Upload
dangtruc
View
244
Download
10
Embed Size (px)
Citation preview
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 4.4 Hasil peramalan roti daging dengan alpha (α = 0,2) ............................. 45
Tabel 4.5 Hasil peramalan roti daging dengan alpha (α = 0,3) ............................. 49
Tabel 4.6 Hasil peramalan roti daging dengan alpha (α = 0,4) ............................. 53
Tabel 4.7 Hasil peramalan roti daging dengan alpha (α = 0,5) ............................. 57
Tabel 4.8 Hasil peramalan roti daging dengan alpha (α = 0,6) ............................. 60
Tabel 4.9 Hasil peramalan roti daging dengan alpha (α = 0,7) ............................. 64
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 4.13 Hasil menghitung nilai mse untuk alpha (α = 0,2) .............................. 75
Tabel 4.14 Hasil menghitung nilai mse untuk alpha (α = 0,3) .............................. 76
Tabel 4.15 Hasil menghitung nilai mse untuk alpha (α = 0,4) .............................. 78
Tabel 4.16 Hasil menghitung nilai mse untuk alpha (α = 0,5) .............................. 79
Tabel 4.17 Hasil menghitung nilai mse untuk alpha (α = 0,6) .............................. 81
Tabel 4.18 Hasil menghitung nilai mse untuk alpha (α = 0,7) .............................. 82
Tabel 4.19 Hasil menghitung nilai mse untuk alpha (α = 0,8) .............................. 84
Tabel 4.20 Hasil menghitung nilai mse untuk alpha (α = 0,9) .............................. 85
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
berlokasi di jalan Dr. Sam Ratulangi No. 202 Kelurahan Mandonga Kecamatan
Mandonga Kota 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
berlokasi di jalan Dr. Sam Ratulangi No. 202 Kelurahan Mandonga Kecamatan
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
GAMBAR NAMA KETERANGAN
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
GAMBAR NAMA KETERANGAN
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
GAMBAR NAMA KETERANGAN
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.
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
berlokasi di jalan Dr. Sam Ratulangi No. 202 Kelurahan Mandonga Kecamatan
Mandonga Kota Kendari.
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
11 September 2015 64
12 September 2015 72
37
Tabel 4.1 Data aktual permintaan roti daging (Lanjutan)
13 September 2015 64
14 September 2015 102
15 September 2015 64
16 September 2015 54
17 September 2015 88
18 September 2015 104
19 September 2015 18
20 September 2015 85
21 September 2015 42
22 September 2015 84
23 September 2015 54
24 September 2015 54
25 September 2015 109
26 September 2015 86
27 September 2015 85
28 September 2015 54
29 September 2015 82
30 September 2015 51
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
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
11 September 2015 64
12 September 2015 72
13 September 2015 64
14 September 2015 102
15 September 2015 64
16 September 2015 54
17 September 2015 88
18 September 2015 104
19 September 2015 18
20 September 2015 85
21 September 2015 42
22 September 2015 84
23 September 2015 54
24 September 2015 54
25 September 2015 109
26 September 2015 86
27 September 2015 85
39
Tabel 4.2 Data permintaan konsumen terhadap roti daging (Lanjutan)
28 September 2015 54
29 September 2015 82
30 September 2015 51
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
Berikut contoh perhitungan untuk alpha (α = 0,2)
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
Tabel 4.4 Hasil peramalan roti daging dengan alpha (α = 0,2)
Periode Data Penjualan (Xt) Forecast Alpha = 0,2 (Ft)
1 September 2015 41 -
2 September 2015 57 41
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
Tabel 4.4 Hasil peramalan roti daging dengan alpha (α = 0,2) (Lanjutan)
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
Dari tabel 4.4 dapat dilihat hasil perhitungan keseluruhan dengan α (alpha)
0,2. Proses perhitungan ini dilakuakan secara beruntun dan mendapat hasil
peramalan akhir pada tanggal 1 Oktober 2015 sebesar 69,561 atau 70 buah roti.
Berikut contoh perhitungan untuk alpha (α = 0,3)
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
Tabel 4.5 Hasil peramalan roti daging dengan alpha (α = 0,3)
Periode Data Penjualan (Xt) Forecast Alpha = 0,3 (Ft)
1 September 2015 41 -
2 September 2015 57 41
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
Tabel 4.5 Hasil peramalan roti daging dengan alpha (α = 0,3) (Lanjutan)
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
Dari tabel 4.5 dapat dilihat hasil perhitungan keseluruhan dengan α (alpha)
0,3. Proses perhitungan ini dilakuakan secara beruntun dan mendapat hasil
peramalan akhir pada tanggal 1 Oktober 2015 sebesar 68,060 atau 68 buah roti.
Berikut contoh perhitungan untuk alpha (α = 0,4)
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
Tabel 4.6 Hasil peramalan roti daging dengan alpha (α = 0,4)
Periode Data Penjualan (Xt) Forecast Alpha = 0,4 (Ft)
1 September 2015 41 -
2 September 2015 57 41
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
Tabel 4.6 Hasil peramalan roti daging dengan alpha (α = 0,4) (Lanjutan)
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
Dari tabel 4.6 dapat dilihat hasil perhitungan keseluruhan dengan α (alpha)
0,4. Proses perhitungan ini dilakuakan secara beruntun dan mendapat hasil
peramalan akhir pada tanggal 1 Oktober 2015 sebesar 63,359 atau 63 buah roti.
Berikut contoh perhitungan untuk alpha (α = 0,5)
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
Tabel 4.7 Hasil peramalan roti daging dengan alpha (α = 0,5)
Periode Data Penjualan (Xt) Forecast Alpha = 0,5 (Ft)
1 September 2015 41 -
2 September 2015 57 41
3 September 2015 93 49
4 September 2015 51 71
5 September 2015 61 61
6 September 2015 30 61
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
Tabel 4.7 Hasil peramalan roti daging dengan alpha (α = 0,5) (Lanjutan)
28 September 2015 54 84,871
29 September 2015 82 69,436
30 September 2015 51 75,718
1 Oktober 2015 63,359
∑ 1988
Dari tabel 4.7 dapat dilihat hasil perhitungan keseluruhan dengan α (alpha)
0,5. Proses perhitungan ini dilakuakan secara beruntun dan mendapat hasil
peramalan akhir pada tanggal 1 Oktober 2015 sebesar 63,359 atau 63 buah roti.
Berikut contoh perhitungan untuk alpha (α = 0,6)
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
Tabel 4.8 Hasil peramalan roti daging dengan alpha (α = 0,6)
Periode Data Penjualan (Xt) Forecast Alpha = 0,6 (Ft)
1 September 2015 41 -
2 September 2015 57 41
3 September 2015 93 50,6
61
Tabel 4.8 Hasil peramalan roti daging dengan alpha (α = 0,6) (Lanjutan)
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
Dari tabel 4.8 dapat dilihat hasil perhitungan keseluruhan dengan α (alpha)
0,6. Proses perhitungan ini dilakuakan secara beruntun dan mendapat hasil
peramalan akhir pada tanggal 1 Oktober 2015 sebesar 60,951 atau 61 buah roti.
Berikut contoh perhitungan untuk alpha (α = 0,7)
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
Tabel 4.9 Hasil peramalan roti daging dengan alpha (α = 0,7)
Priode Data Penjualan (Xt) Forecast Alpha = 0,7 (Ft)
1 September 2015 41 -
2 September 2015 57 41
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
Tabel 4.9 Hasil peramalan roti daging dengan alpha (α = 0,7) (Lanjutan)
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
Dari tabel 4.9 dapat dilihat hasil perhitungan keseluruhan dengan α (alpha)
0,7. Proses perhitungan ini dilakuakan secara beruntun dan mendapat hasil
peramalan akhir pada tanggal 1 Oktober 2015 sebesar 58,642 atau 59 buah roti.
66
Berikut contoh perhitungan untuk alpha (α = 0,8)
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
Tabel 4.10 Hasil peramalan roti daging dengan alpha (α = 0,8)
Periode Data Penjualan (Xt) Forecast Alpha = 0,8 (Ft)
1 September 2015 41 -
2 September 2015 57 41
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
Tabel 4.10 Hasil peramalan roti daging dengan alpha (α = 0,8) (Lanjutan)
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
Dari tabel 4.10 dapat dilihat hasil perhitungan keseluruhan dengan α (alpha)
0,8. Proses perhitungan ini dilakuakan secara beruntun dan mendapat hasil
peramalan akhir pada tanggal 1 Oktober 2015 sebesar 56,333 atau 56 buah roti.
Berikut contoh perhitungan untuk alpha (α = 0,9)
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
Tabel 4.11 Hasil peramalan roti daging dengan alpha (α = 0,9)
Periode Data Penjualan (Xt) Forecast Alpha = 0,9 (Ft)
1 September 2015 41 -
2 September 2015 57 41
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
Tabel 4.11 Hasil peramalan roti daging dengan alpha (α = 0,9) (Lanjutan)
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
Dari tabel 4.11 dapat dilihat hasil perhitungan keseluruhan dengan α (alpha)
0,9. Proses perhitungan ini dilakuakan secara beruntun dan mendapat hasil
peramalan akhir pada tanggal 1 Oktober 2015 sebesar 53,851 atau 54 buah roti.
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
1 September 2015 41 -
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.
Tabel 4.13 Menghitung nilai MSE untuk alpha (α = 0,2)
Periode
Data
Penjualan
(Xt)
Forecast
Alpha = 0,2
(Ft)
Xt - Ft (Xt - Ft)2
1 September 2015 41 -
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
Tabel 4.13 Menghitung nilai MSE untuk alpha (α = 0,2) (Lanjutan)
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
Perhitungan metode MSE pada forecast dengan alpha = 0,2
MSE = ∑(𝑋𝑡 − 𝐹𝑡)2
𝑛
= 17602.228
30
=586,741
Pada perhitungan Mean Sequare Error (MSE) untuk alpha 0,2 yaitu memiliki galat
error atau nilai kesalahan sebesar 586,741.
Tabel 4.14 Menghitung nilai MSE untuk alpha (α = 0,3)
Periode
Data
Penjualan
(Xt)
Forecast
Alpha = 0,3
(Ft)
Xt - Ft (Xt - Ft)2
1 September 2015 41 -
2 September 2015 57 41 16 256
3 September 2015 93 45,8 47,2 2227,84
77
Tabel 4.14 Menghitung nilai MSE untuk alpha (α = 0,3) (Lanjutan)
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
Perhitungan metode MSE pada forecast dengan alpha = 0,3
MSE = ∑(𝑋𝑡 − 𝐹𝑡)2
𝑛
= 18617,760
30
=620,592
Pada perhitungan Mean Sequare Error (MSE) untuk alpha 0,3 yaitu memiliki galat
error atau nilai kesalahan sebesar 620,592.
Tabel 4.15 Menghitung nilai MSE untuk alpha (α = 0,4)
Periode
Data
Penjualan
(Xt)
Forecast
Alpha = 0,4
(Ft)
Xt - Ft (Xt - Ft)2
1 September 2015 41 -
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
Tabel 4.15 Menghitung nilai MSE untuk alpha (α = 0,4) (Lanjutan)
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
Perhitungan metode MSE pada forecast dengan alpha = 0,4
MSE = ∑(𝑋𝑡 − 𝐹𝑡)2
𝑛
= 20016,201
30
=667,207
Pada perhitungan Mean Sequare Error (MSE) untuk alpha 0,4 yaitu memiliki galat
error atau nilai kesalahan sebesar 667,207.
Tabel 4.16 Menghitung nilai MSE untuk alpha (α = 0,5)
Periode
Data
Penjualan
(Xt)
Forecast
Alpha = 0,5
(Ft)
Xt - Ft (Xt - Ft)2
1 September 2015 41 -
2 September 2015 57 41 16 256
3 September 2015 93 49 44 1936
80
Tabel 4.16 Menghitung nilai MSE untuk alpha (α = 0,5) (Lanjutan)
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
Perhitungan metode MSE pada forecast dengan alpha = 0,5
MSE = ∑(𝑋𝑡 − 𝐹𝑡)2
𝑛
= 21693,303
30
= 723,110
Pada perhitungan Mean Sequare Error (MSE) untuk alpha 0,5 yaitu memiliki galat
error atau nilai kesalahan sebesar 723,110.
Tabel 4.17 Menghitung nilai MSE untuk alpha (α = 0,6)
Periode
Data
Penjualan
(Xt)
Forecast
Alpha = 0,6
(Ft)
Xt - Ft (Xt - Ft)2
1 September 2015 41 -
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
Tabel 4.17 Menghitung nilai MSE untuk alpha (α = 0,6) (Lanjutan)
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
Perhitungan metode MSE pada forecast dengan alpha = 0,6
MSE = ∑(𝑋𝑡 − 𝐹𝑡)2
𝑛
= 23678,775
30
= 789,292
Pada perhitungan Mean Sequare Error (MSE) untuk alpha 0,6 yaitu memiliki galat
error atau nilai kesalahan sebesar 789,292.
Tabel 4.18 Menghitung nilai MSE untuk alpha (α = 0,7)
Periode
Data
Penjualan
(Xt)
Forecast
Alpha = 0,7
(Ft)
Xt - Ft (Xt - Ft)2
1 September 2015 41 -
2 September 2015 57 41 16 256
3 September 2015 93 52,2 40,8 1664,64
83
Tabel 4.18 Menghitung nilai MSE untuk alpha (α = 0,7) (Lanjutan)
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
Perhitungan metode MSE pada forecast dengan alpha = 0,7
MSE = ∑(𝑋𝑡 − 𝐹𝑡)2
𝑛
= 26038,192
30
= 867,940
Pada perhitungan Mean Sequare Error (MSE) untuk alpha 0,7 yaitu memiliki galat
error atau nilai kesalahan sebesar 867,940.
Tabel 4.19 Menghitung nilai MSE untuk alpha (α = 0,8)
Periode
Data
Penjualan
(Xt)
Forecast
Alpha = 0,8
(Ft)
Xt - Ft (Xt - Ft)2
1 September 2015 41 -
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
Tabel 4.19 Menghitung nilai MSE untuk alpha (α = 0,8) (Lanjutan)
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
Perhitungan metode MSE pada forecast dengan alpha = 0,8
MSE = ∑(𝑋𝑡 − 𝐹𝑡)2
𝑛
= 28863,365
30
=962,112
Pada perhitungan Mean Sequare Error (MSE) untuk alpha 0,8 yaitu memiliki galat
error atau nilai kesalahan sebesar 962,112.
Tabel 4.20 Menghitung nilai MSE untuk alpha (α = 0,9)
Periode
Data
Penjualan
(Xt)
Forecast
Alpha = 0,9
(Ft)
Xt - Ft (Xt - Ft)2
1 September 2015 41 -
2 September 2015 57 41 16 256
3 September 2015 93 55,4 37,6 1413,76
86
Tabel 4.20 Menghitung nilai MSE untuk alpha (α = 0,9) (Lanjutan)
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
Perhitungan metode MSE pada forecast dengan alpha = 0,9
MSE = ∑(𝑋𝑡 − 𝐹𝑡)2
𝑛
= 32285,109
30
=1076,170
Pada perhitungan Mean Sequare Error (MSE) untuk alpha 0,9 yaitu memiliki galat
error atau nilai kesalahan sebesar 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.
Admin melakukan input data
produksi
sistem akan menampilkan form input data
produksi yaitu admin akan menginputkan
jumlah produksi dari macam-macam jenis
roti.
Admin melakukan input data
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
Activity ini berisi form inputan yang harus diisikan oleh admin berupa inputan
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
Activity ini berisi form inputan yang harus diisikan oleh admin berupa inputan
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 :
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 4.13 sequence diagram produksi
97
Gambar 4.13 Sequence diagram produksi
d. Sequence diagram penjualan
Ada 3 proses yang dapat dilakukan dalam menu penjualan yaitu :
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 4.14 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
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
11 September 2015 64
12 September 2015 72
13 September 2015 64
14 September 2015 102
15 September 2015 64
16 September 2015 54
17 September 2015 88
18 September 2015 104
19 September 2015 18
114
Tabel 5.1 Data akual penjualan roti daging (Lanjutan)
20 September 2015 85
21 September 2015 42
22 September 2015 84
23 September 2015 54
24 September 2015 54
25 September 2015 109
26 September 2015 86
27 September 2015 85
28 September 2015 54
29 September 2015 82
30 September 2015 51
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
Penjualan Sebenarnya
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
Gambar 5.22 merupakan tampilan pemilihan jenis item yang akan
diprediksi dengan memilih jenis roti dan tanggal peramalan hari berikutnya. Hasil
peramalan dapat dilihat pada Gambar 5.23:
Gambar 5.22 Form peramalan roti manis bungkus
Gambar 5.23 Hasil Peramalan produksi roti manis bungkus
Berdasarkan hasil peramalan dari metode Single Exponential Smoothing,
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 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 5.5 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 %
Dengan menggunakan persamaan dibawah ini maka hasilnya dapat dilihat pada
Tabel 5.5.
APE = |𝐷𝑎𝑡𝑎 𝑠𝑒𝑏𝑒𝑛𝑎𝑟𝑛𝑦𝑎−𝐷𝑎𝑡𝑎 𝑃𝑟𝑒𝑑𝑖𝑘𝑠𝑖
𝐷𝑎𝑡𝑎 𝑠𝑒𝑏𝑒𝑛𝑎𝑟𝑛𝑦𝑎| 𝑥 100 %
= 91 −94
91 𝑥 100%
= 3,3 %
Dimana APE = Kesalahan persentase absolut
Akurasi = 100 % - Kesalahan
= 100 % - 3,3 %
= 96,7 %
Pada Tabel 5.5 dapat dilihat kesalahan ramalan yang diperoleh pada
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
Penjualan Sebenarnya
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
Perusahaan Roti Dhiba Kendari dengan hasil peramalan produksi pada sistem. Pada
Perusahaan mengalami kelebihan produksi sebanyak 130 buah roti sedangkan pada
sistem mengalami kekurangan produksi sebanyak 6 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 5.25.
125
Gambar 5.25 Grafik perbandingan produksi roti Manis Bungkus
3. Pengujian peramalan roti keju susu
Gambar 5.26 merupakan tampilan pemilihan jenis item yang akan
diprediksi dengan memilih jenis roti dan tanggal peramalan hari berikutnya. Hasil
peramalan dapat dilihat pada Gambar 5.27:
Gambar 5.26 Form peramalan roti keju susu
126
Gambar 5.27 Hasil Peramalan produksi roti keju susu
Berdasarkan hasil peramalan dari metode Single Exponential Smoothing,
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 merupakan tabel keakuratan peramalan dari sistem yang telah
dibangun dan Tabel 5.8 merupakan tabel perbandingan produksi roti pada
Perusahaan Roti Dhiba Kendari dengan produksi roti pada sistem.
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 %
Dengan menggunakan persamaan dibawah ini maka hasilnya dapat dilihat pada
Tabel 5.7
APE = |𝐷𝑎𝑡𝑎 𝑠𝑒𝑏𝑒𝑛𝑎𝑟𝑛𝑦𝑎−𝐷𝑎𝑡𝑎 𝑃𝑟𝑒𝑑𝑖𝑘𝑠𝑖
𝐷𝑎𝑡𝑎 𝑠𝑒𝑏𝑒𝑛𝑎𝑟𝑛𝑦𝑎| 𝑥 100 %
= 53 − 51
53 𝑥 100%
= 3,8 %
Dimana APE = Kesalahan persentase absolut
128
Akurasi = 100 % - Kesalahan
= 100 % - 3,8 %
= 96,2 %
Pada Tabel 5.7 dapat dilihat kesalahan ramalan yang diperoleh pada
peramalan roti manis bungkus sebesar 23,3 % sedangkan akurasi ramalan yang
dihasilkan sebesar 76,7 %.
Tabel 5.8 Perbandingan produksi roti keju susu didhiba dan sistem
Perbandingan Data Produksi dengan Penjualan Sebenarnya
Tanggal
Produksi Dhiba dengan
Penjualan sebenarnya
Produksi Peramalan dengan
Penjualan Sebenarnya
Produksi Penjulan Selisih Produksi Penjualan Selisih
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
Perusahaan Roti Dhiba Kendari dengan hasil peramalan produksi pada sistem. Pada
Perusahaan mengalami kelebihan produksi sebanyak 537 buah roti sedangkan pada
129
sistem mengalami kelebihan produksi sebanyak 42 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 5.29.
Gambar 5.29 Grafik perbandingan produksi roti Keju Susu
b. Pengujian Peramalan Roti Cum-Cum
Gambar 5.30 merupakan tampilan pemilihan jenis item yang akan
diprediksi dengan memilih jenis roti dan tanggal peramalan hari berikutnya. Hasil
peramalan dapat dilihat pada Gambar 5.31:
Gambar 5.30 Form peramalan roti cum-cum
130
Gambar 5.31 Hasil Peramalan produksi roti cum-cum
Berdasarkan hasil peramalan dari metode Single Exponential Smoothing,
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 merupakan tabel keakuratan peramalan dari sistem yang telah
dibangun dan Tabel 5.10 merupakan tabel perbandingan produksi roti pada
Perusahaan Roti Dhiba Kendari dengan produksi roti pada sistem.
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 %
Dengan menggunakan persamaan dibawah ini maka hasilnya dapat dilihat pada
tabel 5.9
APE = |𝐷𝑎𝑡𝑎 𝑠𝑒𝑏𝑒𝑛𝑎𝑟𝑛𝑦𝑎−𝐷𝑎𝑡𝑎 𝑃𝑟𝑒𝑑𝑖𝑘𝑠𝑖
𝐷𝑎𝑡𝑎 𝑠𝑒𝑏𝑒𝑛𝑎𝑟𝑛𝑦𝑎| 𝑥 100 %
= 15 − 15
15 𝑥 100%
= 0 %
Dimana APE = Kesalahan persentase absolut
132
Akurasi = 100 % - Kesalahan
= 100 % - 0 %
= 100 %
Pada tabel 5.9 dapat dilihat kesalahan ramalan yang diperoleh pada
peramalan roti manis bungkus sebesar 10,9 % sedangkan akurasi ramalan yang
dihasilkan sebesar 89,1 %.
Tabel 5.10 Perbandingan produksi roti cum-cum didhiba dan sistem
Perbandingan Data Produksi dengan Penjualan Sebenarnya
Tanggal
Produksi Dhiba dengan
Penjualan sebenarnya
Produksi Peramalan dengan
Penjualan Sebenarnya
Produksi Penjulan Selisih Produksi Penjualan Selisih
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 Roti Dhiba Kendari dengan hasil peramalan produksi pada sistem. 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