ARTIKEL
IMPLEMENTASI METODE TREND MOMENT
PADA PERAMALAN PENJUALAN GUNA PENGADAAN
PERSEDIAAN OBAT DAN BENIH TANAMAN PADA TOKO
PERTANIAN TANI MAKMUR
Oleh:
INDRASWARI PRABOWOWATI
14.1.03.02.0290
Dibimbing oleh :
1. Ardi Sanjaya, M.Kom.
2. Ahmad Bagus Setiawan, S.T., M.Kom., M.M.
PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS TEKNIK
UNIVERSITAS NUSANTARA PGRI KEDIRI
2018
Simki-Techsain Vol. 02 No. 01 Tahun 2018 ISSN : 2599-3011
Artikel Skripsi
Universitas Nusantara PGRI Kediri
Indraswari Prabowowati | 14.1.03.02.0290 Fakultas Teknik – Teknik Informatika
simki.unpkediri.ac.id || 2||
SURAT PERNYATAAN
ARTIKEL SKRIPSI TAHUN 2018
Yang bertanda tangan di bawah ini:
Nama Lengkap : Indraswari Prabowowati
NPM : 14.1.03.02.0290
Telepon/HP : 0823-1159-1621
Alamat Surel (Email) : [email protected]
Judul Artikel : Implementasi Metode Trend Moment pada Peramalan
Penjualan guna Pengadaan Persediaan Obat dan Benih
Tanaman pada Toko Pertanian Tani Makmur
Fakultas – Program Studi : Teknik – Teknik Informatika
Nama Perguruan Tinggi : Universitas Nusantara PGRI Kediri
Alamat Perguruan Tinggi : JL. K.H. Achmad Dahlan No.76 Telepon (0354) 771503
Kota Kediri
Dengan ini menyatakan bahwa :
a. artikel yang saya tulis merupakan karya saya pribadi (bersama tim penulis) dan
bebas plagiarisme;
b. artikel telah diteliti dan disetujui untuk diterbitkan oleh Dosen Pembimbing I dan II.
Demikian surat pernyataan ini saya buat dengan sesungguhnya. Apabila di kemudian hari
ditemukan ketidaksesuaian data dengan pernyataan ini dan atau ada tuntutan dari pihak lain, saya
bersedia bertanggung jawab dan diproses sesuai dengan ketentuan yang berlaku.
Mengetahui Kediri, 30 Januari 2018
Pembimbing I
Ardi Sanjaya, M.Kom.
NIDN. 0703018704
Pembimbing II
Ahmad Bagus Setiawan, S.T., M.Kom., M.M.
NIDN. 0703018704
Penulis,
Indraswari Prabowowati
NPM. 14.1.03.02.0290
Simki-Techsain Vol. 02 No. 01 Tahun 2018 ISSN : 2599-3011
Artikel Skripsi
Universitas Nusantara PGRI Kediri
Indraswari Prabowowati | 14.1.03.02.0290 Fakultas Teknik – Teknik Informatika
simki.unpkediri.ac.id || 3||
IMPLEMENTASI METODE TREND MOMENT
PADA PERAMALAN PENJUALAN GUNA PENGADAAN
PERSEDIAAN OBAT DAN BENIH TANAMAN PADA TOKO
PERTANIAN TANI MAKMUR
Indraswari Prabowowati
14.1.03.02.0290
Fakultas Teknik – Teknik Informatika
Ardi Sanjaya, M.Kom. dan Ahmad Bagus Setiawan, S.T., M.Kom., M.M.
UNIVERSITAS NUSANTARA PGRI KEDIRI
ABSTRAK
Suatu perusahaan pada umumnya membutuhkan keputusan produksi ataupun pengadaan barang
yang lebih cepat agar dapat memenuhi permintaan konsumen dengan tepat waktu. Permasalahan ini
dihadapi oleh UD. Tani Makmur Sukowiyono Tulungagung, yang mana proses perekaman transaksi
masih dilakukan secara manual sehingga jumlah pengadaan barang seringkali tidak sesuai permintaan
konsumen.
Dalam rangka menyelesaikan masalah tersebut diatas, penulis merancang sistem peramalan
penjualan bulan ataupun tahun berikutnya untuk memprediksi jumlah pengadaan barang. Dalam sistem
ini pemilik toko cukup memasukkan data barang dan data penjualan tahun sebelumnya untuk
menentukan hasil prediksi penjualan pada tahun berikutnya.
Hasil perhitungan prediksi penjualan yang dilakukan oleh sistem, data prediksi kurang sesuai
dengan data penjualan sebenarnya. Karena data yang digunakan dalam sistem ini merupakan data
penjualan barang yang jumlah penjualannya dipengaruhi oleh musim dengan prosentase error dari bulan
Juli 2016 hingga Desember 2016 diperoleh rata-rata selisih data asli dan data prediksi sebesar 5,5 dan
rata-rata prosentase error sebesar 0,00229 %.
Kata Kunci : Trend Moment, peramalan, penjualan, pengadaan.
I. LATAR BELAKANG
Setiap perusahaan harus menjaga
ketersediaan barang yang cukup guna
aktivitas operasional perusahaan dapat
berjalan lancar. Dalam kaitannya
dengan hal tersebut, maka ketersediaan
barang atau bahan baku menjadi faktor
utama dari lancar atau tidaknya aktivitas
operasional suatu perusahaan.
Salah satu sumber informasi dalam
melakukan pengadaan barang adalah
melakukan peramalan penjualan. Suatu
perusahaan dikatakan melakukan
pemborosan apabila pengadaan barang
terlalu berlebihan, sedangkan
perusahaan lain berkesempatan masuk
wilayah penjualan perusahaan apabila
pengadaan barang di bawah permintaan
konsumen.
Suatu perusahaan pada umumnya
membutuhkan keputusan produksi
ataupun pengadaan barang yang lebih
cepat agar dapat memenuhi permintaan
Simki-Techsain Vol. 02 No. 01 Tahun 2018 ISSN : 2599-3011
Artikel Skripsi
Universitas Nusantara PGRI Kediri
Indraswari Prabowowati | 14.1.03.02.0290 Fakultas Teknik – Teknik Informatika
simki.unpkediri.ac.id || 4||
konsumen dengan tepat waktu. Oleh
karena itu, peneliti pada penelitian kali
ini merancang aplikasi yang melakukan
prediksi permintaan satu bulan kedepan
dan jumlah persediaan bulan
sebelumnya untuk menghasilkan output
berupa jumlah penjualan barang satu
bulan kedepan.
Sistem peramalan penjualan yang
mana UD. Tani Makmur Sukowiyono
Tulungagung dijadikan sebagai obyek
penelitian. Peneliti memilih UD. Tani
Makmur Sukowiyono Tulungagung
sebagai obyek penelitian karena
berdasarkan penelitian yang peneliti
lakukan, UD. Tani Makmur
Sukowiyono Tulungagung proses
perekaman transaksi masih dilakukan
secara manual sehingga jumlah
pengadaan barang pun seringkali tidak
sesuai permintaan konsumen.
Berdasarkan uraian di atas, peneliti
mencoba merancang sebuah sistem
peramalan penjualan menggunakan
metode Trend Moment guna
memprediksi tingkat penjualan yang
paling mungkin terjadi di masa
mendatang berdasarkan informasi
penjualan di masa lampau agar
kesalahan dalam pengadaan barang
dapat diperkecil.
II. METODE
A. Trend Moment
Trend Moment merupakan
metode untuk mencari garis trend
dengan perhitungan statistika dan
matematika tertentu guna
mengetahui fungsi garis lurus
sebagai pengganti garis patah - patah
yang dibentuk oleh data historis
perusahaan. Dengan demikian
pengaruh unsur subyektif dapat
dihindarkan. Persamaan trend
dengan metode Trend Moment pada
persamaan (1) .
Y = a + Bx (1)
Dimana :
Y : nilai trend (peramalan)
a : bilangan konstant
b : slope atau koefisien
kecondongan garis trend
X : indeks waktu ( x = 0, 1, 2, 3,
…, n )
Sedangkan untuk menghitung
nilai a dan b digunakan rumus
persamaan (2) dan (3) .
𝑏 = 𝑛(Σ𝑥𝑦)−(Σ𝑥)(Σ𝑦)
𝑛(Σ𝑒2)−(Σ𝑥)2 (2)
𝑎 = Σ𝑦−𝑏(Σ𝑥)
𝑛 (3)
Dimana :
∑ y = Jumlah kumulatif dari
data penjualan
∑ x = Jumlah dari periode waktu
Simki-Techsain Vol. 02 No. 01 Tahun 2018 ISSN : 2599-3011
Artikel Skripsi
Universitas Nusantara PGRI Kediri
Indraswari Prabowowati | 14.1.03.02.0290 Fakultas Teknik – Teknik Informatika
simki.unpkediri.ac.id || 5||
∑ xy = Jumlah dari data penjulan
dikali dengan periode
waktu
n = Jumlah dari data penjulan
Pada perusahaan yang
memproduksi seringkali permintaan
terhadap produknya dipengaruhi
oleh faktor musiman yang berkaitan
dengan fluktuasi periodik serta
bersifat relatif konstan. Oleh karena
itu nilai-nilai ramalan yang telah
didapat dari hasil peramalan
dengan metode trend moment akan
dikoreksi terhadap pengaruh
musiman dengan menggunakan
indeks musim. Perhitungan indeks
musim pada persamaan (4) .
𝐼𝑛𝑑𝑒𝑘𝑠 𝑀𝑢𝑠𝑖𝑚 = 𝑅𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 𝑝𝑒𝑟𝑚𝑖𝑛𝑡𝑎𝑎𝑛 𝑏𝑢𝑙𝑎𝑛 𝑡𝑒𝑟𝑡𝑒𝑛𝑡𝑢
𝑅𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 𝑝𝑒𝑟𝑚𝑖𝑛𝑡𝑎𝑎𝑛 𝑝𝑒𝑟𝑏𝑢𝑙𝑎𝑛
(4)
Untuk mendapatkan hasil
ramalan akhir setelah dipengaruhi
oleh indeks musim digunakan
perhitungan persamaan (5) .
Y* = Indeks musim x Y (5)
Dimana :
Y* = hasil ramalan dengan
menggunakan metode trend
moment yang dipengaruhi
oleh indeks musim.
Y = hasil ramalan dengan
menggunakan trend moment
Salah satu contoh data pada
penjualan Furadan 20 mL
menggunakan data satu tahun
periode Januari 2015 sampai
Desember 2016, seperti yang ada
pada tabel 2.1.
Tabel 1 Tabel Penjualan Furadan 20
mL Tahun 2015 - 2016
No. Bulan Penjualan
1 Januari 2015 50
2 Februari 2015 40
3 Maret 2015 12
4 April 2015 5
5 Mei 2015 35
6 Juni 2015 20
7 Juli 2015 17
8 Agustus 2015 6
9 September 2015 42
10 Oktober 2015 32
11 Nopember 2015 21
12 Desember 2015 8
13 Januari 2016 28
14 Februari 2016 52
15 Maret 2016 21
16 April 2016 9
17 Mei 2016 30
18 Juni 2016 23
19 Juli 2016 19
20 Agustus 2016 7
21 September 2016 45
22 Oktober 2016 22
23 Nopember 2016 19
24 Desember 2016 32
Sumber : UD. Tani Makmur
Sukowiyono 2016
Untuk meramalkan penjualan
berdasarkan data diatas dengan
menggunakan metode Trend
Moment yaitu terdapat pada tabel
2.2.
Tabel 2. Perhitungan Metode Trend
Moment
No. Bulan Penjualan
(y)
Waktu
(x) x.y x2
1 Januari 2015 50 0 0 0
2 Februari 2015 40 1 40 1
3 Maret 2015 12 2 24 4
4 April 2015 5 3 15 9
5 Mei 2015 35 4 140 16
Simki-Techsain Vol. 02 No. 01 Tahun 2018 ISSN : 2599-3011
Artikel Skripsi
Universitas Nusantara PGRI Kediri
Indraswari Prabowowati | 14.1.03.02.0290 Fakultas Teknik – Teknik Informatika
simki.unpkediri.ac.id || 6||
No. Bulan Penjualan
(y)
Waktu
(x) x.y x2
6 Juni 2015 20 5 100 25
7 Juli 2015 17 6 102 36
8 Agustus 2015 6 7 42 49
9 September 2015 42 8 336 64
10 Oktober 2015 32 9 288 81
11 Nopember 2015 21 10 210 100
12 Desember 2015 8 11 88 121
13 Januari 2016 50 12 336 144
14 Februari 2016 40 13 676 169
15 Maret 2016 12 14 294 196
16 April 2016 5 15 135 225
17 Mei 2016 35 16 480 256
18 Juni 2016 20 17 391 289
19 Juli 2016 17 18 342 324
20 Agustus 2016 6 19 133 361
21 September 2016 42 20 900 400
22 Oktober 2016 32 21 462 441
23 Nopember 2016 21 22 418 484
24 Desember 2016 8 23 736 529
Jumlah 595 276 6688 4324
Rata-rata 24.79167 11.5
Dari hasil perhitungan analisis
peramalan penjualan di atas, maka
untuk memperoleh nilai a dan b
yaitu dengan cara sebagai berikut :
𝑏 = 𝑛(Σ𝑥𝑦) − (Σ𝑥)(Σ𝑦)
𝑛(Σ𝑒2) − (Σ𝑥)2
=−3708
3312= −1,11957
𝑎 = Σ𝑦 − 𝑏(Σ𝑥)
𝑛=
904
24= 37,66667
Sehingga peramalan tahun
2016 diperoleh nilai trend, dimana x
= 19 (Januari 2017) yaitu :
Y = a + bx
= 37.66666667+(-1.119565217x(24))
= 10.79710145
Setelah itu peramalan yang
diperoleh dari nilai trend di atas
akan dihitung menggunakan indeks
musim. Berdasarkan rumus indeks
musim maka akan diperoleh hasil
perhitungan sebagai berikut :
𝐼𝑛𝑑𝑒𝑘𝑠 𝑀𝑢𝑠𝑖𝑚 = 𝑅𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 𝑝𝑒𝑟𝑚𝑖𝑛𝑡𝑎𝑎𝑛 𝑏𝑢𝑙𝑎𝑛 𝑡𝑒𝑟𝑡𝑒𝑛𝑡𝑢
𝑅𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 𝑝𝑒𝑟𝑚𝑖𝑛𝑡𝑎𝑎𝑛 𝑝𝑒𝑟𝑏𝑢𝑙𝑎𝑛
Dengan,
Rata-rata permintaan bulan
tertentu = 39
Rata-rata permintaan perbulan =
11.5
Indeks musim = 1
Hasil dari ramalan akhir
setelah dipengaruhi oleh indeks
musim maka akan menggunakan
perhitungan sebagai berikut:
Y* = Indeks Musim × Y
= 1×10.79710145=10.79710145
Jadi peramalan penjualan
Furadan 20 mL bulan Januari 2017
yang dipengaruhi oleh indeks
musim sebesar 10.79710145 barang
atau 11 barang.
B. Mean Squad Error (MSE)
Mean Squared Error (MSE)
adalah metode lain untuk
mengevaluasi metode peramalan.
Masing-masing kesalahan atau sisa
dikuadratkan. Kemudian
dijumlahkan dan dibagi dengan
jumlah observasi. Pendekatan ini
mengatur kesalahan peramalan
yang besar karena kesalahan -
kesalahan itu dikuadratkan. Suatu
teknik yang menghasilkan
Simki-Techsain Vol. 02 No. 01 Tahun 2018 ISSN : 2599-3011
Artikel Skripsi
Universitas Nusantara PGRI Kediri
Indraswari Prabowowati | 14.1.03.02.0290 Fakultas Teknik – Teknik Informatika
simki.unpkediri.ac.id || 7||
kesalahan moderat mungkin lebih
baik untuk salah satu yang
memiliki kesalahan kecil tapi
kadang-kadang menghasilkan
sesuatu yang sangat besar (Anonim,
2011). Berikut ini rumus untuk
menghitung MSE (Said, 2013):
𝑀𝑆𝐸 = Σ𝑒2
𝑛 (6)
Dimana :
e : selisih antara hasil ramalan
dengan hasil ramalan musim
tertentu
Model yang memiliki nilai MSE
paling kecil adalah model persamaan
yang paling baik.
III. HASIL DAN KESIMPULAN
A. Tampilan Program
a. Halaman Login
Gambar 3. Halaman Login
Halaman login merupakan
halaman yang pertama kali tampil
ketika program ini dijalankan.
Ketika pemilik toko memasukkan
username dan password yang
benar, maka sistem akan
menampilkan halaman utama.
b. Halaman Utama
Gambar 4. Halaman Utama
Halaman utama adalah form
yang pertama muncul saat
pengguna berhasil masuk pada
sistem ini, yaitu dengan cara
memasukkan username dan
password yang benar.
Pada form ini terdapat empat
menu utama. Diataranya menu
data, menu hitung, menu laporan,
serta menu bantuan.
c. Input Data Barang
Gambar 5. Halaman Input Data
Barang
Pada halaman input data
barang akan ditampilkan kolom
untuk memasukkan data barang
yang meliputi kode barang yang
akan mengisi secara otomatis dan
nama barang yang kemudian akan
ditampilkan pula pada halaman ini.
Simki-Techsain Vol. 02 No. 01 Tahun 2018 ISSN : 2599-3011
Artikel Skripsi
Universitas Nusantara PGRI Kediri
Indraswari Prabowowati | 14.1.03.02.0290 Fakultas Teknik – Teknik Informatika
simki.unpkediri.ac.id || 8||
d. Input Data Penjualan
Gambar 6. Halaman Input Data Penjualan
Pada halaman ini akan
ditampilkan kolom untuk
memasukkan data penjualan yang
meliputi kode barang, tahun, bulan,
serta jumlah penjualan yang
kemudian akan ditampilkann pada
tabel.
e. Halaman Hitung Prediksi
Penjualan
Gambar 7. Halaman Hitung
Prediksi Penjualan
Pada halaman hitung prediksi
penjualan akan ditampilkan kolom
untuk memasukkan data penjualan
yang meliputi kode barang, bulan,
dan tahun untuk menentukan
prediksi penjulan masa yang akan
datang.
f. Halaman Laporan Prediksi
Penjualan
Gambar 8. Halaman Laporan
Prediksi Penjualan
Pada halaman laporan prediksi
penjualan akan ditampilkan data
prediksi yang disimpan setelah
melakukan perhitungan prediksi
penjualan.
B. Pengujian
Tahap ini merupakan tahapan
menguji apakah sistem dapat
menghasilkan hasil peramalan
dengan baik atau tidak.
Gambar 9. Tabel Laporan Prediksi
Penjualan
Dari tabel prediksi penjualan
Aly Plus yang ditampilkan program
pada gambar 9 dapat diketahui
bahwa beberapa prediksi penjualan
tidak sesuai dengan data penjualan
asli yang dijelaskan pada tabel 5.
Simki-Techsain Vol. 02 No. 01 Tahun 2018 ISSN : 2599-3011
Artikel Skripsi
Universitas Nusantara PGRI Kediri
Indraswari Prabowowati | 14.1.03.02.0290 Fakultas Teknik – Teknik Informatika
simki.unpkediri.ac.id || 9||
Tabel 5. Perbandingan data asli dan
data prediksi
No. Bulan Penjualan Prediksi
Selisih
Penjualan
dan Prediksi
Prosentase
error
1 Juli 2016 93 80 13 0,0135
2 Agustus
2016 30 21 9 0,00047
3 September
2016 41 33 8 0,553
4 Oktober
2016 19 18 1 0,04
5 Nopember
2016 10 9 1 0,022
6 Desember
2016 4 3 1 0,00578
Rata - rata 32,8 27,2 5,5 0,00229
Pada tabel 5 diatas menjelaskan
tentang data penjualan asli, prediksi
penjualan, selisih data asli dan
prediksi, serta prosentase error dari
prediksi penjualan bulan Juli 2016
hingga Desember 2016 diperoleh
rata-rata errornya sebesar 0,0029 %.
C. Evaluasi Sistem
Berdasarkan hasil perhitungan
prediksi penjualan yang dilakukan
oleh sistem, data prediksi kurang
sesuai dengan data penjualan
sebenarnya. Karena data yang
digunakan dalam sistem ini
merupakan data penjualan barang
yang jumlah penjualannya
dipengaruhi oleh musim.
Berdasarkan tabel yang telah
dijelaskan pada poin sebelumnya
tentang perbandingan jumlah
penjualan data asli dan hasil prediksi
serta prosentase error dari bulan Juli
2016 hingga Desember 2016
diperoleh rata-rata selisih data asli
dan data prediksi sebesar 5,5 dan
rata-rata prosentase error sebesar
0,00229 %.
D. Kesimpulan
Berdasarkan latar belakang
serta pembahasan-pembahasan pada
bab sebelumnya, maka dapat
disimpulkan bahwa :
1. Perhitungan jumlah prediksi
penjualan memiliki nilai error
sebesar 0,00229 %.
2. Dengan adanya aplikasi ini
dapat mempermudah
menentukan jumlah pengadaan
barang yang optimal.
3. Didalam aplikasi ini
menampilkan informasi mengenai
hasil peramalan penjualan guna
mengoptimalkan jumlah
pengadaan barang.
4. Trend Moment digunalan untuk
mentukan prediksi penjualan satu
bulan mendatang.
Dengan menggunakan program
ini dapat mempercepat dalam
menentukan jumlah pengadaan
barang.
IV. DAFTAR PUSTAKA
Abdurrahman, Ginanjar. 2011.
Penerapan Metode Tsukamoto
(Logika Fuzzy) dalam Sistem
Pendukung Keputusan untuk
Menentukan Jumlah Produksi
Simki-Techsain Vol. 02 No. 01 Tahun 2018 ISSN : 2599-3011
Artikel Skripsi
Universitas Nusantara PGRI Kediri
Indraswari Prabowowati | 14.1.03.02.0290 Fakultas Teknik – Teknik Informatika
simki.unpkediri.ac.id || 10||
Barang Berdasarkan Data
Persediaan dan Jumlah
Permintaan. Yogyakarta :
Universitas Negeri Yogyakarta.
Ajeng, Sri. 2011. Peramalan Penjualan
untuk Perencanaan Pengadaan
Persediaan Buah Durian di Rumah
Durian Harum Bintaro, Jakarta.
Skripsi. Jakarta : Universitas Islam
Negeri Syarif Hidayatullah.
Djie, Inti Sariani Jianta. 2013. Analisis
Peramalan Penjualan dan
Penggunaan Metode Linear
Programming dan Decision Tree
Guna Mengoptimalkan
Keuntungan pada PT Primajaya
Pantes Garment. Jurnal The
Winners, II (14) : 113-119. Jakarta
Barat : PT Anugerah Ajita Sukses
Bersama.
Jonnius, dkk. 2017. Analisis
Forecasting Penjualan Produk
Perusahaan. Jurnal Teknik
Informatika, 129-136. Riau : UIN
Suska Riau.
Lembaga Penelitian dan Pengabdian
pada Masyarakat. 2016. Panduan
Penulisan Karya Tulis Ilmiah.
Kediri: Universitas Nusantara
PGRI Kediri.
Maulana, Septian. 2014. Source Code
Java Netbeans Mencari Deret
Bilangan Total Jumlah
Menggunakan For.
http://www.materi-
it.com/2014/06/source-java-
netbean-mencari-deret_23.html?id
09-11-2017 - 11.50
Mudi, Helmiyanti Muhadi. 2016. Sistem
Pendukung Keputusan Peramalan
Penjualan Mobil Menggunakan
Metode Trend Moment ( Studi
Kasus PT.Hadji Kalla Cabang
Kendari). Skripsi. Kendari:
Universitas Halu Oleo.
Oktavianti, Andika. 2017. Implementasi
Metode Fuzzy Tsukamoto Untuk
Prediksi Hasil Panen Padi. Skripsi.
Kediri : Universitas Nusantara
PGRI Kediri.
Wahyudi, Imam. 2016. Penerapan
Metode Trend Moment untuk
Peramalan Penjualan Sepatu dan
Sandal pada Toko Batt. Skripsi.
Kediri : Universitas Nusantara
PGRI Kediri.
Yulia, Silvia Rostianingsih. 2013.
Analisis dan Desain dengan
Menggunakan Unified Modelling
Language untuk Sistem Kerja
Praktek. Surabaya: Universitas
Kristen Petra Surabaya.
Zunaidhi, Rival, dkk. 2013. Aplikasi
Peramalan Penjualan
Menggunakan Metode Regresi
Linier. Jurnal Teknik Informatika,
VII (3) : 41-45, ISSN : 1978-0087.
Surabaya : UPN Veteran.
Simki-Techsain Vol. 02 No. 01 Tahun 2018 ISSN : 2599-3011