BAB II

TINJAUAN PUSTAKA

2. 1 Literature Review
[1](Cici Erlangga Simbolon 2021) Penerapan Algoritma Regresi Linier Sederhana
Dalam Memprediksi Keuntungan dan Kerugian Kelapa Sawit Pt. Sri UlinaErsada Karina. Hasil
yang diperoleh dari penelitian ini adalah penerapan data mining ini mampu menyelesaikan
masalah yang dihadapi dengan hasil tahun kedepannya Kelapa Sawit Pt. Sri UlinaErsada
Karina mengalami keuntungan sebanyak Rp 110.439.053,42.

[2](N.Almumtazah, N.Azizah, Y.L.Putri, dan Dian C. R.Novitasari 2021) Prediksi

Jumlah Mahasiswa Baru Menggunakan Metode Regresi Linier Sederhana. Hasil yang
diperoleh dari penelitian ini adalah dari perhitungan yang dilakukan didapatnya nilai MAPE
untuk prodi matematika sebesar 7,2%, prodi ilmu kelautan sebesar 8,76%, prodi biologi sebesar
5,84%, prodi sistem informasi sebesar 6,46%, prodi arsitektur sebesar 7,98%, dan nilai MAPE
untuk prodi teknik lingkungan sebesar 7,52%.

[3](Harsiti, Zaenal Muttaqin dan Ela Srihartini 2022) Penerapan Metode Regresi Linier
sederhana untuk Prediksi Persediaan Obat Jenis Tablet. Berdasarkan perhitungan dengan
menggunakan metode regresi linier diperoleh hasil akurasi sebesar 98, 505% yang artinya
metode ini dapat diimplementasikan dalam membuat prediksi stok obat jenis tablet (ibu
profen) pada Klinik Teluk.

[4](Novita Ria Lase, Fristi Riandari 2020) Perancangan Aplikasi Prediksi Jumlah
Pendaftar Siswa Baru Dengan Metode Regresi Linier (Studi Kasus: SMA RK Deli Murni
Bandar Baru). Berdasarkan jumlah pendaftar siswa baru yang diambil 20 tahun terakhir,
diperoleh hasil pada tahun berikutnya sebanyak 270.95701 yang dibulatkan menjadi 270 orang.

[5](Nazori Suhandi, Efri Ayu Kartika Putri, Sari Agnisa 2018) Analisis Pengaruh
Jumlah Penduduk terhadap Jumlah Kemiskinan Menggunakan Metode Regresi Linear di Kota
Palembang. Berdasarkan data yang diperoleh dari tahun 2010-2015, dapat disimpulkan bahwa
variabel jumlah populasi (X) memiliki pengaruh negative pada variabel jumlah kemiskinan di
kota Palembang. Secara simultan, jumlah populasi memiliki pengaruh pada jumlah kemiskinan
di kota Palembang yaitu 0,398%, sedangkan -14,045% dan sisanya dipengaruhi oleh variabel
diluar studi ini.

2. 2 Landasan Teori
2.2.1 Prediksi

[6]Prediksi adalah suatu proses memperkirakan secara sistematis tentang sesuatu yang paling
mungkin terjadi di masa depan berdasarkan informasi masa lalu dan sekarang yang dimiliki, agar
kesalahannya (selisih antara sesuatu yang terjadi dengan hasil perkiraan) dapat diperkecil. Prediksi tidak
harus memberikan jawaban secara pasti kejadian yang akan terjadi, melainkan berusaha untuk mencari
jawaban sedekat mungkin yang akan terjadi. Peramalan yang baik merupakan peramalan yang
dilakukan dengan mengikuti langkah langkah atau prosedur yang baik. Pada dasarnya ada tiga langkah
peramalan yang penting, yaitu :

I. Menganalisa data masa lalu.

II. Menentukan metode yang dipergunakan.
III. Memproyeksikan data yang lalu dengan menggunakan metode yang dipergunakan dan
mempertimbangkan adanya beberapa faktor perubahan.

2.2.2 Regresi Linier Sederhana

Regresi linier adalah suatu metode atau pendekatan untuk memodelkan antara suatu hubungan
variabel bebas [x] dengan variabel terikat [y]. Pemodelan dilakukan berdasarkan data-data yang telah
ada sebelumnya. Datadata tersebut merupakan pasangan data antara x dan y, model yang dibangun
selanjutnya digunakan untuk memprediksi nilai y pada suatu nilai x tertentu.

Analisis regresi setidak-tidaknya memiliki 3 kegunaan, yaitu untuk tujuan deskripsi dari
fenomena data atau kasus yang sedang diteliti, untuk tujuan kontrol, serta untuk tujuan prediksi. Regresi
mampu mendeskripsikan fenomena data melalui terbentuknya suatu model hubungan yang bersifatnya
numerik. Regresi juga dapat digunakan untuk melakukan pengendalian (kontrol) terhadap suatu kasus
atau hal-hal yang sedang diamati melalui penggunaan model regresi yang diperoleh. Selain itu, model
regresi juga dapat dimanfaatkan untuk melakukan prediksi untuk variabel terikat. Prediksi di dalam
konsep regresi hanya boleh dilakukan di dalam rentang data dari variabel-variabel bebas yang
digunakan untuk membentuk model regresi tersebut[7].

Regresi linier merupakan salah satu perhitungan time series metode kuantitatif dimana waktu
digunakan sebagai dasar prediksi. Berikut persamaan dasar metode regresi linier sederhana yang
ditunjukkan pada persamaan 2.1.

Y = a + bx (2-1)
 Keterangan:

Y = Variabel terikat a = Intercept

b = Koefisien variabel X X = Variabel bebas

Selanjutnya digunakan persamaan (2-2) dan (2-3) untuk mencari intercept dan koefisien
variabel :

(∑ 𝑋 2 )(∑ 𝑌)−(∑ 𝑋𝑌)(∑ 𝑋)

𝑎= (2-2)
𝑛(∑ 𝑋 2 )−(∑ 𝑋)2

𝑛(∑ 𝑋𝑌)−(∑ 𝑋)(∑ 𝑌)

𝑏= (2-3)
𝑛(∑ 𝑋 2 )−(∑ 𝑋)2

Contoh perhitungan manual sesuai kasus:

Pada perhitungan metode ini akan dilakukan perhitungan berdasarkan sample data yang
didapat, namun pada perrhitungan manual ini hanya akan digunakan 6 data dari 1 poli pada tahun 2021
sebagai data latih atau sample dan sebagai data uji atau hasil proses. Berikut ini contoh data dari
Puskesmas Depok 1 dapat dilihat pada tabel 2.4.

Tabel 2.4 Jumlah Pasien Poli BPU

Bulan Poli BPU

Januari 1270
Februari 1159
Maret 1225
April 1058
Mei 1194
Juni 1415

Tahapan ini menjelaskan pengklasifikasian data pasien poli BPU menggunakan data mining
dengan menggunakan metode Regresi Linier Sederhana berikut penjelasannya dapat di lihat pada tabel
2.5.

Tabel 2.5 Menentukan Nilai Hasil

X Y
1 1270
2 1159
 3 1225
4 1058
5 1194
6 1415

X = Jumlah periode waktu

Y = Jumlah pasien poli BPU

I. Menentukan Nilai Kuadrat

Untuk menentukan nilai kuadrat dilakukan menghitung x kuadrat, y kuadrat dan xy. Berikutini
adalah hasil dari proses menggunakan excel dapat dilihat pada tabel 2.6.

Tabel 2.6 Menentukan Nilai Kuadrat

No X Y 𝑋2 𝑌2 XY
1 1 1270 1 1612900 1270
2 2 1159 4 1343281 2318
3 3 1225 9 1500625 3675
4 4 1058 16 1119364 4232
5 5 1194 25 1425636 5970
6 6 1415 36 2002225 8490

Total ∑ 𝑋 = 21 ∑ 𝑌 = 7321 ∑ 𝑋2 = 91 ∑ 𝑌 2 = 9004031 ∑ 𝑋𝑌 = 25955

II. Menghitung Nilai Persamaan Intercept dan Koefisien Variabel

Penyelesaian dilakukan dengan cara mencari nilai persamaan intercept dan koefisien variabel
dengan mengikuti rumus sebelumnya pada tabel 2.2 dan tabel 2.3, berikut ini:

(91)(7321) − (19491932)(25955)
𝑎= = 1153,87
6(91) − (21)2

6(25955) − (21)(7321)
𝑏= = 18,94
6(91) − (21)2

Berdasarkan model persamaan regresi linier sederhana dan nilai X adalah 7; Y = a + bX; Y =
1153,87+ 18,94 (7); Y = 1286,47. Berdasarkan dari hasil perhitungan yang ditemukan, maka dapat
disimpulkan bahwa jumlah pasien BPU pada bulan selanjutnya adalah 1286,47 dibulatkan menjadi
1286 orang.

2.2.4 MAPE (Mean Absolute Percentage Error)

[2]MAPE merupakan pengujian hasil sesuai dengan model prediksi yang sudah dilakukan
menggunakan data masa lampau. Adapun cara untuk menentukan tingkat keakuratan dapat
menggunakan metode MAPE dengan menghitung selisih dari data aktual dan data prediksi. Semakin
kecil nilai MAPE maka tingkat keakuratan semakin tinggi, dengan kata lain metode yang digunakan
mempunyai kemampuan yang baik dalam memprediksi. Berikut rumus perhitungan MAPE :

|𝑌−𝑌′|
∑ ×100%
𝑌
𝑀𝐴𝑃𝐸 = (2-5)
𝑛

Keterangan:

Y = Data actual

Y’ = Data prediksi

N = Jumlah data

Untuk melakukan pengujian MAPE pada persamaan (2-5), maka diperlukan prediksi terlebih
dahulu dengan menggunkan data pada tabel 2.5.

Tabel 2.7 Perhitungan Data Prediksi

Data Prediksi (Y’)

Bulan
Poli BPU
Januari 1483
Februari 1410
Maret 1404
April 1218
Mei 1147
Juni 1159

Tabel 2.8 Perhitungan Selisih

Selisih (Y-Y’)
Bulan
Poli BPU
Januari -213
Februari -251
 Maret -179
April -160
Mei 47
Juni 256

Tabel 2.9 Perhitungan Tingkat Error MAPE

|𝑌−𝑌 ′ |
Error MAPE ( )
Jumlah Data (n) 𝑌

Poli BPU
1 0,167
2 0,216
3 0,146
4 0,151
5 0,039
6 0,181

|𝑌 − 𝑌 ′ |
∑ 0,9
𝑌
|𝑌 − 𝑌 ′ |
∑ × 100%
𝑌 1,5
6

Berdasarkan data tabel 2.5 serta hasil prediksi yang didapatkan pada tabel 2.6, maka didapatkan
hasil prediksi data pasien pada poli BPU 6 bulan terakhir yang ditampilkan pada tabel 2.7. Selanjutnya
menghitung selisih antara data aktual (𝑌) dan data prediksi (𝑌′) 6 bulan terakhir. Setelah didapatkan
selisih data, selanjutnya dilakukannya perhitungan tingkat error menggunakan MAPE dan didapatkan
hasil sebagaimana pada tabel 2.9.

Berdasarkan tabel 2.7 didapatkannya nilai MAPE untuk poli bpu sebesar 1,5% dengan tingkat
akurasi 98,5%. Jadi, peramalan terbukti akurat untuk memprediksikan tingkat kedatang pasien pada
Puskesmas Depok 1.

2.2.5 PHP

PHP adalah bahasa pelengkap HTML yang memungkinkan dibuatnya aplikasi dinamis yang
memungkinkan adanya pengolahan data dan pemrosesan data. Semua sintax yang diberikan akan
sepenuhnya dijalankan pada server sedangkan yang dikirimkan ke browser hanya hasilnya saja.
Kemudian merupakan bahasa berbentuk script yang ditempatkan dalam server dan diproses di server.
Hasilnya akan dikirimkan ke client, tempat pemakai menggunakan browser. PHP dikenal sebagai
sebuah bahasa scripting, yang menyatu dengan tag-tag HTML, dieksekusi di server, dan digunakan
untuk membuat halaman web yang dinamis seperti halnya Active Server Pages (ASP) atau Java Server
Pages (JSP). PHP merupakan sebuah software Open Source[8].

PHP merupakan Bahasa pemrogramman berbasis web yang memiliki kemampuan untuk
memproses data dinamis. PHP dikatakan sebagai sebuah server-side embedded scriptlanguage artinya
sintaks-sintaks dan perintah yang kita berikan akan sepenuhnya dijalankan oleh server tetapi disertakan
pada halaman HTML biasa. Aplikasi-aplikasi yang dibangun oleh PHP pada umumnya akan
memberikan hasil pada web browser tetapi prosesnya secara keseluruhan dijalankan di server, pada
prinsipnya server akan bekerja apabila ada permintaan dari client. Dalam hal ini client menggunakan
kode-kode PHP untuk mengirimkan permintaan ke server[9].

2.2.6 Database

[10]Konsep dasar dari basis data adalah kumpulan dari catatan-catatan, atau potongan dari
pengetahuan. Sebuah basis data memiliki penjelasan terstruktur dari jenis fakta yang tersimpan di
dalamnya: penjelasan ini disebut skema. Skema menggambarkan objek yang diwakili suatu basis data,
dan hubungan di antara objek tersebut. Ada banyak cara untuk mengorganisasi skema, atau
memodelkan struktur basis data: ini dikenal sebagai model basis data atau model data. Model yang
umum digunakan sekarang adalah model relasional, yang menurut istilah layman mewakili semua
informasi dalam bentuk tabel-tabel yang saling berhubungan di mana setiap tabel terdiri dari baris dan
kolom (definisi yang sebenarnya menggunakan terminologi matematika). Dalam model ini, hubungan
antar tabel diwakili denga menggunakan nilai yang sama antar tabel. Model yang lain seperti model
herarkis dan model jaringan menggunakan cara yang lebih eksplisit untuk mewakili hubungan antar
tabel.

Jadi basis data atau database adalah kumpulan dari data-data yang membentuk suatu berkas
(file) yang saling berhubungan (relation) dengan tatacara yang tertentu untuk membentuk data baru atau
informasi. Atau basis data (database) merupakan kumpulan dari data yang saling berhubungan (relasi)
antara satu dengan yang lainnya yang diorganisasikan berdasarkan skema atau struktur tertentu. Pada
komputer, basis data disimpan dalam perangkat hardware penyimpan, dan dengan software tertentu
dimanipulasiunruk kepentingan atau keguanaan tertentu. Hubungan atau relasi data biasanya
ditunjukkan dengan kunci (key) dari tiap file yang ada. Data merupakan fakta atau nilai (value) yang
tercatat atau merepresentasikan deskripsi dari suatu objek. Data yang merupakan fakta yang tercatat
dan selanjutnya dilakukan pengolahan (proses) menjadi bentuk yang berguna atau bermanfaat bagi
pemakainya akan membentuk apa yang disebut informasi. Bentuk informasi yang kompleks dan
teritegrasi dan pengolahan sebuah database dengan komputer akan digunakan untuk proses
pengambilan keputusan pada manajemen akan membenuk Sistem Informasi Manajemen (SIM), data
 dalam basis data merupan item terkecil dan terpenting untuk membangun basis data yang baik dan valid.
Data dalam basis data bersifat integrated dan shared:

I. Terpadu (integrated), berkas-berkas data yang ada pada basis data saling terkait (terjadi
dependensi data);
II. Berbagi data (shared), data yang sama dapat dipakai oleh sejumlah pengguna dalam waktu yang
bersamaan. Sering dinamakan sebagi sistem multiuser.

[11]Adapun relasi antara tabel yang mempresentasikan hubungan antar objek di dunia nyata.
Relasi merupakan hubungan yang terjadi pada suatu tabel dengan lainnya yang mempresentasikan
hubungan antar objek di dunia nyata dan berfungsi untuk mengatur mengatur operasi suatu database.
Hubungan yang dapat dibentuk dapat mencakup 3 macam hubungan, yaitu: One to One, One to Many,
dan Many to Many.

I. One-To-One (1-1)

Relasi One to One adalah relasi yang mana setiap satu baris data pada tabel pertama hanya
berhubungan dengan satu baris pada tabel kedua.

II. One-To-Many (1-N)

Relasi One to Many adalah relasi yang mana setiap satu baris data pada tabel pertama
berhubungan dengan lebih dari satu baris pada tabel kedua.

III. Many-To-Many (N-M)

Relasi Many to Many adalah relasi yang mana setiap lebih dari satu baris data dari tabel
pertama berhubungan dengan lebih dari satu baris data pada tabel kedua. Artinya, kedua tabel masing-
masing dapat mengakses banyak data dari tabel yang direlasikan. Dalam hal ini, relasi Many to Many
akan menghasilkan tabel ketiga sebagai perantara tabel kesatu dan tabel kedua sebagai tempat untuk
menyimpan foreign key dari masing-masing tabel.

2.2.7 Mysql

[12]Pada perkembangannya, MYSQL disebut juga SQL yang merupakan singkatan dari
Structured Query Languange. SQL merupakan bahasa terstruktur yang khusus digunakan untuk
mengolah database. SQL pertama kali didefinisikan oleh American National Standards Institute (ANSI)
pada tahun 1986. MYSQL adalah sebiah sistem manajemen database yang setbersifat open source.
MYSQL merupakan sistem manajemen database yang bersifat relational. Artinya, data yang dikelola
dalam database yang akan diletakkan pada beberapa tabel yang terpisah sehingga manipulasi data akan
jauh lebih cepat. MYSQL dapat digunakan untuk mengelola database mulai dari yang kecil sampai
dengan yang sangat besar. SQL juga dapat diartikan sebagai antar muka standar untuk sistem
manajemen relasional, termasuk sistem yang beroperasi pada komputer pribadi.

SQL memungkinkan seorang pengguna untuk mengetahui dimana lokasinya, atau bagaimana
informasi tersebut disusun. SQL lebih mudah digunakan dibandingkan dengan bahasa pemrograman,
tetapi rumit dibandingkan software lembar kerja dan pengolah data. Sebuah pernyataan SQL yang
sederhana dapat menghasilkan set permintaan untuk informasi yang tersimpan pada komputer yang
berbeda diberbagai lokasi yang tersebar, sehingga membutuhkan waktu dan sumber daya komputasi
yang banyak. SQLinte dapat digunakan untuk ivestigasi interaktif, atau pembuatan laporan ad hoc atau
disisipkan dalam program aplikasi.

SQL juga merupakan bahasa pemrograman yang dirancang khusus untuk mengirimankan suatu
perintah query (pengaksesan data berdasarkan pengalamatan tertentu) terhadap sebuah database.
Kebanyakan software database mengimplementasikan SQL secara sedikit berbeda, tapi seluruh
database SQL mendukung subset standar yang ada. Jadi, SQL adalah permintaan yang melekat pada
suatu database atau SMBD tertentu. Dengan kata lain, SQL adalah perintah atau bahasa yang melekat
di dalam SMBD. Sebagai suatu bahasa permintaan, SQL didukung oleh SMBD, seperti MySQL Server,
MySQL, PostgreSQL, Interbase, dan Oracle. Selain itu SQL juga didukung oleh database bukan server,
seperti MS Acess maupun Paradox.

2.2.8 Data Flow Diagram (DFD)

[13]Data Flow Diagram (DFD) disebut juga dengan Diagram Arus Data (DAD). DFD adalah
suatu model logika data atau proses yang dibuat untuk menggambarkan: darimana asal data, dan
kemana tujuan data yang keluar dari sistem, dimana data disimpan, proses apa yang menghasilkan data
tersebut, dan interaksi antara data yang tersimpan, dan proses yang dikenakan pada data tersebut. DFD
yang di dalam bahasa Indonesia disebut sebagai DAD (Diagram Arus Data) memperlihatkan gambaran
tentang masukan- proses-keluaran dari suatu sistem/perangkat lunak, yaitu obyek-obyek data mengalir
ke dalam perangkat lunak, kemudian ditransformasi oleh elemen-elemen pemrosesan dan obyek-obyek
data hasilnya akan mengalir keluar dari sistem/perangkat lunak.

Obyek-obyek data dalam penggambaran DFD biasanya direpresentasikan menggunakan tanda

panah berlabel, dan transformasi-transformasi biasanya direpresentasikan menggunakan lingkaran-
lingkaran yang sering disebut sebagai gelembung-gelembung. DFD pada dasarnya digambarkan dalam
bentuk hirarki, yang pertama sering disebut sebagai DFD level 0 yang menggambarkan sistem secara
keseluruhan sedangkan DFD-DFD berikutnya merupakan penghalusan dari DFD sebelumnya. DFD
menggunakan empat buah simbol, yaitu: semua simbol yang digunakan pada CD ditambah satu simbol
lagi untuk melambangkan data store.
 Ada dua teknik dasar penggambaran simbol DFD yang umum dipakai: pertama adalah Gane
and Sarson sedangkan yang kedua adalah Yourdon and De Marco. Perbedaan yang mendasar pada
teknik tersebut adalah lambang dari simbol yang digunakan.

Tabel 2.10 Simbol-simbol Data Flow Diagram

Simbol Nama Fungsi

Simbol External entity Digunakan untuk menunjukkan

(kesatuan luar) atau boundary tempat asal data atau sumber
(batas sistem), data.

Simbol Process (proses) Digunakan untuk menunjukkan

tugas atau proses yang
dilakukan baik secara manual
atau otomatis

Simbol Data store (simpanan Digunakan untuk menunjukkan

data) ) Gudang informasi atau data

Simbol Data flow (arus data) Digunakan untuk menunjukkan

arus dari proses

2.2.9 Flowchart

[14]Flowchart atau sering disebut dengan diagram alir merupakan suatu jenis diagram yang
merepresentasikan algoritma atau langkah-langkah instruksi yang berurutan dalam sistem. seorang
analis sistem menggunakan flowchart sebagai bukti dokumentasi untuk menjelaskan gambaran logis
sebuah sistem yang akan dibangun kepada programmer. Dengan begitu, flowchart dapat membantu
untuk memberikan solusi terhadap masalah yang bisa saja terjadi dalam membangun sistem.

Pada dasarnya, flowchart digambarkan dengan menggunakan simbol-simbol. Setiap simbol

mewakili suatu proses tertentu. Sedangkan untuk menghubungkan satu proses ke proses selanjutnya
digambarkan dengan menggunakan garis penghubung. Dengan adanya flowchart, setiap urutan proses
dapat digambarkan menjadi lebih jelas. Selain itu, ketika ada penambahan proses baru dapat dilakukan
dengan mudah menggunakan flowchart ini. Setelah proses membuat flowchart selesai, maka giliran
programmer yang akan menerjemahkan desain logis tersebut kedalam bentuk program dengan berbagai
bahasa pemrograman yang telah disepakati.
 Tabel 2.11 Simbol Program Flowchart

No. Simbol Nama dan fungsi

1 Terminal, untuk memulai dan mengakhiri suatu proses.

2 Proses, suatu simbol yang menunjukkan setiap

pengolahan yang dilakukan oleh computer.

3 Input-output, untuk memasukkan data atau

menunjukkan hasil darisuatu proses.

4 Decision, suatu kondisi yang akan menghasilkan

beberapa kemungkinan jawaban atau pilihan.

5 Predefined proses, suatu simbol untuk menyediakan

tempat-tempat pengolahan data dalam storage.

6 Connector, suatu prosedur akan masuk atau keluar

melaui simbil ini dalam lembar yang sama.

7 Arus atau Flow, prosedur yang dapat dilakukan dari atas

kebawah, dari bawah keatas, dari kiri kekanan, dari
kanan kekiri.

8 Proses, suatu simbol yang menunjukkan setiap

pengolahan yang dilakukan manual.

2.2.10 Website

Website merupakan kumpulan dari halaman –halaman web yang berhubungan dengan file file
lain yang saling terkait. Dalam sebuah website terdapat suatu halaman yang dikenal dengan sebutan
home page. Home page adalah sebuah halaman yang pertama kali ketika seseorang mengunjungi sebuah
website. dari home page, pengunjung dapat mengklik hyperlink untuk pindah ke halaman lain yang
terdapat dalam website tersebut.Sebuah home page biasanya merupakan sebuah file dengan nama
index.htm atau index.html. (Jhonsen, 2004:h,2).[12]

Menurut Yuhefizar (dalam Safitri dan Prayitno, 2015:2) website adalah kumpulan semua
halaman web yang fungsinya untuk menampilkan berbagai informasi dalam bentuk tulisan, gambar dan
suara dari sebuah domain yang terbentuk dalam suatu rangkaian yang saling terkait. Suatu halaman web
yang sudah terhubung dengan suatu halaman web lain biasanya disebut dengan hyperlink, sedangkan
teks yang terhubung oleh teks lain disebut sebagai hypertext. Website merupakan kumpulan berbagai
halaman media informasi dalam suatu domain yang dapat diakses oleh siapapun menggunakan jaringan
internet (Prasetyo, 2015:21). [15]

2.2.11 ERD (Entity Relational Diagram)

[16]ERD (Entity Relational Diagram) atau bisa dikenal dengan model ER merupakan suatu
model yang digunakan untuk menggambarkan data dalam bentuk entitas, atribut dan hubungan
antarentitas. Membuat notasi dalam model ER pada Tabel 2.12. Sedangkan untuk kardinal hubungan
antarentitas dijelaskan dalam Tabel 2.13.

Tabel 2.12 Notasi Model ER

Notasi keterangan

Entitas

Atribut

Relasi
 Tabel 2.13 Kardinal Hubungan Model ER

Kardinal hubungan Keterangan

Merupakan hubungan dimana antar entitas
hanya memiliki 1 data.
Merupakan hubungan dimana antar entitas
memiliki 0 dan maksimal 1.
Merupakan hubungan dimana antar entitas
memiliki minimal 1 dan maksimal sejumlah
N.
Merupakan hubungan dimana antar entitas
memiliki minimal 0 dan maksimal sejumlah
N.
[1] C. E. Simbolon, “Penerapan Algoritma Regresi Linier Sederhana Dalam Memprediksi
Keuntungan dan Kerugian Kelapa Sawit Pt . Sri Ulina,” J. Inf. Syst. Res., vol. 2, no. 2, pp.
169–172, 2021.

[2] N. Almumtazah, N. Azizah, Y. L. Putri, and D. C. R. Novitasari, “Prediksi Jumlah Mahasiswa

Baru Menggunakan Metode Regresi Linier Sederhana,” J. Ilm. Mat. Dan Terap., vol. 18, no. 1,
pp. 31–40, 2021, doi: 10.22487/2540766x.2021.v18.i1.15465.

[3] Harsiti, Z. Muttaqin, and E. Srihartini, “Penerapan Metode Regresi Linier Sederhana Untuk
Prediksi Persediaan Obat Jenis Tablet,” JSiI (Jurnal Sist. Informasi), vol. 9, no. 1, pp. 12–16,
2022, doi: 10.30656/jsii.v9i1.4426.

[4] N. R. Lase and F. Riandari, “Perancangan Aplikasi Prediksi Jumlah Pendaftar Siswa Baru
Dengan Metode Regresi Linier (Studi Kasus: SMA RK Deli Murni Bandar Baru),” J. Nas.
Komputasi dan Teknol. Inf., vol. 3, no. 3, pp. 330–334, 2020, doi: 10.32672/jnkti.v3i3.2520.

[5] N. Suhandi, E. A. K. Putri, and S. Agnisa, “Analisis Pengaruh Jumlah Penduduk terhadap
Jumlah Kemiskinan Menggunakan Metode Regresi Linear di Kota Palembang,” J. Ilm. Inform.
Glob., vol. 9, no. 2, pp. 77–82, 2018, doi: 10.36982/jig.v9i2.543.

[6] E. Triyanto, H. Sismoro, and A. D. Laksito, “Implementasi Algoritma Regresi Linear

Berganda Untuk Memprediksi Produksi Padi Di Kabupaten Bantul,” Rabit J. Teknol. dan Sist.
Inf. Univrab, vol. 4, no. 2, pp. 66–75, 2019, doi: 10.36341/rabit.v4i2.666.

[7] N. R. Setyoningrum and P. J. Rahimma, “Implementasi Algoritma Regresi Linear Dalam

Sistem Prediksi Pendaftar Mahasiswa Baru Sekolah Tinggi Teknologi Indonesia
Tanjungpinang,” Pros. Semin. Nas. Ilmu Sos. dan Teknol., no. 4, pp. 13–18, 2022.

[8] R. Hermiati, A. Asnawati, and I. Kanedi, “Pembuatan E-Commerce Pada Raja Komputer
Menggunakan Bahasa Pemrograman Php Dan Database Mysql,” J. Media Infotama, vol. 17,
no. 1, pp. 54–66, 2021, doi: 10.37676/jmi.v17i1.1317.

[9] E. Usada, Y. Yuniarsyah, and N. Rifani, “Rancang Bangun Sistem Informasi Jadwal
Perkuliahan Berbasis Jquery Mobile Dengan Menggunakan PHP Dan MySQL,” J. INFOTEL -
Inform. Telekomun. Elektron., vol. 4, no. 2, p. 40, 2012, doi: 10.20895/infotel.v4i2.107.

[10] A. ANDARU, “Data bases,” Proc. 1970 25th Annu. Conf. Comput. Cris. How Comput. are
Shap. our Futur. ACM 1970, pp. 1–7, 1970, doi: 10.1145/1147282.1147284.

[11] J. Simarmata, Perancangan Basis Data. 2008.

[12] Novendri, “Pengertian Web,” Lentera Dumai, vol. 10, no. 2, pp. 46–57, 2019.

[13] F. Soufitri, “Perancangan Data Flow Diagram Untuk Sistem Informasi Sekolah (Studi Kasus
 Pada Smp Plus Terpadu),” Ready Star, vol. 2, no. 1, pp. 240–246, 2019.

[14] R. Rosaly and A. Prasetyo, “Pengertian Flowchart Beserta Fungsi dan Simbol-simbol
Flowchart yang Paling Umum Digunakan,” Https://Www.Nesabamedia.Com, vol. 2, p. 2,
2019, [Online]. Available: https://www.nesabamedia.com/pengertian-
flowchart/https://www.nesabamedia.com/pengertian-flowchart/

[15] T. A. Kinaswara, N. R. Hidayati, and F. Nugrahanti, “Rancang Bangun Aplikasi Inventaris

Berbasis Website Pada Kelurahan Bantengan | Kinaswara | Prosiding Seminar Nasional
Teknologi Informasi dan Komunikasi (SENATIK),” Pros. Semin. Nas. Teknol. Inf. dan
Komun., vol. 2, no. 1, pp. 71–75, 2019, [Online]. Available:
http://prosiding.unipma.ac.id/index.php/SENATIK/article/view/1073

[16] I. Mardiono, R. Fil’aini, and F. S. Didin, “Perancangan Sistem Basis Data Offline Dokumen
Akreditasi Program Studi,” Opsi, vol. 12, no. 2, p. 101, 2019, doi: 10.31315/opsi.v12i2.3153.