SKRIPSI PENERAPAN METODE EXPONENTIAL SMOOTHING PADA PERAMALAN PENJUALAN DALAM PENENTUAN KUANTITAS PRODUKSI ROTI

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

INTISARI

Ni Putu Yuli Sukmarani, E1E111070 PENERAPAN

METODE

PERAMALAN

PENJUALAN

EXPONENTIAL DALAM

SMOOTHING

PENENTUAN

PADA

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.

v

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.

vi

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 diselasela 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 vii

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.

viii

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. ix

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 x

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 xi

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

xii

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 xiii

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

xiv

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 xv

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

xvi

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

1

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.

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.

6

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 langkahlangkah 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

4-42

Bulan

Hari

28-31

Tahun

Perempat

4

Tahun

Bulan

12

Tahun

Minggu

52

1

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

(2.1)

𝒕

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

:

Pemulusan musiman : Ramalan

:

𝑩𝒕 = 𝒈(𝑺𝒕 −𝑺𝒕 − 𝟏) + (𝟏 − 𝒈)𝒃𝒕 − 𝟏

(2.4)

𝑰 = 𝒃𝒕 𝑿𝒕 𝑺(𝟏 − 𝒃)𝒕 − 𝑳 + 𝒎

(2.5)

𝑭𝒕 + 𝒎 = (𝑺𝒕 + 𝒃𝒕 𝒎)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. 𝒏

𝟏 𝑴𝑺𝑬 = ∑(𝑿𝒕 − 𝑭𝒕 )𝟐 𝒏

(2.7)

𝒕=𝟏

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 permasalahanpermasalahan 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 Menspesifikasikan himpuan peran yang

Actor

pengguna

mainkan

ketika

berinteraksi

dengan use case. Hubungan dimana perubahan yang terjadi pada suatu elemen mandiri (independent) Dependency

akan

mempengaruhi

elemen

yang

bergantung padanya elemen yang tidak mandiri (independent). Hubungan dimana objek anak (descendent) Generalization

berbagi perilaku dan struktur data dari objek yang ada di atasnya objek induk (ancestor).

Include

Menspesifikasikan bahwa use case sumber secara eksplisit. Menspesifikasikan bahwa use case target

Extend

memperluas perilaku dari use case sumber pada suatu titik yang diberikan.

Association

System

Apa yang menghubungkan antara objek satu dengan objek lainnya. Menspesifikasikan paket yang menampilkan sistem secara terbatas. Deskripsi

Use Case

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) Interaksi aturan-aturan dan elemen lain yang Collaboration

bekerja sama untuk menyediakan prilaku yang lebih besar dari jumlah dan elemenelemennya (sinergi). Elemen fisik yang eksis saat aplikasi

Note

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 LifeLine

KETERANGAN Objek entity, antarmuka yang saling berinteraksi. Spesifikasi dari komunikasi antar

Message

objek

yang

informasi

memuat

tentang

informasi-

aktifitas

yang

terjadi Spesifikasi dari komunikasi antar Message

objek

yang

informasi terjadi

memuat

tentang

informasi-

aktifitas

yang

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 Memperlihatkan

Activity

bagaimana

masing-

masing kelas antarmuka saling berinteraksi satu sama lain

Action Initial Node

State dari sistem yang mencerminkan eksekusi dari suatu aksi Bagaimana objek dibentuk atau diawali

Activity Final Bagaimana Node Fork Node

4.

objek

dibentuk

dan

dihancurkan Satu aliran yang pada tahap tertentu berubah menjadi beberapa aliran

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 Hubungan

Generalization

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 Deskripsi dari urutan aksi-aksi yang

Collaboration

ditampilkan sistem yang menghasilkan suatu hasil yang terukur bagi suatu aktor

Realization

Operasi yang benar-benar dilakukan oleh suatu objek Hubungan dimana perubahan yang terjadi pada suatu elemen mandiri

Dependency

(independent)

akan

elemen

bergantung

yang

mempegaruhi padanya

elemen yang tidak mandiri Association

Agregasi

2.7

Apa yang menghubungkan antara objek satu dengan objek lainnya Relasi antar kelas dengan makna semua bagian (whole part)

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.

BAB III METODE PENELITIAN

3.1. Prosedur dan Pengumpulan Data 3.1.1 1.

Jenis data 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 1.

Sumber data

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 :

30

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 halamanhalaman 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 Waktu (2015 - 2016) No

Tahapan RUP

September

Oktober

November

Desember

Januari

Februari

Maret

(Minggu ke -)

(Minggu ke -)

(Minggu ke -)

(Minggu ke -)

(Minggu ke -)

(Minggu ke -)

(Minggu ke -)

1 2

1.

Inception

2.

Elaboration

3.

Construction

4.

Transition

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

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.

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

34

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 Data Penjualan Periode 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

F7 = α X6 + (1- α) F6

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

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

= 4,1+36,9

= 3,0+44,351

= 41

= 47,351

F3 = α X2 + (1- α) F2

F8 = α X7 + (1- α) F7

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

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

= 5,7+36,9

= 6,9+42,616

= 42,6

= 49,516

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

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

F18 = α X17 + (1- α) F17

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

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

= 6,4+46,229

= 8,8+53,900

= 52,629

= 62,700

F13 = α X12 + (1- α) F12

F19 = α X18 + (1- α) F18

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

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

= 7,2+47,366

= 10,4+56,430

= 54,566

= 66,830

F14 = α X13 + (1- α) F13

F20 = α X19 + (1- α) F19

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

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

= 6,4+49,110

= 1,8+60,147

= 55,510

= 61,947

F15 = α X14 + (1- α) F14

F21 = α X20 + (1- α) F20

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

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

= 10,2+49,959

= 8,5+55,752

= 60,159

= 64,252

F16 = α X15 + (1- α) F15

F22 = α X21 + (1- α) F21

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

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

= 6,4+54,143

= 4,2+57,827

= 60,543

= 62,027

F17 = α X16 + (1- α) F16

F23 = α X22 + (1- α) F22

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

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

= 5,4+54,489

= 8,4+55,824

= 59,889

= 64,224

41

F24 = α X23 + (1- α) F23

F28 = α X27 + (1- α) F27

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

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

= 5,4+57,802

= 8,5+61,972

= 63,202

= 70,472

F25 = α X24 + (1- α) F24

F29 = α X28 + (1- α) F28

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

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

= 5,4+56,882

= 5,4+63,425

= 62,282

= 68,825

F26 = α X25 + (1- α) F25

F30 = α X29 + (1- α) F29

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

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

= 10,9+56,053

= 8,2+61,943

= 66,953

= 70,143

F27 = α X26 + (1- α) F26

F31 = α X30 + (1- α) F30

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

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

= 8,6+60,258

= 5,1+63,129

= 68,858

= 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) 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

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.

43

Berikut contoh perhitungan untuk alpha (α = 0,2) F2 = α X1 + (1- α) F1

F8 = α X7 + (1- α) F7

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

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

= 8,2+32,8

= 13,8+39,932

= 41

= 53,732

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

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

F20 = α X19 + (1- α) F19

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

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

= 12,8+43,826

= 3,6+61,237

= 56,626

= 64,837

F15 = α X14 + (1- α) F14

F21 = α X20 + (1- α) F20

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

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

= 20,4+48,449

= 17+51,869

= 68,849

= 68,869

F16 = α X15 + (1- α) F15

F22 = α X21 + (1- α) F21

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

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

= 12,8+55,079

= 8,4+55,096

= 67,879

= 63,496

F17 = α X16 + (1- α) F16

F23 = α X22 + (1- α) F22

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

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

= 10,8+54,303

= 16,8+50,796

= 65,103

= 67,596

F18 = α X17 + (1- α) F17

F24 = α X23 + (1- α) F23

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

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

= 17,6+52,083

= 10,8+54,007

= 69,683

= 64,877

F19 = α X18 + (1- α) F18

F25 = α X24 + (1- α) F24

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

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

= 20,8+55,746

= 10,8+51,902

= 76,546

= 62,702

45

F26 = α X25 + (1- α) F25

F29 = α X28 + (1- α) F28

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

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

= 21,8+50,161

= 10,8+61,452

= 71,961

= 72,252

F27 = α X26 + (1- α) F26

F30 = α X29 + (1- α) F29

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

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

= 17,2+57,569

= 16,4+57,802

= 74,769

= 74,202

F28 = α X27 + (1- α) F27

F31 = α X30 + (1- α) F30

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

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

= 17+59,815

= 10,2+59,362

= 76,815

= 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

F3 = α X2 + (1- α) F2

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

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

= 12,3+28,7

= 17,1+28,7

= 41

= 45,8

47

F4 = α X3 + (1- α) F3

F10 = α X9 + (1- α) F9

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

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

= 27,9+32,06

= 24+37,540

= 59,96

= 61,540

F5 = α X4 + (1- α) F4

F11 = α X10 + (1- α) F10

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

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

= 15,3+41,972

= 12,3+43,078

= 57,272

= 55,378

F6 = α X5 + (1- α) F5

F12 = α X11 + (1- α) F11

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

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

= 18,3+40,09

= 19,2+38,764

= 58,390

= 57,964

F7 = α X6 + (1- α) F6

F13 = α X12 + (1- α) F12

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

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

= 9+40,873

= 21,6+40,575

= 49,873

= 62,175

F8 = α X7 + (1- α) F7

F14 = α X13 + (1- α) F13

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

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

= 20,7+34,911

= 19,2+43,523

= 55,611

= 62,723

F9 = α X8 + (1- α) F8 = (0,3 x 49) + (0,7 x 55,611) = 14,7+38,928 = 53,628

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

F22 = α X21 + (1- α) F21

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

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

= 19,2+52,154

= 12,6+48,654

= 71,354

= 61,254

F17 = α X16 + (1- α) F16

F23 = α X22 + (1- α) F22

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

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

= 16,2+49,948

= 25,2+42,878

= 66,148

= 68,078

F18 = α X17 + (1- α) F17

F24 = α X23 + (1- α) F23

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

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

= 26,4+46,303

= 16,2+47,654

= 72,703

= 63,854

F19 = α X18 + (1- α) F18

F25 = α X24 + (1- α) F24

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

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

= 31,2+50,892

= 16,2+44,698

= 82,092

= 60,898

F20 = α X19 + (1- α) F19

F26 = α X25 + (1- α) F25

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

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

= 5,4+57,465

= 32,7+42,629

= 62,865

= 75,329

F21 = α X20 + (1- α) F20

F27 = α X26 + (1- α) F26

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

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

= 25,5+44,005

= 25,8+52,730

= 69,505

= 78,530

49

F28 = α X27 + (1- α) F27

F30 = α X29 + (1- α) F29

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

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

= 25,5+54,971

= 24,6+50,771

= 80,471

= 75,371

F29 = α X28 + (1- α) F28

F31 = α X30 + (1- α) F30

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

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

= 16,2+56,330

= 15,3+52,760

= 72,530

= 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

F4 = α X3 + (1- α) F3

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

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

= 16,4+24,6

= 37,2+28,44

= 41

= 65,64

F3 = α X2 + (1- α) F2

F5 = α X4 + (1- α) F4

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

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

= 22,8+24,6

= 20,4+39,384

= 47,4

= 59,784

51

F6 = α X5 + (1- α) F5

F12 = α X11 + (1- α) F11

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

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

= 24,4+35,870

= 25,6+32,916

= 60,270

= 58,516

F7 = α X6 + (1- α) F6

F13 = α X12 + (1- α) F12

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

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

= 12+36,162

= 28,8+35,109

= 48,162

= 63,909

F8 = α X7 + (1- α) F7

F14 = α X13 + (1- α) F13

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

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

= 27,6+28,897

= 25,6+38,346

= 56,497

= 63,946

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

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

F24 = α X23 + (1- α) F23

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

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

= 35,2+39,276

= 21,6+41,195

= 74,476

= 62,795

F19 = α X18 + (1- α) F18

F25 = α X24 + (1- α) F24

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

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

= 41,6+44,686

=21,6+37,677

= 86,286

= 59,277

F20 = α X19 + (1- α) F19

F26 = α X25 + (1- α) F25

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

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

= 7,2+51,771

= 43,6+35,566

= 58,971

= 79,166

F21 = α X20 + (1- α) F20

F27 = α X26 + (1- α) F26

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

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

= 34+35,383

= 34,4+47,500

= 69,838

= 81,900

F22 = α X21 + (1- α) F21

F28 = α X27 + (1- α) F27

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

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

= 16,8+41,630

= 34+49,140

= 58,430

= 83,140

F23 = α X22 + (1- α) F22

F29 = α X28 + (1- α) F28

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

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

= 33,6+35,058

= 21,6+49,884

= 68,658

= 71,848

53

F30 = α X29 + (1- α) F29

F31 = α X30 + (1- α) F30

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

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

= 32,8+42,890

= 20,4+45,414

= 75,690

= 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

F5 = α X4 + (1- α) F4

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

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

= 20,5+20,5

= 25,5+35,5

= 41

= 61

F3 = α X2 + (1- α) F2

F6 = α X5 + (1- α) F5

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

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

= 28,5+20,5

= 30,5+30,5

= 49

= 61

F4 = α X3 + (1- α) F3

F7 = α X6 + (1- α) F6

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

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

= 46,5+24,5

= 15+30,5

= 71

= 45,5

55

F8 = α X7 + (1- α) F7

F14 = α X13 + (1- α) F13

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

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

= 34,5+22,75

= 32+32,723

= 57,25

= 64,723

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

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

F26 = α X25 + (1- α) F25

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

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

= 9+44,980

= 54,5+28,984

= 53,980

= 83,484

F21 = α X20 + (1- α) F20

F27 = α X26 + (1- α) F26

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

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

= 42,5+26,990

=43 +41,742

= 69,490

= 84,742

F22 = α X21 + (1- α) F21

F28 = α X27 + (1- α) F27

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

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

= 21+34,745

= 42,5+42,371

= 55,745

= 84,871

F23 = α X22 + (1- α) F22

F29 = α X28 + (1- α) F28

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

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

= 42+27,873

= 27+42,436

= 69,873

= 69,436

F24 = α X23 + (1- α) F23

F30 = α X29 + (1- α) F29

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

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

= 27+34,936

= 41+34,718

= 61,936

= 75,718

F25 = α X24 + (1- α) F24

F31 = α X30 + (1- α) F30

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

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

= 27+30,968

= 25,5+37,859

= 57,968

= 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

F6 = α X5 + (1- α) F5

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

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

= 24,6+16,4

= 36,6+24,406

= 41

= 61,006

F3 = α X2 + (1- α) F2

F7 = α X6 + (1- α) F6

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

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

= 34,2+16,4

= 18+24,403

= 50,6

= 42,403

F4 = α X3 + (1- α) F3

F8 = α X7 + (1- α) F7

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

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

= 55,8+20,24

= 41,4+16,961

= 76,04

= 58,361

F5 = α X4 + (1- α) F4 = (0,6 x 51) + (0,4 x 76,04) = 30,6+30,416 = 61,016

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

F16 = α X15 + (1- α) F15

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

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

= 48+21,098

= 38,4+34,907

= 69,098

= 73,307

F11 = α X10 + (1- α) F10

F17 = α X16 + (1- α) F16

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

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

= 24,6+27,639

= 32,4+29,323

= 52,239

= 61,723

F12 = α X11 + (1- α) F11

F18 = α X17 + (1- α) F17

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

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

= 38,4+20,896

= 52,8+24,689

= 59,296

= 77,489

F13 = α X12 + (1- α) F12

F19 = α X18 + (1- α) F18

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

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

= 43,2+23,718

= 62,4+30,996

= 66,918

= 93,396

F14 = α X13 + (1- α) F13

F20 = α X19 + (1- α) F19

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

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

= 38,4+26,767

= 10,8+37,358

= 65,167

= 48,158

F15 = α X14 + (1- α) F14

F21 = α X20 + (1- α) F20

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

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

= 61,2+26,067

= 51+19,263

= 87,267

= 70,263

60

F22 = α X21 + (1- α) F21

F27 = α X26 + (1- α) F26

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

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

= 25,2+28,105

= 51,6+35,254

= 53,305

= 86,854

F23 = α X22 + (1- α) F22

F28 = α X27 + (1- α) F27

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

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

= 50,4+21,322

=51+34,741

= 71,722

= 85,741

F24 = α X23 + (1- α) F23

F29 = α X28 + (1- α) F28

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

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

= 32,4+28,689

= 32,4+34,297

= 61,089

= 66,697

F25 = α X24 + (1- α) F24

F30 = α X29 + (1- α) F29

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

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

= 32,4+24,436

= 49,2+26,679

= 56,836

= 75,879

F26 = α X25 + (1- α) F25

F31 = α X30 + (1- α) F30

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

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

= 65,4+22,734

= 30,6+30,352

= 88,134

= 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

F7 = α X6 + (1- α) F6

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

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

= 28,7+12,3

= 21+18,204

= 41

= 39,204

F3 = α X2 + (1- α) F2

F8 = α X7 + (1- α) F7

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

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

= 39,9+12,3

= 48,3+11,761

= 52,2

= 60,061

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

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

F18 = α X17 + (1- α) F17

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

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

= 44,8+15,063

= 61,6+17,829

= 59,863

= 79,429

F13 = α X12 + (1- α) F12

F19 = α X18 + (1- α) F18

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

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

= 50,4+17,959

= 72,8+23,829

= 68,359

= 96,629

F14 = α X13 + (1- α) F13

F20 = α X19 + (1- α) F19

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

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

= 44,8+20,508

= 12,6+28,989

= 65,308

= 41,589

F15 = α X14 + (1- α) F14

F21 = α X20 + (1- α) F20

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

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

= 71,4+19,592

= 59,5+12,477

= 90,992

= 71,977

F16 = α X15 + (1- α) F15

F22 = α X21 + (1- α) F21

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

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

= 44,8+27,298

= 29,4+21,593

= 72,098

= 50,993

F17 = α X16 + (1- α) F16

F23 = α X22 + (1- α) F22

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

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

= 37,8+21,629

= 58,8+15,298

= 59,429

= 74,098

64

F24 = α X23 + (1- α) F23

F28 = α X27 + (1- α) F27

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

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

= 37,8+22,229

=59,5+26,434

= 60,029

= 85,934

F25 = α X24 + (1- α) F24

F29 = α X28 + (1- α) F28

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

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

= 37,8+18,009

= 37,8+25,780

= 55,809

= 63,580

F26 = α X25 + (1- α) F25

F30 = α X29 + (1- α) F29

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

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

= 76,3+16,743

= 57,4+19,074

= 93,043

= 76,474

F27 = α X26 + (1- α) F26

F31 = α X30 + (1- α) F30

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

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

= 60,2+27,913

= 35,7+22,942

= 88,113

= 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

F8 = α X7 + (1- α) F7

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

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

= 32,8+8,2

= 55,2+7,215

= 41

= 62,415

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

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

F20 = α X19 + (1- α) F19

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

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

= 51,2+13,949

= 14,4+19,914

= 65,149

= 34,314

F15 = α X14 + (1- α) F14

F21 = α X20 + (1- α) F20

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

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

= 81,6+13,030

= 68+6,863

= 94,630

= 74,863

F16 = α X15 + (1- α) F15

F22 = α X21 + (1- α) F21

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

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

= 51,2+18,926

= 33,6+14,973

= 70,126

= 48,573

F17 = α X16 + (1- α) F16

F23 = α X22 + (1- α) F22

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

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

= 43,2+14,025

= 67,2+9,715

= 57,225

= 76,915

F18 = α X17 + (1- α) F17

F24 = α X23 + (1- α) F23

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

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

= 70,4+11,445

= 43,2+15,383

= 81,845

= 58,583

F19 = α X18 + (1- α) F18

F25 = α X24 + (1- α) F24

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

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

= 83,2+16,369

= 43,2+11,717

= 99,569

= 54,917

68

F26 = α X25 + (1- α) F25

F29 = α X28 + (1- α) F28

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

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

= 87,2+10,983

= 43,2+17,137

= 98,183

= 60,337

F27 = α X26 + (1- α) F26

F30 = α X29 + (1- α) F29

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

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

= 68,8+19,637

= 65,6+12,067

= 88,437

= 77,667

F28 = α X27 + (1- α) F27

F31 = α X30 + (1- α) F30

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

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

=68+17,687

= 40,8+15,533

= 85,687

= 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

F3 = α X2 + (1- α) F2

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

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

= 36,9+4,1

= 51,3+4,1

= 41

= 55,4

70

F4 = α X3 + (1- α) F3

F10 = α X9 + (1- α) F9

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

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

= 83,7+5,54

= 72+5,064

= 89,24

= 77,064

F5 = α X4 + (1- α) F4

F11 = α X10 + (1- α) F10

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

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

= 45,9+8,924

= 36,9+7,706

= 54,824

= 44,606

F6 = α X5 + (1- α) F5

F12 = α X11 + (1- α) F11

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

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

= 54,9+5,482

= 57,6+4,461

= 60,382

= 62,061

F7 = α X6 + (1- α) F6

F13 = α X12 + (1- α) F12

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

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

= 27+6,038

= 64,8+6,206

= 33,038

= 71,006

F8 = α X7 + (1- α) F7

F14 = α X13 + (1- α) F13

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

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

= 62,1+3,304

= 57,6+7,101

= 65,404

= 64,701

F9 = α X8 + (1- α) F8 = (0,9 x 49) + (0,1 x 65,404) = 44,1+6,540 = 50,640

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

F22 = α X21 + (1- α) F21

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

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

= 57,6+9,827

= 37,8+7,914

= 67,427

= 45,714

F17 = α X16 + (1- α) F16

F23 = α X22 + (1- α) F22

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

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

= 48,6+6,743

= 75,6+4,571

= 55,343

= 80,171

F18 = α X17 + (1- α) F17

F24 = α X23 + (1- α) F23

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

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

= 79,2+5,534

= 48,6+8,017

= 84,734

= 56,617

F19 = α X18 + (1- α) F18

F25 = α X24 + (1- α) F24

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

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

= 93,6+8,473

= 48,6+5,662

= 102,073

= 54,262

F20 = α X19 + (1- α) F19

F26 = α X25 + (1- α) F25

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

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

= 16,2+10,207

= 98,1+5,426

= 26,407

= 103,526

F21 = α X20 + (1- α) F20

F27 = α X26 + (1- α) F26

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

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

= 76,5+2,641

= 77,4+10,353

= 79,141

= 87,753

72

F28 = α X27 + (1- α) F27

F30 = α X29 + (1- α) F29

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

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

=76,5+8,775

= 73,8+5,713

= 85,275

= 79,513

F29 = α X28 + (1- α) F28

F31 = α X30 + (1- α) F30

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

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

= 48,6+8,528

= 45,9+7,951

= 57,128

= 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)

1 September 2015

Data Penjualan (Xt) 41

Forecast Alpha = 0,1 (Ft) -

2 September 2015

57

3 September 2015

93

Periode

Xt - Ft

(Xt - Ft)2

41

16

256

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

21,649

468,698

8 September 2015

49

49,516 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 ∑(𝑋𝑡 − 𝐹𝑡 )2

MSE =

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)

1 September 2015

Data Penjualan (Xt) 41

Forecast Alpha = 0,2 (Ft) -

2 September 2015

57

3 September 2015

Xt - Ft

(Xt - Ft)2

41

16

256

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

Periode

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 ∑(𝑋𝑡 − 𝐹𝑡 )2

MSE =

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)

1 September 2015

Data Penjualan (Xt) 41

Forecast Alpha = 0,3 (Ft) -

2 September 2015

57

3 September 2015

93

Periode

Xt - Ft

(Xt - Ft)2

41

16

256

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 ∑(𝑋𝑡 − 𝐹𝑡 )2

MSE =

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)

1 September 2015

Data Penjualan (Xt) 41

Forecast Alpha = 0,4 (Ft) -

2 September 2015

57

3 September 2015

Xt - Ft

(Xt - Ft)2

41

16

83,550

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

Periode

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

-14,658

364,826

24 September 2015

54

68,658 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

65,814

1 Oktober 2015 ∑

1988

20016,201

Perhitungan metode MSE pada forecast dengan alpha = 0,4 ∑(𝑋𝑡 − 𝐹𝑡 )2

MSE =

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)

1 September 2015

Data Penjualan (Xt) 41

Forecast Alpha = 0,5 (Ft) -

2 September 2015

57

3 September 2015

93

Periode

Xt - Ft

(Xt - Ft)2

41

16

256

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

374,861

16 September 2015

54

73,681

-19,361 -19,681

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 ∑

387,329

63,359 1988

21693,303

81

Perhitungan metode MSE pada forecast dengan alpha = 0,5 ∑(𝑋𝑡 − 𝐹𝑡 )2

MSE =

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)

1 September 2015

Data Penjualan (Xt) 41

Forecast Alpha = 0,6 (Ft) -

2 September 2015

57

3 September 2015

Xt - Ft

(Xt - Ft)2

41

16

256

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

Periode

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 ∑(𝑋𝑡 − 𝐹𝑡 )2

MSE =

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)

1 September 2015

Data Penjualan (Xt) 41

Forecast Alpha = 0,7 (Ft) -

2 September 2015

57

3 September 2015

93

Periode

Xt - Ft

(Xt - Ft)2

41

16

256

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

-11,061

122,347

9 September 2015

80

60,061 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

58,642

1 Oktober 2015 ∑

1988

26038,192

84

Perhitungan metode MSE pada forecast dengan alpha = 0,7 ∑(𝑋𝑡 − 𝐹𝑡 )2

MSE =

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)

1 September 2015

Data Penjualan (Xt) 41

Forecast Alpha = 0,8 (Ft) -

2 September 2015

57

3 September 2015

Xt - Ft

(Xt - Ft)2

41

16

256

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

Periode

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 ∑(𝑋𝑡 − 𝐹𝑡 )2

MSE =

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)

1 September 2015

Data Penjualan (Xt) 41

Forecast Alpha = 0,9 (Ft) -

2 September 2015

57

3 September 2015

93

Periode

Xt - Ft

(Xt - Ft)2

41

16

256

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

01 Oktober 2015

Nilai Alpha

Nilai

Nilai MSE

(α)

Forecast

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 Admin melakukan Login

Sistem 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

Sistem menampilkan form inputan data

item

item yang berupa macam-macam jenis roti yang akan diramalkan.

Admin melakukan input data

sistem akan menampilkan form input data

produksi

produksi yaitu admin akan menginputkan jumlah produksi dari macam-macam jenis roti.

Admin melakukan input data

Sistem akan menampilkan form input data

penjualan

penjualan yaitu admin akan menginput jumlah penjualan setiap hari pada masingmasing 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 hasil

grafik

peramalan

perbandingan 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

4.3.2.

Sistem akan keluar

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

Gambar 4.19 Desain interface halaman utama

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

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.

105

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 1 September 2015 2 September 2015 3 September 2015 4 September 2015 5 September 2015 6 September 2015 7 September 2015 8 September 2015 9 September 2015 10 September 2015 11 September 2015 12 September 2015 13 September 2015 14 September 2015 15 September 2015 16 September 2015 17 September 2015 18 September 2015 19 September 2015

Data Penjualan Roti Daging 41 57 93 51 61 30 69 49 80 41 64 72 64 102 64 54 88 104 18

114

Tabel 5.1 Data akual penjualan roti daging (Lanjutan) 20 September 2015 21 September 2015 22 September 2015 23 September 2015 24 September 2015 25 September 2015 26 September 2015 27 September 2015 28 September 2015 29 September 2015 30 September 2015

85 42 84 54 54 109 86 85 54 82 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

Priode

Tabel 5.2 Hasil pengujian peramalan Nilai Alpha Nilai Nilai MSE

01 Oktober 2015

(α)

Forecast

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 %

17,4 %

82,6 %

Rata-Rata

Dengan menggunakan persamaan dibawah ini maka hasilnya dapat dilihat pada tabel 5.3 𝐷𝑎𝑡𝑎 𝑠𝑒𝑏𝑒𝑛𝑎𝑟𝑛𝑦𝑎−𝐷𝑎𝑡𝑎 𝑃𝑟𝑒𝑑𝑖𝑘𝑠𝑖

=|

APE

=

𝐷𝑎𝑡𝑎 𝑠𝑒𝑏𝑒𝑛𝑎𝑟𝑛𝑦𝑎

52 −70 52

| 𝑥 100 %

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 %

5,3 %

94,7 %

Rata-Rata

Dengan menggunakan persamaan dibawah ini maka hasilnya dapat dilihat pada Tabel 5.5. 𝐷𝑎𝑡𝑎 𝑠𝑒𝑏𝑒𝑛𝑎𝑟𝑛𝑦𝑎−𝐷𝑎𝑡𝑎 𝑃𝑟𝑒𝑑𝑖𝑘𝑠𝑖

=|

APE

=

𝐷𝑎𝑡𝑎 𝑠𝑒𝑏𝑒𝑛𝑎𝑟𝑛𝑦𝑎

91 −94 91

| 𝑥 100 %

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 Produksi Dhiba dengan Penjualan sebenarnya

Tanggal

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 %

23,3 %

76,7 %

Rata-Rata

Dengan menggunakan persamaan dibawah ini maka hasilnya dapat dilihat pada Tabel 5.7 APE

𝐷𝑎𝑡𝑎 𝑠𝑒𝑏𝑒𝑛𝑎𝑟𝑛𝑦𝑎−𝐷𝑎𝑡𝑎 𝑃𝑟𝑒𝑑𝑖𝑘𝑠𝑖

=| =

𝐷𝑎𝑡𝑎 𝑠𝑒𝑏𝑒𝑛𝑎𝑟𝑛𝑦𝑎

53 − 51 53

𝑥 100%

= 3,8 % Dimana APE = Kesalahan persentase absolut

| 𝑥 100 %

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 Produksi Dhiba dengan Penjualan sebenarnya

Tanggal

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 % 10,9 %

84,6 % 89,1 %

Rata-Rata

Dengan menggunakan persamaan dibawah ini maka hasilnya dapat dilihat pada tabel 5.9 APE

𝐷𝑎𝑡𝑎 𝑠𝑒𝑏𝑒𝑛𝑎𝑟𝑛𝑦𝑎−𝐷𝑎𝑡𝑎 𝑃𝑟𝑒𝑑𝑖𝑘𝑠𝑖

=| =

𝐷𝑎𝑡𝑎 𝑠𝑒𝑏𝑒𝑛𝑎𝑟𝑛𝑦𝑎

15 − 15 15

𝑥 100%

=0% Dimana APE = Kesalahan persentase absolut

| 𝑥 100 %

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 Produksi Dhiba dengan Penjualan sebenarnya

Tanggal

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

0,1

MSE Terendah 119,89

Rata-rata APE 12,6%

Rata-rata Akurasi 87,5%

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%

No

Jenis Roti

Alpha

1

Kepang

2

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%

515,729

30,702%

68,852%

Rata-rata

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%.

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 :

136

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 Error (MAPE).

Sequared

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