BAB III
A
ANALISIS DAN PERANCANGAN SISTEM
AY
3.1 Analisis Sistem
PT. Tera Data Indonusa merupakan bagian yang sangat penting dalam pendistribusian laptop AXIOO. Dari beraneka ragam produk-produk yang ada, tidak
AB
keseluruhan produk mempunyai tingkat penjualan yang tinggi. Selain itu, adanya persaingan antara perusahaan yang menjual laptop, sehingga menyebabkan penjualan
R
pada PT. Tera Data Indonusa sering kali tidak dapat dipastikan dengan baik. Aspek lain yang menyebabkan penjualan tidak pasti adalah tingkat persediaan barang di
SU
gudang.
3.1.1 Identifikasi Masalah
M
Dengan sistem yang ada saat ini perusahaan masih belum bisa memastikan tingkat permintaan barang dari customer disebabkan tingkat penjualan yang belum
O
pasti. Hal ini disebabkan tingkat persediaan yang belum bisa dipastikan. Persediaan
IK
yang tidak pasti ini dapat menyebabkan kerugian, sebagai contoh: jika customer meminta barang Axioo Neon CLW.3.522, tetapi barang tersebut tidak ada. Maka hal
ST
ini menyebabkan PT. Tera Data Indonusa akan mengalami kerugian, serta dapat mengurangi kepercayaan customer kepada perusahaan tersebut. Akan tetapi jika produk tersebut terlalu banyak stok, maka akan mengurangi jumlah stok produk lainnya. Karena gudang pada PT. Tera Data Indonusa terbatas.
28
29
Permasalahan yang terdapat pada PT. Tera Data Indonusa adalah bagaimana cara menentukan jumlah barang yang harus disediakan perusahaan setiap kali
A
melakukan re-stocking agar tidak terjadi kekurangan atau kelebihan stok. Peramalan yang dilakukan oleh perusahaan selama ini hanya berdasarkan perhitungan manual
AY
dengan menggunakan data penjualan seadanya. Hal ini menyebabkan perusahaan seringkali mengalami kekurangan atau kelebihan stok, sehingga penjualan menjadi
AB
tidak optimal. Atau jika terjadi keadaan dimana jumlah angka persediaan barang di gudang jauh lebih besar dibandingkan dengan angka penjualan, maka akan menyebabkan terjadinya penumpukan barang di gudang. Selain itu proses pencatatan
R
hasil penjualan masih dilakukan secara manual.
SU
Untuk menyelesaikan masalah tersebut perlu adanya sebuah aplikasi yang dapat meramalkan jumlah angka penjualan di periode mendatang, yang diharapkan dapat digunakan sebagai salah satu aspek pertimbangan untuk menentukan jumlah
M
angka persediaan barang agar menjadi lebih efektif. Adanya sistem peramalan penjualan laptop dengan menggunakan metode peramalan yang tepat, membuat
IK
O
perusahaan mampu mengoptimalkan penjualan laptop setiap bulannya.
3.1.2 Analisis Kebutuhan Sistem
ST
Dari uraian permasalahan di atas, maka dapat disimpulkan bahwa pada PT.
Tera Data Indonusa membutuhkan sebuah sistem informasi yang dapat membantu memprediksi jumlah jumlah barang yang harus disediakan pada periode berikutnya. Usaha untuk menentukan jumlah barang yang harus disediakan adalah sebuah kegiatan peramalan. Sesuai dengan definisi peramalan, usaha untuk menentukan
30
kejadian di masa depan berdasarkan data yang ada di masa lalu. Data penjualan yang ada dapat digunakan untuk meramalkan jumlah barang yang harus disediakan.
A
Salah satu metode peramalan yang sering digunakan dalam praktek adalah Arima Box-Jenkins. Metode tersebut sangat cocok digunakan untuk meramalkan
AY
jumlah penjualan barang karena digunakan untuk peramalan jangka pendek. Metode
ini juga membutuhkan data penjualan yang relatif stabil dalam peramalan. Metode ini
AB
sangat cocok karena di PT. Tera Data Indonusa memiliki data unit produk yang berjumlah puluhan item serta data penjualan yang relatif stabil sehingga sangat dimungkinkan untuk digunakan sebagai peramalan.
R
Dalam melakukan peramalan pada bahasan ini ada beberapa langkah yang
SU
harus dilakukan, yaitu melakukan penyeleksian data yang akan diramal dengan metode klasifikasi ABC, identifikasi data, estimasi model, uji kelayakan model, melakukan peramalan, dan menghitung tingkat persediaan barang dengan metode
ST
IK
O
M
Periodic Review System (PRS).
ST
IK
O
M
SU
R
AB
AY
A
31
Gambar 3.1 Flowchart ARIMA Box-Jenkins
32
1. Klasifikasi ABC Metode ini digunakan untuk membagi prduk-produk menjadi tiga kelompok
A
besar yaitu kelompok A, B, C. Kelompok A adalah kelompok yang memiliki peranan yang besar dalam penjualan pada PT. Tera Data Indonusa kemudian dilanjutkan
AY
dengan kelompok B dan C. Kelompok Klasifikasi A adalah kelompok yang akan
diramalkan dengan menggunakan metode ARIMA Box-Jenkins. Jumlah produk yang
AB
dijual oleh PT. Tera Data Indonusa adalah sebanyak 42 produk. Dari 42 produk ini, dapat dibagi menjadi 3 bagian, yaitu 8 produk untuk kelas A (20%), 13 produk untk
R
kelas B (30%), dan 21 produk untuk kelas C (50%).
SU
2. Identifikasi Data
Dalam proses ini identifikasi meliputi pengujian stasioner data. Apabila data belum stasioner maka dapat dilakukan transformasi dan differencing. Untuk data
M
yang telah mengalami proses stasioner, perhitungan berikutnya menggunakan data hasil konversi. Langkah berikutnya penentuan model, jika data yang akan diproses
O
tidak mengandung musiman maka dapat digunakan model ARIMA (p,d,q), AR(p),
ST
IK
MA(q). langkah-langkah identifikasi dapat dilihat pada contoh berikut ini : Tabel 3.1 Penjualan Laptop Jenis 21A Periode Penjualan 01/12/2005 612 02/12/2005 630 03/12/2005 578 04/12/2005 611 05/12/2005 642 06/12/2005 599 07/12/2005 582
Periode Penjualan 28/12/2005 996 29/12/2005 998 30/12/2005 1189 31/12/2005 1170 01/01/2006 1163 02/01/2006 1182 03/01/2006 996
AB
AY
Periode Penjualan 04/01/2006 1148 05/01/2006 1152 06/01/2006 1147 07/01/2006 1131 08/01/2006 1121 09/01/2006 998 10/01/2006 973 11/01/2006 894 12/01/2006 1102 13/01/2006 1000 14/01/2006 996 15/01/2006 962 16/01/2006 1250 17/01/2006 998 18/01/2006 999 19/01/2006 1020 20/01/2006 1010 21/01/2006 1000 22/01/2006 962
SU
R
Periode Penjualan 08/12/2005 578 09/12/2005 590 10/12/2005 605 11/12/2005 602 12/12/2005 859 13/12/2005 875 14/12/2005 889 15/12/2005 855 16/12/2005 1040 17/12/2005 1642 18/12/2005 2520 19/12/2005 1280 20/12/2005 1240 21/12/2005 1306 22/12/2005 1560 23/12/2005 1256 24/12/2005 1230 25/12/2005 1336 26/12/2005 1280 27/12/2005 1004
A
33
M
Uji stasioner varian dengan korelasi Spearman : Model Regresi yang digunakan :
=
+
IK
O
∆
ST
Zt
0 18 -52 33 31 -43 -17 -4 12
Zt 612 630 578 611 642 599 582 578 590
Tabel 3.2 Kestasioneran Data ∆ 135.33 129.75 145.87 135.64 126.03 139.36 144.63 145.87 142.15
E 0 -117.33 -181.75 -112.87 -104.64 -169.03 -156.36 -148.63 -133.87
abs E 0 117.33 181.75 112.87 104.64 169.03 156.36 148.63 133.87
rank E 0 24 8 25 26 10 13 14 19
rank Zt 44 43 51.5 45 42 48 50 51.5 49
d -20 -35 -26.5 -19 -32 -35 -36 -32.5 -29
d2 400 1225 702.25 361 1024 1225 1296 1056.25 841
34
IK ST
d -29 -24 -6 -3 -8 -19 -19 -1 1 33.5 11 -1 12 29 0 35 -0.5 20 18 -21 31 27 16 3 -15 21 26 32 29 8 5 -8 -25 8 19.5 0 -31 -2 19
d2 841 576 36 9 64 361 361 1 1 1122.25 121 1 144 841 0 1225 0.25 400 324 441 961 729 256 9 225 441 676 1024 841 64 25 64 625 64 380.25 0 961 4 361
A
rank Zt 46 47 40 39 38 41 22 2 1 6.5 10 5 3 8 11 4 6.5 25 33 30 12 14 15 13 33 17 16 18 19 20 30 35 37 21 26.5 33 36 9 30
AY
rank E 20 17 23 34 36 30 22 3 1 2 40 21 4 15 37 11 39 6 45 51 9 43 41 31 16 18 38 42 50 48 28 35 27 12 29 46 33 5 7
AB
abs E 127.15 140.5 118.57 42.76 39.8 83.46 125 599.35 1061.97 783.85 31.75 125.35 333.81 145.45 38.31 162.25 33.11 204.25 21.81 14.29 175.33 24.54 30.65 54.48 144.63 135.71 34.83 27.07 14.52 15.56 100.54 40.67 102.42 160.09 85.43 19.05 50.29 261.17 189.55
R
E -127.15 -140.5 118.57 -42.76 -39.8 -83.46 125 599.35 1061.97 -783.85 31.75 125.35 333.81 -145.45 38.31 162.25 33.11 -204.25 -21.81 -14.29 175.33 24.54 30.65 54.48 -144.63 135.71 34.83 27.07 14.52 15.56 -100.54 -40.67 -102.42 160.09 -85.43 -19.05 -50.29 261.17 -189.55
SU
∆ 137.5 138.43 58.76 53.8 49.46 60 2.65 -183.97 -456.15 -71.75 -59.35 -79.81 -158.55 -64.31 -56.25 -89.11 -71.75 13.81 16.29 15.67 -43.54 -37.65 -35.48 -41.37 16.29 -30.83 -32.07 -30.52 -25.56 -22.46 15.67 23.42 47.91 -16.57 15.05 16.29 26.83 -62.45 15.67
M
Zt 605 602 859 875 889 855 1040 1642 2520 1280 1240 1306 1560 1256 1230 1336 1280 1004 996 998 1189 1170 1163 1182 996 1148 1152 1147 1131 1121 998 973 894 1102 1000 996 962 1250 998
O
Zt 15 -3 257 16 14 -34 185 602 878 -1240 -40 66 254 -304 -26 106 -56 -276 -8 2 191 -19 -7 19 -186 152 4 -5 -16 -10 -123 -25 -79 208 -102 -4 -34 288 -252
35
1 21 -10 -10 -38
E -14.67 5.64 -18.85 -21.95 -53.05
abs E 14.67 5.64 18.85 21.95 53.05
rank E 49 52 47 44 32
rank Zt 28 23 24 26.5
d 24 24 20 5.5
d2 576 576 400 30.25
A
∆ 15.36 8.85 11.95 15.05 26.83
Zt 999 1020 1010 1000 962
AY
Zt
Nilai parameter b0 dan b1 dapat dihitung dengan cara dibawah ini :
=
( − 1) ∑ ( − 1) ∑
(
∆
−∑ ) −∑
R SU
∑
− ∑ ( − 1)
∆
18 + ⋯ + (−38) − (−0.31)(612 + ⋯ + 1000) 52
M
=
∑ (
O
= 325.05
=1−6
− 1)
24292.5 53(2809 − 1)
IK
=1−6
ST
= 0.02062
=
=
)
∆
52(612 ∗ 18) + ⋯ + 1000 ∗ (−38) − (612 + ⋯ + 1000)(18 + ⋯ (−38)) 52(612 + ⋯ + 1000 ) − (612 + ⋯ + 1000)
= −0.31 =
(
∑
AB
=
√ −2 1−
0.02062 ∗ √53 − 2 √1 − 0.02062
= 0.1473
36
Uji Stasioner dengan Dickey Fuller :
∆
=
+
=
( − 1) ∑ ( − 1) ∑
(
∆
−∑ ) −∑
(
∑
52(612 ∗ 18) + ⋯ + 1000 ∗ (−38) − (612 + ⋯ + 1000)(18 + ⋯ (−38)) 52(612 + ⋯ + 1000 ) − (612 + ⋯ + 1000)
− ∑ ( − 1)
∆
SU
=
∑
R
= −0.31 =
)
∆
AB
=
AY
Nilai parameter b0 dan b1 dapat dihitung dengan cara dibawah ini :
A
Model Regresi yang digunakan :
18 + ⋯ + (−38) − (−0.31)(612 + ⋯ + 1000) 52
M
= 325.05
Nilai kesalahan baku estimasi dapat dihitung sebagai berikut :
∆
−
O
∑
IK
=
=
∑ ∆ − ( − 1) −
∑
/
(324 + ⋯ + 1444) − 325,05 18 + ⋯ + (−38) − (−0,31)(18 ∗ (−52) + ⋯ + (−10) ∗ (−38)) (53 − 1) − 2
ST
= 247,2289
Nilai t dapat dihitung dengan cara dibawah ini : ℎ
∆
=
/(∑
(
−
) )
/
/
37
ℎ
=
ℎ
−0,31 247,2289/((612 − 1025,623) + ⋯ + (962 − 1025,623) )
= −2,98
/
A
Nilai kritis untuk Dickey Fuller test pada α= 10% dengan sampel = 53 adalah -2,58.
mutlak T hitung sebesar -2,98 > nilai kritis sebesar -2,58. ACF dan PACF :
612 + 630 + ⋯ + 1000 + 962 53
̅ = 1025,62 =
∑
(
∑
R
̅=
∑
SU
̅=
− )( (
− )
− )
M
Nilai ACF lag ke-1 :
(612 − 1025,62)(630 − 1025,62) + ⋯ + (1000 − 1025,62)(962 − 1025,62) (612 − 1025,62) + (630 − 1025,62) + ⋯ + (962 − 1025,62)
O
=
AB
Perhitungan nilai ACF :
AY
Data penjualan jenis laptop x merupakan data stasioner dalam mean, karena nilai
IK
= 0,6883
Nilai ACF lag ke-24 :
ST
=
(612 − 1025,62)(1336 − 1025,62) + ⋯ + (998 − 1025,62)(962 − 1025,62) (612 − 1025,62) + (630 − 1025,62) + ⋯ + (962 − 1025,62)
= −0.1391
Nilai ACF lag ke-25 : =
(612 − 1025,62)(1336 − 1025,62) + ⋯ + (996 − 1025,62)(962 − 1025,62) (612 − 1025,62) + (630 − 1025,62) + ⋯ + (962 − 1025,62)
38
= −0.0631
1/53(1)
= 0,1374 =
1/
1+ 2
+ ⋯+ 2
1/53(1 + 2(0,6883) + ⋯ + 2(−0.1391) )
=
= 1,3095
Perhitungan nilai PACF : ∑
1−∑
−
O
=
=
M
, ,
Nilai PACF lag ke-1 :
,
,
IK
=
ST
= 0,6883
Nilai PACF lag ke-2 : =
=
AY
+ ⋯+ 2
AB
1+ 2
R
=
1/
SU
=
A
Batas garis signifikasi untuk ACF :
− 1−
0,475 − (0,6885 ∗ 0,6885) 1 − (0,6885 ∗ 0,6885)
39
= 0,0195 =
−
= 0,6885 − (0,018 ∗ 0,6885) Nilai PACF lag ke-3 :
=
− (( 1 − ((
)+( )+(
)) ))
0,3974 − (0,6761 ∗ 0,34) + (0,018 ∗ 0,6885) 1 − (0,6761 ∗ 0,6885) + (0,018 ∗ 0,475)
R
= 0,1441
AB
=
=
√
2
√53
ST
IK
O
M
= 0,2747
SU
Batas garis signifikasi untuk PACF : =
AY
A
= 0,6761
40
AB
AY
A
Grafik untuk 21A :
ST
IK
O
M
SU
R
Gambar 3.2 ACF 21A
Gambar 3.3 PACF 21A
Dilihat dari collergram diatas, nilai ACF berpola monotonic decreasing dan PACF memecil (cut off) setelah lag ke-1. Maka data dapat diramalkan menggunakan AR(1).
41
Identifikasi Model : Model untuk AR(1) : ARIMA (1,0,0)
A
+
AY
=∅ 3. Estimasi
Dari tabel 3.3, model sementara yang telah ditetapkan adalah ARIMA (1,0,0),
AB
oleh sebab itu untuk data yang dibedakan (differenced data) kita perlu menaksir nilai 1. Autokorelasi empiris pertama untuk data yang dibedakan adalah r1=0,6883, maka
R
dengan persamaan dibawah ini dapat diperoleh nilai taksiran pendahuluan untuk 1
SU
sebagai berikut : =∅ , ∅ =
.
∅ = 0,6883.
∑
O
=
M
Nilai tengah kesalahan kuadrat (Mean Squared Error) =
(3.2)
((612 − 0) + (630 − 422) … (962 − 690) ) 53
ST
IK
=
= 163649,71
42
4. Evaluasi Proses evaluasi dilakukan untuk menguji kelayakan model. Kelayakan model
A
dapat diujikan pada data yang digunakan untuk estimasi parameter atau data riil yang tidak digunakan untuk estimasi. Kelayakan model dapat menggunakan uji Ljung Box.
AY
= ( + 2) ∑
= 53(53 + 2) ∗ ((0,6883) /(53 − 1)) + ⋯ + ((−0,0631) /(53 − 25)))
AB
= 2915 ∗ 0,0235 = 68,655
R
5. Peramalan
SU
Proses peramalan menggunakan model yang telah diuji kelayakannya dengan uji Ljung Box. Maka hasil peramalan untuk period ke-53 adalah : = ∅
+
M
= 0,69 ∗ 1000 +
O
= 690
6. Periodic Review System
IK
Dengan melihat hasil dari peramalan tersebut diatas, maka dapat diperoleh
ST
jumlah barang yang seharusnya dipesan (Q) sebagai berikut: Demand (D) = 690 buah Review period time (R) = 1 bulan Lead Time (LT) = 1 hari Safety Stock (SS) = 2 buah
43
quantity on hand + quantity on order (I) = 12 buah Q = D ( R + LT ) + SS – I
A
Q = 1370 buah.
AY
3.2 Perancangan Sistem
Tugas akhir ini nantinya akan menghasilkan Aplikasi Sistem Peramalan
AB
Penjualan dengan Metode Arima Box-Jenkins berbasis Desktop. Gambaran mengenai
ST
IK
O
M
SU
R
sistem yang akan dibangun dapat dilihat pada gambar 3.4.
Gambar 3.4 Gambaran Umum Sistem Peramalan Penjualan Laptop
Gambar 3.4 adalah gambaran umum sistem peramalan penjualan laptop pada
PT. Tera Data Indonusa yang menggambarkan alur proses, dokumen, dan device
44
yang terjadi dalam sistem tersebut. Pada sistem informasi tersebut diperlukan 2 buah PC , dan 1 buah printer untuk menjalankan proses dan menghasilkan dokumen yang
A
diperlukan. Dalam menangani masalah peramalan penjualan, sistem menggunakan
AY
metode peramalan Arima Box-Jenkins. Secara garis besar, proses yang akan dilakukan oleh sistem untuk menangani masalah tersebut dapat dilihat pada blok
SU
R
AB
diagram seperti gambar 3.5.
Gambar 3.5 Blok Diagram Sistem Peramalan Penjualan Laptop
M
Sistem informasi peramalan penjualan dengan metode Arima Box-jenkins, membutuhkan inputan data barang yang akan diramal, data penjualan laptop, periode
O
penjualan, dan periode peramalan penjualan. Karena untuk melakukan perhitungan
IK
peramalan, data yang ada pada periode sebelumnya digunakan sebagai input untuk proses perhitungan. Kemudian dengan input tersebut oleh sistem akan dilakukan
ST
proses perhitungan peramalan dengan menggunakan Arima Box-jenkins. Proses analisis dengan metode Arima Box-Jenkins dilakukan dengan cara
menentukan model peramalan apa yang cocok untuk dimasukkan nilai koefisiennya sehingga diperoleh hasil peramalan. Hasil dari perhitungan peramalan ini adalah berupa laporan jumlah penjualan jenis produk tertentuk pada periode mendatang.
45
Yang digunakan sebagian acuan dalam pengambilan keputusan menentukan jumlah produksi untuk periode mendatang dengan menggunakan metode Periodic Review
A
System (PRS). Setelah melakukan analisis permasalahan yang terjadi pada PT. Tera Data
AY
Indonusa maka selanjutnya dilakukan desain sistem. Dalam desain sistem ini akan dilakukan langkah-langkah dalam menyekesaikan masalah yang ada, yaitu:
AB
1. System Flow 2. Context Diagram
4. Data Flow Diagram (DFD)
R
3. Diagram Jenjang Proses
6. Struktur Tabel
SU
5. Entiry Relationship Diagram (ERD)
7. Desain Input Output
M
3.2.1 System Flow
O
System Flow adalah gambaran tentang sistem yang akan dibangun. System flow yang dibangun ini berawal dari manajemen yang ingin melihat hasil peramalan
IK
bahan baku yang dibeli pertama manajemen akan memasukkan data login yang akan
ST
dicocokkan dengan tabel user yang berasal dari sistem pembelian dan penjualan yang sudah ada. Jika benar maka sistem akan menampilkan menu peramalan. Setelah memasukkan data penjualan maka sistem akan melakukan proses klasifikasi ABC dan menampilkannya.
ST
IK
O
M
SU
R
AB
AY
A
46
Gambar 3.6 System Flow Peramalan Penjualan
47
System Flow Peramalan Penjualan Sistem Informasi Peramalan
Sistem Penjualan
A
Manajemen
2
AY
Menampilkan Model Peramalan
Periode Peramalan
Peramalan
AB
Model Peramalan
Periode Peramalan
R
Data Ramal
SU
Menampilkan Hasil Peramalan
Hasil Peramalan
Laporan hasil peramalan
M
Cetak Laporan Hasil Peramalan
Menampilkan Kode Barang yang Diramal, Safety Stock, dan Sisa Stok Barang
Data Barang
Kode Barang yang Diramal, Safety Stock, dan Sisa Stok Barang
IK
O
Lead Time
Lead Time
Perhitungan PRS
PRS
ST
Laporan Perencanaan Persediaan Barang Menampilkan Hasil Perhitungan PRS
Hasil Perhitungan PRS
Cetak Laporan Perencanaan Persediaan Barang Selesai
1
Gambar 3.6 System Flow Peramalan Penjualan (lanjutan)
48
Setelah user memilih data barang yang akan diramal maka secara berturutturut sistem akan melakukan proses cek stasioner, proses ACF, proses PACF, dan
A
pemodelan peramalan. Kemudian user menginputkan periode peramalan untuk melakukan proses peramalan. Setelah mendapatkan hasil peramalan sistem
AY
melakukan proses perhitungan PRS setelah data PRS diinputkan oleh user. Dari perhitungan PRS didapatkanlah Laporan Perencanaan Persediaan Barang untuk
AB
ditindaklanjuti oleh pihak manajemen. Untuk lebih jelasnya, System Flow peramalan bahan baku ini dapat dilihat pada gambar 3.6.
R
3.2.2 Context Diagram
SU
Context Diagram adalah gambarang menyeluruh dari DFD. Context Diagram terdapat 2 (dua) External Entity, yaitu Manajemen dan Sistem Pembelian dan Penjualan. Untuk lebih jelasnya dapat melihat gambar 3.7. 0
M
Data barang yang akan diramal Data Penjualan
Data Login Lead Time
O
Manajemen
Periode Data Penjualan
Sistem Peramalan Penjualan
Data User
Periode Peramalan Data Barang
Laporan Hasil Peramalan
ST
IK
Laporan Perencanaan Persediaan Barang
+
Gambar 3.7 Context Diagram Peramalan Penjualan
Sistem Penjualan
49
R
AB
AY
A
3.2.3 Diagram Jenjang Proses
SU
Gambar 3.8 Diagram Jenjang Proses Sistem Peramalan Penjualan Laptop
Diagram jenjang proses berguna sebagai alat desain dan teknik dokumentasi
M
dalam siklus pengembangan sistem yang berbasis pada fungsi. Tujuannya agar diagram jenjang proses tersebut dapat memberikan informasi tentang fungsi-fungsi
O
yang ada di dalam sistem tersebut. Berikut ini adalah diagram jenjang proses dari
IK
sistem peramalan penjualan laptop, seperti tampak pada gambar 3.8.
ST
3.2.4 Data Flow Diagram (DFD) DFD merupakan perangkat yang digunakan pada metodologi pengembangan
sistem yang terstruktur. DFD dapat menggambarkan seluruh kegiatan yang terdapat pada sistem secara jelas. Selain itu DFD juga mampu menggambarkan komponen dan aliran data antar komponen yang terdapat pada sistem yang akan dikembangkan.
50
Gambar 3.9 menggambarkan sistem peramalan laptop penjualan yang dilakukan oleh bagian manajemen. Dalam sistem ini dibagi menjadi 4 (empat) sub
A
sistem yaitu verifikasi user, mengelola data, meramalkan bahan baku, dan membuat laporan. Serta terdapat 10 (sepuluh) data store yaitu pegawai, penjualan, data
AY
penjualan yang sudah stasioner, barang, model peramalan, tabel T, ACF, PACF, data
O
M
SU
R
AB
ramal, dan PRS.
IK
Gambar 3.9 DFD Level 0 Sistem Peramalan Penjualan Laptop
Sub sistem dalam Data Flow Diagram ini adalah sub sistem meramalkan
ST
penjualan. Dalam sub sistem ini pertama-tama manajemen menginputkan periode data penjualan untuk melakukan proses klasifikasi ABC setelah login dan diverifikasi oleh sistem. Proses ini menghasilkan data penjualan sesuai klasifikasi ABC dan periode data penjualan. Data penjualan yang sesuai klasifikasi ABC dan periode
51
penjualan tersebut digunakan untuk melakukan proses cek stasioner. Apabila data belum stasioner akan dilakukan proses differencing (penstasioneran data) sehingga
A
data-datanya stasioner. Data yang sudah stasioner tersebut digunakan untuk melakukan proses ACF dan PACF sehingga menghasilkan model peramalan. Data
AY
model peramalan ini digunakan untuk melakukan proses peramalan yang tersimpan dalam data store data ramal sebagai bahan untuk membuat laporan hasil peramalan
AB
untuk diserahkan ke bagian manajemen. Kemudian dilakukan proses perhitungan PRS dengan inputan lead time, stok barang, dan safety stock. Sebagai hasil dari perhitungan ini adalah laporan perencanaan persediaan barang yang diserahkan ke
ST
IK
O
M
SU
R
bagian manajemen.
Gambar 3.10 DFD Level 1 Subsistem Meramalkan Penjualan Barang
52
3.2.5 Entity Relationship Diagram (ERD) ERD digunakan untuk melihat hubungan antar tabel yang ada pada sistem
A
yang dibangun. ERD yang dibangun merupakan rangkuman dari tabel-tabel yang ada
dalam peramalan. ERD terbagi menjadi 2 bagian, yaitu: a. Conceptual Data Model (CDM)
AY
pada sistem penjualan dan pembelian pada PT. Tera Data Indonusa untuk membantu
AB
CDM dari Sistem Peramalan Penjualan Laptop pada PT. Tera Data Indonusa terdapat 10 (sepuluh) tabel yaitu pergawai, penjualan, data penjualan yang sudah stasioner, barang, model peramalan, tabel T, ACF, PACF, data ramal, dan PRS.
R
CDM dari Sistem Peramalan Penjualan Laptop dapat dilihat pada gambar 3.11.
SU
Barang Id Barang Nama Barang Jenis Jumlah Safety Stock Harg a
Tabel T
V T100 T050 T025 T010 T005
M
mempengaruhi t erjual
Penjualan
O
Id Jual Tgl Penjualan Total Penjualan
mengakses
ST
IK
Peg awai
Id Pegawai Nama Peg awai Jabatan Telepon Alamat Kota Pass word
memiliki
Data Penjualan yang Sudah Stas ioner Id Jual Stas Tgl Penjualan Total Penjualan
memiliki
memiliki
ACF
PRS
PACF
Lag Nilai ACF
Nilai PRS
Lag Nilai PACF
menghasilkan
menghasilkan
menghasilkan
Data Ramal
Model Peramalan No Model
menghasilkan
Gambar 3.11 CDM Sistem Peramalan Penjualan Laptop
Bulan Data Ramal
53
b. Physical Data Model (PDM) Berdasarkan CDM yang ada dapat dibuat PDM. PDM dari Sistem Peramalan
A
Penjualan Laptop pada PT. Tera Data Indonusa terdapat 10 (sepuluh) tabel. PDM
BARANG ID_BARANG varchar(10) NAMA_BARANG varchar(50) JENIS varchar(50) JUMLAH int SAFETY_STOCK int HARGA int
ID_BARANG = ID_BARANG
PENJUALAN ID_JUAL varchar(10) ID_PEGAWAI varchar(10) ID_BARANG varchar(10) ID_JUAL_STAS varchar(10) TGL_PENJUALAN datetime TOTAL_PENJUALAN int
ID_JUAL_STAS ID_JUAL = ID_JUAL_STAS = ID_JUAL
AB
TABEL_T V int T100 float T050 float T025 float T010 float T005 float
AY
tersebut dapat dilihat pada gambar 3.12.
DATA_PENJUALAN_YANG_SUDAH_STAS ID_JUAL_STAS varchar(10) ID_JUAL varchar(10) TGL_PENJUALAN datetime TOTAL_PENJUALAN int
ACF ID_JUAL_STAS varchar(10) LAG numeric(100) NILAI_ACF float
SU
PEGAWAI ID_PEGAWAI varchar(10) NAMA_PEGAWAI varchar(50) JABATAN varchar(50) TELEPON varchar(20) ALAMAT varchar(100) KOTA varchar(20) PASSWORD varchar(50)
R
ID_JUAL_STAS = ID_JUAL_STAS ID_PEGAWAI = ID_PEGAWAI
ID_JUAL_STAS = ID_JUAL_STAS
PACF ID_JUAL_STAS varchar(10) LAG numeric(100) NILAI_PACF float
MODEL_PERAMALAN NO numeric(10) MODEL varchar(50)
PRS NILAI_PRS
float
DATA_RAMAL BULAN datetime DATA_RAMAL float
M
Gambar 3.12 PDM Sistem Peramalan Penjualan Laptop
O
3.2.6 Struktur Database
IK
Dari PDM yang sudah terbentuk, dapat disusun struktur basis data yang
nantinya akan digunakan untuk menyimpan data yang diperlukan yaitu:
ST
1. Nama Tabel
: Pegawai
Primary Key
: Id Pegawai
Foreign Key
:-
Fungsi
: Untuk menyimpan data pegawai.
54
Tabel 3.3 Tabel Master Pegawai
Varchar Varchar Varchar Varchar Varchar Varchar
10 50 50 20
Id Pegawai Nama Pegawai Jabatan Telepon Alamat Kota Password
2. Nama Tabel
PK
√
100 20 50
Varchar
: Penjualan
Keterangan FK Tabel Asal
A
Panjang
AY
Tipe Data
AB
Nama Kolom
: Id Jual
Foreign Key
: Id Pegawai, Id Barang
Fungsi
: Untuk menyimpan data transaksi penjualan
SU
R
Primary Key
Tabel 3.4 Tabel Master Penjualan
Nama Kolom
Panjang
Varchar Varchar Varchar Datetime Integer
10 10 10 -
IK
O
M
Id Jual Id Pegawai Id Barang Tgl Penjualan Total Penjualan
Tipe Data
ST
3. Nama Tabel
: Barang
Primary Key
: Id Barang
Foreign Key
:-
Fungsi
: Untuk menyimpan data barang
PK
√
Keterangan FK Tabel Asal
√ √
Pegawai Barang
55
Tabel 3.5 Tabel Master Barang
Varchar Varchar Varchar Integer Integer Integer
10 50 50 -
Id Barang Nama Barang Jenis Jumlah Safety Stock Harga
4. Nama Tabel
PK
Keterangan FK Tabel Asal
√
A
Panjang
AY
Tipe Data
AB
Nama Kolom
: Tabel T :-
Foreign Key
:-
Fungsi
: Untuk menyimpan nilai T (nilai kritis)
SU
R
Primary Key
Tabel 3.6 Tabel T Panjang
Integer Float Float Float Float Float
-
IK
O
V T100 T050 T025 T010 T005
Tipe Data
M
Nama Kolom
ST
5. NamaTabel
PK
Keterangan FK Tabel Asal
: Data Penjualan yang Sudah Stasioner
Primary Key
:-
Foreign Key
: Id Jual
Fungsi
: Untuk menyimpan data penjualan yang sudah stasioner
56
Tabel 3.7 Data Penjualan yang Sudah Stasioner Panjang
Varchar Varchar Datetime Integer
10 10
Id Jual Stas Id Jual Tgl Penjualan Total Penjualan
6. Nama Tabel
PK
√
-
Keterangan FK Tabel Asal
√
Penjualan
A
Tipe Data
AY
Nama Kolom
: ACF : Id Jual Stas
Fungsi
: Untuk menyimpan nilai ACF dari data yang akan diramal
AB
Foreign Key
Lag Nilai ACF
Panjang
Number Float Varchar
100
-
PK
O
7. Nama Tabel
Keterangan FK Tabel Asal
√ √
10
M
Id Jual Stas
Tipe Data
SU
Nama Kolom
R
Tabel 3.8 Tabel ACF
Data Penjualan yang Sudah Stasioner
: PACF
: Id Jual Stas
Fungsi
: Untuk menyimpan nilai PACF dari data yang akan diramal.
ST
IK
Foreign Key
Nama Kolom
Lag Nilai PACF Id Jual Stas
Tabel 3.9 Tabel PACF Tipe Data
Panjang
Number Float
100
Varchar
10
PK
Keterangan FK Tabel Asal
√ √
Data Penjualan yang Sudah Stasioner
57
: Model Peramalan : No
Foreign Key
:-
Fungsi
: Untuk menyimpan model peramalan yang dihasilkan Tabel 3.10 Model Peramalan Tipe Data
Panjang
Number Varchar
10
No Model
: Data Ramal :-
Foreign Key
:-
Fungsi
SU
Primary Key
√
Keterangan FK Tabel Asal
R
9. Nama Tabel
50
PK
AB
Nama Kolom
AY
Primary Key
A
8. Nama Tabel
: Untuk menyimpan data hasil peramalan
Tabel 3.11 Data Ramal
Tipe Data
Panjang
Date Float
-
M
Nama Kolom
IK
O
Bulan Data Ramal
10. Nama Tabel
ST
Primary Key
PK
Keterangan FK Tabel Asal
: PRS :-
Foreign Key
:-
Fungsi
: Untuk menyimpan hasil perhitungan PRS
58
Tabel 3.12 PRS Tipe Data
Panjang
Float
-
Nilai PRS
Keterangan FK Tabel Asal
PK
A
Nama Kolom
AY
3.2.7 Desain Input Output
A. Desain Form Login
AB
Sebelum memasuki sistem user harus melakukan proses login dengan menginputkan username dan password lalu tekan tombol enter, desain form login
M
SU
R
dapat dilihat pada gambar 3.13.
O
Gambar 3.13 Tampilan Form Login
IK
Nama Obyek
ST
Field (username/Password)
Tabel 3.13 Fungsi Obyek Form Login Tipe Obyek Textbox
Btn_Login
Button
Btn_Cancel
Button
Fungsi Digunakan untuk mengisi data username dan password sesuai dengan data yang ada dalam database. Digunakan sebagai autentikasi dan autorisasi agar dapat masuk dan menggunakan sistem. Membersihkan field atau membatalkan proses login dan keluar dari form login.
59
B. Desain Form Utama Setelah melakukan proses login maka user akan masuk pada form utama.
A
Pada form utama terdapat beberapa menu yang bisa dipilih untuk melakukan proses maintenance master yang terdiri dari master data customer, master data pegawai,
AY
master data barang, data transaksi penjualan, dan menu peramalan. Selain itu terdapat juga menu laporan hasil dari peramalan yang telah dilakukan. Desain form utama
SU
R
AB
seperti tampak pada Gambar 3.14.
.
Gambar 3.14 Tampilan Form Utama
M
Tabel 3.14 Fungsi Obyek Form Utama
IK
O
Nama Obyek Entry Data Customer Entry Data Pegawai Entry Data Barang Entry Data Penjualan Peramalan
Tipe Obyek ToolStripMenuItem ToolStripMenuItem ToolStripMenuItem ToolStripMenuItem ToolStripMenuItem
Fungsi Menampilkan Form Data Customer Menampilkan Form Data Pegawai Menampilkan Form Data Barang Menampilkan Form Data Penjualan Menampilkan Form Peramalan
ST
C. Desain Form Customer Form customer digunakan untuk maintenance data pelanggan. Desain form
customer dapat dilihat pada gambar 3.15.
SU
R
AB
AY
A
60
Gambar 3.15 Tampilan Form Customer
Tabel 3.15 Fungsi Obyek Form Customer Tipe Obyek
M
Nama Obyek Field
Textbox Button
Btn_Batal
Button
IK
O
Btn_Simpan
ST
Btn_Cari
Button
Fungsi Digunakan untuk mengisi data sesuai ketentuan yang dibutuhkan. Menyimpan data customer. Membersihkan field atau membatalkan proses mengisi data master customer. Digunakan untuk melihat dan mencari data customer yang telah tersimpan
D. Desain Form Data Pegawai Form pegawai digunakan untuk maintenance data pegawai. Desain form
pegawai dapat dilihat pada gambar 3.16.
SU
R
AB
AY
A
61
M
Gambar 3.16 Tampilan Form Pegawai
Tabel 3.16 Fungsi Obyek Form Data Pegawai
O
Nama Obyek
Tipe Obyek
Textbox
Btn_Simpan
Button
Btn_Batal
Button
Btn_Cari
Button
Btn_Tambah
Button
Cbb_Akses
Combobox
ST
IK
Field
Fungsi Digunakan untuk mengisi data sesuai ketentuan yang dibutuhkan. Menyimpan data customer. Membersihkan field atau membatalkan proses mengisi data master customer. Digunakan untuk melihat dan mencari data customer yang telah tersimpan Digunakan untuk menambah hak akses pegawai Digunakan untuk memilih kriteria hak akses
62
E. Desain Form Data Barang Form barang digunakan untuk maintenance data barang. Desain form barang
M
SU
R
AB
AY
A
dapat dilihat pada gambar 3.17.
O
Gambar 3.17 Tampilan Form Barang
IK
Tabel 3.17 Fungsi Obyek Form Data Barang
Nama Obyek
ST
Field
Tipe Obyek Textbox
Btn_Simpan
Button
Btn_Batal
Button
Btn_Cari
Button
Fungsi Digunakan untuk mengisi data sesuai ketentuan yang dibutuhkan. Menyimpan data customer. Membersihkan field atau membatalkan proses mengisi data master customer. Digunakan untuk melihat dan mencari data customer yang telah tersimpan
63
F. Desain Form Penjualan Form Penjualan digunakan untuk maintenance data penjualan. Desain form
IK
O
M
SU
R
AB
AY
A
penjualan dapat dilihat pada gambar 3.18.
Nama Obyek
Gambar 3.18 Tampilan Form Penjualan
Tabel 3.18 Fungsi Obyek Form Penjualan Tipe Obyek
Field
Textbox
DTP
Date Time Picker
Btn_Customer
Button
Btn_Barang
Button
Btn_Tambah
Button
ST
.
Fungsi Digunakan untuk mengisi data sesuai ketentuan yang dibutuhkan. Digunakan untuk menampilkan tanggal. Digunakan untuk menampilkan data Customer sebagai pilihan Digunakan untuk menampilkan data Barang sebagai pilihan Digunakan untuk menambah data
64
Btn_Simpan
Button
Btn_Batal
Button
Btn_Cari
Button
Fungsi penjualan ke view list Menyimpan data penjualan. Membersihkan field atau membatalkan proses mengisi data master penjualan. Digunakan untuk melihat dan mencari data penjualan yang telah tersimpan
A
Tipe Obyek
AY
Nama Obyek
G. Desain Form Peramalan
Form Peramalan digunakan untuk melakukan proses peramalan. Form ini
AB
terdiri dari beberapa bagian : Menu Peramalan, Klasifikasi ABC, Cek Stasioner,
O
M
SU
R
Proses ACF, Proses PACF, Peramalan, dan Laporan.
ST
IK
Gambar 3.19 Tampilan Menu Utama pada Form Peramalan
Nama Obyek
Klasifikasi ABC Cek Stasioner Proses ACF Proses PACF
Tabel 3.19 Fungsi Obyek Form Peramalan Tipe Obyek Button Button Button Button
Fungsi Menampilkan panel klasifikasi ABC Menampilkan panel cek stasioner Menampilkan panel proses ACF Menampilkan panel PACF
65
Nama Obyek Peramalan Laporan
Tipe Obyek Button Button
Fungsi Menampilkan panel peramalan Menampilkan panel laporan peramalan
A
Tahap pertama yang dilakukan pada proses peramalan adalah melakukan
AY
proses klasifikasi ABC terhadap produk-produk yang terjual sehingga didapatkan 20% produk yang paling besar total penjualannya. Sebelum melakukan klasifikasi,
AB
perlu ditetapkan terlebih dahulu periode (bulan dan tahun) dari peramalan yang akan
IK
O
M
SU
R
dilakukan. Desain dari form klasifikasi ABC dapat dilihat pada gambar 3.20.
ST
Gambar 3.20 Tampilan Klasifikasi ABC pada Form Peramalan
66
Tabel 3.20 Fungsi Obyek Klasifikasi ABC pada Form Peramalan
Combobox Combobox Combobox Combobox Button Button
Fungsi Mengatur batas periode awal (bulan) Mengatur batas periode awal (tahun) Mengatur batas periode akhir (bulan) Mengatur batas periode akhir (tahun) Menampilkan data hasil klasifikasi Menampilkan panel cek stasioner
A
Cb_Bln_Awal Cb_Thn_Awal Cb_Bln_Akhir Cb_Thn_Akhir Btn_Klasifikasi Btn_Stasioner
Tipe Obyek
AY
Nama Obyek
AB
Setelah didapatkan 20% dari data yang memiliki total penjualan paling tinggi, maka dilakukan proses pengecekan stasionaritas dari data tersebut. Hal ini dilakukan
R
karena data-data digunakan di dalam proses peramalan dengan metode ARIMA BoxJenkins haruslah data-data yang telah stasioner. Desain dari form cek stasioner dapat
ST
IK
O
M
SU
dilihat pada gambar 3.21.
Gambar 3.21 Tampilan Cek Stasioner pada Form Peramalan
67
Tabel 3.21 Fungsi Obyek Cek Stasioner pada Form Peramalan Tipe Obyek Combobox Textbox Textbox
Btn_Proses
Button
Btn_Lanjut
Button
Memilih Id Barang Menampilkan nama barang Menampilkan jenis barang Melakukan proses dan menampilkan hasil perhitungan cek stasioner Menampilkan panel proses ACF
A
Cb_Id Txt_Nama Txt_Jenis
Fungsi
AY
Nama Obyek
AB
Setelah dipastikan data-data yang akan diramal telah stasioner, langkah selanjutnya adalah menghitung nilai ACF. Hal ini dilakukan bertujuan untuk
ST
IK
O
M
SU
dapat dilihat pada gambar 3.22.
R
menentukan model peramalan dari data-data yang ada. Desain dari form proses ACF
Gambar 3.22 Tampilan Proses ACF pada Form Peramalan
68
Tabel 3.22 Fungsi Obyek Proses ACF pada Form Peramalan Nama Obyek
Button
Fungsi Melakukan proses dan menampilkan hasil perhitungan Autocorrellation Function
A
Btn_ACF
Tipe Obyek
AY
Untuk mendapatkan model peramalan, dibutuhkan grafik nilai ACF dan
PACF. Oleh karena itu, setelah mendapatkan nilai ACF maka dilakukan proses
IK
O
M
SU
R
dilihat pada gambar 3.23.
AB
perhitungan untuk mendapatkan nilai PACF. Desain dari form cek stasioner dapat
ST
Gambar 3.23 Tampilan Proses PACF pada Form Peramalan
69
Tabel 3.23 Fungsi Obyek Proses PACF pada Form Peramalan Nama Obyek
Button
Fungsi Melakukan proses dan menampilkan hasil perhitungan Partian Autocorrellation Function
A
Btn_PACF
Tipe Obyek
AY
Setelah mendapatkan grafik nilai ACF dan PACF pada form proses ACF dan PACF, maka model peramalan dapat ditentukan. Model peramalan akan otomatis
AB
teridentifikasi pada form peramalan berdasarkan grafik nilai ACF dan PACF. Sehingga nilai peramalan pada periode berikutnya dapat dihitung berikut grafiknya.
IK
O
M
SU
R
Desain dari form peramalan dapat dilihat pada gambar 3.24.
ST
Gambar 3.24 Tampilan Proses Peramalan pada Form Peramalan
Setelah didapatkan hasil peramalan berdasarkan model peramalan, makan laporan hasil peramalan dapat dibuat. Desain dari form peramalan dapat dilihat pada gambar 3.25.
AB
AY
A
70
SU
3.3 Desain Uji Coba Sistem
R
Gambar 3.25 Tampilan Laporan Hasil Peramalan pada Form Peramalan
Desain uji coba sistem ini digunakan untuk memastikan bahwasannya aplikasi telah dibuat sesuai dengan kebutuhan, hasil atau tujuan yang diharapkan. Kekurangan atau kelemahan aplikasi pada tahap ini akan dievaluasi sebelum
M
diimplementasikan secara nyata.
O
Desain uji coba sistem ini dilakukan dengan menggunakan Black Box Testing dimana aplikasi akan diuji dengan melakukan berbagai uji coba untuk
IK
membuktikan bahwa aplikasi yang telah dibuat telah sesuai dengan tujuan yang akan
ST
dicapai.
1. Desain Uji Coba Form Login Proses login dilakukan dengan cara memasukkan username dan password.
Berdasarkan username dan password ini akan diketahui level login masing-masing
71
pengguna apakah sebagai Administrator atau operator. Data login yang digunakan terlihat pada Tabel 3.37 untuk masing-masing pengguna.
Data-1 PEG0000001 Admin Administrator
Data-2 PEG0000002 1234 Operator
A
Nama Field Username Password [group]
Data Pengguna
AY
Tabel 3.24
Deskripsi username, password, login sebagai yang valid. Deskripsi username dan password non valid. Deskripsi id pengguna tidak terdaftar atau tidak ada di tabel.
Input
Memasukkan data 1 (satu) dan 2 (dua) seperti pada Tabel 3.37.
SU
1
Memasukkan data login username= PEG000001, password=TES. Memasukkan data login username= tes dan password= Operator.
Output Diharapkan
Form Login tertutup dan muncul Form Menu Utama sesuai user level. Muncul pesan "User atau password anda salah!". Muncul pesan " User atau password anda salah!".
O
M
2
3
Tujuan
R
Test Case ID
AB
Tabel 3.25 Rancangan Uji Coba Menu Login
IK
2. Desain Uji Coba Form Master Customer Proses manipulasi data master customer adalah proses penyimpanan untuk
ST
data customer baru, perubahan data untuk data customer yang telah tersimpan sebelumnya, hapus data dan membatalkan proses penyimpanan dan perubahan dari data. Proses ini bertujuan mengetahui dan menentukan keberhasilan dari obyek-obyek yang ada dalam desain form Entry Data Customer.
72
Tabel 3.26 Data Customer Data-2 CUS0000002 Masyatin Rais Jl Keputih Tegal Timur 083830528946 Surabaya
A
Data-1 CUS0000001 Ryan Semampir 72597178 Surabaya
AY
Nama Field ID_Customer Nama Alamat No_Telp Kota
Tabel 3.27 Rancangan Uji Coba Menu Master Customer Tujuan
Input
5
Konfirmasi penyimpanan
Memilih button “Yes”.
Pembatalan penyimpanan
Memilih button “No”. Memilih button “Lihat Data”. Memilih ID_Customer dengan Nama=Masyatin Rais. Dari Alamat=Jl. Keputih Tegal Timur diubah menjadi Jl.Ngagel Jaya kemudian menekan tombol Enter. Memilih button “Yes”.
IK
O
M
SU
R
4
Memasukkan data Tabel 3.43 Tambah data baru kemudian ke tabel Customer. menekan button Simpan.
6
Ubah data dari tabel Customer.
8
Konfirmasi perubahan
ST
7
Output Diharapkan Muncul pesan "Apakah anda yakin ingin menyimpan data ini?". Muncul pesan "Data tersimpan!" dan data tersimpan pada tabel Customer. Tidak terjadi penyimpanan data
AB
Test Case ID
Muncul pesan "Apakah anda ingin merubah data ini?”
Data tersimpan pada tabel
73
Hapus data dari tabel Customer
10
Konfirmasi penghapusan
Memilih Kd_Customer. Dengan Kd_Customer= CUS0000005. Kemudian menekan tombol “delete” di keyboard. Memilih button “Yes”.
Output Diharapkan Customer.
Muncul pesan “Apakah anda benar-benar ingin menghapus data ini?”
AY
9
Input
A
Tujuan
Data terhapus dari tabel Customer.
AB
Test Case ID
3. Desain Uji Coba Form Master Pegawai
R
Proses manipulasi data master pegawai adalah proses penyimpanan untuk
SU
data pegawai baru, perubahan data untuk data pegawai yang telah tersimpan sebelumnya, hapus data dan membatalkan proses penyimpanan dan perubahan dari data.
M
Proses ini bertujuan mengetahui dan menentukan keberhasilan dari obyek-
O
obyek yang ada dalam desain form Entry Data Pegawai.
Tabel 3.28 Data Pegawai Data-1 PEG0000001 Ryan IT Support
Data-2 PEG0000002 Rais Manager
Telepon Alamat Kota Password
72597178 Semampir Selatan 3a 61 Surabaya Admin
715939007 Keputih Surabaya 123
ST
IK
Nama Field Id_Pegawai Nama_Pegawai Jabatan
74
Tabel 3.29 Rancangan Uji Coba Menu Master Pegawai Test Case ID
Tujuan
11
Tambah data baru ke tabel Pegawai.
Memasukkan data Tabel 3.43 kemudian menekan button Simpan.
12
Konfirmasi penyimpanan
Memilih button “Yes”.
13
Pembatalan penyimpanan
Memilih button “No”.
14
Ubah data dari tabel Pegawai.
Memilih button “Lihat Data”. Memilih Id_Pegawai dengan Nama_Pegawai=Aldy Muncul pesan "Apakah Sefan. Dari Alamat=Jl. anda ingin merubah Keputih Tegal Timur diubah data ini?” menjadi Jl. Semampir Selatan kemudian menekan tombol Enter.
15
Konfirmasi perubahan
16
Pembatalan perubahan
ST
18
Konfirmasi penghapusan
Output Diharapkan
AB
AY
A
Muncul pesan "Apakah anda yakin ingin menyimpan data ini?". Muncul pesan "Data tersimpan!" dan data tersimpan pada tabel Pegawai. Tidak terjadi penyimpanan data
R
SU
M
O
Hapus data dari tabel Pegawai
IK
17
Input
Memilih button “Yes”.
Data tersimpan pada tabel Pegawai.
Memilih button “No”.
Data kembali seperti semula.
Memilih Id_Pegawai. Dengan Id_Pegawai= PEG0000003. Kemudian menekan tombol “delete” di keyboard.
Muncul pesan “Apakah anda benar-benar ingin menghapus data ini?”
Memilih button “Yes”.
Data terhapus dari tabel Pegawai.
4. Desain Uji Coba Form Master Barang Proses manipulasi data master barang adalah proses penyimpanan untuk
data barang baru, perubahan data untuk data barang yang telah tersimpan
75
sebelumnya, hapus data dan membatalkan proses penyimpanan dan perubahan dari data.
A
Proses ini bertujuan mengetahui dan menentukan keberhasilan dari obyek-
Tabel 3.30 Data Barang Nama Field
Data-1
Data-2
BAR0000001 Axioo Neon CLW.3.522 Neon 49 3 4800000
BAR0000002 Axioo Neon CLW.5.620 Neon 50 5 5500000
R
AB
Kd Barang Nm Barang Jenis Jumlah Safety Stock Harga
AY
obyek yang ada dalam desain form Entry Data Barang.
SU
Tabel 3.31 Rancangan Uji Coba Menu Barang Tujuan
19
Tambah data baru ke tabel Barang.
O
M
Test Case ID
Konfirmasi penyimpanan
IK
20
Input
Memasukkan data Tabel 3.46 kemudian menekan tombol Simpan.
Muncul pesan "Apakah anda yakin ingin menyimpan data ini?".
Memilih button “Yes”.
Muncul pesan "Data tersimpan!" dan data tersimpan pada tabel Barang.
Muncul pesan "Apakah anda ingin merubah data ini?”
Data tersimpan pada tabel Barang.
21
Ubah data dari tabel Barang.
Memilih Id_Barang.Dengan Nama_Barang=Axioo Neon CLW.3.522. Dari Harga=4800000 di ubah menjadi 5000000 kemudian menekan tombol Enter.
22
Konfirmasi perubahan
Memilih button “Yes”.
ST
Output Diharapkan
76
Test Case ID
Tujuan
Input
Output Diharapkan
Memilih button “No”.
Data kembali seperti semula.
24
Hapus data dari tabel Barang.
Memilih Id_Barang. Dengan Id_Barang= BAR0000001. Kemudian menekan tombol Delete.
Muncul pesan “Apakah anda benar-benar ingin menghapus data ini?”
25
Konfirmasi penghapusan
Memilih button “Yes”.
AY
A
Pembatalan perubahan
Data terhapus dari tabel Barang.
AB
23
5. Desain Uji Coba Form Transaksi Penjualan Barang
Proses transaksi penjualan adalah proses penyimpanan untuk data transaksi
R
penjualan dan membatalkan proses transaksi. Proses ini bertujuan untuk mengetahui
transaksi penjualan.
SU
dan menentukan keberhasilan dari obyek-obyek yang ada dalam desain form pesan
M
Tabel 3.32 Data Transaksi Penjualan Barang
ST
IK
O
Nama Field Id_Jual Id_Customer Tgl_Penjualan Total_Penjualan
Data-1 PJU0000023 CUS0000001 9/19/2010 11800000
Data-2 PJU0000024 CUS0000001 10/19/2010 12100000
Tabel 3.33 Data Detail Transaksi Penjualan Barang
Nama Field Id_Detil_Jual Id_Jual Id_Barang Jumlah Subtotal
Data-1 DJU0000001 PJU0000023 BAR0000006 1 11800000
Data-2 DJU0000001 PJU0000002 BAR0000002 1 12100000
77
Tabel 3.34 Rancangan Uji Coba Menu Transaksi Penjualan Input
Tambah data baru ke tabel Penjualan dan Detil_ Jual
27
Konfirmasi perubahan
28
Pembatalan perubahan
Memasukkan data Tabel 3.52 dan Muncul pesan "Apakah data Tabel 3.53 anda yakin ingin kemudian menekan menyimpan data ini?". tombol Simpan. Data tersimpan pada Memilih button tabel Penjualan dan “Yes”. Detil_Jual . Memilih button Data kembali seperti “No”. semula.
A
26
Output Diharapkan
AY
Tujuan
AB
Test Case ID
R
6. Desain Uji Coba Form Klasifikasi ABC
Proses Klasifikasi ABC adalah proses pengelompokkan data barang yang
SU
akan diramal berdasarkan total penjualannya. Proses ini bertujuan untuk mengetahui dan menentukan keberhasilan dari obyek-obyek yang ada dalam desain Form Klasifikasi ABC.
M
Tabel 3.35 Data Klasifikasi ABC
IK
O
Nama Field Bulan/Tahun Awal Bulan/Tahun Akhir
ST
Test Case ID
29
Data-1 Januari/2010 Januari/2016
Data-2 Januari/2010 Januari/2015
Tabel 3.36 Rancangan Uji Coba Menu Klasifikasi ABC Tujuan
Menghitung Klasifikasi ABC
Input
Output Diharapkan
Memasukkan data Tabel 3.33 Muncul data klasifikasi kemudian menekan pada datagrid dan grafik tombol “Klasifikasi”.
78
7. Desain Uji Coba Form Cek Stasioner Proses Cek Stasioner adalah proses identifikasi data yang akan diramal
A
apakah telah stasioner atau belum. Proses ini bertujuan untuk mengetahui dan menentukan keberhasilan dari obyek-obyek yang ada dalam desain Form Cek
AY
Stasioner.
Tabel 3.37 Data Cek Stasioner Data-1 BAR0000006
Data-2 BAR0000005
AB
Nama Field Id Barang
Tabel 3.38 Rancangan Uji Coba Menu Cek Stasioner Input
Output Diharapkan
Memasukkan data Muncul tabel dan grafik Mengecek kestasioneran Tabel 3.35 kestasioneran data serta data kemudian menekan kesimpulan. tombol “Proses”.
SU
30
Tujuan
R
Test Case ID
M
8. Desain Uji Coba Form Proses ACF
O
Proses ACF adalah proses perhitungan nilai ACF dari data yang akan
diramal. Proses ini bertujuan untuk mengetahui dan menentukan keberhasilan dari
IK
obyek-obyek yang ada dalam desain Form Proses ACF.
ST
Test Case ID 31
Tabel 3.39 Rancangan Uji Coba Menu Proses ACF Tujuan
Menghitung ACF
Input Menekan tombol “Proses ACF”.
Output Diharapkan Muncul nilai ACF beserta grafik.
79
9. Desain Uji Coba Form Proses PACF Proses PACF adalah proses perhitungan nilai PACF dari data yang akan
A
diramal. Proses ini bertujuan untuk mengetahui dan menentukan keberhasilan dari
AY
obyek-obyek yang ada dalam desain Form Proses PACF.
Tabel 3.40 Rancangan Uji Coba Menu PACF
32
Tujuan
Input
Menghitung PACF
Output Diharapkan
AB
Test Case ID
Menekan tombol “Proses PACF”.
R
10. Desain Uji Coba Form Data PRS
Muncul nilai PACF beserta grafik.
SU
Proses PACF adalah proses perhitungan nilai Periodic Review System (PRS) dari data peramalan. Proses ini bertujuan untuk mengetahui dan menentukan
M
keberhasilan dari obyek-obyek yang ada dalam desain Form Data PRS.
Data-1
2
Data-2 3
O
Nama Field Waktu Tunggu
Tabel 3.41 Data PRS
IK
Tabel 3.42 Rancangan Uji Coba Menu PRS
ST
Test Case ID
33
Tujuan
Menghitung PRS
Input
Output Diharapkan
Memasukkan data Tabel 3.39 Muncul hasil kemudian menekan perhitungan PRS. tombol “PROSES”.