Artikel Skripsi Universitas Nusantara PGRI Kediri
PERAMALAN PENJUALAN BERAS DI TOKO WIDODO MAKMUR MENGGUNAKAN METODE MOVING AVERAGE
SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S.kom) Program Studi Sistem Informasi
OLEH : INDAYAH RAHAYU 11.1.03.03.0127
FAKULTAS TEKNIK UNIVERSITAS NUSANTARA PERSATUAN GURU REPUBLIK INDONESIA UN PGRI KEDIRI 2016
Indayah Rahayu | 11.1.03.03.0127 Teknik – Sistem Informasi
simki.unpkediri.ac.id || 1||
Artikel Skripsi Universitas Nusantara PGRI Kediri
Indayah Rahayu | 11.1.03.03.0127 Teknik – Sistem Informasi
simki.unpkediri.ac.id || 2||
Artikel Skripsi Universitas Nusantara PGRI Kediri
Indayah Rahayu | 11.1.03.03.0127 Teknik – Sistem Informasi
simki.unpkediri.ac.id || 3||
Artikel Skripsi Universitas Nusantara PGRI Kediri
PERAMALAN PENJUALAN BERAS DI TOKO WIDODO MAKMUR MENGGUNAKAN METODE MOVING AVERAGE Indayah Rahayu 11.1.03.03.0127 Teknik – Sistem Informasi
[email protected] Dr. Suryo Widodo, M. Pd. dan Rini Indriati, S. Kom., M. Kom. UNIVERSITAS NUSANTARA PGRI KEDIRI
ABSTRAK Toko widodo makmur yang berada di desa Mojoduwur, merupakan salah satu toko yang menjual berbagi jenis beras dalam jumlah besar. Toko ini memerlukan peramalan dalam sebuah usaha untuk pengolahan data dan menghasilkan laporan-laporan yang akurat. Hal ini dilakukan karena toko widodo makmur belum memanfaatkan sistem komputer secara efektif untuk kegiatan kerjanya, seperti perhitungan penjualan, pembelian padi dan perhitungan stok barang dagangan. Dalam perancangan sistem ini, penulis menggunakan metode peramalan moving average untuk proses pendukung keputusan dalam menentukan jumlah stok beras yang akan dijualuntuk bulan berikutnya, dengan menggunkana pehitungan metode moving avearage. Aplikasi Peramalan ini dibuat menggunakan bahasa pemrograman visual basic. Dari pembuatan “ Peramalan penjualan beras di toko widodo mkamur menggunakan metode moving average ” ini dapat dihasilkan sebuah aplikasi yang dapat memberikan rekomendasi program studi yang sesuai dengan kebutuhan pemilik usaha.
Kata Kunci : SPK, VB, Program Study.
Indayah Rahayu | 11.1.03.03.0127 Teknik – Sistem Informasi
simki.unpkediri.ac.id || 4||
Artikel Skripsi Universitas Nusantara PGRI Kediri
setiap bulan, perhitungan stok beras yang
I. LATAR BELAKANG Berkembangnya ilmu pengetahuan dan teknologi
yang semakin pesat disertai
dengan semakin ketatnya persaingan dalam dunia usaha mengakibatkan persaingan antar
tidak akurat, serta proses penjumlahan harga yang sering terjadi kesalahan, peramalan penjualan
yang
kurang
akurat
karena
dikerjakan oleh manusia.
perusahaan dalam memberikan pelayanan
Berdasarkan permasalahan yang di
kepada konsumen. Salah satu persoalan
paparkan
diatas,
yang memegang penting dalam sebuah
peramalan
penjualan
usaha yaitu persoalan mengenai peramalan.
Moving Average, alasan
Pencatatan penjualan pada setiap periode
Moving
berguna untuk melihat gambaran penjualan
Peramalan yang handal serta mengahasilkan
perusahaan.
data yang akurat dan evisien.
Untuk
melihat
apakah
mengalami kenaikan ataukah mengalami penurunan.
maka
Average
dibutuhkan
dengan
metode
menggunakan
karena
merupakan
Dengan adanya peramalan penjualan ini diharapkan agar proses kinerja dari toko
Toko widodo makmur yang berada di
Widodo Makmur dapat dilakukan dengan
desa Mojoduwur, merupakan salah satu toko
cepat
yang menjual berbagi jenis beras dalam
memasukkan data input kemudian data
jumlah
dapat dikelola sendiri oleh komputer dan
besar.
peramalan
Toko
dalam
ini
sebuah
memerlukan usaha
untuk
dan
mudah.
Pengguna
tinggal
dikeluarkan dalam bentuk laporan (print out)
pengolahan data dan menghasilkan laporan-
serta
pada
transaksi
dikeluarkan.
laporan yang akurat. Hal ini dilakukan
Berdasarkan permasalahan diatas
karena
penulis
toko
widodo
makmur
belum
tertarik untuk menyusun laporan skripsi
memanfaatkan
sistem
komputer
secara
dengan judul PERAMALAN PENJUALAN
efektif untuk kegiatan kerjanya, seperti
BERAS
PADA
TOKO
WIDODO
perhitungan penjualan, pembelian padi dan
MAKMUR MENGGUNAKAN METODE
perhitungan stok barang dagangan.
MOVING AVERAGE.
Sistem penjualan yang ada di toko Widodo Makmur masih dilakukan secara manual dalam pencatatan beras yang kelaur atau
dijual.
Sehingga
masih
memiliki
berbagai kekurangan dan kendala yang dihadapi. Kendala yang dihadapi yaitu sulitnya mendata banyak barang yang keluar Indayah Rahayu | 11.1.03.03.0127 Teknik – Sistem Informasi
II. METODE A. Metode Peramalan Moving Average 1. Pengertian
Metode
Moving
Average simki.unpkediri.ac.id || 2||
Artikel Skripsi Universitas Nusantara PGRI Kediri
Menurut Moving
(Spyros,
Averages
bergerak)
1999)
(rata-rata
adalah
dibuat
setelah
bulan
selesai/berakhir.
Jika
ke
4
bulan
metode
moving average bulan ke 7 baru
peramalan perataan nilai dengan
bisa dibuat setelah bulan ke 6
mengambil sekelompok nilai p
berakhir.
engamatan
yang
jangka waktu moving average,
rata-
efek pelicinan semakin terlihat
kemudian ratanya,
dicari lalu
menggunakan
Semakin
dalam
panjang
ramalan
atau
rata-rata
tersebut
sebagai
menghasilakan moving average
ramalan
untuk
periode
yang semakin halus.
berikutnya. bergerak
Istilah
rata-rata
Persamaan matematis single
karena
moving average adalah sebagai
digunakan,
setiap kali data observasi baru
berikut :
tersedia, maka angka rata-rata yang
baru
dihitung
dan
dipergunakan sebagi ramalan. 2. Single Moving Average
Mt
Rata-rata bergerak tunggal (Single Moving Average) adalah suatu metode peramalan yang dilakukan dengan mengambil sekelompok nilai pengamatan, mencari nilai rata-rata tersebut sebagai ramalan untuk periode yang Single
akan
datang.
Moving
Metode Average
mempunyai karakteristik khusus yaitu ; untuk menentukan ramalan pada periode yang akan datang memerlukan data historis selama jangka waktu tertentu. Misalnya, dengan 3 bulan moving average, maka ramalan bulan ke 5 baru Indayah Rahayu | 11.1.03.03.0127 Teknik – Sistem Informasi
Dimana: = Moving Average
untuk periode t. Ft+1 = Ramalan Untuk Periode t + 1 Yt
= Nilai Riil periode ke
t n
= Jumlah batas dalam
moving average B. Pengukuran Akurasi Hasil Peramalan Ukuran peramalan ukuran
akurasi yang
kesalahan
merupakan
ukuran
hasil
merupakan peramalan tentang
tingkat perbedaan antara hasil permintaan dengan permintaan yang sebenarnya terjadi. Beberapa metode telah digunakan untuk simki.unpkediri.ac.id || 3||
Artikel Skripsi Universitas Nusantara PGRI Kediri
menunjukkan
kesalahan yang
1. Rata-rata Deviasi Mutlak (Mean
disebabkan
oleh suatu
teknik
peramalan
tertentu.
Hampir
MAD merupakan rata-rata
tersebut
kesalahan mutlak selama periode
semua
ukuran
menggunakan
pengrata-rataan
Absolute Deviation = MAD)
tertentu
tanpa
memperhatikan
beberapa fungsi dari perbedaan
apakah hasil peramalan lebih
antara nilai sebenarnya dengan
besar
nilai
dibandingkan
peramalannya. Perbedaan
atau
lebih
kecil
kenyataannya.
nilai sebenarnya dengan nilai
Secara
metematis,
MAD
peramalan ini biasanya disebut
dirumuskan
sebagai
berikut
sebagai residual (Arsyat, 1997:
(Nasution dan Prasetyawan, 2008
57).
: 34): Persamaan menghitung nilai
error
asli
atau
residual
dari
∑|
|
setiap periode peramalan adalah sebagai
berikut
(Subagyo,
Dimana : At = Permintaan Aktual pada
2002:10):
periode –t. et = Xt – St
Ft
= Peramalan Permintaan
Dimana :
(Forecast) pada periode-t.
et
N
= Kesalahan peramalan
yang terlibat.
pada periode t.
2. Rata-rata
Xt = Data pada periode t. St
= Jumlah periode peramalan
= Nilai peramalan pada
Kuadrat
(Mean Square Error = MSE) MSE
periode t.
Kesalahan
merupakan
metode
cara
alternatif dalam suatu metode
mengevaluasi teknik peramalan
peramalan. Pendekatan ini penting
adalah menggunakan
ukuran
karena tekhnik ini menghasilkan
tentang tingkat perbedaan antara
kesalahan yang moderat lebih di
hasil
sukai oleh suatu peramalan yang
Salah
permintaan
satu
peramalan yang
dengan sebenarnya
menghasilkan
kesalahan
terjadi. Ada empat ukuran yang
sangat
MSE
dihitung
biasa digunakan, yaitu :
dengan menjumlahkan
kuadrat
semua
Indayah Rahayu | 11.1.03.03.0127 Teknik – Sistem Informasi
besar.
yang
kesalahan
peramalan
simki.unpkediri.ac.id || 4||
Artikel Skripsi Universitas Nusantara PGRI Kediri
pada
setiap
membaginya
periode dengan
dan
N
jumlah
periode
peramalan.
matematis,
MSE
=
Jumlah
periode
peramalan yang terlibat.
Secara
2. Rata-rata Kesalahan Peramalan
dirumuskan
(Mean Forecast Error = MFE)
sebagai berikut (Nasution dan
MFE
sangat
efektif
mengetahui
apakah
Prasetyawan, 2008 : 34):
untuk
1. Rata-rata
suatu hasil peramalan selama
Persentase
Kesalahan
Absolut
(Mean
periode tertentu terlalu tinggi
Absolute Percentage Error =
atau terlalu rendah. Bila hasil
MAPE)
peramalan tidak bias, maka
MAPE ukuran
merupakan
kesalahan
relativ.
nilai MFE akan mendekati not. MFE
dihitung
dengan
MAPE biasanya lebih berarti
menjumlahkan
semua
dibandingakan MAD
kesalahan peramalan
selama
karena
MAPE menyatakan persentase
periode
kesalahan
membaginya
terhadap
hasil
peramalan
permintaan
aktual
periode
peramalan
dan
dengan jumlah
peramalan.
Secara
selama periode tertentu yang
matematis, MFE dinyatakan
akan memberikan informasi
sebagai berikut (Nasution dan
persentase
Prasetyawan, 2008 : 35):
tinggi
kesalahan
terlalu
terlalu
rendah.
atau
Secara matematis,
MAPE
dinyatakan
berikut
(Nasution
sebagai
dan Prasetyawan,
∑
Dimana : At= Permintaan Aktual pada
2008 : 35):
periode –t.
)∑
MAPE =(
| Ft
Dimana :
= Peramalan Permintaan
(Forecast) pada periode-t.
At = Permintaan Aktual pada periode –t. Ft
=
Permintaan
Peramalan
N = Jumlah periode peramalan yang terlibat.
(Forecast)
pada periode-t.
Indayah Rahayu | 11.1.03.03.0127 Teknik – Sistem Informasi
simki.unpkediri.ac.id || 5||
Artikel Skripsi Universitas Nusantara PGRI Kediri
Pada
III. HASIL DAN KESIMPULAN
halaman
ini
digunakan untuk menginputkan
A. HASIL 1. Form Antarmuka Login
data
master
produk.
Didalamnya berisi id_produk, nama_produk,
harga_produk
dan jumlah. Terdapat tombol seperti new yang digunakan untuk menginputkan data baru ke dalam masing-masing form. Gambar 3.1 login admin Dari peramalan
imlementasi penjualan
beras
Tombol
adodc
digunakan
untuk melihat data dari awal mulai sampai data terakhir
menggunkana metode moving
yang
average form login admin
selanjutnya
untuk menjalankan program
untuk menyimpan data yang
yang pertama kali dijalankan
sudah
akan muncul halaman login
“delete”
seperti gambar login admin.
menghapus data apabila terjadi
pada
kesalahan penulisan atau data
tampilan
username
ini
dan
berisi
password
dengan dua tombol exit dan ok. Setiap menu pada tampilan ini
sudah
tersimpan
tombol
diinputkan, digunakan
“save”
tombol untuk
yang tidak diinginkan. 3. Form Antarmuka Input Data Penjualan.
ditata secara center atau rata tengah. 2. Form
Antarmuka
Master
Produk.
Gambar 3.3 imput data penjualan. Pada Gambar 3.2 master
halaman
ini
digunakan untuk menginputkan
produk Indayah Rahayu | 11.1.03.03.0127 Teknik – Sistem Informasi
simki.unpkediri.ac.id || 6||
Artikel Skripsi Universitas Nusantara PGRI Kediri
data penjualan. Didalamnya
forecasting
berisi id_penjualan, tanggal,
tampilan hasil forecasting yang
id_produk, harga dan jumlah.
ingin di tampilkan dan cetak
Terdapat tombol seperti new
untuk
yang
peramalan.
digunakan
untuk
untuk
mencetak
melihat
hasil
dari
menginputkan data baru ke dalam masing-masing form. Tombol
adodc
B. KESIMPULAN
digunakan
Setelah dilakukan analisis,
untuk melihat data dari awal
perancangan
mulai sampai data terakhir
implementasi sistem informasi
yang
peramalan penjualan beras pada
sudah
selanjutnya
tersimpan
tombol
“save”
toko
sistem
widodo
dan
makmur
untuk menyimpan data yang
menggunakan metode moving
sudah
average ini maka dapat diambil
diinputkan,
“delete”
digunakan
tombol untuk
kesimpulan sebagai berikut :
menghapus data apabila terjadi
1. Telah dihasilkan rancangan
kesalahan penulisan atau data
sistem informasi yang dapat
yang tidak diinginkan.
digunakan untuk melakukan peramalan penjualan beras
4. Form Antarmuka Forecasting
menggunakan
metode
moving average berdasarkan data penjualan perbulan. 2. Telah
dihasilkan
program
aplikasi peramalan penjualan beras menggunakan metode moving
average
dengan
spesifikasi angka peramalan Gambar 3. 4 forecasting
untuk bulan januari 2015
Pada
ini
yaitu 8583kg beras. Serta
digunakan untuk menampilkan
perhitungan Mean Absolute
hasil
sesuai
Percentage Error (MAPE)
tahun,
sebesar 20,53% yang artinya
halaman
forecasting
id_produk,
bulan,
jumlah, ramalan . terdapat
tingkat
tombol
peramalan sebesar 79,47%.
pilihan
Indayah Rahayu | 11.1.03.03.0127 Teknik – Sistem Informasi
seperti
ketelitian
hasil
simki.unpkediri.ac.id || 7||
Artikel Skripsi Universitas Nusantara PGRI Kediri
IV. DAFTAR PUSTAKA Agung Akbar. 2009. Arman (Hakin Nasution).
2003.
Subari
dan
Yunus. 2008. Penerapan Metode Single
Moving
Exponential
Average
Smoothing
dan dalam
Peramalan Permintaan Produk Meuble Jenis Coffee Table Pada Java Furniture Klaten, (online). tersedia:
http://eprints.uns.ac.id/,
di unduh 09 Desember 2015 pukul 09.30 WIB. Arsyad, Lincolin. 1997. Peramalan Bisnis,
Edisi
pertama,
BPFE
Yogyakarta. Basu
Swastha.
2005.Manajemen
Penjualan. Cetakan ke-duabelas. Yogyakarta : Liberty Yogyakarta. Pandia, Henry, 2004. Visual Basic 6. Yogyakarta : Penerbit Andi.
Indayah Rahayu | 11.1.03.03.0127 Teknik – Sistem Informasi
simki.unpkediri.ac.id || 8||