022 977
6 Juni 2022 2155
7 Juli 2022 1511
8 Agustus 2022 1655
9 Oktober 2022 1678
10 September 2022 1925
11 November 2022 1699
12 Desember 2022 1471

Pada tahap selanjutnya setelah menentukan bobot dan menentukan data

penjualan bulan sebelumnya dilanjutkan dengan menghitung hasil prediksi dengan

metode WMA , berikut adalah contoh perhitungan WMA yang dapat dilihat

dibawah ini.

WMA mei

( 978∗0.4 ) + ( 952∗0.3 )+ (1499∗0.2 ) +(1195∗0.1) 1215.9

¿ = =1215.9
0.4+0.3+ 0.2+ 0.1 1

WMA juni

( 952∗0.4 ) + ( 1499∗0.3 ) + ( 1195∗0.2 ) +(977∗0.1) 1144.3

¿ = =1144.3
0.4+0.3+ 0.2+0.1 1

( 1499∗0.4 ) + ( 1195∗0.3 )+ ( 977∗0.2 )+(2155∗0.1) 1544

WMA juli ¿ = =1544
0.4+0.3+ 0.2+0.1 1
WMA agustus

( 1195∗0.4 )+ ( 977∗0.3 ) + ( 2155∗0.2 ) +(1511∗0.1) 1565.8

¿ = =1565.8
0.4 +0.3+0.2+0.1 1

( 977∗0.4 )+ (2155∗0.3 )+ ( 1511∗0.2 )+(1655∗0.1) 1644

WMA september ¿ = =1644
0.4+0.3+ 0.2+ 0.1 1
 18

WMA oktober

( 2155∗0.4 ) + ( 1511∗0.3 ) + ( 1655∗0.2 ) +(1678∗0.1) 1685.4

¿ = =1685.4
0.4 +0.3+0.2+ 0.1 1

WMA november

( 1511∗0.4 ) + ( 1655∗0.3 ) + ( 1678∗0.2 ) +(1925∗0.1) 1755.5

¿ = =1755.5
0.4 +0.3+0.2+ 0.1 1

WMA desember

( 1655∗0.4 ) + ( 1678∗0.3 ) + ( 1925∗0.2 ) +(1699∗0.1) 1758.2

¿ = =1758.2
0.4+0.3+ 0.2+0.1 1

WMA januari

( 1678∗0.4 ) + ( 1925∗0.3 ) + ( 1699∗0.2 ) +(1471∗0.1) 1650.9

¿ = =1680.9
0.4+0.3+ 0.2+ 0.1 1

Tabel 4 Data Peramalan

No Bulan Penjualan Prediksi

1 Januari 2022 978 -
2 Februari 2022 952 -
3 Maret 2022 1499 -
4 April 2022 1195 -
5 Mei 2022 977 1215.9
6 Juni 2022 2155 1144.3
7 Juli 2022 1511 1544
8 Agustus 2022 1655 1565.8
9 Oktober 2022 1678 1644
10 September 2022 1925 1685.4
11 November 2022 1699 1755.5
12 Desember 2022 1471 1758.9
13 Januari 2023 - 1650.9

Setelah dilakukan perhitungan mengguanakan Weighted Moving

Aaverage dengan beberapa cara dan mendapat nilai paling baik menggunakan

cara seperti di atas maka selanjutnya dilakukan ialah menghitung ketepatan

 19

peramalan menggunakan MAD, MSE, dan MAPE, berikut hasil perhitungan

untuk ketepatan peramalan:

 20

Tabel 5 Data Peramalan dan Penilaian Ketepatan Peramalan

N MSE(Y-X)*(Y-
o Bulan Penjualan Prediksi MAPE(Y-X)Y MAD(Y-X) X)
1 Januari 2022 978
2 Februari 2022 952
3 Maret 2022 1499
4 April-22 1195
5 Mei 2022 977 1215.9 0.244 238.9 57073.21
6 Juni 2022 2155 1144.3 0.46900232 1010.7 1021514.49
7 Juli 2022 1511 1544 0.0218 33 1089
0.05389728
Agustus 2022 1655
8 1565.8 1 89.2 7956.64
0.02026221
Oktober 2022 1678
9 1644 7 34 1156
0.12446753
September-22 1925
10 1685.4 2 239.6 57408.16
11 November-22 1699 1755.5 0.033 56.5 3192.25
Desember
1471
12 2022 1758.9 0.195 287.9 82886.41
1.16142935
TOTAL 1 1750.9 1175202.95
JUMLAH DATA 8 8 8
14.5178668
HASIL 8 218.8625 146900.3688

B. Pengumpulan Kebutuhan

Pada tahap ini mengidentifikasi kebutuhan aplikasi yang akan dirancang,

kebutuhan aplikasi yang dimaksud antara lain kebutuhan sistem.

1. Kebutuhan Fungsional

Kebutuhan fungsional yang dimaksud untuk melakukan pada tahap

analisis fungsional sistem. Berikut ini adalah analisis kebutuhan fungsional yang

dapat dilihat pada Tabel 6.

Tabel 3 Analisis kebutuhan fungsional

No Fungsi Kegunaan
1. Login Proses untuk penggunaan untuk
 21

mengakses sistem
2. Pengelola data master Merupakan proses pengelolaan
data master yang meliputi proses
view, create, update, dan delete
3. Perhitungan Weighted Moving Merupakan proses untuk
menghitung peramalan penjualan
Average
dengan metode weighted moving
average
4. Perhitungan MAPE, MAD, dan Merupakan proses untuk
mengitung eror pada peramalan
MSE

2. Kebutuhan Nonfungsional

Analisis kebutuhan Nonfungsional yang ada pada penelitian ini dan di

butuhkan dalam pengmbangan aplikasi pengendalian persediaan pada UD Riko

Jaya yaitu sistem keamanan suatu aplikasi yang di bangun merupakan salah satu

pencegaan terjadinya kebocoran data dan penyalahgunaan data, salah satu bentuk

sistem keamanan yang ada pada rancang bangun aplikasi pengendalian persediaan

menggunakan metode min max dan EOQ pada UD Riko Jaya adalah dengan

adanya username dan password agar dapat melakukan keamanan data.

Tabel 7. Sistem Keamanan

No. Username Password

1. Admin ********

3. Kebutuhan Perangkat Lunak/Keras

Analisis kebutuhan perangkat lunak/keras dilakukan untuk mengetahui

 22

spesifikasi yang di butuhkan sistem:

1. Analisis Kebutuhan Perangkat Keras

a. CPU dengan Processor Generasi ke 8 Intel® Core™ i5-8250U

b. Random Access Memory (RAM) sebesar 4GB

c. Minimal kapasitas penyimpanan Harddisk (HDD) sebesar 256 Gb.

d. Monitor atau layar computer

e. Mouse

f. Keyboard

2. Analisis kebutuhan kerangkat lunak

a. Sistem operasi yang digunakan pada penelitian ini menggunakan sistem

b. operasi minimal Windows 8 atau diatasnya

c. Browser yang digunakan pada penelitian ini ada Google Chrome

d. Xampp untuk mengakses PHP dan MySQL

4. Kebutuhan Data

Kebutuhan data digambarkan melalui IPO Diagram yang dibuat

berdasarkan tahap analisis yang telah dilakukan sebelumnya seperti Gambar 3.

23
 24

Gambar 1 Diagram Input, Proses, dan Output

Gambar diatas merupakan diagram IPO yang menjelaskan proses

masukan (input), proses (process), keluaran (output) dari aplikasi. Pada proses

pengelolaan data master yang menghasilkan luaran atau output berupa daftar user,

barang, dan daftar penjualan dengan membutuhkan input berupa data user, data

barang dan data penjualan. Pada proses perhitungan Weighted Moving Average

membutuhkan input berupa data penjualan, dan data bobot akan menghasilkan

luaran atau output berupa hasil peramalan penjualan di masa mendatang, pada

proses perhitungan ini dilakukan oleh pemilik saat menentukan bobot. Pada

proses laporan membutuhkan input berupa data user, data barang, dan data

penjualan beserta peramalan penjualan yang menghasilkan luaran atau output

berupa laporan user, laporan barang, dan laporan penjualan beserta peramalannya.

C. Membuat Sysflow Diagram

Pada tahap ini peneliti membuat sysflow diagram untuk membantu dalam

memahami aliran proses atau urutan langkah-langkah dalam suatu sistem

D. Membuat Contex Diagram

Pada tahap ini peneliti membuat contex diagram bertujuan untuk

memberikan gambaran visual yang jelas dan ringkas tentang sistem yang sedang

dianalisis atau dikembangkan

 25

E. Membuat Entity Relationship Diagram

Pada tahap ini penulis membuat entity diagram digunakan untuk

menggambarkan hubungan antara entitas dalam suatu sistem atau basis data.

Tujuan utama dari entity diagram adalah untuk membuat struktur data

F. Pembuatan Aplikasi

Pada tahap pembuatan aplikasi Peramalan Penjualan Dengan Metode

Weighted Moving Average pada UD RIko Jaya dilakukan pengkodean dengan
menggunakan Visual Studio Code, XAMPP, PHP, HTML, CSS, dan MySQL.
Pada tahap coding terdapat tahapan pengembangan aplikasi yang dapat dilakukan
pengkodean sistem pada pengguna yang terdapat pada aplikasi Peramalan
Penjualan Dengan Metode Weighted Moving Average pada UD RIko Jaya.

H3 Tahap Akhir

Tahap ini dibuat untuk menilai ketepatan peramalan perhitungan

dilakukan menggunakan MAPE, MAD, dan MSE, ketepatan peramalan

digunakan untuk menghitung berapa eror yang di dapat pada perhitungan MAPE

semakin sedikit eror semakin baik peramalan tersebut.

 26

I. Jadwal Kerja

Tabel 4 Jadwal Kerja

Tahun 2023

No Kegiatan Mei Juni Juli

1 2 3 4 1 2 3 4 1 2 3 4

1. Tahap Awal
Studi Literatur
Observasi
Identifikasi Masalah
Tahap
2. Pengembangan
Pengumpulan
Kebutuhan
Membuat Desain
Prototype
Evaluasi Prototype
Mengkodekan sistem
(coding)
Pengujian Sistem
Evaluasi Sistem
Implementasi Sistem
3. Tahap Akhir
Penulisan Dokumen
 27

DAFTAR PUSATAKA

Ardiana, D. P. Y., & Loekito, L. H. (2018). Barang Menggunakan Metode

Weighted Moving Average. Jurnal Teknologi Informasi Dan Komputer,

04(01), 71–79. http://e-journals.unmul.ac.id/index.php/INF/article/view/1410

Damayanti, D. (2020). Rancang Bangun Sistem Pengukuran Keselarasan

Teknologi Dan Bisnis Untuk Proses Auditing. Jurnal Tekno Kompak, 14(2),

92. https://doi.org/10.33365/jtk.v14i2.727

Irwansyah, D., Hutahaean, J., & Suparmadi, S. (2022). Peramalan Penjualan

Produk Sepatu dengan Menggunakan Metode Double Moving Average

(DMA). Building of Informatics, Technology and Science (BITS), 4(2), 972–

982. https://doi.org/10.47065/bits.v4i2.2199

Lajung Aji Herlambang, W. S. (2021). Analisis Peramalan Penjualan Sepeda dan

Motor Listrik di PT XYZ. Jurnal Comasie, 1(1), 130–138.

Monalisa, S., Afriani, M., Kurnia, F., & Hartati, M. (2018). Sistem Informasi

Peramalan Penjualan Dengan Menggunakan Metode Weighted Moving

Average. Jurnal Teknologi Informasi Dan Komputer, 4(1), 309–316.

Munthe, I. R. (2019). Perancangan Sistem Informasi Pengarsipan Data Penduduk

Pada Kantor Camat Bilah Hulu Kabupaten Labuhan Batu Dengan Metode

System Develovment Life Cycle (Sdlc). Jurnal Informatika, 5(1), 22–31.

https://doi.org/10.36987/informatika.v5i1.666

Putri, A., & Munawaroh, M. (2022). Implementasi Media Penjualan Online

Berbasis Web Menggunakan Metode System Development Life Cycle

(SDLC). Journal of Artificial Intelligence, 3(1), 53–63.

http://openjournal.unpam.ac.id/index.php/JOAIIA/article/view/16137
 28

Saefudin, Susandi, D., & Nafis, F. (2021). Sistem Peramalan Penjualan Paving

Block Menggunakan Metode Single Moving Average. JSiI (Jurnal Sistem

Informasi), 8(2), 75–81. https://doi.org/10.30656/jsii.v8i2.3727

Santiari, N. P. L., & Rahayuda, I. G. S. (2020). Penerapan Metode Exponential

Smoothing Untuk Peramalan Penjualan Pada Toko Gitar. JOINTECS

(Journal of Information Technology and Computer Science), 5(3), 203.

https://doi.org/10.31328/jointecs.v5i3.1520

Suharya, Y., & Rohman, A. A. (2022). Aplikasi Pencatatan Kehadiran Karyawan

Di Pd . Hikmah Farm. Jurnal Informatika, 09(1), 31–35.

Zudi Ita Bela. (2022). Sistem Prediksi Penjualan Obat Menggunakan Metode

Single Moving Average (Studi Kasus: Apotek Wilujeng Kecamatan Panceng

Kab.Gresik). Indexia, 4(1), 47. https://doi.org/10.30587/indexia.v4i1.3638

28