skripsi - sitedi.uho.ac.idsitedi.uho.ac.id/uploads_sitedi/e1e111070_sitedi_skripsi_lengkap_e... ·...

SKRIPSI

PENERAPAN METODE EXPONENTIAL SMOOTHING PADA PERAMALAN

PENJUALAN DALAM PENENTUAN KUANTITAS PRODUKSI ROTI

(Studi Kasus Perusahaan Roti Dhiba Kendari)

Diajukan Untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Teknik

NI PUTU YULI SUKMARANI

E1E1 11 070

JURUSAN TEKNIK INFORMATIKA

FAKULTAS TEKNIK

UNIVERSITAS HALU OLEO

KENDARI

2016

v

INTISARI

Ni Putu Yuli Sukmarani, E1E111070

PENERAPAN METODE EXPONENTIAL SMOOTHING PADA

PERAMALAN PENJUALAN DALAM PENENTUAN KUANTITAS

PRODUKSI ROTI (STUDI KASUS PERUSAHAAN ROTI DHIBA

KENDARI)

Kata Kunci : Forecasting, Produksi, Exponential Smoothing, Mean Squance

Error.

Perusahaan Roti Dhiba Kendari adalah salah satu perusahaan yang

memproduksi berbagai jenis roti dalam jumlah yang cukup besar. Selama ini, dalam

menentukan jumlah produksi tiap-tiap item roti, manajer produksi menggunakan

intuisi dan pengalaman dalam menentukan jumlah tiap jenis item yang akan dibuat.

Untuk mengoptimalkan jumlah produksi roti maka dibutuhkan aplikasi yang dapat

membantu manajer pemasaran dalam menentukan jumlah roti yang akan diproduksi

hari berikutnya.

Pada proses perhitungan digunakan 2 metode yaitu metode Exponential

Smoothing dan metode Mean Squared Error (MSE). Metode exponential

smoothing digunakan untuk menentukan jumlah produksi di hari berikutnya. Untuk

menghitung galat error digunakan metode Mean Squared Error (MSE). Database

aplikasi ini memiliki 4 tabel yang terdiri dari data item, data produksi, data

penjualan, dan data forecasting.

Berdasarkan peramalan yang dilakukan dalam aplikasi Penerapan Metode

Exponential Smoothing pada Peramalan Penjualan dalam Penentuan Kuantitas

Produksi Roti ini maka akan dihasilkan nilai peramalan produksi suatu item pada

hari tertentu sesuai input dari user.

vi

ABSTRACT

Ni Putu Yuli Sukmarani, E1E111070

EXPONENTIAL SMOOTHING METHOD IN SALES FORCASTING TO

DETERMINE BREAD PRODUCTION QUANTITY (CASE STUDY DHIBA

BAKERY KENDARI)

Keywords: Forecasting, Production, Exponential Smoothing, Mean Squance Error.

Dhiba bakery is a company that produce various kinds of breads in large

quantities. Today, they use an intuition method and experinence to decide how

much bread they will produce. To optimize the amount of production, they need an

application to manage marketing to produce bread for the next day.

In the calculation process it used two methods, Exponential Smoothing and

Mean Squared Error (MSE). Exponential smoothing is used to determine the

amount of production for the next day. Meanwhile, Mean Squared Error (MSE) is

used to calculate if there was an error. In this aplicatian, the database has four

tables which consist of item data, production data, sales data, and forecasting data.

Based on the forecast made in Application of Exponential Smoothing

Method in Sales Forecasting to determine bread production quantity. It will get a

production forecast value of an item on a particular day in according input from

the user.

vii

HALAMAN PERSEMBAHAN

Puji dan syukur kehadirat Ide Sanghyang Widhi Wasa atas

berkat rahmat dan hidayah-Nya sehingga penulis dapat menyelesaikan

skripsi ini. Melalui kesempatan ini, penulis mengucapkan terimah kasih

dan mempersembahkan karya tulis atau skripsi ini kepada keluarga

besar penulis khususnya kepada kedua orang tua yang terkasih dan

tersayang I Wayan Artana dan Ni Nyoman Mayarani yang telah

memberikan dukungan materil dan imateril, do’a, semangat, kasih

sayang dan pengorbanan yang tak terhitung nilainya secara tulus dan

ikhlas.

Kepada kedua adikku tersayang Ni Kaek Rita Fitriani dan I

Komang Leo Renaldi walaupun saat ini mungkin belum mengerti namun

telah memberikan rasa semangat dan keceriaan kepada penulis disela-

sela kesibukan dalam penyusunan skripsi ini. Tak lupa pula penulis

mengucapkan terima kasih kepada sepupu-sepupu ku tercinta (Kak

Tika, Kak Lilis, Sujana, Ter dan Put) yang sedikit banyak telah

meluangkan waktu untuk memberikan motivasi dan bantuan kepada

penulis dan untuk someone yang terkasih (GK) walaupun sempat jadi

penghambat tapi terimaksih atas bantuan dan motivasinya.

Buat semua angkatan 2011 Teknik Informatika [Fandi yang

sangat membantu, Berliana sebagai pembimbing ketiga, Ellen yang

selalu memberi pertolongan, Fina yang selalu siap sedia, Ayu dan Ciby

pemeriksa laporan terbaik, Harley pengajar resek tapi oke, Yulianti

viii

sumber terbaik,Tari excel terhebat, Koko translate terbaik, Fera dan

Emy gmail terTop, Sernita motivator terhebat, Niken dan Citra si

penyemangat, Helson si penasehat, Restin, Amel, Ummi, Irmaya,

Ephy, Ega, Ango, Resti, Kiyong, Nana, Irma, Tika, Wiwid, Ika,

Tenri, Fatma, Yuni, Mayang, Ayu Septi, Dewi, Lirna, Lilis, Leni,

Demon, Usgan, Azim, Arianto, Iqbal, Restu, Bobby, Imank, Adi,

Joy, Moris, Askar, Biul, Kidfi, Jelly, Ajus, Haikal, Bayu, Lingga,

Ichwan, Holis, Faisal, Israwan, Pry, Yaser, Budy, Nazar, Kifli,

Ubur, Surya, Nando, Manto, Mardan dan Bang Hakim] terima kasih

atas segalanya selama 4 tahun kita bersama membangun, dan

memeriahkan ruang perkuliahan.

Untuk sahabat-sahabat tercinta Crysti, Fenny, Kiko, Dewa,

Ryki dan Dika terima kasih untuk semua dorongan, doa dan

motivasinya.

Dan terakhir untuk semua pihak-pihak yang telah membantu dan

mendoakan penulis hingga terselesainya skripsi ini dan tidak dapat

disebutkan satu persatu, penulis mengucapkan lagi dan lagi terima

kasih, semoga Ide Sanghyang Widhi Wasa membalas segala kebaikan

kita semua.

ix

KATA PENGANTAR

Penulis mengucapkan puji syukur kepada Tuhan Yang Maha Esa atas

segala berkat, kasih dan karunia-Nya, sehingga Penulis dapat menyelesaikan

pembuatan laporan tugas akhir ini yang berjudul “PENERAPAN METODE

EXPONENTIAL SMOOTHING PADA PERAMALAN PENJUALAN DALAM

PENENTUAN KUANTITAS PRODUKSI ROTI (STUDI KASUS PERUSAHAAN

ROTI DHIBA KENDARI)”.

Tujuan dari pembuatan laporan tugas akhir ini adalah sebagai salah satu

syarat menyelesaikan Program Pendidikan Stara Satu (S1), Program Studi Teknik

Informatika Universitas Halu Oleo.

Penulis mengharapkan bahwa karya tulis ini dapat memberikan informasi

yang bermanfaat dan menambah pengetahuan begi pembaca. Semoga karya tulis

ini dapat menjadikan bahan perbandingan dalam periode selanjutnya, sehingga

memberikan ide-ide suatu karya ilmiah yang lebih baik.

Dalam pelaksanaan tugas akhir yang telah dilakukan ini, Penulis tidak

terlepas dari bantuan berbagai pihak yang sangat membantu keberhasilan Penulis

selaku pelaksana. Untuk itu dalam kesempatan ini, Penulis menyampaikan ucapan

terima kasih kepada semua pihak yang telah membantu Penulis baik itu dalam

menyelesaikan laporan ini dan juga dalam pelaksanaan tugas akhir. Penulis ingin

mengucapkan terima kasih kepada:

1. Bapak Prof. Dr. Ir. Usman Rianse, M.S., selaku Rektor Universitas Halu

Oleo.

2. Bapak Mustarum Musaruddin, S.T, M.IT, Ph.D, selaku Dekan Fakultas

Teknik Universitas Halu Oleo.

3. Ibu Ika Purwanti Ningrum, S.Kom., M.Cs, selaku ketua program Studi

Teknik Informatika Universitas Halu Oleo yang telah memberikan

motivasi bagi penulis.

x

4. Ibu Statiswaty, ST., MMSi, sebagai pembimbing I yang telah banyak

memberikan masukan dan motivasi kepada penulis.

5. Bapak Ramadhan, S.Si., M.Cs, sebagai pembimbing II yang selalu sabar

memberikan masukan-masukan kepada penulis.

6. Bapak Sutardi, S.Kom., MT, selaku penguji I yang selalu memberikan

pertanyaan-pertanyaan yang dapat dijadikan masukkan dalam penyelesaian

tugas akhir ini.

7. Ibu Nur Fajriah Muchlis, S.Kom., MMSI, selaku penguji II yang selalu

memberikan masukkan kepada penulis.

8. Bapak La Surimi, S.Si., M.C, selaku penguji III yang memberikan banyak

motivasi.

9. Seluruh dosen dan staf Program Studi Teknik Informatika Fakultas Teknik

Universitas Halu Oleo yang telah banyak membantu Penulis selama proses

belajar di kampus.

10. Rekan-rekan mahasiswa Teknik Informatika khususnya angkatan 2011

yang telah saling memberikan motivasi dan bantuan dalam penyelesaian

tugas akhir ini.

11. Kepada pimpinan dan semua karyawan Perusahaan Roti Dhiba Kendari

yang telah memberikan informasi berupa data.

Penulis menyadari bahwa laporan tugas akhir ini masih jauh dari

sempurna. Oleh sebab itu segala kritik dan saran yang bersifat membangun sangat

Penulis harapkan. Akhir kata semoga laporan tugas akhir ini dapat bermanfaat

bagi pihak-pihak yang berkepentingan.

Kendari, April 2016

Penulis,

NI PUTU YULI SUKMARANI

E1E1 11 070

xi

DAFTAR ISI

HALAMAN JUDUL .................................................................................................... i

HALAMAN PENGESAHAN ..................................................................................... ii

HALAMAN PERNYATAAN .................................................................................... iv

INTISARI .................................................................................................................... v

ABSTRCT ................................................................................................................... vi

HALAMAN PERSEMBAHAN ................................................................................ vii

KATA PENGANTAR ................................................................................................ ix

DAFTAR ISI ................................................................................................................ xi

DAFTAR GAMBAR ................................................................................................ xiii

DAFTAR TABEL ...................................................................................................... xv

BAB I PENDAHULUAN ............................................................................................ 1

1.1 Latar Belakang ......................................................................................... 1

1.2 Rumusan Masalah .................................................................................... 2

1.3 Batasan Masalah....................................................................................... 2

1.4 Tujuan Penelitian ..................................................................................... 3

1.5 Manfaat Penelitian ................................................................................... 3

1.6 Sistematika Penulisan .............................................................................. 3

1.7 Tinjauan Pustaka ...................................................................................... 4

BAB II LANDASAN TEORI ..................................................................................... 6

2.1 Profil Perusahaan Roti Dhiba Kendari ..................................................... 6

2.1.1 Sejarah Perusahaan Roti Dhiba Kendari ...................................... 6

2.1.2 Struktur Organisasi Roti Dhiba Kendari ...................................... 7

2.2 Peramalan ................................................................................................. 8

2.2.1 Pengertian peramalan ................................................................... 8

2.2.2 Tujuan peramalan ......................................................................... 8

2.2.3 Teknik Peramalan......................................................................... 9

2.2.4 Proses peramalan ........................................................................ 10

2.2.5 Keandalan ramalan ..................................................................... 12

2.3 Exponential Smoothing .......................................................................... 13

2.3.1 Pengertian metode Exponential Smoothing ............................... 13

2.3.2 Macam-macam metode Exponential Smoothing ........................ 13

2.4 Mean Sequared Error (MSE) ................................................................ 16

2.5 Sistem Pendukung Keputusan ................................................................ 17

2.5.1 Pengertian Sistem Pendukung Keputusan .................................. 17

2.5.2 Kategori Sistem Pendukung Keputusan ..................................... 17

2.5.3 Keuntungan Sistem Penunjang Keputusan ................................ 19

2.5.4 Karakteristik dan kemampuan SPK ........................................... 19

2.6 Unifield Modeling Language (UML) ..................................................... 20

2.7 Basis Data (Database) .......................................................................... 24

2.7.1 Pengertian Basis Data ................................................................. 24

xii

2.7.2 DBMS (Database Management System) .................................... 24

2.7.3 MySql ......................................................................................... 26

2.8 Java ......................................................................................................... 27

2.8.1 Netbeans ..................................................................................... 28

2.8.2 XAMPP ...................................................................................... 29

BAB III METODE PENELITIAN .......................................................................... 30

3.1 Prosedur dan Pengumpulan Data ........................................................... 30

3.1.1 Jenis data..................................................................................... 30

3.1.2 Sumber data ................................................................................ 30

3.1.3 Pengumpulan data....................................................................... 30

3.2 Prosedur Pengembangan Perangkat Lunak ............................................ 31

3.3 Waktu dan Tempat Penelitian ................................................................ 32

3.3.1 Waktu penelitian ......................................................................... 32

3.3.2 Tempat penelitian ....................................................................... 33

BAB IV ANALISIS PERANCANGAN SISTEM ................................................... 34

4.1 Gambaran Umum ................................................................................... 34

4.1.1 Gambaran umum sistem yang sedang berjalan ......................... 34

4.1.2 Gambaran umum sistem yang diusulkan .................................. 35

4.2 Ilustrasi Perhitungan Metode Exponential Smoothing ......................... 35

4.3 Perancangan Sistem ............................................................................... 88

4.3.1 Use case diagram ....................................................................... 88

4.3.2 Activity diagram ......................................................................... 90

4.3.3 Sequence diagram....................................................................... 95

4.3.4 Class diagram ............................................................................. 99

4.4 Perancangan Interface .......................................................................... 100

BAB V IMPLEMENTASI DAN PENGUJIAN SISTEM .................................... 105

5.1 Kebutuhan Sistem ................................................................................ 105

5.2 Implementasi Antar Muka Sistem ........................................................ 105

5.3 Pengujian Sistem .................................................................................. 113

5.3.1 Pengujian tahap pertama ......................................................... 113

5.3.2 Pengujian tahap kedua ............................................................ 116

BAB VI PENUTUP ................................................................................................. 136

6.1 Kesimpulan .......................................................................................... 136

6.2 Saran ..................................................................................................... 136

DAFTAR PUSTAKA

LAMPIRAN

xiii

DAFTAR GAMBAR

Gambar 4.1 Activity sistem yang sedang berjalan ................................................. 34

Gambar 4.2 Activity sistem yang sedang diusulkan .............................................. 35

Gambar 4.3 Use case diagram admin ................................................................... 88

Gambar 4.4 Activity diagram login admin ............................................................ 91

Gambar 4.5 Activity diagram data item ................................................................. 91

Gambar 4.6 Activity diagram produksi ................................................................. 92

Gambar 4.7 Activity diagram penjualan ................................................................ 92

Gambar 4.8 Activity diagram stok ......................................................................... 93

Gambar 4.9 Activity diagram peramalan kuantitas produksi roti .......................... 94

Gambar 4.10 Activity diagram admin ................................................................... 95

Gambar 4.11 Sequence diagram login .................................................................. 95

Gambar 4.12 Sequence diagram item.................................................................... 96

Gambar 4.13 Sequence diagram produksi ............................................................. 97

Gambar 4.14 Sequence diagram penjualan ........................................................... 97

Gambar 4.15 Sequence diagram forecasting ......................................................... 98

Gambar 4.16 Sequence diagram admin ................................................................. 98

Gambar 4.17 Class diagram sistem ....................................................................... 99

Gambar 4.18 Desain interface halaman login ..................................................... 100

Gambar 4.19 Desain interface halaman utama ................................................... 100

Gambar 4.20 Desain interface halaman data item .............................................. 101

Gambar 4.21 Desain interface halaman produksi ............................................... 101

Gambar 4.22 Desain interface halaman penjualan ............................................. 102

Gambar 4.23 Desain interface halaman stok ...................................................... 102

Gambar 4.24 Desain interface halaman forecasting ........................................... 103

Gambar 4.25 Desain interface halaman grafik ................................................... 104

Gambar 4.26 Desain interface halaman admin ................................................... 104

Gambar 5.1 Tampilan form login ........................................................................ 106

Gambar 5.2 Tampilan halaman utama ................................................................ 106

Gambar 5.3 Tampilan halaman item ................................................................... 107

Gambar 5.4 Tampilan form tambah data item .................................................... 107

Gambar 5.5 Tampilan halaman produksi ............................................................ 108

Gambar 5.6 Tampilan form tambah data produksi.............................................. 108

Gambar 5.7 Tampilan halaman penjualan .......................................................... 109

Gambar 5.8 Tampilan form input data penjualan ............................................... 109

Gambar 5.9 Tampilan halaman stok ................................................................... 110

Gambar 5.10 Tampilan form output data stok .................................................... 110

Gambar 5.11 Tampilan halaman forecasting ...................................................... 111

Gambar 5.12 Tampilan output forecasting ......................................................... 111

Gambar 5.13 Tampilan halaman grafik .............................................................. 112

Gambar 5.14 Tampilan form admin .................................................................... 112

xiv

Gambar 5.15 Data penjualan roti daging ............................................................ 114

Gambar 5.16 Hasil peramalan roti daging .......................................................... 115

Gambar 5.17 Hasil peramalan produksi roti daging ........................................... 116

Gambar 5.18 Form peramalan roti daging .......................................................... 117

Gambar 5.19 Hasil peramalan produksi roti daging ........................................... 117

Gambar 5.20 Hasil analisis mse keseluruhan roti daging ................................... 118

Gambar 5.21 Grafik perbandingan produksi roti daging .................................... 120

Gambar 5.22 Form peramalan roti manis bungkus ............................................. 121

Gambar 5.23 Hasil peramalan produksi roti manis bungkus .............................. 121

Gambar 5.24 Hasil analisis MSE keseluruhan roti manis bungkus .................... 122

Gambar 5.25 Grafik perbandingan produksi roti manis bungkus ....................... 125

Gambar 5.26 Form peramalan roti keju susu ...................................................... 125

Gambar 5.27 Hasil peramalan produksi roti keju susu ....................................... 126

Gambar 5.28 Hasil analisis MSE keseluruhan roti keju susu ............................. 126

Gambar 5.29 Grafik perbandingan produksi roti keju susu ................................ 129

Gambar 5.30 Form peramalan roti cum-cum ...................................................... 129

Gambar 5.31 Hasil peramalan produksi roti cum-cum ....................................... 130

Gambar 5.32 Hasil analisis MSE keseluruhan roti cum-cum ............................. 130

Gambar 5.33 grafik perbandingan produksi roti cum-cum ................................. 133

Gambar 5.34 Hasil peramalan ............................................................................. 133

xv

DAFTAR TABEL

Tabel 2.1 Pola musiman ........................................................................................ 12

Tabel 2.2 Simbol use case diagram....................................................................... 21

Tabel 2.3 Simbol sequence diagram ..................................................................... 22

Tabel 2.4 Simbol activity diagram ........................................................................ 23

Tabel 2.5 Simbol class diagram ............................................................................ 24

Tabel 3.1 Tabel Gannt Chart waktu penelitian ..................................................... 32

Tabel 4.1 Data aktual permintaan roti daging ....................................................... 36

Tabel 4.2 Data permintaan konsumen terhadap roti daging ................................. 38

Tabel 4.3 Hasil peramalan roti daging dengan alpha (α = 0,1) ............................. 41







Tabel 4.10 Hasil peramalan roti daging dengan alpha (α = 0,8) ........................... 68

Tabel 4.11 Hasil peramalan roti daging dengan alpha (α = 0,9) ........................... 72

Tabel 4.12 Hasil menghitung nilai mse untuk alpha (α = 0,1) .............................. 73









Tabel 4.21 Hasil perhitungan nilai mse keseluruhan ............................................ 87

Tabel 4.22 Keterangan use case diagram admin ................................................... 89

Tabel 4.23 Tabel admin......................................................................................... 98

Tabel 4.24 Tabel produksi .................................................................................... 98

Tabel 4.25 Tabel penjualan ................................................................................... 99

Tabel 4.26 Tabel forecasting ................................................................................ 99

Tabel 4.27 Tabel admin....................................................................................... 100

Tabel 5.1 Data aktual penjualan roti daging ....................................................... 113

Tabel 5.2 Hasil pengujian peramalan .................................................................. 115

Tabel 5.3 Galat penjualan roti daging ................................................................. 118

Tabel 5.4 Perbandingan produksi roti daging di dhiba dan sistem ..................... 119

Tabel 5.5 Galat penjualan roti manis bungkus .................................................... 122

Tabel 5.6 Perbandingan produksi roti manis bungkus di dhiba dan sistem ........ 124

Tabel 5.7 Galat penjualan roti keju susu ............................................................. 127

Tabel 5.8 Perbandingan produksi roti keju susu di dhiba dan sistem ................. 128

xvi

Tabel 5.9 Galat penjualan roti cum-cum ............................................................. 131

Tabel 5.10 Perbandingan produksi roti cum-cum di dhiba dan sistem ............... 132

Tabel 5.11 Pengujian keakuratan ramalan keseluruhan ...................................... 134

1

BAB I

PENDAHULUAN

1.1 Latar Belakang

Perusahaan Roti Dhiba Kendari adalah salah satu perusahaan manufaktur

yang memproduksi berbagai jenis roti antara lain roti keju, roti kacang tanah, roti

kacang abon, roti daging, roti cokelat, dan roti istimewa dalam jumlah yang cukup

besar. Perusahaan ini berdiri dan mulai usahanya pada pertengahan Juni 1998

dengan nama Istana Roti Dhiba, sedangkan Surat Izin Tempat Usaha (SITU)

diperoleh pada tahun 2000 dengan nomor registrasi 2008/UPT/XII/2000 yang

berlokasi di jalan Dr. Sam Ratulangi No. 202 Kelurahan Mandonga Kecamatan

Mandonga Kota Kendari.

Perusahaan Roti Dhiba Kendari mengalami masalah dalam kuantitas

produksi, setiap harinya jumlah produksi ditentukan dengan jumlah sisa roti yang

terjual di hari sebelumnya. Dengan proses penentuan produksi seperti ini, jumlah

produksi yang dihasilkan sering tidak sesuai dengan permintaan customer. Dimana

Perusahaan Roti Dhiba Kendari kadang mengalami kekurangan dan kelebihan

jumlah produksi yang menyebabkan kerugian pada perusahaan mengingat bahwa

produk yang dihasilkan tergolong produk yang tidak tahan lama.

Permasalahan yang dihadapi oleh manajer produksi Perusahaan Roti Dhiba

Kendari adalah bagaimana menentukan kuantitas produksi di masa mendatang

berdasarkan data yang telah direkam sebelumnya. Perencanaan produksi yang

ditetapkan akan mempengaruhi tingkat produksi dan inventory guna mencapai

tingkat efektifitas yang maksimal. Oleh karena itu, diperlukan suatu metode yang

dapat diaplikasikan dalam pengendalian produksi dan inventory.

Peramalan adalah suatu usaha untuk meramalkan keadaan di masa mendatang

melalui pengujian keadaan di masa lalu. Menentukan produksi berarti meramalkan

perkiraan besarnya volume penjualan, bahkan menentukan potensi penjualan dan

luas pasar yang dikuasai di masa yang akan datang. Untuk menentukan metode

yang digunakan dalam peramalan terlebih dahulu harus mengetahui jenis data yang

2

dimiliki pada Perusahaan Roti Dhiba Kendari. Dari penelitian yang telah dilakukan

Perusahaan Roti Dhiba Kendari memiliki data yang cenderung mengalami fluktuasi

atau data yang tingkat kenaikan dan penurunan permintaan yang tidak menentu.

Oleh karena itu, metode peramalan yang layak digunakan pada jenis data ini adalah

metode Exponential Smoothing (pemulusan secara beruntun) karena data penjualan

pada Perusahaan Roti Dhiba Kendari tidak mengandung tren dan musiman

sehingga metode yang digunakan metode Exponential Smoothing yang pertama

yaitu Single Exponential Smoothing (Makridakis, dkk,1992).

Dengan adanya kegiatan peramalan penjualan ini manajer produksi dapat

mengambil keputusan untuk menentukan jumlah yang akan diproduksi sesuai

dengan hasil ramalan penjualan tersebut. Peramalan penjualan dilakukan untuk bisa

terus memenuhi kebutuhan pelanggan yang dilihat dari hasil ramalan agar manajer

dapat memperhitungkan jumlah yang harus diproduksi sehingga tidak mengalami

kekurangan atau kelebihan stok persediaan.

Berdasarkan uraian di atas penulis ingin mengetahui seberapa besar

keberhasilan peramalan kuantitas produksi roti, khususnya pada Perusahaan Roti

Dhiba Kendari dengan menggunakan metode yang dipilih oleh penulis. Dengan

membuat tugas akhir yang berjudul “Penerapan Metode Exponential Smoothing

Pada Peramalan Penjualan Dalam Penentuan Kuantitas Produksi Roti (Studi

Kasus Perusahaan Roti Dhiba Kendari)”.

1.2 Rumusan Masalah

Rumusan masalah dalam penelitian ini adalah bagaimana membangun dan

menerapkan metode Exponential Smoothing pada aplikasi peramalan penjualan

dalam penentuan kuantitas produksi roti di Perusahaan Roti Dhiba Kendari.

1.3 Batasan Masalah

Batasan masalah dalam penulisan dan pembuatan aplikasi tugas akhir ini,

yaitu :

1. Metode yang digunakan dalam pembuatan aplikasi ini yaitu metode

Exponential Smoothing dan metode Mean Squared Error (MSE).

3

2. Bahasa pemograman yang digunakan adalah JAVA.

3. Aplikasi ini menghasilkan output berupa prediksi produksi roti perhari.

4. Studi kasus penelitian ini dilakukan di Perusahaan Roti Dhiba Kendari



1.4 Tujuan

Tujuan dari penelitian ini adalah untuk membangun aplikasi peramalan

penjualan dalam penentuan kuantitas produksi roti dengan menggunakan metode

Exponential Smoothing dalam membantu manajer produksi untuk menentukan

kuantitas produksi roti yang sesuai dengan permintaan customer di Perusahaan Roti

Dhiba Kendari.

1.5 Manfaat

Adapun manfaat penelitian ini adalah untuk mempermudah manajer produksi

dalam menentukan kuantitas produksi yang sesuai dengan permintaan customer di

Perusahaan Roti Dhiba Kendari serta menjadi referensi tambahan bagi pengembang

sesuai dengan topik penelitian.

1.6 Sistematika Penulisan

Sistematika penulisan laporan ini merupakan pembahasan singkat dari setiap

bab yang menjelaskan hubungan antara bab yang satu dengan bab yang lainnya,

yaitu :

BAB I PENDAHULUAN

Bab ini mengurai latar belakang masalah, rumusan masalah, batasan masalah,

tujuan penelitian, manfaat penelitian, sistematika penulisan, dan tinjauan pustaka.

BAB II LANDASAN TEORI

Teori-teori penunjang yang berhubungan dengan penelitian berupa teori dari

atribut pemeriksaan dan algoritma yang digunakan.

4

BAB III METODOLOGI PENELITIAN

Bab ini berisi metode pengumpulan data, metode pengembangan sistem,

analisis kebutuhan sistem, perancangan sistem, dan pengujian sistem.

BAB IV ANALISIS DAN PERANCANGAN SISTEM

Bab ini membahas tentang gambaran umum sistem dan desain perangkat

lunak.

BAB V IMPLEMENTASI DAN PENGUJIAN SISTEM

Bab ini menguraikan tentang implemantasi dan pengujian dari perangkat

lunak yang dibuat berdasarkan hasil analisis dan perancangan pada bab

sebelumnya.

BAB VI PENUTUP

Bab ini merupakan bab penutup yang berisi kesimpulan serta saran yang

dapat membantu pengembangan sistem informasi ini di masa yang akan datang.

1.7 Tinjauan Pustaka

Terdapat banyak literatur yang ditemukan untuk penelitian mengenai

penentuan kuantitas produksi dan penggunaan metode Exponential Smoothing,

seperti yang dilakukan oleh Sahli (2013) pada “Penerapan Metode Exponential

Smoothing dalam Sistem Informasi Pengendalian Persediaan Bahan Baku (Studi

Kasus Toko Tirta Harum)”. Peramalan ini menggunakan metode Exponential

Smoothing dengan mengambil data penjualan periode sebelumnya untuk

menentukan jumlah permintaan berikutnya. Setelah didapat hasilnya, selanjutnya

dilakukan proses perhitungan dengan menggunakan rumus Economic Order

Quantity (EOQ) untuk mendapatkan jumlah persediaan yang harus ada di gudang

serta titik pemesanan kembali.

Penelitian sejenis oleh Sahara (2013) yang berjudul “Sistem Peramalan

Persediaan Unit Mobil Mitsubishi pada PT Sardana Indah Berlian Motor dengan

Menggunakan Metode Exponential Smoothing”. Proses perhitungan metode

Exponential Smoothing pada aplikasi ini membutuhkan data masa lalu untuk

meramalkan hasil permintaan di bulan selanjutnya. Dari hasil permintaan tersebut

maka jumlah persediaan Unit Mobil Mitsubishi dapat diketahui.

5

Penelitian sejenis pernah dilakukan oleh Santosa, dkk, (2016) yang berjudul

“Penerapan Metode Optimasi Exponential Smoothing untuk Peramalan Debit”.

Metode yang digunakan dalam peramalan serial data debit adalah dengan cara

mengoptimasi nilai error, meminimumkan nilai error maka akan didapat hasil

ramalan maksimum, sehingga hasil ramalan akan mendekati serial data hasil

pengamatan di lapangan. Optimasi yang dilakukan mendapatkan hasil yang cukup

baik.

Penelitian selanjutnya oleh Sari, dkk, (2015) yang berjudul “Sistem

Peramalan Stok Obat Menggunakan Metode Exponential Smoothing”. Metode

peramalan yang digunakan dalam sistem ini adalah Exponential Smoothing yang

mengacu pada komponen peramalan data deret waktu variansi acak dengan proses

autokorelasi untuk penentuan variabel inputnya. Hasil dari peramalan

menggunakan Exponential Smoothing dengan konstanta alpha sebesar 0,2 dan beta

sebesar 0,3 menghasilkan nilai MSE sebesar 4,7908.

Penelitian lainnya dilakukan oleh Indatul (2015) dalam menentukan “Sistem

Pendukung Keputusan untuk Peramalan Jumlah Produksi Barang dengan Metode

Fuzzy Inference System Tsukamoto". Sistem Pendukung Keputusan (SPK) yang

dibuat bertujuan untuk memprediksi jumlah barang yang akan produksi

berdasarkan data persediaan dan jumlah permintaan. Hasil dalam penelitian ini

adalah aplikasi yang dapat membantu manajer dalam pengambilan produksi dengan

cepat dan tepat.

Berdasarkan penelitian-penelitian yang telah dipaparkan di atas, maka akan

dilakukan penelitian lebih lanjut dengan judul “Penerapan Metode Exponential

Smoothing Pada Peramalan Penjualan Dalam Penentuan Kuantitas Produksi (Studi

Kasus Perusahaan Roti Dhiba Kendari)”. Metode yang digunakan pada aplikasi ini

adalah metode Exponential Smoothing yang pertama yaitu Single Exponential

Smoothing, pada proses perhitungan membutuhkan data penjualan masa lalu

dengan nilai alpha sebagai para meter pemulusan dan metode Mean Squared Error

(MSE) untuk menentukan tingkat kesalahan ramalan. Output yang dihasilkan

berupa jumlah produksi yang akan diproduksi di hari berikutnya sesuai dengan data

permintaan sebelumnya.

6

BAB II

LANDASAN TEORI

2.1 Profil Perusahaan Roti Dhiba Kendari

Profil perusahaan merupakan pembahasan mengenai sejarah dan struktur

organisasi perusahaan.

2.1.1 Sejarah Perusahaan Roti Dhiba Kendari

Perusahaan Roti Dhiba Kendari adalah salah satu perusahaan manufaktur

yang memproduksi berbagai jenis roti antara lain roti kepang, bluder, manis

bungkus, daging, keju susu, keju mentah, pisang keju, cokelat, srikaya, cum-cum,

kelapa, pisang cokelat, nanas ceri, roti tawar, donat, pizza, dan coking dalam jumlah

yang cukup besar.

Perusahaan ini berdiri dan mulai usahanya pada pertengahan Juni 1998

dengan nama Istana Roti Dhiba, sedangkan Surat Izin Tempat Usaha (SITU)

diperoleh pada tahun 2000 dengan nomor register 2008/UPT/XII/2000 yang


Mandonga Kota Kendari. Pada awal pendiriannya perusahaan ini hanya melakukan

usaha sebagai penyalur hasil produksi dari Holland Bakery yang berkedudukan di

Wua-Wua namun setelah melihat peluang pasar yang cukup baik, atas kebijakan

pemilik perusahan yang juga pemilik Holland Bakery. Akhirnya, perusahaan ini

dapat memproduksi sendiri roti yang akan dipasarkan.

Adapun wilayah pemasaran yang menjadi sasaran perusahaan adalah

wilayah Kota Kendari khususnya Kelurahan Mandonga dan sekitarnya. Kegiatan

utama perusahaan ini adalah memproduksi roti dan memasarkannya kepada

masyarakat. Perusahaan juga mamiliki usaha sampingan yaitu sebagai Penyalur Air

Minum Dalam Kemasan (PAMDK) Frid dari CV. Tepung Emas Utama Kendari.

Dalam upaya pengembangan usahanya, perusahaan telah membuka cabang yang

berkedudukan di Kabupaten Kolaka pada tahun 1999 dan di Surabaya pada tahun

2000.

7

2.1.2 Struktur Organisasi Roti Dhiba Kendari

Struktur organisasi merupakan gambaran tentang sistem pembangunan

kerja yang menjadi pedoman dalam pelaksanaan tugas dan tanggung jawab

organisasi dalam upaya pencapaian tujuan perusahaan.

Pada struktur organisasi nampak bahwa dalam menjalankan kegiatan

operasional sehari-sehari, pimpinan dibantu oleh bagian pengadaan, bagian

produksi, bagian keuangan, dan bagian pemasaran. Adapun pembagian wewenang

dan tanggung jawab dari setiap bagian yang terdapat pada struktur organisasi

perusahaan tersebut dapat diuraikan sebagai berikut :

1. Pimpinan

Tugas pimpinan sebagaimana lazimnya pimpinan perusahaan lainnya yaitu

bertanggung jawab atas segala kegiatan perusahaan secara keseluruhan. Juga

sebagai pengendali perusahaan, membuat kebijakan-kebijakan perusahaan, dan

pengambilan keputusan serta bertanggung jawab atas tercapainya tujuan

perusahaan.

2. Bagian Pengadaan

Bagian pengadaan bertugas melakukan pengadaan bahan baku, bahan

tambahan, dan perlengkapan sesuai dengan kebutuhan produksi.

3. Bagian Produksi

Bagian produksi bertanggung jawab atas kelancaran pelaksanaan produksi

dan mengatur sumber daya yang ada untuk menghasilkan produk. Bagian ini juga

bertanggung jawab atas jumlah persediaan barang jadi.

4. Bagian Keuangan

Bagian keuangan mengelola sumber-sumber dana dan penggunaannya,

mengelola pembayaran upah dan pembelian bahan baku. Bagian ini juga bertugas

mengelola pencatatan, pembukuan atas penerimaan dan pengeluaran perusahaan,

serta bertanggung jawab dalam hal pelaporan keuangan.

5. Bagian Pemasaran

Bagian ini bertugas memasarkan hasil produksi roti, melayani pelanggan,

dan bertanggung jawab atas segala sesuatu yang ada pada bagian pemasaran.

8

Keempat bagian tersebut saling koordinasi dan bertanggung jawab langsung

kepada pimpinan perusahaan.

2.2 Peramalan

2.2.1 Pengertian peramalan

Forecasting adalah peramalan apa yang akan terjadi pada masa yang akan

datang, sedangkan rencana merupakan penentuan apa yang akan dilakukan pada

waktu yang akan datang. Dengan sendirinya terjadi perbedaan antara forecast

dengan rencana (Subagyo, 1986).

Forecasting (peramalan) adalah suatu unsur yang sangat penting dalam

pengambilan keputusan. Peramalan serial data yang dilakukan umumnya akan

berdasarkan pada data masa lampau yang dianalisis dengan menggunakan cara-cara

tertentu. Data masa lampau dikumpulkan, dipelajari, dan dianalisis dihubungkan

dengan perjalanan waktu dan mencoba mengatakan sesuatu yang akan terjadi di

masa mendatang. Akurasi suatu ramalan berbeda untuk setiap persoalan dan

berbagai faktor, akurasi peramalan tidak akan selalu didapatkan hasil ramalan

dengan ketepatan 100%, namun demikian tidak berarti bahwa ramalan menjadi

tidak penting. Ramalan telah banyak digunakan dan membantu dengan baik dalam

berbagai kasus dalam manajemen, sebagai pendukung dalam perencanaan,

pengawasan, dan pengambilan keputusan.

2.2.2 Tujuan peramalan

Menurut Subagyo (1986), peramalan bertujuan untuk mendapatkan

peramalan atau predikisi yang bisa meminimumkan kesalahan dalam meramal yang

biasanya diukur dengan Mean Square Error, Mean Absolute Error, dan sebagainya.

Hal-hal yang harus ditentukan dalam peramalan :

1. Variabel-variabel apa yang harus diestimasi

2. Siapa yang akan menggunakan hasil peramalan

3. Untuk tujuan-tujuan apa hasil peramalan digunakan

4. Estimasi jangka panjang atau jangka pendek yang diinginkan

5. Derajat ketepatan estimasi yang diinginkan

9

6. Kapan estimasi dibutuhkan

7. Bagian-bagian peramalan yang diinginkan, seperti peramalan untuk kelompok

pembeli, kelompok produk atau daerah geografis.

2.2.3 Teknik peramalan

Menurut Heizer dan Render (2001), peramalan biasanya diklasifikasikan

berdasarkan horison waktu masa depan. Horison-horison waktu dibagi dalam 3

kategori sebagai berikut :

1. Short-range forecast

Peramalan yang memiliki jangka waktu hingga satu tahun namun umumnya

kurang dari 3 bulan.

2. Medium-range forecast

Medium-range atau intermediate forecast umumnya berjangka waktu dari 3

bulan hingga 3 tahun.

3. Long-range forecast

Umumnya berjangka waktu 3 tahun atau lebih.

Terdapat 7 langkah dalam sistem peramalan, yaitu :

1. Menentukan manfaat atau kegunaan meramal

2. Memilih item yang akan diramal

3. Menentukan horison waktu peramalan

4. Memilih model peramalan

5. Mengumpulkan data yang diperlukan untuk membuat peramalan

6. Melakukan peramalan

7. Melakukan validasi dan mengimplementasikan hasil peramalan 7 langkah ini

memberikan cara sistematis dalam initiating, designing, dan implementing

sistem peramalan.

Dalam peramalan, teknik yang digunakan terbagi atas dua kategori utama

yaitu metode kuantitatif dan metode kualitatif.

1. Metode kuantitatif

Metode kuantitatif dapat dibagi ke dalam :

10

a. Deret berkala atau runtun waktu (time series)

b. Indikator ekonomi

c. Model ekonometri, metode ini sangat beragam dan setiap teknik memiliki sifat,

ketepatan, dan biaya yang harus dipertimbangkan dalam memilih metode

tertentu. Metode kuantitatif didasarkan atas prinsip-prinsip statistik yang

memiliki tingkat ketepatan tinggi atau dapat meminimumkan kesalahan

(error), lebih sistematis, dan lebih popular dalam penggunaannya.

Untuk menggunakan metode kuantitatif terdapat tiga kondisi yang harus

dipenuhi :

a. Tersedia informasi tentang masa lalu

b. Informasi tersebut dapat dikuantitatifkan dalam bentuk data numerik

c. Diasumsikan bahwa beberapa pola masa lalu akan terus berlanjut

2. Metode kualitatif

Metode kualitatif dapat berupa pengumpulan pendapat yang dapat dibagi

menjadi :

a. Pengumpulan pendapat para ahli

b. mengelompokan dalam metode eksploratoris dan normatif.

2.2.4 Proses peramalan

Peramalan adalah suatu usaha untuk meramalkan keadaan di masa

mendatang melalui pengujian di masa lalu. Esensi peramalan adalah perkiraan

peristiwa-peristiwa di waktu yang akan datang atas dasar pola-pola di waktu yang

lalu dan penggunaan kebijakan. Proses peramalan biasanya terdiri dari langkah-

langkah sebagai berikut :

1. Penentuan tujuan

Langkah pertama terdiri atas penentuan macam estimasi yang diingkinkan.

Sebaliknya, tujuan tergantung kepada kebutuhan-kebutuhan informasi para

manajer. Analisis membicarakan dengan para pembuat keputusan untuk

mengetahui apa kebutuhan-kebutuhan mereka, dan menentukan :

a. Variabel apa yang akan diestimasi

b. Siapa yang akan menggunakan hasil peramalan

11

c. Untuk tujuan-tujuan apa hasil peramalan digunakan

d. Estimasi jangka panjang atau jangka pendek yang diinginkan

e. Derajat ketepatan estimasi yang diinginkan.

2. Pengembangan model

Setelah tujuan ditetapkan, langkah berikutnya adalah pengembangan suatu

model yang merupakan penyajian secara lebih sederhana sistem yang dipelajari.

Analisis hendaknya memilih suatu model yang menggambarkan secara realistis

perilaku variabel-variabel yang dipertimbangkan.

3. Pengujian model

Sebelum diterapkan, model biasanya diuji untuk menentukan tingkat

akurasi, validitas, dan realibilitas yang diharapkan. Ini sering mencakup

penerapannya pada data historik dan penyiapan estimasi untuk tahun-tahun

sekarang dengan data nyata yang tersedia. Nilai suatu model ditentukan oleh derajat

ketepatan hasil peramalan dengan kenyataan (aktual). Dengan kata lain, pengujian

model bermaksud untuk mengetahui validitas atau kemampuan prediksi secara

logic suatu model.

4. Penerapan model

Setelah pengujian, analisis menerapkan model dalam tahap ini, data historik

dimasukan dalam model untuk menghasilkan suatu ramalan.

5. Revisi dan evaluasi

Ramalan-ramalan yang telah dibuat harus senantiasa diperbaiki dan ditinjau

kembali. Perbaikan mungkin perlu dilakukan karena adanya perubahan-perubahan

dalam perusahaan atau lingkungannya, seperti tingkat harga produk perusahaan

karakteristik-karakteristik produk, pengeluaran-pengeluaran pengiklanan, tingkat

pengeluaran pemerintah, kebijakan moneter dan kemajuan teknologi. Evaluasi, di

lain pihak merupakan pembanding ramalan-ramalan dengan hasil-hasil nyata untuk

menilai ketepatan penggunaan suatu metodologi atau teknik peramalan. Langkah

ini diperlukan untuk menjaga kualitas estimasi-estimasi di waktu yang akan datang.

Metode forecasting yang digunakan penulis, yaitu Exponential Smoothing

(pemulusan eksponensial) termasuk dalam time series yang memprediksi

berdasarkan asumsi bahwa masa mendatang merupakan fungsi dari masa lalu. Time

12

series digunakan untuk membuat analisa detail dari pola kebutuhan masa lalu

kemudian melanjutkan memproyeksikan pola ini untuk masa depan. Jadi, melihat

pada apa yang terjadi selama suatu periode waktu tertentu dan menggunakan

serangkaian data masa lalu untuk membuat peramalan.

Menurut Heizer dan Render (2001), time series secara khusus memiliki 4

komponen yaitu :

1. Trend merupakan pergerakan data yang secara bertahap naik atau turun.

2. Seasonality merupakan pola data yang berulang dengan sendirinya setelah

suatu periode hari, minggu, bulan, atau setiap tiga bulan. Pada umumnya

terdapat 6 pola seasonality yang ditunjukkan seperti dalam Tabel 2.1 di bawah

ini.

Tabel 2.1 Pola Musiman

Pola Priode Siklus Rentang Siklus

Minggu Hari 7

Bulan Minggu 4-41

2

Bulan Hari 28-31

Tahun Perempat 4

Tahun Bulan 12

Tahun Minggu 52

3. Cycles merupakan pola data yang dapat terjadi setiap beberapa tahun.

4. Random variations merupakan kejadian munculnya data yang tak terduga

disebabkan kemungkinan dan situasi yang tidak biasa dimana memiliki pola

yang tidak dapat dilihat sehingga tidak dapat diprediksi.

2.2.5 Keandalan Ramalan

Pada dasarnya tidak ada teknik yang dapat menghasilkan ramalan yang

sangat akurat (yaitu masa yang akan datang tidak mungkin dapat diramalkan secara

tepat dan sempurna). Karena itu keandalan ramalan digunakan untuk melihat

seberapa andal/akuratnya suatu metode peramalan. Untuk menguji keakuratannya

13

ramalan tersebut, peramal dapat menggunakan pengukuran keandalan, yaitu dengan

MSE (Mean Squared Error). Secara umum, semakin rendah nilai MSE berarti

semakin baik dan akurat.

Menurut Nachrowi dan Usman (2004) menyatakan bahwa sebenarnya

membandingkan kesalahan peramalan adalah suatu cara sederhana, apakah suatu

teknik peramalan tersebut patut dipilih untuk digunakan membuat peramalan data

yang sedang kita analisa atau tidak. Minimal prosedur ini dapat digunakan sebagai

indikator apakah suatu teknik peramalan cocok digunakan atau tidak. Dan teknik

yang mempunyai MSE terkecil merupakan ramalan yang terbaik.

Menurut Rangkuti (2005) menyatakan keharusan untuk membandingkan

perhitungan yang memiliki nilai MSE paling kecil, karena semakin kecil MSE

berarti semakin kecil pula perbedaan antara hasil forecasting dan nilai aktual.

Menurut Gaspers (2005) dalam bukunya menyebutkan akurasi peramalan

akan semakin tinggi apabila nilai-nilai MSE semakin kecil.

2.3 Exponential Smoothing

2.3.1 Pengertian metode Exponential Smoothing

Exponential Smoothing adalah suatu prosedur yang secara terus menerus

memperbaiki peramalan dengan merata-rata (menghaluskan = smoothing) nilai

masa lalu dari suatu data runtut waktu dengan cara menurun (exponential).

Menurut Supriana dan Uci (2010) metode Exponential Smoothing

merupakan pengembangan dari metode Moving Averages. Dalam metode ini

peramalan dilakukan dengan mengulang perhitungan secara terus menerus dengan

menggunakan data terbaru. Setiap data diberi bobot, data yang lebih baru diberi

bobot yang lebih besar. Tiga metode dalam Exponential Smoothing di antaranya

Single Exponential Smoothing, Double Exponentials Smoothing, dan Triple

Exponentials Smoothing.

2.3.2 Macam-macam metode Exponential Smoothing

Macam-macam metode Exponential Smoothing adalah sebagai berikut :

14

1. Single Exponentials Smoothing

Single Exponentials Smoothing atau biasa disebut sebagai Simple

Exponential Smoothing, metode ini digunakan untuk peramalan jangka pendek.

Metode ini adalah pengembangan dari metode Moving Average (MA)

menggunakan rumus sebagai berikut:

𝑭𝒕+𝟏= 𝑿𝟏+𝑿𝟐+⋯+𝑿𝒕

𝒕 (2.1)

Keterangan :

𝐹𝑡+1 : Ramalan untuk periode ke t + 1

𝑋𝑡 : Nilai riil periode ke t

t : Jangka waktu rata-rata bergerak

Metode Moving Average memang mudah menghitungnya akan tetapi

metode ini memberikan bobot yang sama pada setiap data . Untuk mengatasi hal ini

maka digunakan metode Single Exponential Smoothing. Pada metode Single

Exponential Smoothing bobot yang diberikan pada data yang ada adalah sebesar α

untuk data yang terbaru, (1-α) untuk data yang lama. Besarnya α adalah antara 0

dan 1. Secara matematis dapat ditulis sebagai berikut :

𝑭𝒕+𝟏 = 𝜶 ∗ 𝑿𝒕+(𝟏 − 𝜶)*𝑭𝒕 (2.2)

dimana:

𝐹𝑡+1 : Peramalan untuk priode ke t + 1

𝑋𝑡 : Nilai riil untuk priode ke t

α : konstanta perataan antara 0 dan 1

𝐹𝑡 : Peramalan untuk priode ke t

Metode peramalan Single Exponential Smoothing memerlukan spesifikasi

nilai alpha dan MSE bergantung pada pemilihan nilai alpha tersebut. Dalam Single

Exponential Smoothing dapat menangani nilai alpha yang berubah secara terkendali

dengan adanya perubahan dalam pola data. Karakteristik ini tampaknya menarik

bilamana beberapa ratus bahkan ribuan item yang perlu diramalkan. Dalam

melakukan peramalan dengan menggunakan metode Single Exponential Smoothing

(SES), besarnya α (alpha) ditentukan secara error sampai ditemukan α (alpha) yang

menghasilkan forecast error terkecil. Metode ini lebih cocok digunakan untuk

15

meramal data-data yang fluktuatif secara random (tidak teratur)(Supriana dan Uci,

2010).

2. Double Exponentials Smoothing

Metode ini merupakan model linier yang dikemukakan oleh Brown. Model

ini sesuai jika data yang dimaksud menunjukkan sifat trend, persamaan yang

dipakai dalam implementasi pemulusan eksponensial ganda adalah:

𝑭𝒕+𝒎 = 𝑺𝒕+𝒃𝒕 ∗ 𝒎 (2.3)

Dimana :

𝑆𝑡 = peramalan untuk periode t

𝑏𝑡 = trend pada periode ke-t

𝐹𝑡+𝑚 = hasil peramalan ke-m

m = jumlah periode ke muka yang akan diramalkan

Metode Double Exponentials Smoothing ini biasanya lebih tepat untuk

meramalkan data yang mengalami trend kenaikan (Supriana dan Uci, 2010).

3. Triple Exponentials Smoothing

Metode ini digunakan ketika data menunjukan adanya trend dan perilaku

musiman (Makridakis, 1999). Untuk menangani musiman, telah dikembangkan

parameter persamaan ketiga yang disebut metode “HoltWinters” sesuai dengan

nama penemunya. Terdapat dua model Holt-Winters tergantung pada tipe

musimannya yaitu Multiplicative seasonal model dan Additive seasonal model.

Metode Exponentian Smoothing yang telah dibahas sebelumnya dapat digunakan

untuk hampir segala jenis data stasioner atau non-stasioner sepanjang data

tersebut tidak mengandung faktor musiman. Tetapi bilamana terdapat musiman,

metode ini dijadikan cara untuk meramalkan data yang mengandung faktor

musiman, namun metode ini sendiri tidak dapat mengatasi masalah tersebut dengan

baik. Meskipun demikian, metode ini dapat menangani faktor musiman secara

langsung (Makridakis, 1999). Rumus yang digunakan untuk Triple Exponentials

Smoothing, yaitu :

Pemulusan trend : 𝑩𝒕 = 𝒈(𝑺𝒕−𝑺𝒕 − 𝟏) + (𝟏 − 𝒈)𝒃𝒕 − 𝟏 (2.4)

Pemulusan musiman : 𝑰 = 𝒃𝒕𝑿𝒕𝑺(𝟏 − 𝒃)𝒕 − 𝑳 + 𝒎 (2.5)

Ramalan : 𝑭𝒕 + 𝒎 = (𝑺𝒕 + 𝒃𝒕𝒎)𝑰𝒕 − 𝑳 + 𝒎 (2.6)

16

Dimana L adalah panjang musiman (misal, jumlah kuartal dalam suatu tahun), b

adalah komponen trend, I adalah faktor penyesuaian musiman, dan Ft+m adalah

ramalan untuk m periode ke muka.

2.4 Mean Squared Error (MSE)

Cara yang cukup sering digunakan dalam mengevaluasi hasil peramalan

yaitu dengan menggunakan metode Mean Squared Error (MSE). Dengan

menggunakan MSE, error yang ada menunjukkan seberapa besar perbedaan hasil

estimasi dengan hasil yang akan diestimasi. Hal yang membuat berbeda karena

adanya fluktuasi pada data atau karena tidak mengandung estimasi yang lebih

akurat. MSE cenderung menonjolkan deviasi yang besar karena adanya

pengkuadratan.

𝑴𝑺𝑬 =

𝟏

𝒏∑(𝑿𝒕 − 𝑭𝒕)𝟐

𝒏

𝒕=𝟏

(2.7)

Dimana :

𝑀𝑆𝐸 = Mean Square Error

𝑛 = Jumlah Sampel t

𝑋𝑡 = Nilai data periode ke-t

𝐹𝑡 = Nilai ramalan periode ke-t

Kelebihan MSE adalah MSE merupakan standar error untuk menilai atau

untuk mengetahui kesalahan dalam peramalan, MSE sangat baik dalam

memberikan gambaran terhadap seberapa konsisten model yang dibangun dan MSE

juga sangat sensitif terhadap data outliner (peka terhadap data yang berfluktuasi).

Prinsip dalam menghitung kesalahan peramalan (forecast error), model yang baik

adalah model yang mempunyai kesalahan error paling kecil dari terhadap data

pengamatan yang sebenarnya di lapangan (Supriana dan Uci, 2010).

17

2.5 Sistem Pendukung Keputusan

2.5.1 Pengertian Sistem Pendukung Keputusan

Pada dasarnya sistem pendukung keputusan merupakan pengembangan lebih

lanjut dari sistem informasi manajemen terkomputerisasi yang dirancang

sedemikian rupa sehingga bersifat interaktif dengan pemakainya. Sifat interaktif

dimaksudkan untuk memudahkan integrasi antara berbagai komponen dalam proses

pengambilan keputusan seperti prosedur, kebijakan, teknik analisis, serta

pengalaman dan wawasan manajerial guna membentuk suatu kerangka keputusan

bersifat fleksibel.

Menurut Turban dan Aronson (2001) Sistem Pendukung Keputusan (SPK)

atau Decision Support System (DSS) adalah sebuah sistem yang mampu

memberikan kemampuan pemecahan masalah maupun kemampuan

pengkomunikasian untuk masalah dengan kondisi semi terstruktur dan tak

terstruktur. Sistem ini digunakan untuk membantu pengambilan keputusan dalam

situasi semi terstruktur dan situasi yang tidak terstruktur, dimana tak seorangpun

tahu secara pasti bagaimana keputusan seharusnya dibuat.

Tipe-tipe keputusan

1. Keputusan terprogram (struktur)

a. Dibuat menurut kebiasaan, aturan, prosedur; tertulis maupun tidak

b. Bersifat rutin, berulang-ulang

2. Keputusan tak terprogram (tidak terstruktur)

a. Mengenai masalah khusus, khas, tidak biasa

b. Kebijakan yang ada belum menjawab

c. Misalnya Pengalokasian sumber daya

2.5.2 Kategori Sistem Pendukung Keputusan

Turban (2005), mengkategorikan model sistem pendukung keputusan dalam

tujuh model, yaitu :

1. Model optimasi untuk masalah-masalah dengan alternatif-alternatif dalam

jumlah relatif kecil

18

a. Model ini akan melakukan pencarian terhadap solusi terbaik dari sejumlah

alternatif.

b. Teknik-teknik untuk penyelesaian masalah ini antara lain dengan

menggunakan tabel keputusan atau pohon keputusan.

2. Model optimasi dengan algoritma

a. Model ini akan melakukan pencarian terhadap solusi terbaik dari banyak

alternatif.

b. Proses pencarian dilakukan tahap demi tahap.

c. Teknik-teknik untuk penyelesaian masalah ini antara lain dengan

menggunakan linear programming atau model matematika yang lainnya,

atau menggunakan model jaringan.

3. Model optimasi dengan formula analitik

a. Model ini akan melakukan pencarian terhadap solusi hanya dengan satu

langkah melalui rumus tertentu.

b. Model seperti ini banyak dijumpai pada masalah-masalah inventory.

4. Model simulasi

a. Model ini akan melakukan pencarian terhadap solusi cukup baik atau

solusi terbaik pada beberapa alternatif yang akan diuji dalam penelitian.

b. Model ini lebih banyak digunakan untuk beberapa tipe simulasi.

5. Model heuristik

a. Model ini akan melakukan pencarian terhadap solusi yang cukup baik

melalui serangkaian aturan (rules).

b. Model ini lebih banyak direpresentasikan dengan menggunakan

pemrograman heuristik atau sistem pakar.

6. Model prediktif

a. Model ini akan melakukan prediksi untuk masa depan apabila diberikan

skenario tertentu.

b. Model ini lebih banyak direpresentasikan dengan menggunakan model

peramalan (forecasting) atau analisis Makov.

19

7. Model-model yang lainnya

a. Model ini akan menyelesaikan kasus what-if menggunakan formula

tertentu.

b. Model ini lebih banyak digunakan pada pemodelan keuangan atau konsep

antrian.

2.5.3 Keuntungan Sistem Pendukung Keputusan

Menurut Subakti (2002), beberapa keuntungan penggunaan SPK, antara

lain :

1. Mampu mendukung pencarian solusi dari berbagai permasalahan yang

kompleks.

2. Dapat merespon dengan cepat pada situasi yang tidak diharapkan dalam konsisi

yang berubah-ubah.

3. Mampu untuk menerapkan berbagai strategi yang berbeda pada konfigurasi

berbeda secara cepat dan tepat.

4. Pandangan dan pembelajaran baru.

5. Sebagai fasilitator dalam komunikasi.

6. Meningkatkan kontrol manajemen dan kinerja.

7. Menghemat biaya dan Sumber Daya Manusia (SDM).

8. Menghemat waktu karena keputusan dapat diambil dengan cepat.

9. Meningkatkan efektivitas manajerial, menjadikan manajer dapat bekerja lebih

singkat dan dengan sedikit usaha.

10. Meningkatkan produktivitas analisis.

2.5.4 Karakteristik dan Kemampuan Sistem Pendukung Keputusan

Menurut Turban (2005), ada beberapa karakteristik dari SPK, antara lain :

1. Mendukung seluruh kegiatan organisasi.

2. Mendukung beberapa keputusan yang saling berinteraksi.

3. Dapat digunakan berulang kali dan bersifat konstan.

4. Terdapat dua komponen utama, yaitu data dan model.

5. Menggunakan baik data eksternal maupun internal.

6. Menggunakan beberapa model kuantitatif.

20

2.6 Unifield Modeling Language (UML)

Unifield Modeling Language (UML) adalah bahasa permodelan untuk

sistem atau perangkat lunak yang berparadigma berorientasi objek. Permodelan

(modeling) sesungguhnya digunakan untuk penyederhanaan permasalahan-

permasalahan yang kompleks sedemikian rupa sehingga lebih mudah dipelajari dan

dipahami (Nugroho, 2010).

UML tidak hanya merupakan sebuah bahasa pemograman visual saja,

namun juga dapat secara langsung dihubungkan ke berbagai bahasa pemograman,

seperti JAVA, C++, Visual Basic, atau bahkan dihubungkan secara langsung ke

dalam sebuah object-oriented database. Begitu juga mengenai pendokumentasian

dapat dilakukan seperti requirements, arsitektur, design, sour cecode, tests, dan

prototypes.

UML sendiri terdiri atas pengelompokkan diagram-diagram sistem menurut

aspek atau sudut pandang tertentu. UML mempunyai 9 diagram, yaitu;

a. Diagram Use Case

b. Diagram Class

c. Diagram Package

d. Diagram Sequence

e. Diagram Collaboration

f. Diagram StateChart

g. Diagram Activity

h. Diagram Deployment

UML yang akan digunakan yaitu Diagram Use Case, Diagram Sequence,

dan Diagram Activity.

1. Diagram Use Case

Diagram Use Case menggambarkan fungsionalitas yang diharapkan dari

sebuah sistem, yang ditekankan adalah “apa” yang diperbuat sistem, dan bukan

“bagaimana”. Sebuah use case merepresentasikan sebuah interaksi antara aktor

dengan sistem.

21

Tabel 2.2 Simbol Diagram Use Case

GAMBAR NAMA KETERANGAN

Actor

Menspesifikasikan himpuan peran yang

pengguna mainkan ketika berinteraksi

dengan use case.

Dependency

Hubungan dimana perubahan yang terjadi

pada suatu elemen mandiri (independent)

akan mempengaruhi elemen yang

bergantung padanya elemen yang tidak

mandiri (independent).

Generalization

Hubungan dimana objek anak (descendent)

berbagi perilaku dan struktur data dari objek

yang ada di atasnya objek induk (ancestor).

Include Menspesifikasikan bahwa use case sumber

secara eksplisit.

Extend

Menspesifikasikan bahwa use case target

memperluas perilaku dari use case sumber

pada suatu titik yang diberikan.

Association Apa yang menghubungkan antara objek satu

dengan objek lainnya.

System Menspesifikasikan paket yang menampilkan

sistem secara terbatas.

Use Case

Deskripsi dari urutan aksi-aksi yang

ditampilkan sistem yang menghasilkan suatu

hasil yang terukur bagi suatu aktor

22

Tabel 2.2 Simbol Diagram Use Case (Lanjutan)

Collaboration

Interaksi aturan-aturan dan elemen lain yang

bekerja sama untuk menyediakan prilaku

yang lebih besar dari jumlah dan elemen-

elemennya (sinergi).

Note

Elemen fisik yang eksis saat aplikasi

dijalankan dan mencerminkan suatu sumber

daya komputasi

2. Diagram Sequence

Sequence diagram menggambarkan interaksi antar objek di dalam dan di

sekitar sistem (termasuk pengguna, display, dan sebagainya) berupa message yang

digambarkan terhadap waktu. Sequence diagram biasa digunakan untuk

menggambarkan skenario atau rangkaian langkah-langkah yang dilakukan sebagai

respons dari sebuah event untuk menghasilkan output tertentu.

Tabel 2.3 Simbol Diagram Sequence


LifeLine Objek entity, antarmuka yang saling

berinteraksi.

Message

Spesifikasi dari komunikasi antar

objek yang memuat informasi-

informasi tentang aktifitas yang

terjadi

Message

Spesifikasi dari komunikasi antar

objek yang memuat informasi-

informasi tentang aktifitas yang

terjadi

23

3. Diagram Activity

Diagram ini memperlihatkan aliaran dari suatu aktifitas ke aktifitas lainnya

dalam suatu sistem. Diagram ini terutama penting dalam pemodelan fungsi-fungsi

dalam suatu sistem dan memberi tekanan pada aliran kendali antar objek.

Tabel 2.4 Simbol Diagram Activity


Activity

Memperlihatkan bagaimana masing-

masing kelas antarmuka saling berinteraksi

satu sama lain

Action State dari sistem yang mencerminkan

eksekusi dari suatu aksi

Initial Node Bagaimana objek dibentuk atau diawali

Activity Final

Node

Bagaimana objek dibentuk dan

dihancurkan

Fork Node Satu aliran yang pada tahap tertentu

berubah menjadi beberapa aliran

4. Diagram Class

Class diagram yaitu salah satu jenis diagram pada UML yang digunakan

untuk menampilkan kelas-kelas maupun paket-paket yang ada pada suatu sistem

yang nantinya akan digunakan. Jadi diagram ini dapat memberikan sebuah

gambaran mengenai sistem maupun relasi-relasi yang terdapat pada sistem tersebut.

Tabel 2.5 Simbol Diagram Class


Generalization

Hubungan dimana objek anak

(descendent) berbagi perilaku dan

struktur data dari objek yang ada di

atasnya objek induk (ancestor)

Nary

Association

Upaya untuk menghindari asosiasi

dengan lebih dari 2 objek

24

Tabel 2.5 Simbol Diagram Class (Lanjutan)

Class Himpunan dari objek-objek yang

berbagi atribut serta operasi yang sama

Collaboration

Deskripsi dari urutan aksi-aksi yang

ditampilkan sistem yang menghasilkan

suatu hasil yang terukur bagi suatu

aktor

Realization Operasi yang benar-benar dilakukan

oleh suatu objek

Dependency

Hubungan dimana perubahan yang

terjadi pada suatu elemen mandiri

(independent) akan mempegaruhi

elemen yang bergantung padanya

elemen yang tidak mandiri

Association Apa yang menghubungkan antara objek

satu dengan objek lainnya

Agregasi Relasi antar kelas dengan makna semua

bagian (whole part)

2.7 Basis Data

2.7.1. Pengertian sistem basis data

Menurut Connolly dan Begg (2010), sistem basis data adalah kumpulan dari

file/tabel/arsip yang saling berhubungan disimpan dalam media penyimpanan

eleketronik (disket atau harddisk). Prinsip utamanya adalah pengaturan data/arsip

dan tujuan utamanya adalah kemudahan dan kecepatan dalam mengambil kembali

data/arsip.

2.7.2. DBMS (Database Management System)

Untuk mengelola basis data diperlukan perangkat lunak yang disebut

DBMS. DBMS adalah perangkat lunak sistem yang memungkinkan para pemakai

membuat, memelihara, mengontrol, dan mengakses basis data dengan cara yang

25

praktis dan efisien. DBMS dapat digunakan untuk mengakomodasikan berbagai

macam pemakai yang memiliki kebutuhan akses yang berbeda-beda (Connolly dan

Begg, 2010).

Komponen-komponen yang menyusun lingkungan DBMS terdiri atas :

1. Perangkat keras

Perangkat keras digunakan untuk menjalankan DBMS beserta aplikasi-

aplikasinya. Perangkat keras berupa komputer dan peripheral pendukungnya.

komputer dapat berupa PC, minicomputer, mainframe, dan masih banyak yang

lainnya.

2. Perangkat lunak

Komponen perangkat lunak mencakup DBMS itu sendiri, program

aplikasi, serta perangkat lunak komputer dan jaringan. Program aplikasi dapat

dibangun dengan menggunkan bahasa pemrograman seperti Netbeans, C++,

Pascal, Delphi, atau Visual BASIC.

3. Data

Bagi sisi pemakai, komponen terpenting dalam DBMS adalah data

karena dari data inilah pemakai dapat memperoleh informasi yang sesuai

dengan kebutuhan masing-masing.

5. Prosedur

Prosedur adalah petunjuk tertulis yang berisi cara merancang hingga

menggunkan basis data.

Dalam hal ini prosedur terdiri dari :

a. Cara masuk ke DBMS (login).

b. Cara memakai fasilitas-fasilitas tertentu dalam DBMS maupun cara

menggunkan aplikasi.

c. Cara mengaktifkan dan menghentikan DBMS.

6. User (Pengguna)

Komponen pengguna dapat dibagi menjadi tiga kelompok, antara lain :

a. Pemakai terakhir (end-user) adalah orang yang mengoperasikan program

aplikasi yang dibuat oleh pemrogram aplikasi.

26

b. Pemrogram aplikasi adalah orang yang membuat program aplikasi yang

melibatkan basis data.

c. Administrator basis data adalah orang yang bertanggung jawab terhadap

manajemen basis data.

2.7.3. MySQL

Menurut Connolly dan Begg (2010), MySQL adalah Sebuah program

database server yang mampu menerima dan mengirimkan datanya sangat cepat,

multi user serta menggunakan perintah dasar SQL (Structured Query Language).

MySQL merupakan dua bentuk lisensi, yaitu Free Software dan Shareware.

MySQL yang biasa kita gunakan adalah MySQL Free Software yang berada

dibawah Lisensi GNU/GPL (General Public License).

MySQL merupakan sebuah database server yang free, artinya kita bebas

menggunakan database ini untuk keperluan pribadi atau usaha tanpa harus membeli

atau membayar lisensinya. MySQL pertama kali dirintis oleh seorang programmer

database bernama Michael Widenius. Selain database server, MySQL juga

merupakan program yang dapat mengakses suatu database MySQL yang berposisi

sebagai server, yang berarti program kita berposisi sebagai client. Jadi MySQL

adalah sebuah database yang dapat digunakan sebagai client maupun server.

Database MySQL merupakan suatu perangkat lunak database yang

berbentuk database relasional atau disebut Relational Database Management

System (RDBMS) yang menggunakan suatu bahasa permintaan yang bernama SQL

(Structured Query Language).

Kelebihan MySQL

Database MySQL memiliki beberapa kelebihan dibanding database lain,

diantaranya :

1. MySQL merupakan Database Management System (DBMS).

2. MySQL sebagai Relation Database Management System (RDBMS) atau

disebut dengan relasi database.

27

3. MySQL merupakan sebuah database server yang free, artinya kita bebas

menggunakan database ini untuk keperluan pribadi atau usaha tanpa harus

membeli atau membayar lisensinya.

4. MySQL merupakan sebuah database client

5. MySQL mampu menerima query yang bertupuk dalam satu permintaan atau

Multi Threading.

6. MySQL merupakan database yang mampu menyimpan data berkapasitas

sangat besar hingga berukuran giga byte sekalipun.

7. MySQL didukung oleh driver ODBC, artinya database MySQL dapat diakses

menggunakan aplikasi apa saja termasuk berupa visual seperti Visual Basic dan

Delphi.

8. MySQL adalah database menggunakan enkripsi password, jadi databaseini

cukup aman karena memiliki password untuk mengakses nya.

9. MySQL merupakan database server yang multi user, artinya database ini tidak

hanya digunakan oleh satu pihak orang akan tetapi dapat digunakan oleh

banyak pengguna.

10. MySQL mendukung field yang dijadikan sebagai kunci primer dan kunci uniq

(Unique).

2.8 Java

Java adalah suatu teknologi di dunia software komputer, yang merupakan

suatu bahasa pemrograman, dan sekaligus suatu platform. Sebagai bahasa

pemrograman, Java dikenal sebagai bahasa pemrograman tingkat tinggi. Java

mudah dipelajari, terutama bagi programmer yang telah mengenal C/C++. Java

merupakan bahasa pemrograman berorientasi objek yang merupakan paradigma

pemrograman masa depan. Sebagai bahasa pemrograman Java dirancang menjadi

handal dan aman. Java juga dirancang agar dapat dijalankan di semua platform. Dan

juga dirancang untuk menghasilkan aplikasi-aplikasi dengan performansi yang

terbaik, sepertiaplikasi database Oracle 8i/9i yang core-nya dibangun

menggunakan bahasa pemrograman Java. Sedangkan Java bersifat neutral

architecture, karena Java Compiler yang digunakan untuk mengkompilasi kode

28

program Java dirancang untuk menghasilkan kode yang netral terhadap semua

arsitektur perangkat keras yang disebut sebagai Java (Hartati dan Sri, 2008).

2.8.1. Netbeans

Menurut Hartati dan Sri (2008), Netbeans adalah sebuah aplikasi Integrated

Development Environment (IDE) yang berbasiskan Java dari Sun Microsystems

yang berjalan di atas swing. Swing merupakan sebuah teknologi Java untuk

pengembangan aplikasi dekstop yang dapat berjalan pada berbagai macam platform

seperti windows, linux, Mac OS X dan Solaris. Sebuah IDE merupakan lingkup

pemrograman yang di integrasikan ke dalam suatu aplikasi perangkat lunak yang

menyediakan Graphic User Interface (GUI), suatu kode editor atau text, suatu

compiler dan suatu debugger.

Netbeans juga dapat digunakan progammer untuk menulis, meng-compile,

mencari kesalahan dan menyebarkan program netbeans yang ditulis dalam bahasa

pemrograman java namun selain itu dapat juga mendukung bahasa pemrograman

lainnya dan program inipun bebas untuk digunakan dan untuk membuat

professional dekstop, enterprise, web, and mobile applications dengan Java

language, C/C++, dan bahkan dynamic languages seperti PHP, JavaScript, Groovy,

dan Ruby.

NetBeans merupakan sebuah proyek kode terbuka yang sukses dengan

pengguna yang sangat luas, komunitas yang terus tumbuh, dan memiliki hampir

100 mitra dan terus bertambah. Sun Microsystems mendirikan proyek kode terbuka

NetBeans pada bulan Juni 2000 dan terus menjadi sponsor utama. Saat ini pun

netbeans memiliki 2 produk yaitu Platform Netbeans dan Netbeans IDE. Platform

Netbeans merupakan framework yang dapat digunakan kembali (reusable) untuk

menyederhanakan pengembangan aplikasi dekstop dan Platform NetBeans juga

menawarkan layanan-layanan yang umum bagi aplikasi dekstop, mengijinkan

pengembang untuk fokus ke logika yang spesifik terhadap aplikasi.

Fitur fitur yang terdapat dalam netbeans antara lain :

1. Smart Code Completion : untuk mengusulkan nama variabel dari suatu tipe,

melengkapi keyword dan mengusulkan tipe parameter dari sebuah method.

29

2. Bookmarking : fitur yang digunakan untuk menandai baris yang suatu saat

hendak kita modifikasi.

3. Go to commands : fitur yang digunakan untuk jump ke deklarasi variabel,

source code atau file yang ada pada project yang sama.

4. Code generator : jika kita menggunakan fitur ini kita dapat meng-generate

constructor, setter and getter method dan yang lainnya.

5. Error stripe : fitur yang akan menandai baris yang eror dengan memberi

highlight merah.

2.8.2. XAMPP

XAMPP adalah perangkat lunak bebas, yang mendukung banyak sistem

operasi, merupakan kompilasi dari beberap 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 XAMPP merupakan singkatan dari X (empat

sistem operasi apapun), Apache, MySQL, PHP dan Perl (Wicaksono, 2008).

XAMPP adalah singkatan yang masing-masing hurufnya adalah :

1. X : Program ini dapat dijalankan dibanyak sistem operasi, seperti Windows,

Linux, Mac OS, dan Solaris.

2. A : Apache, merupakan aplikasi web server. Tugas utama Apache adalah

menghasilkan halaman web yang benar kepada user berdasarkan kode PHP yang

dituliskan oleh pembuat halaman web.

3. M : MySQL, merupakan aplikasi database server. Perkembangannya disebut

SQL yang merupakan kepanjangan dari Structured Query Language. SQL

merupakan bahasa terstruktur yang digunakan untuk mengolah database.

4. P : PHP, bahasa pemrograman web. Bahasa pemrograman PHP merupakan

bahasa pemrograman untuk membuat web yang bersifat server-side scripting.

5. P : Perl, bahasa pemrogramandigunakan yang dapat melayani tampilan halaman

web yang dinamis.

http://id.wikipedia.org/wiki/Perangkat_lunak_bebas

http://id.wikipedia.org/wiki/Sistem_operasi

http://id.wikipedia.org/wiki/Sistem_operasi

http://id.wikipedia.org/wiki/Program

http://id.wikipedia.org/wiki/Server

http://id.wikipedia.org/w/index.php?title=Localhost&action=edit&redlink=1

http://id.wikipedia.org/wiki/Apache_HTTP_Server

http://id.wikipedia.org/wiki/Apache_HTTP_Server

http://id.wikipedia.org/wiki/MySQL

http://id.wikipedia.org/wiki/Database

http://id.wikipedia.org/wiki/Penerjemah

http://id.wikipedia.org/wiki/Bahasa

http://id.wikipedia.org/wiki/Bahasa

http://id.wikipedia.org/wiki/Pemrograman

http://id.wikipedia.org/wiki/Pemrograman

http://id.wikipedia.org/wiki/Perl

http://id.wikipedia.org/wiki/Apache

http://id.wikipedia.org/wiki/MySQL

http://id.wikipedia.org/wiki/PHP

http://id.wikipedia.org/wiki/Perl

http://id.wikipedia.org/wiki/Web

30

BAB III

METODE PENELITIAN

3.1. Prosedur dan Pengumpulan Data

3.1.1 Jenis data

1. Data kualitatif

Data kualitatif adalah data yang berbentuk kata-kata, bukan dalam bentuk

angka. Data kualitatif diperoleh melalui berbagai macam teknik pengumpulan data

misalnya wawancara, analisis dokumen, diskusi terfokus, atau observasi yang telah

dituangkan dalam catatan lapangan (transkrip). Data kualitatif meliputi macam-macam

jenis kue yang diproduksi di Roti Dhiba Kendari.

2. Data kuantitatif

Data kuantitatif adalah data yang berbentuk angka atau bilangan. Sesuai dengan

bentuknya, data kuantitatif dapat diolah atau dianalisis menggunakan teknik

perhitungan matematika atau statistika. Data kuantitatif meliputi data jumlah produksi

dan jumlah penjualan roti pada Perusahaan Roti Dhiba Kendari.

3.1.2 Sumber data

1. Data primer

Data primer adalah data yang diperoleh langsung dengan cara wawancara

kepada Pimpinan dan karyawan Perusahaan Roti Dhiba Kendari.

2. Data sekunder

Data sekunder merupakan data diperoleh dari Perusahaan Roti Dhiba Kendari.

3.1.3 Pengumpulan data

Beberapa metode yang digunakan dalam pembuatan sistem ini adalah sebagai

berikut :

31

1. Studi literatur

Pada tahap ini peneliti mengumpulkan informasi dan mempelajari materi serta

sumber-sumber data yang diperlukan untuk membangun sistem dengan metode

Exponential Smoothing berdasarkan data-data yang telah diberikan.

2. Wawancara

Peneliti akan melakukan wawancara dengan Pimpinan Perusahaan dan karyawan

untuk meyakinkan bahwa data yang diperoleh benar-benar akurat.

3.2. Prosedur Pengembangan Perangkat Lunak

metode pengembangan sistem yang digunakan pada tugas akhir ini adalah

metode RUP (Rasional Unified Process). Dalam metode RUP ini terdiri dari 4 tahap,

yaitu :

1. Inception

Pada tahap ini penulis menentukan batasan ruang lingkup permasalahan pada

penelitian ini

a. Ruang Lingkup Proyek

1) Sebagai alat bantu dalam proses pengambilan keputusan peramalan

2) Sistem ini digunakan untuk membantu dalam proses menentukan kuantitas jumlah

produksi roti berdasarkan nilai α dan MSE terendah.

3) Metode yang digunakan adalah Single Exponential Smoothing dengan bahasa

pemprograman Java dan pengolahan basis data menggunakan MySQL.

2. Elaboration

Pada tahap ini penulis melakukan perancangan sistem dan user interface dari

aplikasi ini. Untuk perancangan sistem penulis menggunakan alat bantu yaitu UML

(Unified Modelling Language). Perancangan yang dilakukan meliputi halaman-

halaman yang ada di dalam sistem.

3. Construction

Pada tahapan ini meliputi bagaimana suatu aplikasi itu bisa diimplementasikan

dan diuji coba. Pada tahap ini dilakukan proses pengkodean dengan menggunakan

32

bahasa pemprograman Java. Kemudian dilakukan pengujian terhadap aplikasi yang

telah dibangun untuk mengetahui tingkat akurasi dan kualitas dari aplikasi tersebut.

Pengujian dilakukan dengan menguji semua tombol-tombol yang terdapat pada

aplikasi apakah sudah berjalan sesuai fungsinya atau tidak.

4. Transition

Pada tahap ini dilakukan testing akhir pada sistem yang telah jadi, kemudian

dilakukan sosialisasi penggunaan perangkat lunak yang telah dibangun ke

administrator.

3.3. Waktu dan Tempat Penelitian

3.3.1. Waktu penelitian

Waktu pelaksanaan penelitian tugas akhir dilaksanakan mulai dari tanggal 01

September 2015 sampai dengan tanggal 31 Maret 2016. Rincian kegiatan dapat dilihat

pada Tabel 3.1.

Tabel 3.1 Tabel Gannt Chart waktu penelitian

No Tahapan

RUP

Waktu (2015 - 2016)

September (Minggu ke -)

Oktober

(Minggu ke -)

November

(Minggu ke -)

Desember

(Minggu ke -)

Januari

(Minggu ke -)

Februari

(Minggu ke -)

Maret

(Minggu ke -)

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

1. Inception

2. Elaboration

3. Construction

4. Transition

33

3.3.2. Tempat penelitian

Penelitian tugas akhir ini bertempat di Perusahaan Roti Dhiba Kendari yang



34

BAB IV

ANALISIS DAN PERANCANGAN SISTEM

4.1. Gambaran Umum

4.1.1. Gambaran umum sistem yang sedang berjalan

Adapun Activity dari sistem yang sedang berjalan dapat dilihat pada Gambar

4.1.

Gambar 4.1 Activity sistem yang sedang berjalan

Sistem yang sedang berjalan di Perusahaan Roti Dhiba Kendari yaitu untuk

menentukan jumlah produksi pada hari berikutnya, manajer produksi Perusahaan

Roti Dhiba Kendari mengecek jumlah roti yang layak jual pada hari sebelumnya

pada gudang penyimpanan. Jika jumlah roti layak jual yang tersisa masih cukup

banyak manajer produksi tidak memproduksi roti dan langsung menjualnya.

Sebaliknya jika jumlah roti layak jual yang tersisa kurang atau habis manajer

produksi melakukan produksi kemudian menjualnya. Namun jumlah pengunjung

disetiap harinya tidak selalu sama sehingga terkadang Perusahaan Roti Dhiba

35

Kendari mengalami kekurangan jumlah produksi dan bahkan kelebihan jumlah

produksi yang menyebabkan kerugian pada perusahaan.

4.1.2. Gambaran umum sistem yang diusulkan

Adapun Activity dari sistem yang akan diusulkan dapat dilihat pada Gambar

4.2.

Gambar 4.2 Activity sistem yang akan diusulkan

Sistem yang diusulkan pada prediksi kuantitas produksi Roti Dhiba Kendari

yaitu sebuah aplikasi Penerapan Metode Exponential Smoothing Pada Peramalan

Penjualan Dalam Penentuan Kuantitas Produksi Roti. Manajer produksi akan

mengecek jumlah roti layak jual yang tersisa, jika cukup maka akan langsung dijual

jika kurang manajer produksi akan melakukan peramalan terlebih dahulu kemudian

melakukan produksi dan menjualnya.

4.2. Ilustrasi Perhitungan Metode Exponential Smoothing Terhadap

Perencanaan Aplikasi

Implementasi perhitungan Exponential Smoothing dalam sistem. Berikut

adalah contoh dari perhitungan model Exponential Smoothing :

36

4.2.1. Analisis metode peramalan

Langkah pertama dan penting dalam memilih metode suatu deret berkala

yang tepat yaitu dengan mempertimbangkan jenis pola data, sehingga metode yang

paling tepat dengan pola tersebut dapat diuji. Metode yang akan digunakan dalam

meramalkan penjualan dalam penentuan kuantitas produksi Roti Dhiba Kendari

adalah metode peramalan kuantitatif yaitu Metode Single Exponential Smoothing.

Bobot yang terdapat pada metode Single Exponential Smoothing adalah nilai

bobot α (alpha). Bobot ini berfungsi untuk melakukan penghalusan terhadap nilai

peramalan. Besarnya α (alpha) ditentukan secara error sampai ditemukan α (alpha)

yang menghasilkan forecast error terkecil. Besarnya α adalah antara 0 dan 1.

Metode MSE (Mean Square Error) digunakan sebagai metode untuk mengukur

kesalahan peramalan (forecast error). Mean Squared Error (MSE) adalah metode

alternatif untuk mengevaluasi teknik peramalan masing-masing kesalahan. Data

yang akan dianalisis hanya diambil satu jenis roti sebagai sample untuk penerapan

metode Single Exponential Smoothing .

Tabel 4.1 Data aktual permintaan roti daging

Periode Data Penjualan

Roti Daging

1 September 2015 41

2 September 2015 57

3 September 2015 93

4 September 2015 51

5 September 2015 61

6 September 2015 30

7 September 2015 69

8 September 2015 49

9 September 2015 80

10 September 2015 41



37

Tabel 4.1 Data aktual permintaan roti daging (Lanjutan)



















Analisis Metode Single Exponential Smoothing

Metode Single Exponential Smoothing ini akan diterapkan pada perhitungan

dalam menentukan persediaan jumlah roti yang akan diproduksi untuk hari

selanjutnya. Rumus yang digunakan untuk Metode Single Exponential Smoothing

dapat dilihat pada persamaan (2.2).

Dalam contoh perhitungan peramalan kali ini, akan menggunakan semua

nilai α (alpha) yaitu (α = 0,1), (α = 0,2), (α = 0,3), (α = 0,4), (α = 0,5), (α = 0,6),

(α = 0,7), (α = 0,8) dan (α = 0,9).

38

Table 4.2 Data permintaan konsumen terhadap roti daging


Roti Daging

1 September 2015 41

2 September 2015 57

3 September 2015 93

4 September 2015 51

5 September 2015 61

6 September 2015 30

7 September 2015 69

8 September 2015 49

9 September 2015 80



















39

Tabel 4.2 Data permintaan konsumen terhadap roti daging (Lanjutan)




Berikut contoh perhitungan untuk alpha (α = 0,1)

F2 = α X1 + (1- α) F1

= (0,1 x 41) + (0,9 x 41)

= 4,1+36,9

= 41

F3 = α X2 + (1- α) F2

= (0,1 x 57) + (0,9 x 41)

= 5,7+36,9

= 42,6

F4 = α X3 + (1- α) F3

= (0,1 x 93) + (0,9 x42,6)

= 9,3+38,34

= 47,64

F5 = α X4 + (1- α) F4

= (0,1 x 51) + (0,9 x 47,64)

= 5,1+42,876

= 47,976

F6 = α X5 + (1- α) F5

= (0,1 x 61) + (0,9 x 47,976)

= 6,1+43,178

= 49,278

F7 = α X6 + (1- α) F6

= (0,1 x 30) + (0,9 x 47,976)

= 3,0+44,351

= 47,351

F8 = α X7 + (1- α) F7

= (0,1 x 69) + (0,9 x 47,351)

= 6,9+42,616

= 49,516

F9 = α X8 + (1- α) F8

= (0,1 x 49) + (0,9 x 49,516)

= 4,9+44,564

= 49,464

F10 = α X9 + (1- α) F9

= (0,1 x 80) + (0,9 x 49,464)

= 8,0+44,518

= 52,518

F11 = α X10 + (1- α) F10

= (0,1 x 41) + (0,9 x 52,518)

= 4,1+47,266

= 51,366

40

F12 = α X11 + (1- α) F11

= (0,1 x 64) + (0,9 x 51,366)

= 6,4+46,229

= 52,629

F13 = α X12 + (1- α) F12

= (0,1 x 72) + (0,9 x 52,629)

= 7,2+47,366

= 54,566

F14 = α X13 + (1- α) F13

= (0,1 x 64) + (0,9 x 54,566)

= 6,4+49,110

= 55,510

F15 = α X14 + (1- α) F14

= (0,1 x 102) + (0,9 x 55,510)

= 10,2+49,959

= 60,159

F16 = α X15 + (1- α) F15

= (0,1 x 64) + (0,9 x 60,159)

= 6,4+54,143

= 60,543

F17 = α X16 + (1- α) F16

= (0,1 x 54) + (0,9 x 60,543)

= 5,4+54,489

= 59,889

F18 = α X17 + (1- α) F17

= (0,1 x 88) + (0,9 x 59,889)

= 8,8+53,900

= 62,700

F19 = α X18 + (1- α) F18

= (0,1 x 104) + (0,9 x 62,700)

= 10,4+56,430

= 66,830

F20 = α X19 + (1- α) F19

= (0,1 x 18) + (0,9 x 66,830)

= 1,8+60,147

= 61,947

F21 = α X20 + (1- α) F20

= (0,1 x 85) + (0,9 x 61,947)

= 8,5+55,752

= 64,252

F22 = α X21 + (1- α) F21

= (0,1 x 42) + (0,9 x 64,252)

= 4,2+57,827

= 62,027

F23 = α X22 + (1- α) F22

= (0,1 x 84) + (0,9 x 62,027)

= 8,4+55,824

= 64,224

41

F24 = α X23 + (1- α) F23

= (0,1 x 54) + (0,9 x 64,224)

= 5,4+57,802

= 63,202

F25 = α X24 + (1- α) F24

= (0,1 x 54) + (0,9 x 63,202)

= 5,4+56,882

= 62,282

F26 = α X25 + (1- α) F25

= (0,1 x 109) + (0,9 x 62,282)

= 10,9+56,053

= 66,953

F27 = α X26 + (1- α) F26

= (0,1 x 86) + (0,9 x 66,953)

= 8,6+60,258

= 68,858

F28 = α X27 + (1- α) F27

= (0,1 x 85) + (0,9 x 68,858)

= 8,5+61,972

= 70,472

F29 = α X28 + (1- α) F28

= (0,1 x 54) + (0,9 x 70,472)

= 5,4+63,425

= 68,825

F30 = α X29 + (1- α) F29

= (0,1 x 82) + (0,9 x 68,825)

= 8,2+61,943

= 70,143

F31 = α X30 + (1- α) F30

= (0,1 x 51) + (0,9 x 70,143)

= 5,1+63,129

= 68,228

Tabel 4.3 Hasil peramalan roti daging dengan alpha (α = 0,1)

Periode Data Penjualan (Xt) Forecast Alpha = 0,1 (Ft)

1 September 2015 41 -

2 September 2015 57 41

3 September 2015 93 42,6

4 September 2015 51 47,64

5 September 2015 61 47,976

6 September 2015 30 49,278

7 September 2015 69 47,351

8 September 2015 49 49,516

42

Tabel 4.3 Hasil peramalan roti daging dengan alpha (α = 0,1) (Lanjutan)

Dari tabel 4.3 dapat dilihat hasil perhitungan keseluruhan dengan α (alpha)

0,1. Proses perhitungan ini dilakuakan secara beruntun dan mendapat hasil

peramalan akhir pada tanggal 1 Oktober 2015 sebesar 68,228 atau 68 buah roti.

9 September 2015 80 49,464

10 September 2015 41 52,518

11 September 2015 64 51,366

12 September 2015 72 52,629

13 September 2015 64 54,566

14 September 2015 102 55,510

15 September 2015 64 60,159

16 September 2015 54 60,543

17 September 2015 88 59,889

18 September 2015 104 62,700

19 September 2015 18 66,830

20 September 2015 85 61,947

21 September 2015 42 64,252

22 September 2015 84 62,027

23 September 2015 54 64,224

24 September 2015 54 63,202

25 September 2015 109 62,282

26 September 2015 86 66,953

27 September 2015 85 68,858

28 September 2015 54 70,472

29 September 2015 46 68,825

30 September 2015 64 70,143

1 Oktober 2015 68,228

∑ 1988

43


F2 = α X1 + (1- α) F1

= (0,2 x 41) + (0,8 x 41)

= 8,2+32,8

= 41

F3 = α X2 + (1- α) F2

= (0,2 x 57) + (0,8 x 41)

= 11,4+32,8

= 44,2

F4 = α X3 + (1- α) F3

= (0,2 x 93) + (0,8 x44,2)

= 18,6+35,36

= 53,96

F5 = α X4 + (1- α) F4

= (0,2 x 51) + (0,8 x 53,96)

= 10,2+43,168

= 53,368

F6 = α X5 + (1- α) F5

= (0,2 x 61) + (0,8 x 53,368)

= 12,2+42,694

= 54,894

F7 = α X6 + (1- α) F6

= (0,2 x 30) + (0,8 x 54,894)

= 6,0+43,916

= 49,916

F8 = α X7 + (1- α) F7

= (0,2 x 69) + (0,8 x 49,961)

= 13,8+39,932

= 53,732

F9 = α X8 + (1- α) F8

= (0,2 x 49) + (0,8 x 53,732)

= 9,8+42,986

= 52,786

F10 = α X9 + (1- α) F9

= (02 x 80) + (0,8 x 52,786)

= 16+42,229

= 58,229

F11 = α X10 + (1- α) F10

= (0,2 x 41) + (0,8 x 58,229)

= 8,2+46,583

= 54,783

F12 = α X11 + (1- α) F11

= (0,2 x 64) + (0,8 x 54,783)

= 12,8+43,826

= 56,626

F13 = α X12 + (1- α) F12

= (0,2 x 72) + (0,8 x 56,626)

= 14,4+45,301

= 59,701

44

F14 = α X13 + (1- α) F13

= (0,2 x 64) + (0,8 x 59,701)

= 12,8+43,826

= 56,626

F15 = α X14 + (1- α) F14

= (0,2 x 102) + (0,8 x 56,626)

= 20,4+48,449

= 68,849

F16 = α X15 + (1- α) F15

= (0,2 x 64) + (0,8 x 68,849)

= 12,8+55,079

= 67,879

F17 = α X16 + (1- α) F16

= (0,2 x 54) + (0,8 x 67,879)

= 10,8+54,303

= 65,103

F18 = α X17 + (1- α) F17

= (0,2 x 88) + (0,8 x 65,103)

= 17,6+52,083

= 69,683

F19 = α X18 + (1- α) F18

= (0,1 x 104) + (0,9 x 69,683)

= 20,8+55,746

= 76,546

F20 = α X19 + (1- α) F19

= (0,2 x 18) + (0,8 x 76,546)

= 3,6+61,237

= 64,837

F21 = α X20 + (1- α) F20

= (0,2 x 85) + (0,8 x 64,837)

= 17+51,869

= 68,869

F22 = α X21 + (1- α) F21

= (0,2 x 42) + (0,8 x 68,869)

= 8,4+55,096

= 63,496

F23 = α X22 + (1- α) F22

= (0,2 x 84) + (0,8 x 63,496)

= 16,8+50,796

= 67,596

F24 = α X23 + (1- α) F23

= (0,2 x 54) + (0,8 x 67,596)

= 10,8+54,007

= 64,877

F25 = α X24 + (1- α) F24

= (0,2 x 54) + (0,8 x 64,877)

= 10,8+51,902

= 62,702

45

F26 = α X25 + (1- α) F25

= (0,2 x 109) + (0,8 x 62,702)

= 21,8+50,161

= 71,961

F27 = α X26 + (1- α) F26

= (0,2 x 86) + (0,8 x 71,961)

= 17,2+57,569

= 74,769

F28 = α X27 + (1- α) F27

= (0,2 x 85) + (0,8 x 74,769)

= 17+59,815

= 76,815

F29 = α X28 + (1- α) F28

= (0,2 x 54) + (0,8 x 76,815)

= 10,8+61,452

= 72,252

F30 = α X29 + (1- α) F29

= (0,2 x 82) + (0,8 x 72,252)

= 16,4+57,802

= 74,202

F31 = α X30 + (1- α) F30

= (0,2 x 51) + (0,8 x 74,202)

= 10,2+59,362

= 69,561





3 September 2015 93 44,2

4 September 2015 51 53,96

5 September 2015 61 53,368

6 September 2015 30 54,894

7 September 2015 69 49,916

8 September 2015 49 53,732

9 September 2015 80 52,786

10 September 2015 41 58,229

11 September 2015 64 54,783

12 September 2015 72 56,626

13 September 2015 64 59,701

46


14 September 2015 102 60,561

15 September 2015 64 68,849

16 September 2015 54 67,879

17 September 2015 88 65,103

18 September 2015 104 69,683

19 September 2015 18 76,546

20 September 2015 85 64,837

21 September 2015 42 68,869

22 September 2015 84 63,496

23 September 2015 54 67,596

24 September 2015 54 64,877

25 September 2015 109 62,702

26 September 2015 86 71,961

27 September 2015 85 74,769

28 September 2015 54 76,815

29 September 2015 82 72,252

30 September 2015 51 74,202

1 Oktober 2015 69,561

∑ 1988





F2 = α X1 + (1- α) F1

= (0,3 x 41) + (0,7 x 41)

= 12,3+28,7

= 41

F3 = α X2 + (1- α) F2

= (0,3 x 57) + (0,7 x 41)

= 17,1+28,7

= 45,8

47

F4 = α X3 + (1- α) F3

= (0,3 x 93) + (0,7 x45,8)

= 27,9+32,06

= 59,96

F5 = α X4 + (1- α) F4

= (0,3 x 51) + (0,7 x 59,96)

= 15,3+41,972

= 57,272

F6 = α X5 + (1- α) F5

= (0,3 x 61) + (0,7 x 57,272)

= 18,3+40,09

= 58,390

F7 = α X6 + (1- α) F6

= (0,3 x 30) + (0,7 x 58,390)

= 9+40,873

= 49,873

F8 = α X7 + (1- α) F7

= (0,3 x 69) + (0,7 x 49,873)

= 20,7+34,911

= 55,611

F9 = α X8 + (1- α) F8

= (0,3 x 49) + (0,7 x 55,611)

= 14,7+38,928

= 53,628

F10 = α X9 + (1- α) F9

= (03 x 80) + (0,7 x 53,628)

= 24+37,540

= 61,540

F11 = α X10 + (1- α) F10

= (0,3 x 41) + (0,7 x 61,540)

= 12,3+43,078

= 55,378

F12 = α X11 + (1- α) F11

= (0,3 x 64) + (0,7 x 55,378)

= 19,2+38,764

= 57,964

F13 = α X12 + (1- α) F12

= (0,3 x 72) + (0,7 x 57,964)

= 21,6+40,575

= 62,175

F14 = α X13 + (1- α) F13

= (0,3 x 64) + (0,7 x 62,175)

= 19,2+43,523

= 62,723

F15 = α X14 + (1- α) F14

= (0,3 x 102) + (0,7 x 62,723)

= 30,6+43,906

= 74,506

48

F16 = α X15 + (1- α) F15

= (0,3 x 64) + (0,7 x 74,506)

= 19,2+52,154

= 71,354

F17 = α X16 + (1- α) F16

= (03 x 54) + (0,7 x 71,354)

= 16,2+49,948

= 66,148

F18 = α X17 + (1- α) F17

= (0,3 x 88) + (0,7 x 66,148)

= 26,4+46,303

= 72,703

F19 = α X18 + (1- α) F18

= (0,3 x 104) + (0,7 x 72,703)

= 31,2+50,892

= 82,092

F20 = α X19 + (1- α) F19

= (0,3 x 18) + (0,7 x 82,092)

= 5,4+57,465

= 62,865

F21 = α X20 + (1- α) F20

= (0,3 x 85) + (0,7 x 62,865)

= 25,5+44,005

= 69,505

F22 = α X21 + (1- α) F21

= (0,3 x 42) + (0,7 x 69,505)

= 12,6+48,654

= 61,254

F23 = α X22 + (1- α) F22

= (0,3 x 84) + (0,7 x 61,254)

= 25,2+42,878

= 68,078

F24 = α X23 + (1- α) F23

= (0,3 x 54) + (0,7 x 68,078)

= 16,2+47,654

= 63,854

F25 = α X24 + (1- α) F24

= (0,3 x 54) + (0,7 x 63,854)

= 16,2+44,698

= 60,898

F26 = α X25 + (1- α) F25

= (0,3 x 109) + (0,7 x 60,898)

= 32,7+42,629

= 75,329

F27 = α X26 + (1- α) F26

= (0,3 x 86) + (0,7 x 75,329)

= 25,8+52,730

= 78,530

49

F28 = α X27 + (1- α) F27

= (0,3 x 85) + (0,7 x 78,530)

= 25,5+54,971

= 80,471

F29 = α X28 + (1- α) F28

= (0,3 x 54) + (0,7 x 80,471)

= 16,2+56,330

= 72,530

F30 = α X29 + (1- α) F29

= (0,3 x 82) + (0,7 x 72,530)

= 24,6+50,771

= 75,371

F31 = α X30 + (1- α) F30

= (0,3 x 51) + (0,7 x 75,371)

= 15,3+52,760

= 68,060





3 September 2015 93 45,8

4 September 2015 51 59,96

5 September 2015 61 57,272

6 September 2015 30 58,390

7 September 2015 69 49,873

8 September 2015 49 55,611

9 September 2015 80 53,628

10 September 2015 41 61,540

11 September 2015 64 55,378

12 September 2015 72 57,964

13 September 2015 64 62,175

14 September 2015 102 62,723

15 September 2015 64 74,506

16 September 2015 54 71,354

17 September 2015 88 66,148

18 September 2015 104 72,703

50


19 September 2015 18 82,092

20 September 2015 85 62,865

21 September 2015 42 69,505

22 September 2015 84 61,254

23 September 2015 54 68,078

24 September 2015 54 63,854

25 September 2015 109 60,898

26 September 2015 86 75,329

27 September 2015 85 78,530

28 September 2015 54 80,471

29 September 2015 82 72,530

30 September 2015 51 75,371

1 Oktober 2015 68,060

∑ 1988





F2 = α X1 + (1- α) F1

= (0,4 x 41) + (0,6 x 41)

= 16,4+24,6

= 41

F3 = α X2 + (1- α) F2

= (0,4 x 57) + (0,6 x 41)

= 22,8+24,6

= 47,4

F4 = α X3 + (1- α) F3

= (0,4 x 93) + (0,6 x47,4)

= 37,2+28,44

= 65,64

F5 = α X4 + (1- α) F4

= (0,4 x 51) + (0,6 x 65,64)

= 20,4+39,384

= 59,784

51

F6 = α X5 + (1- α) F5

= (0,4 x 61) + (0,6 x 59,784)

= 24,4+35,870

= 60,270

F7 = α X6 + (1- α) F6

= (0,4 x 30) + (0,6 x 60,270)

= 12+36,162

= 48,162

F8 = α X7 + (1- α) F7

= (0,4 x 69) + (0,6 x 48,162)

= 27,6+28,897

= 56,497

F9 = α X8 + (1- α) F8

= (0,4 x 49) + (0,6 x 56,497)

= 19,6+33,898

= 53,498

F10 = α X9 + (1- α) F9

= (04 x 80) + (0,6 x 53,498)

= 32+32,099

= 64,099

F11 = α X10 + (1- α) F10

= (0,4 x 41) + (0,6 x 64,099)

= 16,4+38,459

= 54,859

F12 = α X11 + (1- α) F11

= (0,4 x 64) + (0,6 x 54,859)

= 25,6+32,916

= 58,516

F13 = α X12 + (1- α) F12

= (0,4 x 72) + (0,6 x 58,516)

= 28,8+35,109

= 63,909

F14 = α X13 + (1- α) F13

= (0,4 x 64) + (0,6 x 63,909)

= 25,6+38,346

= 63,946

F15 = α X14 + (1- α) F14

= (0,4 x 102) + (0,6 x 63,946)

= 40,8+38,367

= 79,167

F16 = α X15 + (1- α) F15

= (0,4 x 64) + (0,6 x 79,167)

= 25,6+47,500

= 73,100

F17 = α X16 + (1- α) F16

= (04 x 54) + (0,6 x 73,100)

= 21,6+43,860

= 65,460

52

F18 = α X17 + (1- α) F17

= (0,4 x 88) + (0,6 x 65,460)

= 35,2+39,276

= 74,476

F19 = α X18 + (1- α) F18

= (0,4 x 104) + (0,6 x 74,476)

= 41,6+44,686

= 86,286

F20 = α X19 + (1- α) F19

= (0,4 x 18) + (0,6 x 86,286)

= 7,2+51,771

= 58,971

F21 = α X20 + (1- α) F20

= (0,4 x 85) + (0,6 x 58,971)

= 34+35,383

= 69,838

F22 = α X21 + (1- α) F21

= (0,4 x 42) + (0,6 x 69,383)

= 16,8+41,630

= 58,430

F23 = α X22 + (1- α) F22

= (0,4 x 84) + (0,6 x 58,430)

= 33,6+35,058

= 68,658

F24 = α X23 + (1- α) F23

= (0,4 x 54) + (0,6 x 68,658)

= 21,6+41,195

= 62,795

F25 = α X24 + (1- α) F24

= (0,4 x 54) + (0,6 x 62,795)

=21,6+37,677

= 59,277

F26 = α X25 + (1- α) F25

= (0,4 x 109) + (0,6 x 59,277)

= 43,6+35,566

= 79,166

F27 = α X26 + (1- α) F26

= (0,4 x 86) + (0,6 x 79,166)

= 34,4+47,500

= 81,900

F28 = α X27 + (1- α) F27

= (0,4 x 85) + (0,6 x 81,900)

= 34+49,140

= 83,140

F29 = α X28 + (1- α) F28

= (0,4 x 54) + (0,6 x 83,140)

= 21,6+49,884

= 71,848

53

F30 = α X29 + (1- α) F29

= (0,4 x 82) + (0,6 x 71,848)

= 32,8+42,890

= 75,690

F31 = α X30 + (1- α) F30

= (0,4 x 51) + (0,6 x 75,690)

= 20,4+45,414

= 63,359





3 September 2015 93 47,4

4 September 2015 51 65,64

5 September 2015 61 59,784

6 September 2015 30 60,270

7 September 2015 69 48,162

8 September 2015 49 56,497

9 September 2015 80 53,498

10 September 2015 41 64,099

11 September 2015 64 54,859

12 September 2015 72 58,516

13 September 2015 64 63,909

14 September 2015 102 63,946

15 September 2015 64 79,167

16 September 2015 54 73,100

17 September 2015 88 65,460

18 September 2015 104 74,476

19 September 2015 18 86,286

20 September 2015 85 58,971

21 September 2015 42 69,383

22 September 2015 84 58,430

23 September 2015 54 68,658

54


24 September 2015 54 62,795

25 September 2015 109 59,277

26 September 2015 86 79,166

27 September 2015 85 81,900

28 September 2015 54 83,140

29 September 2015 82 71,484

30 September 2015 51 75,690

1 Oktober 2015 63,359

∑ 1988





F2 = α X1 + (1- α) F1

= (0,5 x 41) + (0,5 x 41)

= 20,5+20,5

= 41

F3 = α X2 + (1- α) F2

= (0,5 x 57) + (0,5 x 41)

= 28,5+20,5

= 49

F4 = α X3 + (1- α) F3

= (0,5 x 93) + (0,5 x49)

= 46,5+24,5

= 71

F5 = α X4 + (1- α) F4

= (0,5 x 51) + (0,5 x 71)

= 25,5+35,5

= 61

F6 = α X5 + (1- α) F5

= (0,5 x 61) + (0,5 x 61)

= 30,5+30,5

= 61

F7 = α X6 + (1- α) F6

= (0,5 x 30) + (0,5 x 61)

= 15+30,5

= 45,5

55

F8 = α X7 + (1- α) F7

= (0,5 x 69) + (0,5 x 45,5)

= 34,5+22,75

= 57,25

F9 = α X8 + (1- α) F8

= (0,5 x 49) + (0,5 x 57,25)

= 24,5+28,625

= 53,125

F10 = α X9 + (1- α) F9

= (0,5 x 80) + (0,5 x 53,125)

= 40+26,563

= 66,563

F11 = α X10 + (1- α) F10

= (0,5 x 41) + (0,5 x 66,563)

= 20,5+33,281

= 53,781

F12 = α X11 + (1- α) F11

= (0,5 x 64) + (0,5 x 53,781)

= 32,4+26,891

= 58,891

F13 = α X12 + (1- α) F12

= (0,5 x 72) + (0,5 x 58,891)

= 36+29,445

= 65,445

F14 = α X13 + (1- α) F13

= (0,5 x 64) + (0,5 x 65,445)

= 32+32,723

= 64,723

F15 = α X14 + (1- α) F14

= (0,5 x 102) + (0,5 x 64,723)

= 51+32,361

= 83,361

F16 = α X15 + (1- α) F15

= (0,5 x 64) + (0,5 x 36,361)

= 32+41,681

= 73,681

F17 = α X16 + (1- α) F16

= (0,5 x 54) + (0,5 x 73,681)

= 27+36,840

= 63,840

F18 = α X17 + (1- α) F17

= (0,5 x 88) + (0,5 x 63,840)

= 44+31,920

= 75,920

F19 = α X18 + (1- α) F18

= (0,5 x 104) + (0,5 x 75,920)

= 52+37,960

= 89,960

56

F20 = α X19 + (1- α) F19

= (0,5 x 18) + (0,5 x 89,960)

= 9+44,980

= 53,980

F21 = α X20 + (1- α) F20

= (0,5 x 85) + (0,5 x 53,980)

= 42,5+26,990

= 69,490

F22 = α X21 + (1- α) F21

= (0,5 x 42) + (0,5 x 69,490)

= 21+34,745

= 55,745

F23 = α X22 + (1- α) F22

= (0,5 x 84) + (0,5 x 55,745)

= 42+27,873

= 69,873

F24 = α X23 + (1- α) F23

= (0,5 x 54) + (0,5 x 69,873)

= 27+34,936

= 61,936

F25 = α X24 + (1- α) F24

= (0,5 x 54) + (0,5 x 61,936)

= 27+30,968

= 57,968

F26 = α X25 + (1- α) F25

= (0,5 x 109) + (0,5 x 57,968)

= 54,5+28,984

= 83,484

F27 = α X26 + (1- α) F26

= (0,5 x 86) + (0,5 x 83,484)

=43 +41,742

= 84,742

F28 = α X27 + (1- α) F27

= (0,5 x 85) + (0,5 x 84,742)

= 42,5+42,371

= 84,871

F29 = α X28 + (1- α) F28

= (0,5 x 54) + (0,5 x 84,871)

= 27+42,436

= 69,436

F30 = α X29 + (1- α) F29

= (0,5 x 82) + (0,5 x 69,436)

= 41+34,718

= 75,718

F31 = α X30 + (1- α) F30

= (0,5 x 51) + (0,5 x 75,718)

= 25,5+37,859

= 63,359

57









7 September 2015 69 45,5

8 September 2015 49 57,25

9 September 2015 80 53,125

10 September 2015 41 66,563

11 September 2015 64 53,781

12 September 2015 72 58,891

13 September 2015 64 65,445

14 September 2015 102 64,723

15 September 2015 64 83,361

16 September 2015 54 73,681

17 September 2015 88 63,840

18 September 2015 104 75,920

19 September 2015 18 89,960

20 September 2015 85 53,980

21 September 2015 42 69,490

22 September 2015 84 55,745

23 September 2015 54 69,873

24 September 2015 54 61,936

25 September 2015 109 57,968

26 September 2015 86 83,484

27 September 2015 85 84,742

58


28 September 2015 54 84,871

29 September 2015 82 69,436

30 September 2015 51 75,718

1 Oktober 2015 63,359

∑ 1988





F2 = α X1 + (1- α) F1

= (0,6 x 41) + (0,4 x 41)

= 24,6+16,4

= 41

F3 = α X2 + (1- α) F2

= (0,6 x 57) + (0,4 x 41)

= 34,2+16,4

= 50,6

F4 = α X3 + (1- α) F3

= (0,6 x 93) + (0,4 x50,6)

= 55,8+20,24

= 76,04

F5 = α X4 + (1- α) F4

= (0,6 x 51) + (0,4 x 76,04)

= 30,6+30,416

= 61,016

F6 = α X5 + (1- α) F5

= (0,6 x 61) + (0,4 x 61,016)

= 36,6+24,406

= 61,006

F7 = α X6 + (1- α) F6

= (0,6 x 30) + (0,4 x 61,006)

= 18+24,403

= 42,403

F8 = α X7 + (1- α) F7

= (0,6 x 69) + (0,4 x 42,403)

= 41,4+16,961

= 58,361

F9 = α X8 + (1- α) F8

= (0,6 x 49) + (0,4 x 58,361)

= 29,4+23,344

= 52,744

59

F10 = α X9 + (1- α) F9

= (0,6 x 80) + (0,4 x 52,744)

= 48+21,098

= 69,098

F11 = α X10 + (1- α) F10

= (0,6 x 41) + (0,8 x 69,098)

= 24,6+27,639

= 52,239

F12 = α X11 + (1- α) F11

= (0,6 x 64) + (0,4 x 52,239)

= 38,4+20,896

= 59,296

F13 = α X12 + (1- α) F12

= (0,6 x 72) + (0,4 x 59,296)

= 43,2+23,718

= 66,918

F14 = α X13 + (1- α) F13

= (0,6 x 64) + (0,4 x 66,918)

= 38,4+26,767

= 65,167

F15 = α X14 + (1- α) F14

= (0,6 x 102) + (0,4 x 65,167)

= 61,2+26,067

= 87,267

F16 = α X15 + (1- α) F15

= (0,6 x 64) + (0,4 x 87,267)

= 38,4+34,907

= 73,307

F17 = α X16 + (1- α) F16

= (0,4 x 54) + (0,8 x 73,307)

= 32,4+29,323

= 61,723

F18 = α X17 + (1- α) F17

= (0,6 x 88) + (0,4 x 61,723)

= 52,8+24,689

= 77,489

F19 = α X18 + (1- α) F18

= (0,6 x 104) + (0,4 x 77,489)

= 62,4+30,996

= 93,396

F20 = α X19 + (1- α) F19

= (0,6 x 18) + (0,4 x 93,396)

= 10,8+37,358

= 48,158

F21 = α X20 + (1- α) F20

= (0,6 x 85) + (0,4 x 48,158)

= 51+19,263

= 70,263

60

F22 = α X21 + (1- α) F21

= (0,6 x 42) + (0,4 x 70,263)

= 25,2+28,105

= 53,305

F23 = α X22 + (1- α) F22

= (0,6 x 84) + (0,4 x 53,305)

= 50,4+21,322

= 71,722

F24 = α X23 + (1- α) F23

= (0,6 x 54) + (0,4 x 71,722)

= 32,4+28,689

= 61,089

F25 = α X24 + (1- α) F24

= (0,6 x 54) + (0,4 x 61,089)

= 32,4+24,436

= 56,836

F26 = α X25 + (1- α) F25

= (0,6 x 109) + (0,4 x 56,836)

= 65,4+22,734

= 88,134

F27 = α X26 + (1- α) F26

= (0,6 x 86) + (0,4 x 88,134)

= 51,6+35,254

= 86,854

F28 = α X27 + (1- α) F27

= (0,6 x 85) + (0,4 x 86,854)

=51+34,741

= 85,741

F29 = α X28 + (1- α) F28

= (0,6 x 54) + (0,4 x 85,741)

= 32,4+34,297

= 66,697

F30 = α X29 + (1- α) F29

= (0,6 x 82) + (0,4 x 66,697)

= 49,2+26,679

= 75,879

F31 = α X30 + (1- α) F30

= (0,6 x 51) + (0,4 x 75,879)

= 30,6+30,352

= 60,951





3 September 2015 93 50,6

61


4 September 2015 51 76,04

5 September 2015 61 61,016

6 September 2015 30 61,006

7 September 2015 69 42,403

8 September 2015 49 58,361

9 September 2015 80 52,744

10 September 2015 41 69,098

11 September 2015 64 52,239

12 September 2015 72 59,296

13 September 2015 64 66,918

14 September 2015 102 65,167

15 September 2015 64 87,267

16 September 2015 54 73,307

17 September 2015 88 61,723

18 September 2015 104 77,489

19 September 2015 18 93,396

20 September 2015 85 48,158

21 September 2015 42 70,263

22 September 2015 84 53,305

23 September 2015 54 71,722

24 September 2015 54 61,089

25 September 2015 109 56,836

26 September 2015 86 88,134

27 September 2015 85 86,854

28 September 2015 54 85,741

29 September 2015 82 66,697

30 September 2015 51 75,879

1 Oktober 2015 60,951

∑ 1988

62





F2 = α X1 + (1- α) F1

= (0,7 x 41) + (0,3 x 41)

= 28,7+12,3

= 41

F3 = α X2 + (1- α) F2

= (0,7 x 57) + (0,3 x 41)

= 39,9+12,3

= 52,2

F4 = α X3 + (1- α) F3

= (0,7 x 93) + (0,3 x52,2)

= 65,1+15,66

= 80,76

F5 = α X4 + (1- α) F4

= (0,7 x 51) + (0,3 x 80,76)

= 35,7+24,228

= 59,928

F6 = α X5 + (1- α) F5

= (0,7 x 61) + (0,3 x 59,928)

= 42,7+17,978

= 60,678

F7 = α X6 + (1- α) F6

= (0,7 x 30) + (0,3 x 60,678)

= 21+18,204

= 39,204

F8 = α X7 + (1- α) F7

= (0,7 x 69) + (0,3 x 39,204)

= 48,3+11,761

= 60,061

F9 = α X8 + (1- α) F8

= (0,7 x 49) + (0,3 x 60,061)

= 34,3+18,018

= 52,318

F10 = α X9 + (1- α) F9

= (0,7 x 80) + (0,3 x 52,318)

= 56+15,695

= 71,695

F11 = α X10 + (1- α) F10

= (0,7 x 41) + (0,3 x 71,695)

= 28,7+21,509

= 50,209

63

F12 = α X11 + (1- α) F11

= (0,7 x 64) + (0,3 x 50,209)

= 44,8+15,063

= 59,863

F13 = α X12 + (1- α) F12

= (0,7 x 72) + (0,3 x 59,863)

= 50,4+17,959

= 68,359

F14 = α X13 + (1- α) F13

= (0,7 x 64) + (0,3 x 68,359)

= 44,8+20,508

= 65,308

F15 = α X14 + (1- α) F14

= (0,7 x 102) + (0,3 x 65,308)

= 71,4+19,592

= 90,992

F16 = α X15 + (1- α) F15

= (0,7 x 64) + (0,3 x 90,992)

= 44,8+27,298

= 72,098

F17 = α X16 + (1- α) F16

= (0,7 x 54) + (0,3 x 72,098)

= 37,8+21,629

= 59,429

F18 = α X17 + (1- α) F17

= (0,7 x 88) + (0,3 x 59,429)

= 61,6+17,829

= 79,429

F19 = α X18 + (1- α) F18

= (0,7 x 104) + (0,3 x 79,429)

= 72,8+23,829

= 96,629

F20 = α X19 + (1- α) F19

= (0,7 x 18) + (0,3 x 96,629)

= 12,6+28,989

= 41,589

F21 = α X20 + (1- α) F20

= (0,7 x 85) + (0,3 x 41,589)

= 59,5+12,477

= 71,977

F22 = α X21 + (1- α) F21

= (0,7 x 42) + (0,3 x 71,977)

= 29,4+21,593

= 50,993

F23 = α X22 + (1- α) F22

= (0,7 x 84) + (0,3 x 50,993)

= 58,8+15,298

= 74,098

64

F24 = α X23 + (1- α) F23

= (0,7 x 54) + (0,3 x 74,098)

= 37,8+22,229

= 60,029

F25 = α X24 + (1- α) F24

= (0,7 x 54) + (0,3 x 60,029)

= 37,8+18,009

= 55,809

F26 = α X25 + (1- α) F25

= (0,7 x 109) + (0,3 x 55,809)

= 76,3+16,743

= 93,043

F27 = α X26 + (1- α) F26

= (0,7 x 86) + (0,3 x 93,043)

= 60,2+27,913

= 88,113

F28 = α X27 + (1- α) F27

= (0,7 x 85) + (0,3 x 88,113)

=59,5+26,434

= 85,934

F29 = α X28 + (1- α) F28

= (0,7 x 54) + (0,3 x 85,934)

= 37,8+25,780

= 63,580

F30 = α X29 + (1- α) F29

= (0,7 x 82) + (0,3 x 63,580)

= 57,4+19,074

= 76,474

F31 = α X30 + (1- α) F30

= (0,7 x 51) + (0,3 x 76,474)

= 35,7+22,942

= 58,642


Priode Data Penjualan (Xt) Forecast Alpha = 0,7 (Ft)



3 September 2015 93 52,2

4 September 2015 51 80,76

5 September 2015 61 59,928

6 September 2015 30 60,678

7 September 2015 69 39,204

8 September 2015 49 60,061

65


9 September 2015 80 52,318

10 September 2015 41 71,695

11 September 2015 64 50,209

12 September 2015 72 59,863

13 September 2015 64 68,359

14 September 2015 102 65,308

15 September 2015 64 90,992

16 September 2015 54 72,098

17 September 2015 88 59,429

18 September 2015 104 79,429

19 September 2015 18 96,629

20 September 2015 85 41,589

21 September 2015 42 71,977

22 September 2015 84 50,993

23 September 2015 54 74,098

24 September 2015 54 60,029

25 September 2015 109 55,809

26 September 2015 86 93,043

27 September 2015 85 88,113

28 September 2015 54 85,934

29 September 2015 82 63,580

30 September 2015 51 76,474

1 Oktober 2015 58,642

∑ 1988




66


F2 = α X1 + (1- α) F1

= (0,8 x 41) + (0,2 x 41)

= 32,8+8,2

= 41

F3 = α X2 + (1- α) F2

= (0,8 x 57) + (0,2 x 41)

= 45,6+8,2

= 53,8

F4 = α X3 + (1- α) F3

= (0,8 x 93) + (0,2 x53,8)

= 74,4+10,76

= 85,16

F5 = α X4 + (1- α) F4

= (0,7 x 51) + (0,2 x 85,16)

= 40,8+17,032

= 57,832

F6 = α X5 + (1- α) F5

= (0,7 x 61) + (0,2 x 57,832)

= 48,8+11,566

= 60,366

F7 = α X6 + (1- α) F6

= (0,7 x 30) + (0,2 x 60,366)

= 24+12,073

= 36,073

F8 = α X7 + (1- α) F7

= (0,8 x 69) + (0,2 x 36,073)

= 55,2+7,215

= 62,415

F9 = α X8 + (1- α) F8

= (0,8 x 49) + (0,2 x 62,415)

= 39,2+12,483

= 51,683

F10 = α X9 + (1- α) F9

= (0,8 x 80) + (0,2 x 51,683)

= 64+10,337

= 74,337

F11 = α X10 + (1- α) F10

= (0,8 x 41) + (0,2 x 74,337)

= 32,8+14,867

= 47,667

F12 = α X11 + (1- α) F11

= (0,8 x 64) + (0,2 x 47,667)

= 51,2+9,533

= 60,733

F13 = α X12 + (1- α) F12

= (0,8 x 72) + (0,2 x 60,733)

= 57,6+12,147

= 69,747

67

F14 = α X13 + (1- α) F13

= (0,8 x 64) + (0,2 x 69,747)

= 51,2+13,949

= 65,149

F15 = α X14 + (1- α) F14

= (0,8 x 102) + (0,2 x 65,149)

= 81,6+13,030

= 94,630

F16 = α X15 + (1- α) F15

= (0,8 x 64) + (0,2 x 94,630)

= 51,2+18,926

= 70,126

F17 = α X16 + (1- α) F16

= (0,8 x 54) + (0,2 x 70,126)

= 43,2+14,025

= 57,225

F18 = α X17 + (1- α) F17

= (0,8 x 88) + (0,2 x 57,225)

= 70,4+11,445

= 81,845

F19 = α X18 + (1- α) F18

= (0,8 x 104) + (0,2 x 81,845)

= 83,2+16,369

= 99,569

F20 = α X19 + (1- α) F19

= (0,8 x 18) + (0,2 x 99,569)

= 14,4+19,914

= 34,314

F21 = α X20 + (1- α) F20

= (0,8 x 85) + (0,2 x 34,314)

= 68+6,863

= 74,863

F22 = α X21 + (1- α) F21

= (0,8 x 42) + (0,2 x 74,863)

= 33,6+14,973

= 48,573

F23 = α X22 + (1- α) F22

= (0,8 x 84) + (0,2 x 74,863)

= 67,2+9,715

= 76,915

F24 = α X23 + (1- α) F23

= (0,8 x 54) + (0,2 x 76,915)

= 43,2+15,383

= 58,583

F25 = α X24 + (1- α) F24

= (0,8 x 54) + (0,2 x 58,583)

= 43,2+11,717

= 54,917

68

F26 = α X25 + (1- α) F25

= (0,8 x 109) + (0,2 x 54,917)

= 87,2+10,983

= 98,183

F27 = α X26 + (1- α) F26

= (0,8 x 86) + (0,2 x 98,183)

= 68,8+19,637

= 88,437

F28 = α X27 + (1- α) F27

= (0,8 x 85) + (0,2 x 88,437)

=68+17,687

= 85,687

F29 = α X28 + (1- α) F28

= (0,8 x 54) + (0,2 x 85,687)

= 43,2+17,137

= 60,337

F30 = α X29 + (1- α) F29

= (0,8 x 82) + (0,2 x 60,337)

= 65,6+12,067

= 77,667

F31 = α X30 + (1- α) F30

= (0,8 x 51) + (0,2 x 77,667)

= 40,8+15,533

= 56,333





3 September 2015 93 53,8

4 September 2015 51 85,16

5 September 2015 61 57,832

6 September 2015 30 60,366

7 September 2015 69 36,073

8 September 2015 49 62,415

9 September 2015 80 51,683

10 September 2015 41 74,337

11 September 2015 64 47,667

12 September 2015 72 60,733

13 September 2015 64 69,747

69


14 September 2015 102 65,149

15 September 2015 64 94,630

16 September 2015 54 70,126

17 September 2015 88 57,225

18 September 2015 104 81,845

19 September 2015 18 99,569

20 September 2015 85 34,314

21 September 2015 42 74,863

22 September 2015 84 48,573

23 September 2015 54 76,915

24 September 2015 54 58,583

25 September 2015 109 54,917

26 September 2015 86 98,183

27 September 2015 85 88,437

28 September 2015 54 85,687

29 September 2015 82 60,337

30 September 2015 51 77,667

1 Oktober 2015 56,333

∑ 1988





F2 = α X1 + (1- α) F1

= (0,9 x 41) + (0,1 x 41)

= 36,9+4,1

= 41

F3 = α X2 + (1- α) F2

= (0,9 x 57) + (0,1 x 41)

= 51,3+4,1

= 55,4

70

F4 = α X3 + (1- α) F3

= (0,9 x 93) + (0,1 x 55,4)

= 83,7+5,54

= 89,24

F5 = α X4 + (1- α) F4

= (0,9 x 51) + (0,1 x 89,24)

= 45,9+8,924

= 54,824

F6 = α X5 + (1- α) F5

= (0,9 x 61) + (0,1 x 54,824)

= 54,9+5,482

= 60,382

F7 = α X6 + (1- α) F6

= (0,9 x 30) + (0,1 x 60,382)

= 27+6,038

= 33,038

F8 = α X7 + (1- α) F7

= (0,9 x 69) + (0,1 x 33,038)

= 62,1+3,304

= 65,404

F9 = α X8 + (1- α) F8

= (0,9 x 49) + (0,1 x 65,404)

= 44,1+6,540

= 50,640

F10 = α X9 + (1- α) F9

= (0,9 x 80) + (0,1 x 50,640)

= 72+5,064

= 77,064

F11 = α X10 + (1- α) F10

= (0,9 x 41) + (0,1 x 77,064)

= 36,9+7,706

= 44,606

F12 = α X11 + (1- α) F11

= (0,9 x 64) + (0,1 x 44,606)

= 57,6+4,461

= 62,061

F13 = α X12 + (1- α) F12

= (0,9 x 72) + (0,1 x 62,061)

= 64,8+6,206

= 71,006

F14 = α X13 + (1- α) F13

= (0,9 x 64) + (0,1 x 71,006)

= 57,6+7,101

= 64,701

F15 = α X14 + (1- α) F14

= (0,9 x 102) + (0,1 x 64,701)

= 91,8+6,470

= 98,270

71

F16 = α X15 + (1- α) F15

= (0,9 x 64) + (0,1 x 98,270)

= 57,6+9,827

= 67,427

F17 = α X16 + (1- α) F16

= (0,9 x 54) + (0,1 x 67,427)

= 48,6+6,743

= 55,343

F18 = α X17 + (1- α) F17

= (0,9 x 88) + (0,1 x 55,343)

= 79,2+5,534

= 84,734

F19 = α X18 + (1- α) F18

= (0,9 x 104) + (0,1 x 84,734)

= 93,6+8,473

= 102,073

F20 = α X19 + (1- α) F19

= (0,9 x 18) + (0,1 x 102,073)

= 16,2+10,207

= 26,407

F21 = α X20 + (1- α) F20

= (0,9 x 85) + (0,1 x 26,407)

= 76,5+2,641

= 79,141

F22 = α X21 + (1- α) F21

= (0,9 x 42) + (0,1 x 79,141)

= 37,8+7,914

= 45,714

F23 = α X22 + (1- α) F22

= (0,9 x 84) + (0,1 x 45,714)

= 75,6+4,571

= 80,171

F24 = α X23 + (1- α) F23

= (0,9 x 54) + (0,1 x 80,171)

= 48,6+8,017

= 56,617

F25 = α X24 + (1- α) F24

= (0,9 x 54) + (0,1 x 56,617)

= 48,6+5,662

= 54,262

F26 = α X25 + (1- α) F25

= (0,9 x 109) + (0,1 x 54,262)

= 98,1+5,426

= 103,526

F27 = α X26 + (1- α) F26

= (0,9 x 86) + (0,1 x 103,526)

= 77,4+10,353

= 87,753

72

F28 = α X27 + (1- α) F27

= (0,9 x 85) + (0,1 x 87,753)

=76,5+8,775

= 85,275

F29 = α X28 + (1- α) F28

= (0,9 x 54) + (0,1 x 85,275)

= 48,6+8,528

= 57,128

F30 = α X29 + (1- α) F29

= (0,9 x 82) + (0,1 x 57,128)

= 73,8+5,713

= 79,513

F31 = α X30 + (1- α) F30

= (0,9 x 51) + (0,1 x 79,513)

= 45,9+7,951

= 53,851





3 September 2015 93 55,4

4 September 2015 51 89,24

5 September 2015 61 54,824

6 September 2015 30 60,382

7 September 2015 69 33,038

8 September 2015 49 65,404

9 September 2015 80 50,640

10 September 2015 41 77,064

11 September 2015 64 44,606

12 September 2015 72 62,061

13 September 2015 64 71,006

14 September 2015 102 64,701

15 September 2015 64 98,270

16 September 2015 54 67,427

17 September 2015 88 55,343

18 September 2015 104 84,734

19 September 2015 18 102,073

73


20 September 2015 85 26,407

21 September 2015 42 79,141

22 September 2015 84 45,714

23 September 2015 54 80,171

24 September 2015 54 56,617

25 September 2015 109 54,262

26 September 2015 86 103,526

27 September 2015 85 87,753

28 September 2015 54 85,275

29 September 2015 82 57,128

30 September 2015 51 79,513

1 Oktober 2015 53,851

∑ 1988




Menghitung kesalahan/error dengan menggunakan metode MSE (Mean

Square Error).

Setelah melakukan proses peramalan denan α (alpha) 0,1 sampai 0,9

selanjutnya dilakukan perhitungan Mean Sequare Error (MSE) untuk menentukan

hasil peramalan dengan nilai kesalahan/error terendah yang diambil sebagai hasil

peramalan yang akurat.

Tabel 4.12 Menghitung nilai MSE untuk alpha (α = 0,1)

Periode

Data

Penjualan

(Xt)

Forecast

Alpha = 0,1

(Ft)

Xt - Ft (Xt - Ft)2


2 September 2015 57 41 16 256

3 September 2015 93 42,6 50,4 2540,16

74

Tabel 4.12 Menghitung nilai MSE untuk alpha (α = 0,1) (Lanjutan)

4 September 2015 51 47,64 3,36 11,290

5 September 2015 61 47,976 13,024 169,6246

6 September 2015 30 49,278 -19,278 371,657

7 September 2015 69 49,516 21,649 468,698

8 September 2015 49 49,464 -0,516 0,266

9 September 2015 80 52,518 30,536 932,450

10 September 2015 41 51,366 -11,518 132,654

11 September 2015 64 52,629 12,634 159,623

12 September 2015 72 54,566 19,371 375,227

13 September 2015 64 55,510 9,434 88,995

14 September 2015 102 60,159 46,490 2161,351

15 September 2015 64 60,543 3,841 14,756

16 September 2015 54 59,889 -6,543 42,809

17 September 2015 88 62,700 28,111 790,254

18 September 2015 104 66,830 41,300 1705,715

19 September 2015 18 61,947 -48,830 2384,342

20 September 2015 85 64,252 23,053 531,452

21 September 2015 42 62,027 -22,252 495,155

22 September 2015 84 64,224 21,973 482,818

23 September 2015 54 63,202 -10,224 104,534

24 September 2015 54 62,282 -9,202 84,672

25 September 2015 109 66,953 46,718 2182,610

26 September 2015 86 68,858 19,047 362,772

27 September 2015 85 70,472 16,142 260,561

28 September 2015 54 68,825 -16,472 271,336

29 September 2015 82 68,825 13,175 173,579

30 September 2015 51 70,143 -19,143 366,437

1 Oktober 2015 68,228

∑ 1988 17921.797

75

Perhitungan metode MSE pada forecast dengan alpha = 0,1

MSE = ∑(𝑋𝑡 − 𝐹𝑡)2

𝑛

= 17921.797

30

=597,393

Pada perhitungan Mean Sequare Error (MSE) untuk alpha 0,1 yaitu memiliki galat

error atau nilai kesalahan sebesar 597,393.


Periode

Data

Penjualan

(Xt)

Forecast

Alpha = 0,2

(Ft)

Xt - Ft (Xt - Ft)2


2 September 2015 57 41 16 256

3 September 2015 93 44,2 48,8 2381,44

4 September 2015 51 53,96 -2,96 8,762

5 September 2015 61 53,368 7,632 58,24742

6 September 2015 30 54,894 -24,894 619,731

7 September 2015 69 49,916 19,084 364,217

8 September 2015 49 53,732 -4,732 22,396

9 September 2015 80 52,786 27,214 740,605

10 September 2015 41 58,229 -17,229 296,830

11 September 2015 64 54,783 9,217 84,953

12 September 2015 72 56,626 15,374 236,348

13 September 2015 64 59,701 4,299 18,480

14 September 2015 102 60,561 41,439 1717,199

15 September 2015 64 68,849 -4,849 23,510

16 September 2015 54 67,879 -13,879 192,626

17 September 2015 88 65,103 22,897 524,264

18 September 2015 104 69,683 34,317 1177,688

76


19 September 2015 18 76,546 -58,546 3427,638

20 September 2015 85 64,837 20,163 406,554

21 September 2015 42 68,869 -26,869 721,968

22 September 2015 84 63,496 20,504 420,432

23 September 2015 54 67,596 -13,596 184,864

24 September 2015 54 64,877 -10,877 118,313

25 September 2015 109 62,702 46,298 2143,530

26 September 2015 86 71,961 14,039 197,083

27 September 2015 85 74,769 10,231 104,671

28 September 2015 54 76,815 -22,815 520,537

29 September 2015 82 72,252 9,748 95,019

30 September 2015 51 74,202 -23,202 538,323

1 Oktober 2015 69,561

∑ 1988 17602,228



𝑛

= 17602.228

30

=586,741




Periode

Data

Penjualan

(Xt)

Forecast

Alpha = 0,3

(Ft)

Xt - Ft (Xt - Ft)2


2 September 2015 57 41 16 256

3 September 2015 93 45,8 47,2 2227,84

77


4 September 2015 51 59,96 -8,96 80,282

5 September 2015 61 57,272 3,728 13,898

6 September 2015 30 58,390 -28,390 806,015

7 September 2015 69 49,873 19,127 365,831

8 September 2015 49 55,611 -6,611 43,709

9 September 2015 80 53,628 26,372 695,487

10 September 2015 41 61,540 -20,540 421,872

11 September 2015 64 55,378 8,622 74,344

12 September 2015 72 57,964 14,036 196,999

13 September 2015 64 62,175 1,825 3,330

14 September 2015 102 62,723 39,277 1542,719

15 September 2015 64 74,506 -10,506 110,371

16 September 2015 54 71,354 -17,354 301,163

17 September 2015 88 66,148 21,852 477,517

18 September 2015 104 72,703 31,297 979,472

19 September 2015 18 82,092 -64,092 4107,841

20 September 2015 85 62,865 22,135 489,971

21 September 2015 42 69,505 -27,505 756,541

22 September 2015 84 61,254 22,746 517,394

23 September 2015 54 68,078 -14,078 198,179

24 September 2015 54 63,854 -9,854 97,108

25 September 2015 109 60,898 48,102 2313,800

26 September 2015 86 75,329 10,671 113,878

27 September 2015 85 78,530 6,470 41,861

28 September 2015 54 80,471 -26,471 700,715

29 September 2015 82 72,530 9,470 89,686

30 September 2015 51 75,371 -24,371 593,936

1 Oktober 2015 68,060

∑ 1988 18617,760

78



𝑛

= 18617,760

30

=620,592




Periode

Data

Penjualan

(Xt)

Forecast

Alpha = 0,4

(Ft)

Xt - Ft (Xt - Ft)2


2 September 2015 57 41 16 83,550

3 September 2015 93 47,4 45,6 181,828

4 September 2015 51 65,64 -14,64 0,008

5 September 2015 61 59,784 1,216 1448,135

6 September 2015 30 60,270 -30,270 230,049

7 September 2015 69 48,162 20,838 364,826

8 September 2015 49 56,497 -7,497 508,040

9 September 2015 80 53,498 26,502 871,657

10 September 2015 41 64,099 -23,099 4662,936

11 September 2015 64 54,859 9,141 677,487

12 September 2015 72 58,516 13,484 749,820

13 September 2015 64 63,909 0,091 653,840

14 September 2015 102 63,946 38,054 214,852

15 September 2015 64 79,167 -15,167 77,347

16 September 2015 54 73,100 -19,100 2472,395

17 September 2015 88 65,460 22,540 46,702

18 September 2015 104 74,476 29,524 83,550

79


19 September 2015 18 86,286 -68,286 181,828

20 September 2015 85 58,971 26,029 0,008

21 September 2015 42 69,383 -27,383 1448,135

22 September 2015 84 58,430 25,570 230,049

23 September 2015 54 68,658 -14,658 364,826

24 September 2015 54 62,795 -8,795 508,040

25 September 2015 109 59,277 49,723 871,657

26 September 2015 86 79,166 6,834 4662,936

27 September 2015 85 81,900 16 677,487

28 September 2015 54 83,140 3,100 9,612

29 September 2015 82 71,484 10,516 110,589

30 September 2015 51 75,690 -24,690 609,612

1 Oktober 2015 65,814

∑ 1988 20016,201



𝑛

= 20016,201

30

=667,207




Periode

Data

Penjualan

(Xt)

Forecast

Alpha = 0,5

(Ft)

Xt - Ft (Xt - Ft)2


2 September 2015 57 41 16 256

3 September 2015 93 49 44 1936

80


4 September 2015 51 71 -20 400,000

5 September 2015 61 61 0 0,000

6 September 2015 30 61 -31,000 961,000

7 September 2015 69 45,5 23,500 552,250

8 September 2015 49 57,25 -8,250 68,063

9 September 2015 80 53,125 26,875 722,266

10 September 2015 41 66,563 -25,563 653,441

11 September 2015 64 53,781 10,219 104,423

12 September 2015 72 58,891 13,109 171,856

13 September 2015 64 65,445 -1,445 2,089

14 September 2015 102 64,723 37,277 1389,600

15 September 2015 64 83,361 -19,361 374,861

16 September 2015 54 73,681 -19,681 387,329

17 September 2015 88 63,840 24,160 583,690

18 September 2015 104 75,920 28,080 788,477

19 September 2015 18 89,960 -71,960 5178,254

20 September 2015 85 53,980 31,020 962,238

21 September 2015 42 69,490 -27,490 755,701

22 September 2015 84 55,745 28,255 798,344

23 September 2015 54 69,873 -15,873 251,936

24 September 2015 54 61,936 -7,936 62,984

25 September 2015 109 57,968 51,032 2604,252

26 September 2015 86 83,484 2,516 6,330

27 September 2015 85 84,742 0,258 0,067

28 September 2015 54 84,871 -30,871 953,020

29 September 2015 82 69,436 12,564 157,866

30 September 2015 51 75,718 -24,718 610,967

1 Oktober 2015 63,359

∑ 1988 21693,303

81



𝑛

= 21693,303

30

= 723,110




Periode

Data

Penjualan

(Xt)

Forecast

Alpha = 0,6

(Ft)

Xt - Ft (Xt - Ft)2


2 September 2015 57 41 16 256

3 September 2015 93 50,6 42,4 1797,76

4 September 2015 51 76,04 -25,04 627,002

5 September 2015 61 61,016 -0,016 0,000

6 September 2015 30 61,006 -31,006 961,3968

7 September 2015 69 42,403 26,597 707,424

8 September 2015 49 58,361 -9,361 87,629

9 September 2015 80 52,744 27,256 742,8672

10 September 2015 41 69,098 -28,098 789,484

11 September 2015 64 52,239 11,761 138,319

12 September 2015 72 59,296 12,704 161,401

13 September 2015 64 66,918 -2,918 8,516

14 September 2015 102 65,167 36,833 1356,648

15 September 2015 64 87,267 -23,267 541,350

16 September 2015 54 73,307 -19,307 372,751

17 September 2015 88 61,723 26,277 690,496

18 September 2015 104 77,489 26,511 702,829

82


19 September 2015 18 93,396 -75,396 5684,502

20 September 2015 85 48,158 36,842 1357,314

21 September 2015 42 70,263 -28,263 798,814

22 September 2015 84 53,305 30,695 942,163

23 September 2015 54 71,722 -17,722 314,074

24 September 2015 54 61,089 -7,089 50,252

25 September 2015 109 56,836 52,164 2721,131

26 September 2015 86 88,134 -2,134 4,555

27 September 2015 85 86,854 -1,854 3,436

28 September 2015 54 85,741 -31,741 1007,521

29 September 2015 82 66,697 15,303 234,194

30 September 2015 51 75,879 -24,879 618,947

1 Oktober 2015 60,951

∑ 1988 23678,775



𝑛

= 23678,775

30

= 789,292




Periode

Data

Penjualan

(Xt)

Forecast

Alpha = 0,7

(Ft)

Xt - Ft (Xt - Ft)2


2 September 2015 57 41 16 256

3 September 2015 93 52,2 40,8 1664,64

83


4 September 2015 51 80,76 -29,76 885,6576

5 September 2015 61 59,928 1,072 1,149

6 September 2015 30 60,678 -30,678 941,1642

7 September 2015 69 39,204 29,796 887,830

8 September 2015 49 60,061 -11,061 122,347

9 September 2015 80 52,318 27,682 766,2756

10 September 2015 41 71,695 -30,695 942,213

11 September 2015 64 50,209 13,791 190,201

12 September 2015 72 59,863 12,137 147,317

13 September 2015 64 68,359 -4,359 18,999

14 September 2015 102 65,308 36,692 1346,330

15 September 2015 64 90,992 -26,992 728,584

16 September 2015 54 72,098 -18,098 327,526

17 September 2015 88 59,429 28,571 816,285

18 September 2015 104 79,429 24,571 603,744

19 September 2015 18 96,629 -78,629 6182,463

20 September 2015 85 41,589 43,411 1884,550

21 September 2015 42 71,977 -29,977 898,595

22 September 2015 84 50,993 33,007 1089,464

23 September 2015 54 74,098 -20,098 403,925

24 September 2015 54 60,029 -6,029 36,353

25 September 2015 109 55,809 53,191 2829,303

26 September 2015 86 93,043 -7,043 49,599

27 September 2015 85 88,113 -3,113 9,689

28 September 2015 54 85,934 -31,934 1019,770

29 September 2015 82 63,580 18,420 339,291

30 September 2015 51 76,474 -25,474 648,927

1 Oktober 2015 58,642

∑ 1988 26038,192

84



𝑛

= 26038,192

30

= 867,940




Periode

Data

Penjualan

(Xt)

Forecast

Alpha = 0,8

(Ft)

Xt - Ft (Xt - Ft)2


2 September 2015 57 41 16 256

3 September 2015 93 53,8 39,2 1536,64

4 September 2015 51 85,16 -34,16 1166,906

5 September 2015 61 57,832 3,168 10,03622

6 September 2015 30 60,366 -30,366 922,1182

7 September 2015 69 36,073 32,927 1084,169

8 September 2015 49 62,415 -13,415 179,953

9 September 2015 80 51,683 28,317 801,8564

10 September 2015 41 74,337 -33,337 1111,328

11 September 2015 64 47,667 16,333 266,757

12 September 2015 72 60,733 11,267 126,935

13 September 2015 64 69,747 -5,747 33,024

14 September 2015 102 65,149 36,851 1357,971

15 September 2015 64 94,630 -30,630 938,189

16 September 2015 54 70,126 -16,126 260,047

17 September 2015 88 57,225 30,775 947,089

18 September 2015 104 81,845 22,155 490,842

85


19 September 2015 18 99,569 -81,569 6653,503

20 September 2015 85 34,314 50,686 2569,091

21 September 2015 42 74,863 -32,863 1079,961

22 September 2015 84 48,573 35,427 1255,104

23 September 2015 54 76,915 -22,915 525,075

24 September 2015 54 58,583 -4,583 21,003

25 September 2015 109 54,917 54,083 2925,016

26 September 2015 86 98,183 -12,183 148,433

27 September 2015 85 88,437 -3,437 11,811

28 September 2015 54 85,687 -31,687 1004,087

29 September 2015 82 60,337 21,663 469,265

30 September 2015 51 77,667 -26,667 711,155

1 Oktober 2015 56,333

∑ 1988 28863,365



𝑛

= 28863,365

30

=962,112




Periode

Data

Penjualan

(Xt)

Forecast

Alpha = 0,9

(Ft)

Xt - Ft (Xt - Ft)2


2 September 2015 57 41 16 256

3 September 2015 93 55,4 37,6 1413,76

86


4 September 2015 51 89,24 -38,24 1462,298

5 September 2015 61 54,824 6,176 38,14298

6 September 2015 30 60,382 -30,382 923,0902

7 September 2015 69 33,038 35,962 1293,248

8 September 2015 49 65,404 -16,404 269,085

9 September 2015 80 50,640 29,360 861,9871

10 September 2015 41 77,064 -36,064 1300,615

11 September 2015 64 44,606 19,394 376,112

12 September 2015 72 62,061 9,939 98,791

13 September 2015 64 71,006 -7,006 49,085

14 September 2015 102 64,701 37,299 1391,245

15 September 2015 64 98,270 -34,270 1174,437

16 September 2015 54 67,427 -13,427 180,284

17 September 2015 88 55,343 32,657 1066,499

18 September 2015 104 84,734 19,266 371,168

19 September 2015 18 102,073 -84,073 7068,341

20 September 2015 85 26,407 58,593 3433,099

21 September 2015 42 79,141 -37,141 1379,434

22 September 2015 84 45,714 38,286 1465,812

23 September 2015 54 80,171 -26,171 684,943

24 September 2015 54 56,617 -2,617 6,849

25 September 2015 109 54,262 54,738 2996,280

26 September 2015 86 103,526 -17,526 307,167

27 September 2015 85 87,753 -2,753 7,577

28 September 2015 54 85,275 -31,275 978,142

29 September 2015 82 57,128 24,872 618,640

30 September 2015 51 79,513 -28,513 812,977

1 Oktober 2015 53,851

∑ 1988 32285,109

87



𝑛

= 32285,109

30

=1076,170



Tabel 4.21 Hasil perhitungan nilai MSE keseluruhan

Periode Nilai Alpha

(α)

Nilai

Forecast

Nilai MSE

01 Oktober 2015

0,1 68,228 597,393

0,2 69,561 586,741

0,3 68,060 620,592

0,4 65,814 667,207

0,5 63.359 723,110

0,6 60,951 789,292

0,7 58,642 867,940

0,8 56,333 962,112

0,9 53,851 1076,170

Pada Tabel 4.20 dapat dilihat bahwa MSE terkecil diperoleh dengan alpha

0,2 yaitu 586,741. Hal ini membuktikan forecast terbaik untuk meramalkan

kuantitas produksi roti daging di Perusahaan Roti Dhiba Kendari menggunakan

alpha 0,2. Jadi nilai ramalan roti daging untuk tanggal 1 Oktober 2015 pada periode

ramalan 30 hari atau 1 bulan dengan alpha 0,2 adalah 69,561 atau sekitar 70 buah

roti.

88

4.3. Perancangan Sistem

4.3.1. Use case diagram

Use case diagram digunakan untuk memodelkan dan menyatakan unit

fungsi/layanan yang disediakan oleh sistem . Use Case diagram juga menjelaskan

mengenai aktor-aktor yang terlibat dengan perangkat lunak yang dibangun beserta

proses-proses yang ada didalamnya.

a. Use case diagram untuk admin

Pada diagram use case, admin melakukan login, input, mengubah,

menghapus data item dan data penjualan, melakukan proses peramalan dan

melakukan logout. Berikut Gambar 4.3

Gambar 4.3 Diagram use case admin

89

Berikut tabel keterangan dari gambar Use Case diatas :

Tabel 4.22 Keterangan use case diagram admin

Aktor Sistem

Admin melakukan Login Admin melakukan login dengan

memasukkan username dan password. Jika

username dan password yang di masukkan

benar, maka sistem akan menampilkan

menu utama. Jika username dan password

yang di masukkan oleh admin salah, maka

sistem akan memberi pesan bahwa login

yang dilakukan tidak valid.

Admin melakukan input data

item

Sistem menampilkan form inputan data

item yang berupa macam-macam jenis roti

yang akan diramalkan.


produksi

sistem akan menampilkan form input data

produksi yaitu admin akan menginputkan

jumlah produksi dari macam-macam jenis

roti.


penjualan

Sistem akan menampilkan form input data

penjualan yaitu admin akan menginput

jumlah penjualan setiap hari pada masing-

masing jenis roti.

Admin memilih menu stok Sistem akan menampilkan form data stok,

dari form data stok admin akan mengetahui

jumlah roti yang tersisa.

90

Tabel 4.21 Keterangan use case diagram admin (Lanjutan)

Admin memilih menu forecasting Sistem akan menampilkan form

forecasting. Admin harus memilih item

yang akan diramalkan, jumlah data

masa lalu yang digunakan dan tanggal

peramalan untuk mengetahui perkiraan

jumlah roti yang akan diproduksi

selanjutnya.

Admin memilih menu grafik Sistem akan menampilkan grafik

penjualan sesuai jenis roti yang dipilih

oleh admin dan sistem juga akan

menampilkan grafik perbandingan

hasil peramalan dengan hasil

sebenarnya.

Admin memilih menu data admin Sistem akan menampilkan informasi

tentang admin yang terdaftar dalam

aplikasi dan admin bisa melakukan

perubahan username dan password.

Admin melakukan Logout Sistem akan keluar

4.3.2. Activity Diagram

Activity diagram adalah salah satu cara untuk memodelkan event-event yang

terjadi dalam suatu Use Case. Activity Diagram juga merupakan suatu bentuk flow

diagram yang memodelkan alur kerja (workflow) sebuah proses bisnis dan urutan

aktivitas sebuah proses.

a. Activity diagram untuk login admin

Pada diagram activity login, admin menginput username dan password.

Setelah itu sistem mengecek apakah username dan password telah diisi dengan

benar, jika salah maka akan kembali kehalaman login seperti awal, tetapi jika benar,

91

admin akan masuk kedalam menu utama. Berikut Gambar 4.4 untuk diagram

activity login admin.

Gambar 4.4 Diagram activity untuk login admin

b. Activity diagram data item

Activity ini berisi form inputan yang harus diisikan oleh admin berupa inputan

jenis-jenis roti yang diproduksi oleh Perusahaan Roti Dhiba Kendari, dapat dilihat

pada Gambar 4.5.

Gambar 4.5 Diagram activity untuk data item

92

c. Activity diagram data produksi


data-data produksi Perusahaan Roti Dhiba Kendari mulai dari jenis item, jumlah

dan tanggalnya, dapat dilihat pada Gambar 4.6.

Gambar 4.6 Diagram activity untuk data produksi

d. Activity diagram data penjualan


data-data penjualan Perusahaan Roti Dhiba Kendari mulai dari jenis item, jumlah

dan tanggalnya, dapat dilihat pada Gambar 4.7.

Gambar 4.7 Diagram activity untuk data penjualan

93

e. Activity diagram data stok

Activity ini berisi form data stok, admin dapat mengetahui jumlah roti yang

tersisa pada data stok, dapat dilihat pada Gambar 4.8.

Gambar 4.8 Diagram activity untuk data stok

f. Activity diagram peramalan kuantitas produksi Roti

Pada diagram activity peramalan, admin akan membuka form peramalan lalu

memilih jenis item yang akan diramal, dan meng-input waktu peramalan yang akan

diramal. Kemudian di proses dengan menggunakan metode Single Exponential

Smoothing, setelah itu sistem akan menghitung nilai kesalahan/eror dengan

menggunakan metode MSE. Langkah terakhir system akan menampilkan hasil

peramalan dengan memilih nilai MSE terkecil. Berikut Gambar 4.9 diagram activity

peramalan kuantitas produksi roti.

94

Gambar 4.9 Diagram activity peramalan kuantitas produksi roti

g. Activity diagram admin

Pada gambar 4.10 menjelaskan diagram activity untuk admin. Admin login

halaman admin, jika valid maka sistem akan menampilkan halaman admin. Pada

halaman admin, admin dapat menambahkan, menghapus, atau mengubah data, lalu

database akan menyimpan dan memperbarui data. Setelah selesai, admin dapat

melakukan logout. Gambar diagram activity admin dapat dilihat pada Gambar 4.10.

95

Gambar 4.10 Diagram activity untuk admin

4.3.3. Sequence diagram

Sequence Diagram menjelaskan interaksi object yang disusun dalam suatu

urutan waktu. Sequence diagram memperlihatkan tahap demi tahap apa yang

seharusnya terjadi untuk menghasilkan sesuatu yang dilakukan dalam use case.

a. Sequence diagram login

Proses yang terjadi pada saat login yaitu : pertama, admin memasukkan

username dan password untuk mengaktifkan menu utama selanjutnya sistem

menjalankan perintah login dan melakukan validasi username dan password. Jika

login valid maka sistem akan menampilkan menu utama, dan jika login tidak valid

maka sistem akan menampilkan pesan error. Untuk lebih jelasnya dapat dilihat

pada Gambar 4.11 Sequence Diagram Login.

Gambar 4.11 Sequence diagram login

96

b. Sequence diagram data item

Ada 3 proses yang dapat dilakukan dalam menu Item yaitu :

1. Tambah data, proses yang terjadi adalah Admin mengisi form input data lalu

sistem akan menyimpan data ke dalam database.

2. Edit data, proses yang terjadi adalah Admin memilih data yang akan diubah

lalu melakukan perubahan pada data tersebut kemudian sistem menyimpan

data yang telah diubah ke dalam database.

3. Hapus data, proses yang terjadi adalah Admin memilih data yang akan dihapus

kemudian sistem menghapus data dari database.

Proses tersebut dapat dilihat pada Gambar 4.12 sequence diagram item.

Gambar 4.12 sequence diagram item

c. Sequence diagram produksi

Ada 3 proses yang dapat dilakukan dalam menu produksi yaitu :








Proses tersebut dapat dilihat pada Gambar 4.13 sequence diagram produksi

97

Gambar 4.13 Sequence diagram produksi

d. Sequence diagram penjualan

Ada 3 proses yang dapat dilakukan dalam menu penjualan yaitu :








Proses tersebut dapat dilihat pada Gambar 4.14 sequence diagram penjualan

Gambar 4.14 Sequence diagram penjualan

98

4. Sequence diagram forecasting

Proses yang terjadi pada proses forecasting yaitu, admin terlebih dahulu

memilih jenis item, dan waktu peramalan, tekan tombol ok maka sistem akan

melakukan proses peramalan dengan metode Single Exponential Smoothing dan

perhitungan nilai eror dengan metode MSE kemudian hasil akan ditampilkan

dengan nilai MSE terendah. Proses dapat dilihat pada Gambar 4.15 Sequence

diagram forecasting.

Gambar 4.15 Sequance diagram forecating

5. Sequence diagram admin

Ketika melakukan perubahan pada data admin, prosesnya terlebih dahulu

admin masuk ke menu admin, kemudian melakukan pengolahan terhadap data

admin sesuai kebutuhan seperti menambahkan admin baru, mengubah data admin

yang telah ada ataupun menghapus data admin. Proses tersebut dapat dilihat pada

Gambar 4.16 Sequence diagram admin.

Ganbar 4.16 Sequence diagram admin

99

4.3.4. Class diagram

Pada tahap ini akan didefinisikan class-class yang terdapat pada sistem

dapat dilihat pada Gambar 4.17. Diketahui bahwa sistem ini memiliki 9 class, yaitu

class admin, item, produksi, penjualan, forecasting, validasi, koneksi database,

antarmuka dan main. Fungsi kelas main adalah untuk memanggil kelas-kelas lain.

Kelas antarmuka merupakan kelas tanpa atribut yang didalamnya berisi form

utama, form login, panel beranda dan beberapa panel lainnya. Kelas koneksi basis

data berfungsi untuk menghubungkan sistem ke database. Kelas admin, kelas item,

kelas produksi, kelas penjualan dan kelas forecasting digunakan untuk pengolahan

data tersebut. Kelas validasi berfungsi untuk memeriksa validasi user sistem.

Gambar 4.17 Class Diagram Sistem

100

4.4 Perancangan interface

Perancangan antarmuka pengguna atau design user interface merupakan

penggambaran tampilan yang digunakan secara langsung oleh pengguna, interaksi

yang dapat dilakukan oleh pengguna dalam sistem. Adapun perancangan antarmuka

ini diuraikan sebagai berikut.

1. Halaman login

Untuk dapat mengakses menu utama, admin harus melakukan login terlebih

dahuluh dengan memasukan username dan password yang benar.

Gambar 4.18 Desain interface halaman login

2. Perancangan halaman utama

Pada saat admin berhasil login, maka sistem akan langsung menampilkan

halaman utama. Pada halaman utama terdapat beberapa menu yang dapat digunakan

oleh admin untuk menjalankan aplikasi ini.

Gambar 4.19 Desain interface halaman utama

Gambar

101

3. Perancangan halaman data item

Pada halaman data item, admin dapat memasukkan jenis-jenis item (roti)

yang terdapat di Perusahaan Roti Dhiba Kendari. Rancangan tampilannya dapat

dilihat pada Gambar 4.20.

Gambar 4.20 Desain interface halaman data item

4. Perancangan halaman data produksi

Pada halaman data produksi, admin akan menginput data-data produksi

item yang dilengkapi dengan tanggal dan jumlah produksi. Data ini akan

digunakan untuk mengetahui jumlah roti yang diproduksi di Perusahaan Roti

Dhiba Kendari. Rancangan tampilannya dapat dilihat pada Gambar 4.21.

Gambar 4.21 Desain interface halaman produksi

102

5. Perancangan halaman data penjualan

Pada halaman data penjualan, admin akan menginput data-data penjualan

item yang dilengkapi dengan tanggal dan jumlah penjualan. Data ini akan

digunakan untuk menentukan peramalan jumlah produksi kedepannya.

Rancangan tampilannya dapat dilihat pada Gambar 4.22.

Gambar 4.22 Desain interface halaman penjualan

6. Perancangan halaman data stok

Pada halaman data stok, admin dapat mengetahui jumlah stok atau sisa roti

yang tidak habis terjual. Rancangan tampilannya dapat dilihat pada Gambar 4.23.

Gambar 4.23 Desain interface halaman stok

103

7. Perancangan halaman forecasting

Pada halaman forecasting merupakan halaman untuk melakukan proses

peramalan, admin terlebih dahulu harus memilih jenis item yang akan diramal,

kemudian jumlah data yang digunakan dan waktu peramalan setelah itu admin

akan menekan tombol proses. Rancangan tampilannya dapat dilihat pada Gambar

4.24.

Gambar 4.24 Desain interface halaman forecasting

Berikut adalah source code proses perhitungan pada metode Single Exponential

Smoothing.

8. Perancangan halaman data grafik

Pada halaman data grafik, admin dapat melihat grafik penjualan dan grafik

perbandingan hasil peramalan dengan penjualan sebenarnya. Rancangan

104

Gambar 4.25 Desain interface halaman grafik

9. Perancangan Halaman Admin

Pada halaman ini digunakan untuk mengganti dan memperbaharui

username dan password dari admin. Dimana admin dapat menambah admin baru,

memperbaharui ataupun menghapus data admin yang telah ada. Rancangan

tampilannya dapat dilihat pada Gambar 4.26.

Gambar 4.26 Desain interface halaman admin

105

BAB V

IMPLEMENTASI DAN PENGUJIAN SISTEM

5.1 Kebutuhan Sistem

Tahap implementasi sistem merupakan proses pengubahan sistem yang

telah dirancang pada bab sebelumnya menjadi sistem yang dapat dijalankan.

Peramalan Kuantitas Produksi Roti ini memerlukan perangkat lunak (software) dan

perangkat keras (hardware) dalam pembuatannya agar sistem dapat berjalan sesuai

dengan yang diharapkan. Adapun kebutuhan-kebutuhan yang digunakan dalam

pembuatan aplikasi baik dari kebutuhan perangkat keras maupun kebutuhan

perangkat lunak adalah sebagai berikut.

1. Perangkat lunak

a. Sistem Operasi yang digunakan adalah Windows 8

b. Database Management System yang digunakan adalah MySQL (XAMPP

1.8.0)

c. Program aplikasi yang digunakan adalah NetBeans IDE 7.3.1

2. Perangkat keras

a. Laptop ACER dengan spesifikasi processor Intel CORE i3

b. RAM 2.00 GB

c. Harddisk 5.00 GB

5.2 Implementasi Antarmuka Sistem

Setelah memenuhi kebutuhan sistem, proses selanjutnya adalah

menerangkan kegunaan form-form yang ada di dalam aplikasi Penerapan Metode

Exponential Smoothing Pada Peramalan Penjualan Dalam Penentuan Kuantitas

Produksi Roti beserta desain formnya, di antaranya dapat dilihat pada sub bab di

bawah ini.

106

1. Form login

Untuk dapat mengakses menu utama, admin harus login untuk

menginputkan username dan password yang valid. Tampilan form Login dapat

dilihat pada Gambar 5.1.

Gambar 5.1 Tampilan form login

2. Form halaman utama

Form halaman utama merupakan tampilan antar muka yang muncul ketika

proses autentifikasi username dan password pada login telah divalidasi. Pada form

halaman utama ini terdapat 8 menu utama yaitu menu Beranda, Item, Produksi,

Penjualan, Stok, Forecasting, Grafik, dan Admin dalam bentuk icon. Tampilan

halaman utama dapat dilihat pada Gambar 5.2.

Gambar 5.2 Tampilan halaman utama

107

3. Form halaman item

Gambar 5.3 merupakan tampilan menu item yang berfungsi untuk

menampilkan jenis-jenis roti yang terdapat di Perusahaan Roti Dhiba Kendari.

Gambar 5.3 Tampilan halaman item

Gambar 5.4 merupakan tampilan untuk menambahkan data item, admin

dapat memilih tombol “Insert”, maka akan tampil form tambah data item, setelah

mengisikan data item pilih tombol “Tambah” maka secara otomatis data yang

diinputkan tersebut akan masuk ke dalam database.

Gambar 5.4 Tampilan form tambah data item

108

d. Form halaman produksi

Gambar 5.5 merupakan tampilan menu produksi yang berfungsi untuk

menampilkan jumlah roti yang di produksi sesuai dengan jenis roti pada Perusahaan

Roti Dhiba Kendari.

Gambar 5.5 Tampilan halaman produksi

Gambar 5.6 merupakan tampilan untuk menambahkan data produksi, admin

dapat memilih tombol “Insert”, maka akan tampil form tambah data produksi,

setelah mengisikan data produksi pilih tombol “Tambah” maka secara otomatis data

tersebut akan masuk ke dalam database.

Gambar 5.6 Tampilan form tambah data produksi

109

e. Form halaman penjualan

Gambar 5.7 merupakan tampilan menu penjualan yang berfungsi untuk

menampilkan jumlah roti yang terjual sesuai dengan jenis roti pada Perusahaan Roti

Dhiba Kendari.

Gambar 5.7 Tampilan halaman penjualan

Gambar 5.8 merupakan tampilan untuk menambahkan data penjualan,

admin dapat memilih tombol “Insert”, maka akan tampil form tambah data

penjualan, setelah mengisikan data penjualan pilih tombol “Tambah” maka secara

otomatis data yang diinputkan tersebut akan masuk ke dalam database.

Gambar 5.8 Tampilan form input data penjualan

110

f. Form halaman stok

Gambar 5.9 merupakan tampilan menu stok yang berfungsi untuk

menampilkan jumlah roti yang tersisa pada Perusahaan Roti Dhiba Kendari.

Gambar 5.9 Tampilan halaman stok

Gambar 5.10 merupakan tampilan ketika admin memilih tombol print yang

berfungsi untuk mencetak data stok.

Gambar 5.10 Tampilan form output data stok

111

g. Form halaman forecasting

Gambar 5.11 merupakan tampilan ketika admin memilih menu Forecasting.

Pada menu forecasting ini admin dapat melakukan proses peramalan. Terlebih

dahulu admin harus memilih jenis item yang akan diramalkan kemudian memilih

tanggal hari esok yang akan diramalkan lalu tekan ok. Data peramalan akan

otomatis tersimpan di database dan akan muncul di tabel forecasting.

Gambar 5.11 Tampilan halaman forecasting

Admin dapat memilih tombol print untuk mencetak hasil peramalan.

Tampilan output forecasting dapat dilihat pada Gambar 5.12.

Gambar 5.12 Tampilan output forecasting

112

h. Form halaman grafik

Gambar 5.13 merupakan tampilan menu grafik yang berfungsi untuk

menampilkan grafik penjualan.

Gambar 5.13 Tampilan halaman grafik

i. Form halaman admin

Form halaman data admin berfungsi untuk mengubah username atau

password dari admin, jika admin ingin mengganti username dan password, form ini

akan muncul. Tampilan form data admin dapat dilihat pada Gambar 5.14.

Gambar 5.14 Tampilan form admin

113

5.3 Pengujian Sistem

Pada tahap ini dilakukan proses pengujian terhadap suatu sistem yang

dibangun. Pengujian yang akan dilakukan mempunyai mekanisme untuk

menemukan data uji yang dapat menguji perangkat lunak secara lengkap dan

mempunyai kemungkinan tinggi untuk menemukan kesalahan. Tujuan dari

pengujian ini adalah untuk menjamin bahwa perangkat lunak yang dibangun

memiliki kualitas yang handal yaitu mampu mempresentasikan kajian pokok dari

spesifikasi, analisis, perancangan dan pengkodean dari perangkat lunak itu sendiri.

5.3.1. Pengujian tahap pertama

Pengujian dilakukan berdasarkan data penjualan roti, jenis roti yang akan

diuji yaitu roti daging. Pada proses peramalan data aktual yang digunakan adalah

sebanyak satu bulan :

Tabel 5.1 Data akual penjualan roti daging


Roti Daging

1 September 2015 41

2 September 2015 57

3 September 2015 93

4 September 2015 51

5 September 2015 61

6 September 2015 30

7 September 2015 69

8 September 2015 49

9 September 2015 80











114

Tabel 5.1 Data akual penjualan roti daging (Lanjutan)












Berikut data penjualan roti daging pada aplikasi peramalan. Data aktual

yang digunakan yaitu dari tanggal 1 September 2015 sampai tangggal 30 September

2015, untuk meramalkan jumlah yang akan terjual pada tanggal 1 Oktober 2015.

Gambar 5.15 Data penjualan roti daging

Dari data penjualan diatas dapat dilihat hasil peramalannya pada menu

forecasting dalam sistem. Peramalan dilakukan berdasarkan 30 hari data penjualan

atau data penjualan sebanyak satu bulan.

115

Tabel 5.2 Hasil pengujian peramalan

Priode Nilai Alpha

(α)

Nilai

Forecast

Nilai MSE

01 Oktober 2015

0,1 68,23 597,39

0,2 69,56 586,74

0,3 68,06 620,59

0,4 65,81 667,21

0,5 63,36 723,11

0,6 60,95 789,29

0,7 58,64 867,94

0,8 56,33 962,11

0,9 53,85 1076,17

Dari hasil pengujian dengan perhitungan secara manual pada Tabel 5.2 akan

dibandingkan dengan perhitungan menggunakan sistem aplikasi peramalan.

Gambar 5.16 Hasil peramalan roti daging

116

Gambar 5.17 Hasil peramalan produksi roti daging

Pada Tabel 5.2 dan Gambar 5.16 memiliki hasil perhitungan peramalan dan

hasil perhitungan MSE yang sama. Hal ini membuktikan bahwa program yang

dibuat telah sesuai dengan perancangan sistem yang diusulkan.

5.3.2. Pengujian Tahap Kedua

Pada proses peramalan hasil peramalan tergantung dari data aktual yang

dimiliki. Jadi untuk mendapatkan hasil peramalan yang baik data aktual yang

digunakan harus data aktual yang benar-benar akurat. Berikut hasil pengujian

peramalan dengan empat jenis item :

1. Pengujian peramalan roti daging

Gambar 5.18 merupakan tampilan pemilihan jenis item yang akan

diprediksi dengan memilih jenis roti dan tanggal peramalan hari berikutnya. Hasil

peramalan dapat dilihat pada Gambar 5.19.

117

Gambar 5.18 Form peramalan roti daging

Gambar 5.19 Hasil Peramalan produksi roti daging

Berdasarkan hasil peramalan dari metode Single Exponential Smoothing,

maka pada tanggal 01 Oktober 2015 roti daging diramalkan terjual sebanyak 69,56

atau 70 buah. Pada gambar 5.19 telah menunjukkan bahwa alpha yang diperoleh

adalah alpha 0,2 dari MSE yang terendah 586,74. Hal ini membuktikan bahwa hasil

peramalan yang dipilih adalah hasil peramalan yang paling akurat dengan MSE

terendah dan nilai alpha 0,2 sebagai pemulusan data yang paling baik khususnya

untuk data roti daging. Untuk mengetahui hasil keseluruhan peramalan dengan

keseluruhan nilai alpha dan MSE dapat dilihat pada Gambar 5.20.

118

Gambar 5.20 Hasil analisis MSE keseluruhan roti daging

Tabel 5.3 merupakan tabel keakuratan peramalan dari sistem yang telah

dibangun dan Tabel 5.4 merupakan tabel perbandingan produksi roti pada

Perusahaan Roti Dhiba Kendari dengan produksi roti pada sistem.

Tabel 5.3 Galat penjualan roti daging

Roti Daging

Tanggal

Data

Penjualan

Dhiba

Data

Penjualan

Peramalan

Absolute

Percentage Error

(APE)

Akurasi

01 Oktober 2015 52 70 34,6 % 65,4 %

02 Oktober 2015 79 66 16,5 % 83,5 %

03 Oktober 2015 57 69 21,1 % 78,9 %

04 Oktober 2015 62 66 6,5 % 93,5 %

05 Oktober 2015 47 65 38,3 % 61,7 %

06 Oktober 2015 55 62 12,7% 87,3 %

07 Oktober 2015 64 60 6,3 % 93,7 %

08 Oktober 2015 48 61 27,1 % 72,9 %

09 Oktober 2015 70 59 15,7 % 84,3 %

10 Oktober 2015 56 61 8,9 % 91,1 %

11 Oktober 2015 63 60 4,8 % 95,2 %

119

Tabel 5.3 Galat penjualan roti daging (Lanjutan)

12 Oktober 2015 70 60 14,3 % 85,7 %

13 Oktober 2015 66 62 6,1 % 93,9 %

14 Oktober 2015 48 63 31,3 % 68,7 %

Rata-Rata 17,4 % 82,6 %

Dengan menggunakan persamaan dibawah ini maka hasilnya dapat dilihat pada

tabel 5.3

APE = |𝐷𝑎𝑡𝑎 𝑠𝑒𝑏𝑒𝑛𝑎𝑟𝑛𝑦𝑎−𝐷𝑎𝑡𝑎 𝑃𝑟𝑒𝑑𝑖𝑘𝑠𝑖

𝐷𝑎𝑡𝑎 𝑠𝑒𝑏𝑒𝑛𝑎𝑟𝑛𝑦𝑎| 𝑥 100 %

= 52 −70

52 𝑥 100%

= 34,6 %

Dimana APE = Kesalahan persentase absolut

Akurasi = 100 % - Kesalahan

= 100 % - 34,6 %

= 65,4 %

Pada Tabel 5.3 dapat dilihat kesalahan ramalan yang diperoleh pada

peramalan roti daging sebesar 17,4 % sedangkan akurasi ramalan yang dihasilkan

sebesar 82,6 %.

Tabel 5.4 Perbandingan produksi roti daging didhiba dan sistem

Perbandingan Produksi Roti Daging

Tanggal

Produksi Dhiba Dengan

Penjualan Sebenarnya

Produksi Peramalan Dengan


Produksi Penjualan Selisih Produksi Penjualan Selisih

01 Oktober 2015 143 52 91 70 52 18

02 Oktober 2015 199 79 120 66 79 -13

03 Oktober 2015 145 57 88 69 57 12

04 Oktober 2015 105 62 43 66 62 4

05 Oktober 2015 148 47 101 65 47 18

120

Tabel 5.4 Perbandingan produksi roti daging didhiba dan sistem (Lanjutan)

06 Oktober 2015 155 55 100 62 55 7

07 Oktober 2015 100 64 36 60 64 -4

08 Oktober 2015 108 48 60 61 48 13

09 Oktober 2015 132 70 62 59 70 -11

10 Oktober 2015 152 56 96 61 56 5

11 Oktober 2015 96 63 33 60 63 -3

12 Oktober 2015 123 70 53 60 70 -10

13 Oktober 2015 67 66 1 62 66 -4

14 Oktober 2015 97 48 49 63 48 15

Total 933 47

Pada Tabel 5.4 dapat dilihat total selisih produksi roti daging pada

Perusahaan Roti Dhiba Kendari dengan hasil peramalan produksi pada sistem. Pada

Perusahaan mengalami kelebihan produksi sebanyak 933 buah roti sedangkan pada

sistem mengalami kelebihan produksi sebanyak 47 buah roti. Jadi dapat

disimpulkan peramalan jumlah produksi pada sistem lebih mendekati data

penjualan dibanding dengan jumlah produksi pada perusahaan. Untuk lebih

jelasnya perbandingan produksi roti daging dapat dilihat pada grafik yang

ditunjukkan pada Gambar 5.21.

Gambar 5.21 Grafik perbandingan produksi roti daging

121

2. Pengujian peramalan roti manis bungkus



peramalan dapat dilihat pada Gambar 5.23:

Gambar 5.22 Form peramalan roti manis bungkus

Gambar 5.23 Hasil Peramalan produksi roti manis bungkus


maka pada tanggal 01 Oktober 2015 roti manis bungkus diramalkan terjual

sebanyak 93,7 atau 94 buah. Pada gambar 5.23 telah menunjukkan bahwa alpha

122

yang diperoleh adalah alpha 0,1 dari MSE yang terendah 847,37. Hal ini

membuktikan bahwa hasil peramalan yang dipilih adalah hasil peramalan yang

paling akurat dengan MSE terendah dan nilai alpha 0,1 sebagai pemulusan data

yang paling baik khususnya untuk data roti manis bungkus. Untuk mengetahui hasil

keseluruhan peramalan dengan keseluruhan nilai alpha dan MSE dapat dilihat pada

Gambar 5.24.

Gambar 5.24 Hasil analisis MSE keseluruhan roti manis bungkus




Tabel 5.5 Galat penjualan roti manis bungkus

Roti Manis Bungkus

Tanggal

Data

Penjualan

Dhiba

Data

Penjualan

Peramalan

Absolute

Percentage Error

(APE)

Akurasi

01 Oktober 2015 91 94 3,3 % 96,7 %

02 Oktober 2015 100 93 7 % 93 %

03 Oktober 2015 92 94 2,2 % 97,8 %

04 Oktober 2015 94 94 0 % 100 %

05 Oktober 2015 91 94 3,3 % 96,7 %

06 Oktober 2015 100 94 6 % 94 %

123

Tabel 5.5 Galat penjualan roti manis bungkus (Lanjutan)

07 Oktober 2015 87 94 8 % 92 %

08 Oktober 2015 86 94 9,3 % 90,7 %

09 Oktober 2015 85 93 9,4 % 90,6 %

10 Oktober 2015 102 92 9,8 % 90,2 %

11 Oktober 2015 92 93 1,1 % 98,9 %

12 Oktober 2015 93 93 0 % 100 %

13 Oktober 2015 102 93 8.8 % 91,2 %

14 Oktober 2015 100 94 6 % 94 %

Rata-Rata 5,3 % 94,7 %


Tabel 5.5.



= 91 −94

91 𝑥 100%

= 3,3 %



= 100 % - 3,3 %

= 96,7 %


peramalan roti manis bungkus sebesar 5,3 % sedangkan akurasi ramalan yang

dihasilkan sebesar 94,7 %.

124

Tabel 5.6 Perbandingan produksi roti manis bungkus didhiba dan sistem

Perbandingan Data Produksi dengan Penjualan Sebenarnya

Tanggal

Produksi Dhiba dengan

Penjualan sebenarnya

Produksi Peramalan dengan


Produksi Penjulan Selisih Produksi Penjualan Selisih

01 Oktober 2015 91 91 0 94 91 3

02 Oktober 2015 102 100 2 93 100 -7

03 Oktober 2015 102 92 10 94 92 2

04 Oktober 2015 96 94 2 94 94 0

05 Oktober 2015 107 91 16 94 91 3

06 Oktober 2015 116 100 16 94 100 -6

07 Oktober 2015 94 87 7 94 87 7

08 Oktober 2015 95 86 9 94 86 8

09 Oktober 2015 85 85 0 93 85 8

10 Oktober 2015 102 102 0 92 102 -10

11 Oktober 2015 100 92 8 93 92 1

12 Oktober 2015 113 93 20 93 93 0

13 Oktober 2015 122 102 20 93 102 -9

14 Oktober 2015 120 100 20 94 100 -6

Total 130 -6

Pada Tabel 5.6 dapat dilihat total selisih produksi roti manis bungkus pada



sistem mengalami kekurangan produksi sebanyak 6 buah roti. Jadi dapat



jelasnya dapat dilihat pada grafik yang ditunjukkan pada Gambar 5.25.

125

Gambar 5.25 Grafik perbandingan produksi roti Manis Bungkus

3. Pengujian peramalan roti keju susu




Gambar 5.26 Form peramalan roti keju susu

126

Gambar 5.27 Hasil Peramalan produksi roti keju susu


maka pada tanggal 01 Oktober 2015 roti keju susu diramalkan terjual sebanyak

50,67 atau 51 buah. Pada gambar 5.27 telah menunjukkan bahwa alpha yang

diperoleh adalah alpha 0,2 dari MSE yang terendah 339,43. Hal ini membuktikan

bahwa hasil peramalan yang dipilih adalah hasil peramalan yang paling akurat

dengan MSE terendah dan nilai alpha 0,2 sebagai pemulusan data yang paling baik

khususnya untuk data roti keju susu. Untuk mengetahui hasil keseluruhan

peramalan dengan keseluruhan nilai alpha dan MSE dapat dilihat pada Gambar

5.28.

Gambar 5.28 Hasil analisis MSE keseluruhan roti keju susu

127




Tabel 5.7 Galat penjualan roti keju susu

Roti Keju Susu

Tanggal

Data

Penjualan

Dhiba

Data

Penjualan

Peramalan

Absolute

Percentage Error

(APE)

Akurasi

01 Oktober 2015 53 51 3,8 % 96,2 %

02 Oktober 2015 56 51 8,9 % 91,1 %

03 Oktober 2015 40 52 30 % 70 %

04 Oktober 2015 48 50 4,2 % 95,8 %

05 Oktober 2015 50 49 2 % 98 %

06 Oktober 2015 32 49 53,1 % 46,9 %

07 Oktober 2015 57 46 19,3 % 80,7 %

08 Oktober 2015 48 48 0 % 100 %

09 Oktober 2015 51 48 5,9 % 94,1 %

10 Oktober 2015 43 49 14 % 86 %

11 Oktober 2015 44 48 9,1 % 90,9 %

12 Oktober 2015 30 47 56,7 % 43,3 %

13 Oktober 2015 22 43 95,5 % 4,5 %

14 Oktober 2015 51 36 23,5 % 76,5 %

Rata-Rata 23,3 % 76,7 %


Tabel 5.7



= 53 − 51

53 𝑥 100%

= 3,8 %


128


= 100 % - 3,8 %

= 96,2 %




Tabel 5.8 Perbandingan produksi roti keju susu didhiba dan sistem


Tanggal






01 Oktober 2015 100 53 47 51 53 -2

02 Oktober 2015 107 56 51 51 56 -5

03 Oktober 2015 110 40 70 52 40 12

04 Oktober 2015 70 48 22 50 48 2

05 Oktober 2015 87 50 37 49 50 -1

06 Oktober 2015 112 32 80 49 32 17

07 Oktober 2015 80 57 19 46 57 -11

08 Oktober 2015 67 48 52 48 48 0

09 Oktober 2015 103 51 45 48 51 -3

10 Oktober 2015 88 43 0 49 43 6

11 Oktober 2015 44 44 12 48 44 4

12 Oktober 2015 42 30 48 47 30 17

13 Oktober 2015 70 22 31 43 22 21

14 Oktober 2015 82 51 19 36 51 -15

Total 537 42

Pada Tabel 5.8 dapat dilihat total selisih produksi roti keju susu pada



129

sistem mengalami kelebihan produksi sebanyak 42 buah roti. Jadi dapat



jelasnya dapat dilihat pada grafik yang ditunjukkan pada Gambar 5.29.

Gambar 5.29 Grafik perbandingan produksi roti Keju Susu

b. Pengujian Peramalan Roti Cum-Cum




Gambar 5.30 Form peramalan roti cum-cum

130

Gambar 5.31 Hasil Peramalan produksi roti cum-cum


maka pada tanggal 01 Oktober 2015 roti cum-cum diramalkan terjual sebanyak

14,86 atau 15 buah. Pada gambar 5.31 telah menunjukkan bahwa alpha yang

diperoleh adalah alpha 0,1 dari MSE yang terendah 5,39. Hal ini membuktikan

bahwa hasil peramalan yang dipilih adalah hasil peramalan yang paling akurat

dengan MSE terendah dan nilai alpha 0,1 sebagai pemulusan data yang paling baik

khususnya untuk data roti cum-cum. Untuk mengetahui hasil keseluruhan

peramalan dengan keseluruhan nilai alpha dan MSE dapat dilihat pada Gambar

5.32:

Gambar 5.32 Hasil analisis MSE keseluruhan roti cum-cum

131




Tabel 5.9 Galat penjualan roti cum-cum

Roti Keju Susu

Tanggal

Data

Penjualan

Dhiba

Data

Penjualan

Peramalan

Absolute

Percentage Error

(APE)

Akurasi

01 Oktober 2015 15 15 0 % 100 %

02 Oktober 2015 15 15 0 % 100 %

03 Oktober 2015 15 15 0 % 100 %

04 Oktober 2015 15 15 0 % 100 %

05 Oktober 2015 8 15 87,5 % 12,5 %

06 Oktober 2015 22 14 36,4 % 63,6 %

07 Oktober 2015 15 15 0 % 100 %

08 Oktober 2015 15 15 0 % 100 %

09 Oktober 2015 15 15 0 % 100 %

10 Oktober 2015 16 15 6,3 % 93,7 %

11 Oktober 2015 14 15 7,1 % 92,9 %

12 Oktober 2015 15 15 0 % 100 %

13 Oktober 2015 15 15 0 % 100 %

14 Oktober 2015 13 15 15,4 % 84,6 %

Rata-Rata 10,9 % 89,1 %


tabel 5.9



= 15 − 15

15 𝑥 100%

= 0 %


132


= 100 % - 0 %

= 100 %

Pada tabel 5.9 dapat dilihat kesalahan ramalan yang diperoleh pada



Tabel 5.10 Perbandingan produksi roti cum-cum didhiba dan sistem


Tanggal






01 Oktober 2015 15 15 0 15 15 0

02 Oktober 2015 15 15 0 15 15 0

03 Oktober 2015 30 15 15 15 15 0

04 Oktober 2015 15 15 0 15 15 0

05 Oktober 2015 15 8 7 15 8 7

06 Oktober 2015 22 22 0 14 22 -8

07 Oktober 2015 15 15 0 15 15 0

08 Oktober 2015 15 15 0 15 15 0

09 Oktober 2015 15 15 0 15 15 0

10 Oktober 2015 30 16 14 15 16 -1

11 Oktober 2015 14 14 0 15 14 1

12 Oktober 2015 15 15 0 15 15 0

13 Oktober 2015 15 15 0 15 15 0

14 Oktober 2015 15 13 2 15 13 2

Total 38 1

Pada tabel 5.10 dapat dilihat total selisih produksi roti cum-cum pada


perusahaan mengalami kelebihan produksi sebanyak 38 buah roti sedangkan pada

133

sistem mengalami kelebihan produksi sebanyak 1 buah roti. Jadi dapat disimpulkan

peramalan jumlah produksi pada sistem lebih mendekati data penjualan dibanding

dengan jumlah produksi pada perusahaan. Untuk lebih jelasnya dapat dilihat pada

grafik yang ditunjukkan pada Gambar 5.33.

Gambar 5.33 Grafik perbandingan produksi roti cum-cum

Pada Gambar 5.34 dapat dilihat hasil peramalan dari jenis item yang

terdapat di Perusahaan Roti Dhiba Kendari.

Gambar 5.34 Hasil Peramalan

134

Dimana pada setiap item memiliki nilai alpha yang berbeda. Fungsi nilai

alpha adalah untuk melakukan pemulusan pada data. Perbedaan nilai alpha yang

diperoleh karena nilai alpha yang dipilih yaitu dari nilai MSE yang terkecil. Fungsi

MSE disini selain untuk menentukan nilai alpha juga untuk menentukan keakuratan

peramalan, semakin kecil nilai MSE maka hasil peramalan semakin akurat.

Pada Tabel 5.11 dapat dilihat pengujian keakuratan ramalan keseluruhan

dengan waktu pengujian selama dua minggu mulai dari tanggal 01 Oktober 2015

sampai 14 Oktober 2015.

Tabel 5.11 Pengujian keakuratan ramalan keseluruhan

No Jenis Roti Alpha MSE

Terendah

Rata-rata

APE

Rata-rata

Akurasi

1 Kepang 0,1 119,89 12,6% 87,5%

2 Manis Bungkus 0,1 583,41 5,3% 94,7%

3 Daging 0,2 443,55 17,4% 82,6%

4 Keju susu 0,2 268,77 13,3% 76,7%

5 Cum-cum 0,1 6,33 13,7% 86,3%

6 Bluder 0,1 163,5 13,0% 87,0%

7 Keju Mentah 0,1 475,09 35,0% 65,0%

8 Pisang Keju 0,2 84,89 27,6% 72,4%

9 Cokelat 0,2 1122,29 46,6% 53,4%

10 Srikaya 0,1 166,29 22,8% 77,2%

11 Kelapa 0,1 73,11 39,5% 60,5%

12 Pisang cokelat 0,1 1048,95 37,5% 62,5%

13 Nanas ceri 0,1 87,54 46,1% 53,9%

14 Tawar Besar 0,1 1924,16 24,8% 75,2%

15 Tawar Kecil 0,1 82,48 27,8% 72,3%

16 Donat cokelat 0,1 1810,6 44,8% 55,2%

17 Donat sate 0,1 98,94 23,2% 76,8%

18 Kacang 0,1 271,57 49,5% 50,5%

19 Moca 0,1 2317,29 57,0% 43,1%

135

Tabel 5.11 Pengujian keakuratan ramalan keseluruhan (Lanjutan)

20 piza 0,1 44,02 35,7% 64,3%

21 Coking 0,1 44,65 38,9% 61,1%

22 Donat dacing 0,1 108,72 43,4% 56,6%

Rata-rata 515,729 30,702% 68,852%

Tabel 5.11 menunjukkan keakuratan tersebesar berada pada jenis roti manis

bungkus yaitu 94,7% sedangkan keakuratan paling rendah berada di jenis roti moca

43,1%. Hal ini disebabkan karena adanya data outliners. Data outliners adalah data

yang menyimpang terlalu jauh dari data yang lainnya, karen adanya data outliner

ini sehingga hasil ramalan kurang sesuai dengan yang sebenarnya karena itulah

keakuratan ramalan menjadi rendah.

Pada Tabel 5.11 dapat dilihat rata-rata MSE untuk pengujian peramalan

selama dua minggu sebesar 515,729, rata-rata APE sebesar 30,702% dan rata-rata

akurasi sebesar 68,852%.

136

BAB VI

PENUTUP

6.1 Kesimpulan

Berdasarkan uraian dan hasil analisa yang telah dilakukan selama

pengembangan Aplikasi Penerapan Metode Exponential Smoothing Pada Peramalan

Penjualan Dalam Penentuan Kuantitas Produksi Roti Studi Kasus Perusahaan Roti

Dhiba Kendari ini, kesimpulan yang dapat diambil adalah :

1. Untuk studi kasus Produksi Roti Dhiba Kendari dapat diterapkan pada metode

Exponential Smoothing dengan menghasilkan peramalan jumlah roti yang akan

diproduksi dihari berikutnya.

2. Aplikasi ini dapat menyimpan berbagai data mengenai jenis roti, jumlah produksi

setiap hari, stok item yang tersisa, data penjualan yang digunakan dan dimiliki oleh

Perusahaan Roti Dhiba Kendari. Serta dapat membuat report mengenai jumlah

produksi, stok, jumlah yang terjual dan hasil forecasting.

3. Berdasarkan hasil analisis perbandingan alpha 0,1 sampai 0,9 salah satunya yaitu

pada penjualan roti daging ditanggal 01 Oktober yang menghasilkan nilai MSE

terkecil adalah alpha 0,2 sebesar 586,74 dengan hasil peramalan penjualan 70 buah

roti.

4. Pada perbandingan jumlah produksi sistem dan produksi roti dhiba menyatakan

bahwa jumlah produksi sistem menghasilkan sisa lebih sedikit dibanding dengan

produksi roti dhiba. Hasil pengujian keakuratan pada semua jenis roti selama dua

minggu mulai dari tanggal 01 Oktober 2015 sampai tanggal 14 Oktober 2015

menghasilkan keakuratan rata-rata sebesar 68,852 %.

6.2 Saran

Berdasarkan hasil penelitian, ada beberapa saran untuk pengembangan sistem

lebih lanjut, diantaranya sebagai berikut :

137

1. Aplikasi ini dapat dikembangkan dengan menambahkan pengendalian persediaan

bahan baku, agar Perusahaan Roti Dhiba Kendari tidak mengalami kekurangan

dan kelebihan persediaan bahan baku.

2. Aplikasi penerapan metode Exponential Smoothing Pada Peramalan Kuantitas

Produksi Roti ini dapat ditambah persamaan ukuran statistik nilai kesalahan seperti

Mean Error (MA), Mean Absolut Error (MAE) dan Sum Of Sequared

Error (MAPE).

DAFTAR PUSTAKA

Afista, S.M. dan Nurcahyanie, Y.D., 2014, Analisa Perencanaan dan Pengendalian

Persediaan Produksi Foam dengan Metode Exponential Smoothing (Studi

Kasus Pada PT. Bestari Mulia), 2, 12, 67-72.

Biri, R., Langi, Y.A.R. dan Paendong, M.S., 2013, Penggunaan Metode Smoothing

Eksponensial Dalam Meramal Pergerakan Inflasi Kota Palu, 1, 13, 1-6.

Brady, M. dan Loonam, J., 2010, Exploring the use of entity-relationship

diagramming as a technique to support grounded theory inquiry, Bradford:

Emerald Group Publishing.

Connolly, T. dan Begg, C., 2010, Database Systems: a practical approach to

design, implementation, and management, Pearson Education: Amerika.

Hartati, G. Sri, 2008, Pemrograman GUI Swing Java dengan NetBeans 5, Penerbit

Andi: Yogyakarta.

Heizer, J. and Render, B., 2001, Principles of Operations Management, Prentice

Hall: New Jersey.

Idatul, C.M., 2015, Sistem Pendukung Keputusan Untuk Peramalan Jumlah

Produksi Barang Dengan Metode Fuzzy Inference System Tsukamoto, Fakultas

Teknik Universitas Muria Kudus, Kudus.

Makridakis, S., Wright, S.C.W. dan Mcgee, V.E., 1992, Metode dan Aplikasi

Peramalan, Jakarta.

Martiningtyas, Nining, 2004, Buku Materi Kuliah STIKOM Statistika, STIKOM

Surabaya, Surabaya.

Nugroho, A., 2010, Rekayasa Perangkat Lunak Menggunakan UML dan JAVA,

Yogyakarta.

Raharja, A., Angraeni, W., Vinarti, R.A., Penerapan Metode Exponential

Smoothing Untuk Peramalan Penggunaan Waktu Telepon Di Pt.Telkomsel

Divre3 Surabaya, Fakultas Teknologi Informasi Institut Teknologi Sepuluh

November, Surabaya.

Sahara,A., 2013, Sistem Peramalan Persediaan Unit Mobil Mitsubishi Pada PT.

Sardana Indah Berlian Motor dengan Menggunakan Metode Exponential

Smoothing,1,I,1-7.

Santosa, B., Suharyono dan Legono, D., 2016, Penerapan Metode Optimalisasi

Exponential Smoothing Untuk Peramalan Debit), Departemen Teknik Sipil

Universitas Gadjah Mada, Yogyakarta.

Sahlin, M., 2013, Penerapan Metode Exponential Smoothing Dalam Sistem

Informasi Pengendalian Persediaan Bahan Baku (Studi Kasus Toko Tirta

Harum), Fakultas Teknik Universitas Muria Kudus.

Sari, E.M., Kustiyahningsih, Y. dan Sugiharto, R., 2015, Sistem Peramalan Stok

Obat menggunakan Metode Exponential Smoothing, Fakultas Teknik

Universitas Trunojoyo, Madura.

Supriana dan Uci, 2010, Peramalan Produk Domestik Regional Bruto (PDRB)

Kabupaten Labuhanbatu Pada Sektor Pertanian Tahun 2011, Universitas

Sumatera Utara.

Subagyo, P., 1986, Forecasting Konsep dan Aplikasi, BPFE Yogyakarta:

Yogyakarta.

Simon, H.A., 1997, The New Science of Management Decision, Prentice-Hall: New

Jersey.

Subakti, 2002, Sistem Pendukung Keputusan (Decision Suppoort System ), Institut

Teknologi Sepuluh Nopember, Surabaya.

Turban, E. and Aronson, J.E., 2001, Decision Support Systems and Intelligent

Systems, Prentice Hall: New Jersey.

Turban, 2005. Decision Support Systems and Intelligent Systems, Pearson

Education: New Jersey.

Wicaksono, Y., 2008, Membangun Bisnis Online dg Mambo++ CD, PT. Elex

Media Komputindo: Jakarta.

LAMPIRAN

skripsi - sitedi.uho.ac.idsitedi.uho.ac.id/uploads_sitedi/e1e111070_sitedi_skripsi_lengkap_e... ·...

Documents