Disusun oleh : Catra Aldino 5208 100 069
Kondisi saat ini yang ada di perusahaan adalah, perusahaan masih kesusahan
untuk membadingkan lokasi mana saja yang harusnya dapat perhatian lebih.
Oleh karena itu untuk membangun aplikasi ini, menggunakan joomla dan
database oracle yang dimana nantinya akan diintegrasikan menggukan bahasa pemograman php melalui dreamweaver. Menggunakan database oracle karena
menyesuaikan database yang digunakan oleh perusahaan dengan dibuatkan aplikasi yang memanfaatkan google map .
Tidak hanya itu saja, selain membangun aplikasi berbasis web, dilakukan juga perhitungan proyeksi demand produk flexy dan modem untuk setiap STO.
Bagaimana menyajikan informasi lokasi STO serta Plaza yang mudah dilihat secara geografis. Bagaimana dapat meramalkan daerah yang akan diperioritaskan guna memberikan keuntungan tehadap demand di wilayah tersebut. Bagaimana mempermudah pengisian data secara webpage.
Batasan pemasalahan dalam tugas akhir ini adalah:
Dibangun sebagai component di joomla. Koordinat pada peta menggunakan koordinat data yang diberikan oleh Telkom serta sebagian hanya data sementara . Yang bisa update data hanya seorang admin dari perusahaan tersebut. Aplikasi berbasis web dengan bahasa pemograman php dan menggunakan database Oracle. Data yang ada merupakan data untuk penjualan di tiap STO dan Plaza selama 1 tahun.
Tujuan dari tugas akhir ini adalah: Menunjukan lokasi STO serta Plaza yang dimiliki oleh Telkom dengan cara memunculkan berupa grafik pada gambar map di google map. Melakukan proyeksi demand produk Telkom di masa mendatang untuk meningkatkan penjualan yang rendah untuk wilayah-wilayah tertentu. Dapat membuatkan form pengisian data( ) guna untuk mempermudah memasukan data dalam
database.
START Studi Litelatur
Meramalkan produk Pengambil an Data
Perancang an Desain
Pembuatan Laporan
Simple Smoothing Method YES Measures of Forecasting Error
Pembuatan Aplikasi
NO Testing dan Evaluasi
MAPE <= 20% NO YES Forecast not-valid
Integrasi NO Testing Integrasi
YES
STOP
Forecast Valid
Pada tahap ini, dilakukan pengambilan data secara sistematik
baik secara langsung maupun tidak langsung sesuai dengan permasalahan yang akan kita angkat pada PT Telkom. Dalam melakukan observasi, diharapkan kita telah menentukan materi,
batasan dan teknik observasi yang tepat untuk memperoleh data.
Dalam memperoleh data, dilakukan wawancara terhadap pihak
internal perusahaan dan juga mencari informasi yang berasal dari
situs
resmi
perusahaan
dan
situs-situs
lain
yang
mendukung adanya data yang diperlukan dalam pengerjaan tugas akhir ini.
Pada tahap ini aplikasi yang di gunakan adalah oracle , dreamweaver
, xampp , php. Dimana semua akan terintegrasi dengan baik untuk memudahkan admin melihat perbandingan yang ada di dalam peta yang di buat. Adapun langkah-langkah yang di lakukan adalah
sebagai berikut:
Menentukan batasan-batasan aplikasi.
Menginstall joomla dan mengedit.
Memasukkan project.php di dalam comp_joomla yang ter-install : Melakukan connection dengan menggunakan bahasa php. Menentukan koordinat peta yang ada (longitude- attitude).
Membuat database demand dan sales.
Membuat form login dan form pengisiian data.
Testing aplikasi,
Packaging aplikasi.
APACHE PHP JOOMLA!
Com DATABASE ORACLE
XAMPP
PROYEKSI DEMAND FLEXY DAN MODEM
Pada proses ini dilakukan perhitungan demand forecasting terhadap produk Telkom di tiap plaza yang ada di masing-masing STO di Surabaya. Adapun langkah atau cara yang digunakan untuk melakukan peramalan yaitu dengan melakukan
single exponential smoothing perkiraan ukuran ERROR.
Metode ini digunakan ketika permintaan tidak memiliki tren musiman. Komponen sistematik permintaan = level. Estimasi awal L 0 diasumsikan rata-rata dari semua data historis
L0 = [Sum(i=1 to n)Di]/n
Perkiraan saat ini untuk semua periode mendatang adalah sama dengan perkiraan saat ini dari tingkat dan diberikan sebagai berikut;
Ft+1 = Lt and Ft+n = Lt
Setelah sudah mengamati hasil demand Dt+1, maka langkah berikutnya yaitu melakukan estimate level demand. Lt+1 = aDt+1 + (1-a)Lt Lt+1 = Sum(n=0 to t+1)[a(1-a)nDt+1-n ]
Rumus yang digunakan untuk melakukan peramalan kesalahan ukuran ini adalah:
Keterangan : Et = Forecast error in period t At = Absolute deviation for period t = |Et| MAD = Mean Absolute Deviation = average value of At
Mean absolute percentage error (MAPE)
MAPE n = (Sum
(t=1 to n)
[|E t / D t |100])/n
Mean squared error (MSE)
MSEn = (Sum(t=1 to n)[Et2])/n
Mean absolute deviation (MAD)
Forecast error
MADn = (Sum(t=1 to n)[At])/n
Et = Ft - Dt
s = 1.25MAD
Absolute deviation At = |Et|
Pembuatan database Oracle SQL Developer Modul Input Data Modul Login Modul perbandingan plaza tiap STO Menampilkan Bulan dan Tahun Kolom komentar INTEGRASI APLIKASI
Ada 4 table yang dibuat untuk memenuhi syarat pembuatan aplikasi ini, table terdiri dari ;
Tabel Pass Tabel Koordinat Tabel Penjualan Tabel FORECAST (Penambahan tabel baru)
Tabel login berisi atribut id dan password. Atribut password disini berguna untuk pengecekan validitas password pada form Login.
Tabel koordinat berisi atribut reg, area, sto, plaza, lati, longi. Atribut reg untuk menunjukkan nomer regional tempat STO berada, area untuk menunjukkan nama area tempat STO berada, sto menunjukkan nama STO, plaza menunjukkan nama plaza, lati dan longi untuk menunjukkan koordinat latitude dan longitude untuk tiap STO dan Plaza pada Google Maps API.
Tabel penjualan dibuat untuk memberikan informasi penjualan flexy dan modem di tiap-tiap plaza di STO masing-masing. Atribut STO untuk menunjukkan nama STO, plaza untuk menunjukkan nama plaza, nd untuk menunjukkan jumlah yang dijual, mmyyyy untuk menunjukkan bulan dan tahun yang menunjukkan periode untuk laporan penjualan, flexy serta modem untuk menunjukkan jumlah produk yang dijual.
Tabel ini digunakan untuk mengintegrasikan demand dan forecast yang sudah dihitung melalui Ms. Excell. Adapun attribute yang ada di dalamnya yaitu date, demand felxy, demand modem, forecast flexy dan juga forecast modem.
Untuk mengecek validitas password yang diinputkan oleh user
sebelum masuk ke halaman Input Data
Kemudian membuat koneksi kembali dengan database Oracle.
Pengecekan validitasi password yang dimasukan dilakukan dengan query select password pada tabel login, kemudian dicek
apakah isinya sama atau tidak.
Pada kolom ini, ditambahkan fitur date yang berisi bulan dan tahun. Jadi aplikasi yang ada dapat menampilkan banyaknya penjualan di tiap plaza di
masing-masing STO untuk tiap bulannya.
Tampilan STO
Tampilan Plaza di dalam STO
Alur integrasi di sini di jelaskan langkah-langkah yang dilakukan adalah menggambil data dari excel kemudian membuat database untuk menyimpan data tersebut dan melakukan pemograman sederhana menggunakan php untuk dapat menampilkan di aplikasi google map yang sudah jadi.
Ada 2 metode analisis yang akan dilakukan utnuk meramalkan permintaan produk, yaitu ; ◦ Simple exponential smoothing ◦ Measures of forecasting error
Gabungan data dilakukan untuk mempermudah
melakukan perhitungan untuk setiap analisis yang akan dilakukan. Lihatlah pada tabel gabungan data di bawah ini, adalah gabungan data demand 1 tahun untuk total produk
flexy dan modem di STO A. Demand
Bulan
flexy
modem
1
13
22
2
18
19
3
16
19
4
12
17
5
18
18
6
23
19
7
9
16
8
15
15
9
25
19
10
13
15
11
20
8
12
26
13
Cell C2 C3 D3 E3 F3 G3 H3 I3 J3
Cell Formula =AVERAGE(B2:B14) =0.1*B3+(1-0.1)*C2 =C2 =D3-B3 =ABS(E3) =SUMSQ($E$3:E3)/A3 =SUM($F$3:F3)/A3 =100*(F3/B3) =AVERAGE($I$3:I3)
A
B
C
D
E
F
G
H
I
J
Periode
Demand Flexy (Dt)
Level (Lt)
Forecast (Ft)
Error (Et)
Absolut Error (At)
MSE
MAD
%Error
MAPE
1 2
0
3
1
17
18.725
18.91666667
1.91666667
1.916666667
3.673611111
1.916666667
11.2745098
11.2745098
4
2
18
18.6525
18.725
0.725
0.725
2.099618056
1.320833333
4.027777778
7.651143791
5
3
16
18.38725
18.6525
2.6525
2.6525
3.744997454
1.764722222
16.578125
10.62680419
4
18
18.348525
18.38725
0.38725
0.38725
2.846238731
1.420354167
2.151388889
8.507950368
5
18
18.313673
18.348525
0.348525
0.348525
2.30128492
1.205988333
1.93625
7.193610294
6
23
18.782305
18.3136725
-4.6863275
4.6863275
5.578015006
1.786044861
20.37533696
9.390564738
7
18
18.704075
18.78230525
0.78230525
0.78230525
4.868584506
1.642653488
4.346140278
8.669932672
8
15
18.333667
18.70407473
3.70407473
3.704074725
5.975032639
1.900331143
24.6938315
10.67292003
9
25
19.000301
18.33366725
-6.6663327
6.666332747
10.24891705
2.429886877
26.66533099
12.44985458
10
13
18.40027
19.00030053
6.00030053
6.000300527
12.82438598
2.786928242
46.1561579
15.82048491
11
20
18.560243
18.40027047
-1.5997295
1.599729525
11.89118131
2.679001086
7.998647627
15.10940879
12
26
19.304219
18.56024343
-7.4397566
7.439756573
15.51274769
3.07573071
28.61444836
16.23482876
6 7
18.916667
8 9
10 11 12 13 14
α besar, smoothing yg dilakukan kecil α kecil, smoothing yg dilakukan semakin besar
A
B
Periode
Demand Flexy (Dt)
1
Lt
0.1*B3+(1-0.1)*C2 α=0.1 C
D
Level (Lt)
Forecast (Ft)
E LO
F
G
Error (Et)
Absolut Error (At)
MSE 0
Cell C2 C3 D3 E3 F3 G3 H3 I3 J3
H
Cell Formula =AVERAGE(B2:B14) =0.1*B3+(1-0.1)*C2 =C2 =D3-B3 =ABS(E3) =SUMSQ($E$3:E3)/A3 =SUM($F$3:F3)/A3 =100*(F3/B3) =AVERAGE($I$3:I3)
I
L = [Sum( )Di]/n MAD i=1 to n %Error
J MAPE
2
0
3
1
17
18.725
18.91666667
1.91666667
1.916666667
3.673611111
1.916666667
11.2745098
11.2745098
4
2
18
18.6525
18.725
0.725
0.725
2.099618056
1.320833333
4.027777778
7.651143791
5
3
16
18.38725
18.6525
2.6525
2.6525
3.744997454
1.764722222
16.578125
10.62680419
4
18
18.348525
18.38725
0.38725
0.38725
2.846238731
1.420354167
2.151388889
8.507950368
5
18
18.313673
18.348525
0.348525
0.348525
2.30128492
1.205988333
1.93625
7.193610294
6
23
18.782305
18.3136725
-4.6863275
4.6863275
MAPE 5.578015006
1.786044861
20.37533696
7
18
18.704075
18.78230525
0.78230525
0.78230525
4.868584506
1.642653488
8
15
18.333667
18.70407473
3.70407473
3.704074725
5.975032639
1.900331143
9
25
19.000301 18.33366725 -6.6663327 6.666332747 10.24891705 Mean absolute percentage error (MAPE)
2.429886877
10
13
11
20
18.560243
18.40027047
-1.5997295
1.599729525
11.89118131
2.679001086
7.998647627
15.10940879
12
26
19.304219
18.56024343
-7.4397566
7.439756573
15.51274769
3.07573071
28.61444836
16.23482876
6 7
18.916667
Ft+1 = Lt and Ft+n = Lt
8 9
10 11 12 13
Ft
18.40027 19.00030053 6.00030053 6.000300527 12.82438598 n = (Sum (t=1 to n) [|E t / MAPE D t |100])/n
2.786928242
MAPE <= 9.390564738 20 % 4.346140278 8.669932672 Maka 24.6938315 10.67292003 forecast 26.66533099 12.44985458 dikatakan 46.1561579 15.82048491 valid
14
Aplikasi sudah jadi berbasis web memanfaatkan google map, informasi ini ditampilkan dalam bentuk joomla yang menambahkan komponen peta google map dalam bentuk grafik hexagon dan circle. Aplikasi digunakan dalam monitoring demand yang didapat untuk tiap plaza di masing-masing STO. Dengan adanya aplikasi ini maka bagian Consumer Service Timur pun dapat segera mengevaluasi masalah ini dengan menambah jumlah plaza pada STO yang dimaksud atau dengan cara melakukan promo untuk setiap periode dalam satu tahun.
Untuk proyeksi demand yang dilakukan pada produk flexy dan modem sudah tepat dikarenakan MAPE error pada forecast yang dihitung sudah bernilai <= 20%. Hasil forecast untuk tiap STO pada produk flexy dan modem sudah dihitung dan dapat mengetahui proyeksi demand pada tahun berikutnya dengan asumsi data 2011 yang digunakan untuk menghitung.
Untuk perusahaan jika ingin menghitung proyeksi demand kedapan, perlu adanya penambahan plaza untuk setiap STO yang dimana memiliki rekap penjualan rendah. Hal-hal yang bisa dikembangkan dan ditambahkan dari aplikasi ini adalah perlu adanya penambahan data, seperti data penjualan, promo, dan data lainnya yang dapat menambah fitur pada aplikasi, karena dapat mempengaruhi hasil tampilan pada aplikasi.
Tampilan STO
Tampilan Plaza di dalam STO
