SKRIPSI
Diajukan untuk Menempuh Ujian Akhir Sarjana
DWI SINGGIH APRIYANTO
10109056
PROGRAM STUDI TEKNIK INFORMATIKA
FAKULTAS TEKNIK DAN ILMU KOMPUTER
v
KATA PENGANTAR ... iii
DAFTAR ISI ... v
DAFTAR GAMBAR ... viii
DAFTAR TABEL ... x
DAFTAR SIMBOL ... xii
DAFTAR LAMPIRAN ... xv
BAB 1 PENDAHULUAN ... 1
1.1 Latar Belakang Masalah ... 1
1.2 Rumusan Masalah ... 2
1.3 Maksud dan Tujuan ... 2
1.4 Batasan Masalah... 3
1.5 Metodologi Penelitian ... 4
1.5.1 Metode Pengumpulan Data ... 4
1.5.2 Metode Pembangunan Perangkat Lunak ... 5
1.6 Sistematika Penulisan ... 6
BAB 2 TINJAUAN PUSTAKA ... 9
2.1 Profil PT. Eka Karya Graha Flora ... 9
2.1.1 Sejarah PT. Eka Karya Graha Flora ... 9
2.1.2 Logo PT. Eka Karya Graha Flora ... 8
2.1.3 Visi dan Misi ... 10
2.1.4 Struktur Organisasi dan Deskripsi Kerja ... 10
2.2 Landasan Teori ... 11
2.2.1 Sistem Informasi ... 11
2.2.2 Tipe Sistem informasi ... 11
2.2.3 Peran Dasar Sistem Informasi Dalam Bisnis ... 13
2.2.4 Pengertian Pengadaan Barang ... 14
vi
2.4.1 Jenis Pola Data ... 16
2.4.2 Metodelogi Peramalan ... 19
2.4.3 Model dan Dasar Peramalan ... 20
2.4.4 Perhitungan Kesalahan Peramalan ... 21
2.5 Pengaman Persediaan (Safety Stock) ... 22
2.6 Penunjang Perangkat Lunak ... 22
2.6.1 Pengertian DreamWeaver ... 23
2.6.2 Pengertian PHP ... 23
2.6.3 Fungsi PHP MYSQL ... 23
2.6.4 Pengertian Pemrograman Terstruktur ... 23
2.6.5 Pengertian Basisdata ... 23
2.6.6 DBMS ... 24
2.6.7 Pengertian MYSQL ... 24
2.6.8 Bagian Alir Dokumen (Flowmap) ... 25
2.6.9 ERD (Entity Relationship Diagram) ... 25
BAB 3 ANALISIS DAN PERANCANGAN SISTEM ... 29
3.1 Analisis Sistem ... 29
3.1.1 Analisis Masalah ... 29
3.1.2 Analisis Sistem yang Sedang Berjalan ... 29
3.1.3 Analisis Aturan Bisnis ... 38
3.1.4 Analisis Persediaan Safety Stock Perjenis di Setiap Cabang ... 39
3.1.5 Analisis Metode Peramalan (Moving Average) di PT. Eka Karya Graha Flora ... 46
3.1.6 Kesimpulan Analisis Metode Peramalan ... 73
3.1.7 Pendistribusian ... 74
3.2 Analisis Kebutuhan Non Fungsional ... 78
3.2.1 Analisis Pengguna ... 78
vii
3.3.2 Diagram Konteks ... 84
3.3.3 Data Flow Diagram (DFD) ... 85
3.3.4 Spesifikasi Proses ... 97
3.3.5 Kamus Data ... 109
3.3.6 Skema Relasi ... 111
3.3.7 Struktur Tabel... 111
3.4 Perancangan Arsitektur ... 115
3.4.1 Perancangan Struktur Menu ... 115
3.4.2 Perancangan Antar Muka ... 117
3.4.3 Perancangan Antar Muka Program ... 117
3.4.4 Perancangan Antar Muka Pesan... 129
3.4.5 Jaringan Semantik ... 130
3.4.6 Perancangan Prosedural ... 130
BAB 4 IMPLEMENTASI DAN PENGUJIAN ... 139
4.1 Implementasi Sistem ... 139
4.1.1 Lingkungan Implementasi Sistem ... 139
4.1.2 Implementasi Basis Data ... 140
4.1.3 Implementasi Antar Muka... 142
4.2 Pengujian Sistem ... 146
4.2.1 Pengujaian Blackbox ... 146
4.2.1.1 Rencana Pengujian Blackbox ... 146
4.2.1.2 Prosedur Kasus Pengujian dan Hasil Pengujian Blackbox ... 149
4.2.1.3 Kesimpulan Pengujian Blackbox ... 159
4.2.2 Pengujain Beta ... 159
4.2.2.1 Rencana Pengujian Beta ... 159
4.2.2.2 Prosedur Pengujian Beta ... 160
[3] Billington, Peter. 1995. Production Planning And Inventory Control. New Jersey : Prentice-Hall.
[4] Deitiana, Tita. 2011. Manajemen Operasional Strategi dan Analisa Service dan Manufaktur.Jakarta:Mitra Wacana Media.
[5] Kadir, Abdul. 2003. Pengenalan Sistem Informasi, Yogyakarta : Andi Offset.
[6] Dr.Lyndon saputra. . Metode dan Aplikasi Peramalan : Binarupa Aksara. [7] Presssman, Roger. 2012. Rekayasa Perangka Lunak. Yogyakarta: Andi.
1
BAB 1
PENDAHULUAN
1.1 Latar Belakang Masalah
PT. Eka Karya Graha Flora adalah Perusahaan Swasta yang bergerak di bidang eksport dan import tanaman hias yaitu anggrek dan anthurium. Kantor ini terletak di Jl. K.H. Hasym Ashari 125 komplek rukuan Roxy Mas blok D3 No.8 Jakarta 10150 - Indonesia. Kantor ini mempunyai cabang di daerah Cikampek, Cianjur, dan Sukabumi. Kantor Eka Karya Graha Flora telah berjalan selama ini dalam bidang eksport dan import tanaman hias ke berbagai negara khususnya di Asia dan kota-kota besar di indonesia. PT. Eka Karya Graha Flora memerlukan banyak persediaan tanaman hias untuk menunjang oprasional eksport dan import seperti anggrek phalenopsis, anggrek dendrobium, dan anthurium. Persediaan tanaman hias yang baik sangat dibutuhkan oleh PT. Eka Karya Graha Flora karena dalam satu minggu kantor ini lima kali ekspotr dan import ke berbagai negara di Asia dan kota - kota besar di Indonesia sehingga jika persediaan tanaman hias tersedia dengan baik maka operasional eksport dan import ke negara di Asia dan kota-kota besar di Indonesia akan berjalan lancar dan optimal.
sangat mengganggu pertumbuhan tanaman tersebut. Selain itu, kantor pusat mengalami kendala dalam memperkirakan jumlah kebutuhan bibit tanaman yang harus di pesan kepada supplier untuk satu periode ke depan agar tidak terjadi penumpukan tanaman di setiap cabang. Masalah lain yaitu kantor pusat mengalami kendala waktu untuk pendistribusian bibit tanaman ke setiap cabang, karena pada bagian marketing saat ini kesulitan untuk mengetahui stock tanaman yang ada di setiap cabang.
Berdasarkan uraian di atas, maka dapat di simpulkan bahwa PT. Eka Karya Graha Flora membutuhkan sistem informasi pendistribusian bibit tanaman dari kantor pusat ke cabang dan mengawasi persediaan tanaman serta mengelola informasi persediaan stock tanaman dengan akurat, cepat dan tepat, agar kantor pusat dengan mudah mengetahui persediaan barang di setiap cabang dan memudahkan kantor pusat untuk mendistribusikan bibit tanaman dengan baik satu periode kedepan. Maka dalam penelitian ini dibuatlah “Sistem Pendistribusian
Bibit Tanaman di PT. Eka Karya Graha Flora” dengan harapan dapat
membantu masalah-masalah yang terjadi agar bisa teratasi.
1.2 Rumusan Masalah
Berdasarkan uraian pada latar belakang masalah, terdapat beberapa masalah
yang dialami perusahaan sehingga dijadikan dasar penelitian, yaitu:
1. Bagaimana cara membuat sistem pendistribusian bibit tanaman di PT. Eka Karya Graha Flora.
1.3 Maksud dan Tujuan
Berdasarkan permasalahan yang diteliti, maka maksud dari penulisan Skripsiini adalah untuk Membangun Sistem Pendistribusian bibit tanaman di PT. Eka Karya Graha Flora Adapun tujuan yang ingin dicapai dari pembangunan Sistem Pendistribusian bibit tanaman di PT. Eka Karya Graha Flora adalah sebagai berikut:
1. Mempermudah kepala produksi dalam menentukan pemesanan jumlah bibit tanaman satu periode ke depan .
1.4 Batasan Masalah
Adapun batasan masalah dari pembangunan Sistem Pendistribusian bibit tanaman di Kantor Cabang Eka karya graha flora adalah :
1. Data yang akan diolah adalah sebagai berikut : a. Data tanaman
b. Data pegawai (hanya mengolah identitas pegawai saja) c. Data transaksi bibit tanaman yang masuk
d. Data transaksi tanaman Keluar
e. Data tanaman yang memasuki stok minimum
f. Data perkiraan pemesanan bibit tanaman untuk satu periode kedepan g. Data permintaan tanaman
h. Data laporan bulanan persediaan tanaman 2. Proses yang dilibatkan adalah sebagai berikut :
a. Pengolahan data tanaman b. Pengolahan data pegawai
c. Pengolahan transaksi bibit tanaman yang masuk d. Pengolahan transaksi tanaman Keluar
e. Pengolahan laporan bulanan persediaan tanaman f. Pengolahan stok minimum tanaman (safetystock)
g. Proses perkiraan pemesanan bibit tanaman untuk satu periode kedepan h. Pengelolaan permintaan bibit tanaman
3. Keluaran yang akan dihasilkan dari aplikasi antara lain : a. Informasi data pegawai
b. Informasi data tanaman
c. Informasidata bibit tanaman yang masuk d. Informasi data tanaman keluar
e. Laporan bulanan persediaan tanaman f. Informasi persediaan tanaman
g. Informasi perkiraan pemesanan bibit tanman untuk satu periode kedepan
4. Data historis yang dipakai untuk perhitungan perkiraan pemesanan bibit tanaman yaitu data tahun 2012 yang tercantum di lampiran satu.
5. Untuk menyelesaikan perkiraan pemesanan bibit tanaman akan digunakan sebuah metode peramalan yaitu metode Moving Average
6. Metode yang digunakan untuk persediaan stock aman di PT.Eka Karya Graha Flora yaitu menggunakan metode Safety stock, dimana pada metode Safety stock di PT.Eka Karya Graha Flora ini hanya memprediksi stock aman di setiap cabang-cabangnya dengan lead time 3 minggu sekali untuk memprediksi stock tanaman yang harus disediakan.
7. Bahasa Pemrograman yang digunakan adalah bahasa pemograman PHPdan Bahasa Pemrograman Java Script, Ajax, CSS dengan database MySQL.
8. Sistem yang akan dibangun berbasis web
9. Pemodelan analisis perangkat lunak yang digunakan adalah pemodelan analisis terstruktur. Alat yang digunakan adalah flowmap untuk menggambarkan proses dalam prosedur yang terlibat, dan Entity Relationship Diagram (ERD) untuk menggambarkan struktur objek data dan untuk menggambarkan proses yang digunakan adalah Data Flow Diagram (DFD).
1.5 Metodologi Penelitian
Metodologi yang di gunakan dalam penelitian ini yaitu Metodologi penelitian Kuantitatif , karena data yang diguanakan berbentuk angka.
1.5.1 Metode Pengumpulan Data
Metode yang digunakan dalam pembuatan aplikasi ini adalah sebagai berikut :
a) Teknik Studi Lapangan
Metode ini digunakan untuk mendapatkan data-data di lapangan. b) Teknik Studi Pustaka
c) Wawancara
Teknik pengumpulan data dengan mengadakan tanya jawab secara langsung dengan pihak intern (terkait) yaitu pegawai Site Management
bagian Green House. d) Observasi
Observasi yang dilakukan adalah pengamatan langsung para pembuat keputusan berikut lingkungan fisiknya dan atau pengamatan langsung suatu kegiatan yang sedang berjalan.
1.5.2 Metode Pembangunan Perangkat Lunak
Teknik analisis data dalam pembuatan perangkat lunak menggunakan paradigma perangkat lunak secara waterfall. Alur dari metode waterfall dapat dilihat pada gambar berikut:
Gambar 1.1 Alur Metode Waterfall [7]
Penjelasan dari alur metode waterfall adalah sebagai berikut : 1. Requirements definition
Pelayanan, batasan dan tujuan sistem ditentukan melalui konsultasi dengan
user sistem.Persayaratan kemudian didefinisikan secara rinci dan berfungsi sebagai spesifikasi sistem.
2. System and software design
3. Implementation and unit testing
Pada tahap ini perancangan perangkat lunak direalisasikan sebagai serangkaian program atau unit program.Pengujian unit melibatkan verifikasi bahwa setiap unit telah memenuhi spesifikasinya.
4. Integration and system testing
Unit program diintegrasikan dan diuji sebagai sistem yang lengkap untuk menjamin bahwa persyaratan sistem telah dipenuhi.
5. Operation and maintenance
Biasanya merupakan fase siklus hidup yang paling lama.Sistem diinstal dan dipakai.Pemeliharaan mencakup koreksi dari berbagai error yang tidak ditemukan pada tahap-tahap terdahulu, perbaikan atas implementasi unit sistem dan pengembangan pelayanan sistem, sementara persyaratan-persyaratan baru ditambahkan.
1.6 Sistematika Penulisan
Sistematika penulisan skripsi penelitian ini disusun untuk memberikan gambaran umum tentang penelitian yang dijalankan. Sistematika penulisan Skripsi ini adalah sebagai berikut :
BAB I PENDAHULUAN
Bab ini menerangkan secara umum mengenai latar belakang permasalahan di PT. Eka Karya Graha Flora, perumusan masalah, menentukan maksud dan tujuan, batasan masalah, metodologi penelitian serta sistematika penulisan tugas akhir. BAB II. TINJAUAN PUSTAKA
Menguraikan tentang latar belakang permasalahan, mencoba mengidentifikasi permasalahan yang dihadapi, menentukan maksud dan tujuan kegunaan penelitian, yang kemudian diikuti dengan pembatasan masalah, metodologi penelitian, serta sistematika penulisan pada sistem pendistribusian tanaman di PT. Eka Karya Graha Flora.
BAB III. ANALISIS DAN PERANCANGAN SISTEM
diperlukan dalam pengembangan perangkat lunak. Selain itu pada bab ini memaparkan perancangan sistem yang akan dibangun.
BAB IV.IMPLEMENTASI DAN PENGUJIAN
Bab ini menjelaskan implementasi dari perangkat lunak yang dibangun. Implementasi perangkat lunak dilakukan berdasarkan kebutuhan analisis dan perancangan perangkat lunak yang sudah dilakukan.Dari hasil implementasi kemudian dilakukan pengujian sistem berdasarkan pada analisis kebutuhan perangkat lunak yang menjelaskan apakah sudah benar-benar sesuai dengan analisis dan perancangan yang telah dilakukan.
BAB V. KESIMPULAN DAN SARAN
9
2.1 Profil PT. Eka Karya Graha Flora
PT. Eka Karya Graha Flora beralamat di Jl. K.H. Hasym Ashari 125 komplek rukuan Roxy Mas Blok D3 No.8 Jakarta 10150 – Indonesia. Telp.021-63856231, FAX. 63856232.
2.1.1 Sejarah PT. Eka Karya Graha Flora
Didirikan pada tahun 1997-an yang dulunya masih bernama PT. Eka Karya Graha Perdana, lalu pada tahun 2003 beralih menjadi PT.Eka Karya Graha Flora.
PT.Eka Karya Graha Flora memiliki 3 (tiga) cabang yang tersebar di kota yang berbeda diantaranya :
1. Cikampek Nursery di Cikampek. 2. Cipamingkis Nursery di Sukabumi. 3. Kanoman Nursery di Cianjur.
Dari ke-3 (tiga) cabang tersebut merupakan perusahaan jasa yang bergerak dibidang penjualan tanaman hias yang di ekspor ke luar negeri dan penjualan di dalam negeri.
2.1.2 Logo PT. Eka Karya Graha Flora
PT. Eka Kraya Graha Flora mempunyai logo yang dapat dilihat pada gambar 2.1 sebagai berikut :
2.1.3 Visi dan Misi
1. Visi
Menjadi perusahaan Tanaman hias yang memenuhi standar mancanegara dan dalam negri, baik dalam kelengkapan fasilitas, kualitas tanaman, kualitas pelayanan, dan teknologi.
2. Misi
Misi merupakan hal yang harus dilaksanakan agar tujuan dari PT. Eka Kraya Graha Flora dapat terlaksanan dengan baik dan tetap berpegang teguh kepada visi PT. Eka Kraya Graha Flora yang ditetapkan. Berikut adalah misi yang harus dicapai :
a. Aktif dalam pameran-pameran yang diselenggarakan swasta maupun pemerintahan.
b. Memberikan kepuasan terhadap konsumen dengan pelayanan dan kualitas tanaman yang berkualitas tinggi.
c. Menjadi Perusahaan tanaman hias terbesar di Indonesia dan Asia. d. Menjalin hubungan kerja dengan baik dengan pihak manapun.
2.1.4 Struktur Organisasi dan Deskripsi Kerja
Direktur
Direktur II
General Manager
Marketing Kepala Produksi
Sekertaris
Manager Cabang
Cikampek Manager Cabang
Kanoman
Manager Cabang Cipamingkis
Personalia Personalia Personalia
Gambar2.2 Struktur Organisasi PT. Eka Karya Graha Flora
2.2 Landasan Teori
Pada bab ini akan dibahas landasan teori dalam pembuatan sistem pendistribusian bibit tanaman di PT.Eka Karya Graha Flora. Pada bab ini juga akan dibahas tentang metode yang digunakan sampai dengan model aliran data terstruktur yang terdiri dari Contex Diagram, Data Flow Diagram (DFD) untuk analisis fungsional dan Entity Relational (E-R) untuk pemodelan data.
2.2.1 Sistem Informasi
Menurut James A. O’Brein dan George M. Marakas sistem informasi merupakan kombinasi terorganisir orang, perangkat keras, perangkat lunak, jaringan komunikasi, sumber daya data, dan aturan-aturan dalam menyimpan, mengambil, mengubah, dan menyebarkan informasi dalam sebuah organisasi yang berbentuk perusahaan, pemerintahan, akademik dan lain-lain. [8]
Teori pada sistem informasi yang melandasi dalam penelitian yang dilakukan di PT.Eka Karya Graha Flora adalah value chain, tipe sistem informasi dan peran sistem informasi didalam bisnis.
2.2.2 Tipe Sistem Informasi
1. Operations support systems
Operations support systems adalah untuk memproses transaksi bisnis, mengontrol proses industri perusahaan, dukungan komunikasi dan kolaborasi perusahaan dalam memperbarui database perusahaan secara efisien. Beberapa bagian-bagian yang terdapat pada operation support systems adalah sebagai berikut:
a. Transaction processing systems
Proses data dari transaksi bisnis, pembaruan database operasional dan menghasilkan dokumen bisnis.
b. Process control systems
Memantau dan mengendalikan proses industri. c. Enterprice Collaboration systems
Tim dukungan, Grup kerja, komunikasi dan kolaborasi perusahaan. 2. Management support systems
Management support system menyediakan informasi dan dukungan untuk pengambilan keputusan yang dilakukan oleh para manajer. Secara konseptual, beberapa jenis sistem informasi yang mendukung pengambilan keputusan adalah sebagai berikut:
a. Management information systems
Memberikan informasi dalam bentuk laporan yang telah ditentukan dan ditampilkan untuk mendukung pengambilan keputusan bisnis.
b. Decision support systems
Memberikan dukungan terhadap salah satu tujuan perusahaan untuk proses pengambilan keputusan oleh para manajer dan profesional bisnis lainnya.
c. Executive information system
Memberikan informasi penting dari management information systems,
Gambar 2.3 Tipe Sistem Informasi [8]
2.2.3 Peran Dasar Sistem Informasi Dalam Bisnis
Bagaimana peran mendasar berinteraksi dalam sebuah organisasi. Setiap saat, sistem informasi yang dirancang untuk mendukung proses bisnis dan operasi juga dapat memberikan data atau menerima data, sistem berfokus pada pengambilan keputusan bisnis atau mencapai keunggulan kompetitif. Organisasi saat ini terus berusaha untuk mencapai integrasi sistem mereka untuk memungkinkan informasi mengalir bebas agar dapat menambahkan fleksibilitas yang lebih besar. Gambar 2.5 mengilustrasikan bagaimana sistem informasi bekerja dalam sebuah bisnis. Tiga peran penting bahwa sistem informasi dapat melaksanakan untuk sebuah perusahaan bisnis:
1. Dukungan Proses Bisnis dan Operasi (Support of Business Processes and Operations) sebagai pendukung proses bisnis dan operasi di dalam sebuah bisnis seperti membantu karyawan dalam mencatat pembelian pelanggan, melacak persediaan, membeli barang-barang baru, dan mengevaluasi tren penjualan. Operasional toko akan terhenti tanpa dukungan seperti sistem informasi.
Sebagai contoh, keputusan tentang barang dagangan yang perlu ditambahkan atau dihentikan dan jenis investasi yang mereka butuhkan biasanya dibuat setelah analisis yang disediakan oleh sistem informasi berbasis komputer.
3. Dukungan Strategi untuk Keunggulan Kompetitif (Support of Strategies and Competitive advantage). Mendapatkan keuntungan strategis atas persaingan yang memerlukan aplikasi inovatif teknologi informasi. seperti e-commerce untuk belanja online. Penawaran ini mungkin menarik pelanggan baru dan membangun loyalitas pelanggan karena kemudahan berbelanja dan membeli barang yang disediakan oleh sistem informasi tersebut.
2.2.4 Pengertian Pengadaan barang
Pengadaan adalah proses menjadikan sesuatu yang tadinya tidak ada menjadi ada. Berdasarkan pemikiran tersebut diatas maka dapat diambil kesimpulan bahwa yang dimaksud dengan Sistem Informasi Pengadaan Barang adalah pola hubungan yang berkaitan untuk melakukan kegiatan memproses data kebutuhan barang dan jasa untuk produksi atau pendukung produksi yang tidak terpenuhi dan proses pembeliannya sehingga kebutuhan tersebut terpenuhi dan dihasilkan data yang cepat, tepat dan akurat, sehingga tujuan perusahaan dapat tercapai
2.2.5 Pengertian Pendistribusian barang
maksimal setelah dikonsumsi. Maka dari itu, akan sangat terlihat tentang kegunaan dari distribusi baik tentang waktu dan tempatnya.
Gambar 2.4 Peran Dasar Sistem Informasi dalam Bisnis
2.2.6 Pengertian Expected Time
Expected Time adalah perhitungan yang mengacu pada waktu rata-rata dari ketiga macam waktu yang diharapkan dapat menyelesaikan sebuah pekerjaan. Dari ketiga waktu tersebut yaitu
1. Optimistic Time (a)
Waktu perkiraan yang diyakini dapat menyelesaikan sebuah pekerjaan apabilan tidak ada hambatan yang mendasar.
2. Most Probable Time (m)
Waktu perkiraan yang paling memungkinkan/mendekati untuk penyelesaian sebuah pekerjaan.
3. Pesimistic Time (b)
Waktu perkiraan yang diperlukan dalam penyelesaian sebuah pekerjaan seandainya diduga aka nada rintangan dalam pelaksanaan pekerjaan tersebut.
2.3 Peramalan
Tujuan dari peramalan adalah untuk memberikan manajer dengan informasi yang akan memfasilitasi pengambilan keputusan. Hampir setiap organisasi, publik atau swasta beroperasi di lingkungan yang tidak pasti dan dinamis dengan pengetahuan sempurna tentang masa depan. Peramalan merupakan bagian integral dari sistem perencanaan dan pengendalian, dan organisasi memerlukan prosedur peramalan yang memungkinkan mereka untuk memprediksi masa depan secara efektif dan tepat waktu. Bagian dari kepemimpinan bisnis yang sukses berasal dari kemampuan untuk meramalkan perkembangan masa depan dan untuk membuat keputusan yang tepat. Peramalan dapat digunakan sebagai alat untuk memandu keputusan bisnis tersebut, meskipun beberapa tingkat ketidakpastian mungkin masih ada. Manajemen umumnya tertarik dalam membuat keputusan berdasarkan pada peramalan faktor ekonomi yang sangat penting dalam perencanaan strategis dan tindakan. Sementara peramal tidak akan benar-benar yakin apa yang akan terjadi di masa depan.
2.4 Pola Data
Secara umum pola data yang berfungsi sebagai panduan terbagi menjai dua cara yang berbeda. Yaitu dengan cara pengamatan sederhana dari data akan menunjukan pengamatan sederhana dari data akan menunjukan pengamat cara data telah berperilaku dari waktu ke waktu. Sifat perilaku ini berfungsi sebagai panduan dalam berspekulasi pada pola data ke masa depan dan pola data dapat menunjukan adanya hubungan antara dua variabel atau lebih. Ketika hal ini terjadi, data historis pada variable tunggal saja tidak memberikan informasi mengenai pola dasar.
2.4.1 Jenis Pola Data
a. Pola Data Horizontal
Ketika tidak ada kecenderungan dalam pola data peramal sedang dihadapi oleh Pola data horizontal. Ini berarti bahwa pengamatan tidak cenderung untuk menambah atau mengurangi dengan cara sistematis. Dalam istilah statistik dapat dilihat bahwa ini sebagai pola stasioner. Dalam situasi seperti itu, yang memiliki kemungkinan yang sama untuk mengamati nilai berikutnya dari seri untuk berada diatas atau dibawah nilai stasioner. Lamanya waktu adalah faktor yang paling penting ketika memutuskan apakah pola horizontal dicatat dalam data. Semakin pendek horison waktu, semakin besar kemungkinan itu adalah untuk mengamati pola horizontal dalam data. Gambar 2.5 menjelaskan pola data horizontal.
Gambar 2.5 Pola Data Horizontal
b. Pola data Trend
Gambar 2.6 Pola Data Trend
c. Pola data Musiman
Sebuah pola musiman dalam data tersebut diamati ketika gerakan diprediksi dan diamati berulang di sekitar garis tren dalam jangka waktu satu tahun atau kurang. Ini berarti bahwa, untuk dapat menganalisis variasi musiman, ke pemilik data yang dilaporkan mingguan, bulanan, kuartalan, dll pola data musiman ada untuk sejumlah alasan. Untuk lebih jelasnya perhatikan Gambar 2.7 .
d. Pola data Siklis
Pola siklis terjadi dengan bisnis dan ekonomi ekspansi dan kontraksi. Meskipun ada kemiripan dengan pola data musiman, gerak siklis panjangnya bervariasi, biasanya berlangsung lebih lama dari 1 tahun. Gambar 2.8 menggambarkan tentang pola data siklis.
Gambar 2.8 Pola data Siklis
2.4.2 Metodelogi Peramalan
Ada kelas utama dalam teknik peramalan di mana manajer harus terbiasa dalam menggunakan peramalan secara efektif. Metodologi peramalan terbagi dalam tiga kategori yaitu model kuantitatif, model kualitatif, dan pendekatan teknologi. Poin berikut menjelas kan tentang kelas utama tersebut:
a. Model Kuantitatif
Model kuantitatif dikenal sebagai model statistik, pendekatan yang objektif untuk peramalan ini mendominasi lapangan karena menyediakan serangkaian langkah-langkah sistematis yang dapat diterapkan untuk berbagai bisnis dan kondisi ekonomi.
b. Metode kualitatif
2.4.3 Model dan Dasar Peramalan
Pada point 2.4.3 dijelaskan bahwa model kuantitatif dikenal sebagai model statistik, yang artinya model ini mendasarkan pada data-data yang telah dikumpulkan dalam menghasilkan nilai peramalannya.
Teknik-teknik peramalan jangka pendek yang dapat diterapkan untuk prakiraan mingguan, bulanan, dan triwulanan disebut sebagai metode pemulusan. Teknik ini sederhana dan sangat berguna dalam pengambilan keputusan. Model ini memungkinkan untuk membedakan antara fluktuasi acak pada pola di dalam data. Model yang dapat digunakan dalam peramalan jangka pendek dalam melakukan peramalan adalah sebagai berikut:
1. Naive Model
Model ini mengasumsikan bahwa masa lalu merupakan indikator terbaik dari masa depan. Naïve Model dapat ditulis dengan persamaan :
2. Simple Average
Model ini menggunakan data periode pertama sebagai titik awal dan berakhir pada satu titik sebelum data yang diramalakan. Dalam pendekatan ini, nilai-nilai historis yang relevan dihitung untuk menghasilkan rata-rata nilai dalam meramalkan periode berikutnya. Simple Model Average dapat dihitung dengan persamaan :
3. Moving Average
2.4.4 Perhitungan Kesalahan Peramlan
Mengukur akurasi permalan yang sederhana, beberapa indikasi kesalahan rata-rata yang dapat diharapkan dari waktu ke waktu dapat diperkiraan pada nilai selisih periode waktu t atau dapat didefinisikan sebagai nilai aktual dikurangi dengan nilai perkiraan diprediksi. Berikut ini adalah rumus dalam memperhitungkan nilai error dalam peramalan:
�= � −Ŷ ...II-4 Keterangan:
e1 = Kesalahan Prediksi (Prediction Error) Yt = Nilai Sebenarnya (Actual Value) Ŷt = Nilai Ramalan (Forcast Value)
Ada beberapa metode yang dapat digunakan dalam mengukur nilai kesalahan dalam sebuah peramalan. Diantaranya sebagai berikut:
1. MAD (Mean Absoulte Error)
Satu metode untuk mengevaluasi metode peramalan menggunakan jumlah dari kesalahan-kesalahan yang absolut. Mean Absolute Deviation (MAD) mengukur ketepatan ramalan dengan merata-rata kesalahan dugaan (nilai absolut masing-masing kesalahan). MAD paling berguna ketika orang yang menganalisa ingin mengukur kesalahan ramalan dalam unit yang sama sebagai deret asli. Persamaan II.5 merupakan rumus dalam memperhitungkan kesalahan nilai peramalan.
2. MSE (Mean Square Error)
mengatur kesalahan peramalan yang besar karena kesalahan-kesalahan itu dikuadratkan. Suatu teknik yang menghasilkan kesalahan moderat mungkin lebih baik untuk salah satu yang memiliki kesalahan kecil tapi kadang-kadang menghasilkan sesuatu yang sangat besar. Persamaan II-6 menunjukan rumus untuk menghitung MSE.
3. MAPE (Mean Absolute Percentage Error)
Peramal juga tergantung pada Mean Absolute Precentage Erorr (MAPE) sebagai ukuran akurasi ramalan. Langkah ini mirip dengan MAD kecuali bahwa itu dinyatakan dalam persentase. Keuntungan dari ukuran adalah bahwa hal itu memperhitungkan ukuran relatif dari istilah kesalahan untuk unit yang sebenarnya pengamatan. MAPE dihitung seperti yang ditunjukkan pada persamaan II-7.
2.5 Pengaman Persediaan (Safety Stock)
Pengaman persediaan (sefety stock) adalah istilah yang digunakan oleh ahli logistik untuk menggambarkan tingkat stok tambahan yang dipertahankan untuk mengurangi risiko ketidaktersediaan (kekurangan bahan baku) karena ketidakpastian pasokan dan permintaan. Tingkat safety stock yang memadai memungkinkan operasi bisnis untuk melanjutkan sesuai dengan rencana perusahaan. Persamaan pengaman persediaan dapat dilihat pada persamaan
��=����∗ ���� �� ...II-8
2.6 Penunjang Perangkat Lunak
Sistem berarti kumpulan komponen yang saling terkait dan mempunyai satu tujuan yang ingin dicapai.
2.6.1 Pengertian DreamWeaver
Adobe Dreamweaver merupakan program penyunting halaman web keluaran dari Adobe Systems yang dulu dikenal sebagai Macromedia Dreamweaver keluaran Macromedia. Program ini banyak digunakan oleh pengembang web karena fitur-fiturnya yang menarik dan kemudahan penggunaannya.
2.6.2 Pengertian PHP
PHP mempunyai banyak fungsi bawaan (reserved word) dengan beragam kemampuan, mulai menampilkan informasi, memanipulasi informasi, keperluan kondisional, keperluan perulangan, sampai pengaksesan berbaigai database, termasuk MySQL
2.6.3 Fungsi PHP MySQL
PHP mempunyai banyak fungsi bawaan (reserved word) dengan beragam kemampuan, mulai menampilkan informasi, memanipulasi informasi, keperluan kondisional, keperluan perulangan, sampai pengaksesan berbaigai database, termasuk MySQL.
2.6.4 Pengertian Pemrograman Terstruktur
Pemograman terstruktur adalah konsep atau paradigm atau sudut pandang pemograman yang membagi-bagi program berdasarkan fungsi-fungsi atau prosedur-prosedur yang dibutuhkan program komputer. Modul-modul (pembagian program) biasanya dibuat dengan mengelompokan fungsi-fungsi dan prosedur-prosedur yang diperlukan sebuah proses tertentu.
2.6.5 Pengertian Basis Data
informasi tersedia saat dibutuhkan. Pada intinya basis data adalah media untuk penyimpanan data agar dapat diakses dengan mudah dan cepat.
2.6.6 DBMS
DBMS (Database Management System) adalah suatu sistem aplikasi yang digunakan untuk menyimpan, mengelola, dan menampilkan data. Suatu aplikasi disebut DBMS jika memenuhi persaratan minimal sebagai berikut :
a. Menyediakan fasilitas untuk mengelola akses data b. Mampu menangani integritas data
c. Mampu menangani akses data d. Mampu menangani backup data
Karena pentingnya data bagi suatu organisasi atau perusahaan, maka hamper sebagian besar perusahaan memanfaatkan DBMS dalam mengelola data yang mereka miliki. Pengelolaan DBMS sendiri biasanya ditangani oleh tenaga ahli yang sepesialis menangani DBMS yang disebut sebagai DBA (Database Administrator).
2.6.7 Pengertian MySQL
SQL adalah kependekan dari Structured Query Language, merupakan sebuah bahasa yang digunakan untuk menagkases data dalam database relasional. Sedangakan database relasional itu sendiri adalah sebuah database yang bekerja dengan menghubungkan data pada file-file yang berbeda menggunakan sebuah kunci atau elemen data yang umum. Sederhananya, data yang diolah oleh SQL berbentuk informasi yang disimpan dalam bentuk table. Setiap tabel memiliki field-field (kolom) tertentu untuk menyimpan data atau informasi.
Secara umum perintah-perintah SQL dibagi menjadi dua kelompok yaitu : 1. DDL (Data Definition Language)
Data Definition Language merupakan bagian dari SQL yang digunakan untuk mendefinisikan data dan objek database. Perintah tersebut berupa membuat, mengubah, menghapus database berserta obejk lain dalam database.
2. DML (Data Manipulation Language)
Data Manipulation Language merupakan bagian dari perintah SQL yang digunakan untuk memanipulasi data yang ada dalam suatu tabel.
2.6.8 Bagian Alir Dokumen (Flowmap)
Flowmap menunjukan arus dari formulir dan laporan termasuk tembusan-tembusannya. Simbol yang digunakan antara lain :
1. Dokumen. Menunjukkan dokumen input dan output baik untuk proses manual, mekanik atau komputer.
2. Kegiatan manual. Menunjukkan pekerjaan yang dilakukan secara manual.
3. Simpanan offline. Menunjukkan file non komputer yang diarsipkan. 4. Proses. Menunjukkan kegiatan pemrosesan dari operasi progran komputer.
5. Simpanan data. Menunjukkan penyimpanan data dalam database. 6. Penghubung. Menunjukkan hubungan atau aliran dokumen.
2.6.9 ERD (Entity Relationship Diagram)
Pada model data relasional hubungan antar file direlasikan dengan kunci relasi (relation key) yang merupakan kunci utama dari masing-masing file. Dalam ERD terdapat hal-hal yang perlu diperhatikan yaitu:
1. Entity; entity yaitu orang, tempat, kejadian atau konsep yang informasinya direkam dan di gambarkan dengan persegi panjang. 2. Atribute; setiap entity mempunyai atribute atau sebutan untuk
3. Relasi; menyatakan hubungan antar himpunan, di gambarkan dengan belah ketupat.
4. Garis; sebagai penghubung antara himpunan relasi dengan entitas dan entitas dengan atributnya.
5. Kardinalitas; adalah model data yang harus dapat merepresentasika jumlah peristiwa dari objek didalam hubungan yang diberikan.
Relasi antara dua file atau dua tabel dapat dikategorikan menjadi tiga macam diantaranya sebagai berikut:
1. One to one relationship
Hubungan antara file pertama dengan file kedua adalah satu berbanding satu. Hubungan tersebut dapat digambarkan dengan tanda lingkaran untuk menunjukkan tabel dan relasi antara keduanya diwakilkan dengan tanda panah tunggal. Relasi satu ke satu terjadi bila satu record yang ada pada satu entity atau tabel hanya punya satu relasi pada file lain dapat dilihat pada contoh gambar 2.10 dibawah ini :
Gambar 2.9.One to one relationship
2. One to many relationship
satu file mempunyai relasi banyak record pada file lain dapat dilihat pada contoh gambar 2.11 dibawah ini :
Gambar 2.10.One to many relationship
3. Many to many relatianship
Hubungan antara file pertama dengan file kedua adalah banyak berbanding banyak. Hubungan tersebut dapat digambarkan dengan tanda lingkaran untuk menunjukkan tabel dan relasi antara keduanya diwakilkan dengan tanda panah ganda untuk menunjukkna hubungan banyak tersebut. Relasi banyak ke banyak terjadi bila kedua file saling mempunyai relasi banyak record pada file yang lain dapat dilihat pada contoh gambar 2.12 dibawah ini :
29
Analisis sistem dapat didefinisikan sebagai penguraian suatu sistem yang diselidiki hubungan antarbagian untuk memperoleh pengertian yang tepat dan pemahaman dari kegiatan-kegitan yang dilakukan sebuah sistem. Tujuan dari analisis sistem adalah untuk mengidentifikasi masalah, hambatan dan kebutuhan sehingga dapat diusulkan perbaikannya.
3.1.1 Analisis Masalah
Sesuai dengan hasil penelitian yang dilakukan di PT. Eka Karya Graha Flora, terdapat beberapa masalah yang dihadapi perusahaan tersebut diantaranya: 1. kantor pusat menentukan jumlah bibit tanaman untuk didistribusikan
kesetiap cabang.
2. kantor pusat mengetahui persedian stock tanaman di setiap cabangnya.
3. kantor pusat membuat jadwal pendistribusian bibit tanaman ke setiap cabang.
Berdasarkan analisis masalah, dibangunlah sebuah sistem pendistribusian bibit tanaman ke setiap cabang agar tidak lagi terjadi kesalahan saat pendistribusian, sistem yang dapat mengawasi stock tanaman dan sistem untuk mengatur jadwal pendistribusian ke setiap cabang.
3.1.2 Analisis Sistem yang Sedang Berjalan
Berdasarkan hasil wawancara dengan Pihak kantor pusat PT. Eka Karya Graha Flora
1. Prosedur Laporan Penjualan Tanaman
Prosedur Laporan penjualan tanaman di PT. Eka Karya Graha Flora dilaksanakan dengan aturan-aturan sebagai berikut:
a. Data penjualan tanaman bulanan di olah oleh cabang
b. Kemudian cabang memasukan ke database menjadi file data penjualan tanaman.xls
c. Data penjualan tanaman dicetak menjadi dua rangkap d. Arsip rangkap pertama diarsipkan dicabang
e. Arsip rangkap ke dua di kirimkan ke kantor pusat dan diarsipkan.
Prosedur Laporan penjualan tanaman
Cabang Marketing
P
h
ase
Data Penjualan tanaman bulanan
Proses pengolahan data penjualan
tanaman
Data penjulaan tanaman.xls
Proses pencetakan data penjualan
tanaman
1
2 Data penjualan tanaman bulanan
A1 A2
2 Data penjualan tanaman bulanan
Keterangan :
A1 : Arsip Laporan data penjualan tanaman perbulan untuk Cabang A2 : Arsip Laporan data penjualan tanaman perbulan untuk kantor pusat
2. Prosedur Pemesanan Bibit Tanaman ke Supllier
Prosedur pemesanan bibit tanaman di PT. Eka Karya Graha Flora dilaksanakan dengan aturan-aturan sebagai berikut:
a. Kepala produksi cabang kantor PT. Eka Karya Graha Flora membuat surat pemesanan bibit tanaman dua rangkap.
b. Surat pesanan bibit tanaman rangkap ke dua dikirimkan ke kantor pusat bagian marketing dan diarsipkan
c. Kemudian marketing mengirim surat pesanan bibit tanaman ke supplier
d. Supplier melakukan pengecakan stock bibit tanaman
e. Jika stock bibit tanaman tidak ada maka supplier membuat surat pemesanan bibit dengan keterangan stock tidak ada dan dikirimkan kepada marketing kantor Eka Karya Graha Flora
f. Jika stock bibit tanaman ada supplier akan mengarsipkan surat pesanan bibit tanaman
g. Lalu supplier memproses surat pesanan bibit tanaman dan memasukan data pesanan ke dalam database dalam bentuk data pesanan.xls
h. Supplier mencetak dua rangkap laporan pemesanan bibit tanaman. i. Rangkap pertama data pemesanan dikirimkan ke marketing kantor Eka
Karya Graha Flora dan di arsipkan
Prosedur Pemesanan Bibit Tanaman Surat pesanan Bibit
tanaman dengan keterangan stok
tidak ada
tidak Surat pesanan Bibit
tanaman dengan keterangan stok
tidak ada
Surat pesanan Bibit tanaman dengan
A3 : Arsip surat Pemesanan bibit tanaman A4 : Arsip Laporan pesanan keterangan stock ada A5 : Arsip Laporan pemesanan bibit tanaman
A6 : Arsip Laporan pemesanan bibit tanaman untuk Marketing
A4
1
2 Surat pesanan Bibit tanaman
1
2 Surat pesanan Bibit tanaman
A3
3. Prosedur Distribusi Bibit Tanaman ke Cabang
Pada gambar 3.4 menjelaskan bahwa alur dari prosedur pendistribusian bibit tanaman ke setiap cabang yang sedang dijalani di PT.Eka Karya Graha Flora adalah sebagai berikut:
a. Arsip laporan pemesanan lembar pertama dikirimkan kecabang lalu diarsipkan dicabang
b. Arsip laporan pemesanan lembar ke dua diinput kedalam database. c. Menghasilkan data bibit.xls.
d. Dari data bibit.xls dicetak dua rangkap menjadi laporan data distribusi bibit ke cabang.
e. Laporan lembar pertama data distribusi bibit diarsipkan oleh kantor pusat.
f. Laporan lembar kedua data distribusi bibit diserahkan ke kantor cabang untuk di arsipkan.
Prosedur Ditribusi bibit Tanaman ke Cabang
Kantor Pusat PT. Eka Karya Graha Flora Kantor Cabang
P
h
as
e
A3
Input data pemesanan bibit
Pengolahan data bibit
Data bibit.xls
Pencetakan laporan distribusi bibit
1
2 Laporan distribusi bibit
Laporan ditribusi bibit
Laporan ditribusi bibit
A8 A9
Keterangan :
A3 : Arsip Laporan pemesanan bibit untuk kantor pusat PT. Eka Karya Graha Flora A7 : Arsip Laporan pemesanan bibit untuk cabang
A8 : Arsip laporan distribusi untuk kantor pusat A9 : Arsip Laporan distrbusi untuk kantor cabang
1
2 Laporan pemesanan
1 Laporan pemesanan
A7
4. Prosedur Pemesanan Tanaman untuk customer
Prosedur Pemesanan tanaman yang sedang dijalani oleh PT.Eka Karya Graha Flora adalah sebagai berikut:
a. Customer membuat surat permintaan pemesanan tanaman dan di kirim ke bagian marketing kantor Eka Karya Graha Flora.
b. Bagian marketing membuat formulir pesanan tanaman
c. Formulir pemesanan tanaman dikirimkan untuk pihak customer d. Customer mengisi formulir data pemesanan tanaman.
e. Customer menyerahkan formulir pemesanan tanaman yang telah diisi kepada marketing PT. Eka Karya Graha Flora.
f. Bagian marketing PT. Eka Karya Graha Flora membuat surat pesanan. g. Formulir pemesanan dari customer diarsipkan dibagian marketing. h. Surat pemesanan barang dibuat dua rangkap oleh bagian marketing. i. Surat pemesanan barang diserahkan kepada bagian kepala produksi. j. Kepala melakukan pengecekan stock barang yang dipesan.
k. Jika barang tersedia atau ada maka bagian kepala produksi melakukan pengesahaan surat pemesanan.
l. Jika barang tidak tersedia maka kepala produksi menyerahkan kembali surat pesanan kepada marketing untuk diserahkan kapada customer bahwa barang tidak ada.
m. Surat pemesanan yang telah disahkan, lembar ke dua diarsipkan oleh bagian kepala produksi dan lembar surat pesanan pertama diberikan kepada marketing.
n. Kemudian marketing menyerahkan surat pesanan yang sudah disahkan kepada customer.
Prosedur Pemesanan tanaman
Customer Bagian Marketing Kepala Produksi
1 tanaman yang telah
diisi
Formulir Pemesanan tanaman yang telah
diisi
Pembuatan Surat Pesanan
tanaman
2 Surat Pesanan tanaman Formulir
Pemesanan tanaman yang
telah diisi
2 Surat Pesanan tanaman
2 Surat Pesanan tanaman dengan keterangan stok ada
ya
Pengesahan
2 Surat Pesanan tanaman dengan keterangan stok ada yang telah disahkan
A12 Surat Pesanan
tanaman dengan keterangan stok ada yang telah disahkan Surat Pesanan
tanaman dengan keterangan stok ada yang telah disahkan
A13
2 Surat Pesanan Dengan Keterangan
A10 : Arsip Formulir Pemesanan
A11 : Arsip Surat Pesanan Dengan Keterangan Stok Tidak ada A12 : Arsip Surat Pesanan dengan keterangan stok ada
A13: Arsip Surat Pesanan dengan keterangan stok ada untuk Customer Surat Permintaan
3.1.3 Analisis Aturan Bisnis
Aturan bisnis adalah sebuah pernyataan yang menjelaskan kebijakan bisnis atau keputusan prosedur. Berikut ini adalah aturan bisnis yang digunakan :
1. Aturan bisnis pada sitem yang sedang berjalan
Aturan bisnis yang dilakukan di PT.Eka Karya Graha Flora adalah sebagai berikut :
a. Penjualan tanaman
Aturan bisnis pencatatan hasil penjualan tanaman di PT. Eka Karya Graha Flora adalah sebagai berikut :
1. Pihak yang bertanggung jawab atas pencatatan penjualan tanaman adalah kepala produksi disetiap cabang.
2. Kepala produksi setiap cabang wajib menyerahkan laporan penjualan setiap bulannya kepada marketing.
b. Pembelian Bibit Tanaman
Aturan bisnis perencanaan pembelian bibit tanaman yang sedang berjalan adalah :
1. Perencanaan jumlah pembelian bibit tanaman dilakukan oleh bagian marketing yang diindikasi oleh data penjualan tanaman dari masing-masing cabang.
2. Pihak yang menangani pembelian bibit tanaman adalah bagian marketing.
3. Jumlah bibit tanaman yang akan dibeli didasarkan pada tanaman yang terjual.
c. Distribusi Bibit Tanaman ke Cabang
Prosedur proses distribusi bibit tanaman ini mengenai proses distribusi ke cabang-cabang di PT.Eka Karya Graha Flora dan stabilisasi stock bibit tanaman dicabang, dan prosedur yang berjalan adalah sebagai berikut :
1. Distribusi bibit tanaman 2 hari sebelum bulan periode tersebut berakhir. 2. Marketing dan kepala produksi pusat adalah pihak yang bertanggung
2. Aturan bisnis pada sistem yang dibangun
Berikut ini adalah aturan bisnis pada sistem yang dibangun :
1. Perencanaan jumlah pembelian bibit tanaman dihitung berdasarkan hasil dari peramalan.
2. Pembuatan laporan dilakukan dengan cara mencetak langsung data dari database.
3. Marketing bagian penjualan memiliki akun untuk mencatat hasil penjualan.
3 . Aturan Pendistribusian Bibit Tanaman pada Sistem yang dibangun
Berikut ini adalah aturan pendistribusian pada sistem yang dibangun :
1. Perencanaan jumlah pembelian bibit tanaman dihitung berdasarkan hasil dari peramalan
2. Menginputkan jumlah bibit tanaman yang didistribusikan ke dalam sistem database
3. Kantor pusat mendistribusikan bibit tanaman ke setiap cabang.
3.1.4.Analisis persedian Safety Stock perjenis disetiap cabang
Persediaan stock aman merupakan antisipasi persediaan stock agar persediaan stock tanaman tidak terganggu saat persediaan stock bibit tanaman di pesan oleh pihak marketing, saat ini PT.Eka Karya Graha Flora memiliki 3 cabang diantaranya Cikampek Nursery, Cipamingkis Nursery , dan Kanoman Nursery dari masing-masing cabang memiliki jumlah stock aman tanaman untuk penjualan, maka dari itu persediaan stock aman di PT.Eka Karya Graha Flora ini menggunakan metode safety stock untuk memprediksi persediaan aman jumlah
tersedia disetiap cabang. Saat ini terdapat 16 jenis tanaman yang ada di PT. Eka Karya Graha Flora, tapi untuk analisis persediaan aman diambil 15 jenis tanaman dari setiap cabang dan dari ke-15 jenis tanaman tersebut adalah Untuk cabang Cikampek (Shavin White, Tommy, Airy Gold, Bleu Montain, dan Salaya Brown), Untuk Cabang Kanoman (Sumi, Dacota, Nuvano, Sensa, Feska), dan Untuk Cabang Cipamingkis (BPLK, BM, BPLM, BPM, NOVELTY). Data history yang diambil adalah pada bulan januari 2013, Februari 2013, Maret 2013 dan April 2013 data tanaman tersebut adalah untuk memprediksi persediaan aman untuk bulan Mei 2013. Berikut penjelasan perhitungan persediaan aman stock tanaman dari jumlah stock setiap cabang-cabang PT.Eka Karya Graha Flora dapat dilihat pada tabel (3.1) , (3.2), (3.3) berikut ini.
Tabel 3.1 Persediaan Stock Tanaman Di Cabang Cikampek
Tabel 3.3 Persediaan Stock Tanaman Di Cabang Cipamingkis
Berdasarkan jumlah stock tanaman di setiap cabang pada tabel (3.1) , (3.2), (3.3) sehingga safety stock dapat dilihat dengan perhitungan berikut ini :
a. Cabang Cikampek
1. Persediaan Aman Jenis Shavin White (Rumus 3)
Safety Stock = (Persediaan Maksimum – Persediaan Rata-Rata) Lead Time safety stock = (12000-10085,75) * 2
= 3828,5 .Pot 2. Persediaan Aman Jenis Tommy (Rumus 3)
Safety Stock = (Persediaan Maksimum – Persediaan Rata-Rata) Lead Time safety stock = (12508-11420,42) * 2
= 2175,16 .Pot 3. Persediaan Aman Jenis Airy Gold (Rumus 3)
Safety Stock = (Persediaan Maksimum – Persediaan Rata-Rata) Lead Time safety stock = (12456-96000,66) * 2
4. Persediaan Aman Jenis Blue Montain (Rumus 3)
Safety Stock = (Persediaan Maksimum – Persediaan Rata-Rata) Lead Time safety stock = (10879-9525,91) * 2
= 2706,16 .Pot 5. Persediaan Aman Jenis Salaya Brown (Rumus 3)
Safety Stock = (Persediaan Maksimum – Persediaan Rata-Rata) Lead Time safety stock = (12000-9468,41) * 2
= 5063,16 .Pot a. Cabang Kanoman
1. Persediaan Aman Jenis Sumi (Rumus 3)
Safety Stock = (Persediaan Maksimum – Persediaan Rata-Rata) Lead Time safety stock = (7522-5663,66) * 2
= 3716,66 .Pot 2. Persediaan Aman Jenis Dacota (Rumus 3)
Safety Stock = (Persediaan Maksimum – Persediaan Rata-Rata) Lead Time safety stock = (6521-5561,5) * 2
(Rumus 3)
Safety Stock = (Persediaan Maksimum – Persediaan Rata-Rata) Lead Time safety stock = (7056-5419,16) * 2
= 3273,66 .Pot
4. Persediaan Aman Jenis Sensa (Rumus 3)
Safety Stock = (Persediaan Maksimum – Persediaan Rata-Rata) Lead Time safety stock = (6800-5240,41) * 2
= 5240,41 .Pot
5. Persediaan Aman Jenis Feska (Rumus 3)
Safety Stock = (Persediaan Maksimum – Persediaan Rata-Rata) Lead Time safety stock = (6623-5370) * 2
= 2506 .Pot a. Cabang Cipamingkis
1. Persediaan Aman Jenis BPLK (Rumus 3)
Safety Stock = (Persediaan Maksimum – Persediaan Rata-Rata) Lead Time safety stock = (46502-39192,91) * 2
2. Persediaan Aman Jenis BM (Rumus 3)
Safety Stock = (Persediaan Maksimum – Persediaan Rata-Rata) Lead Time safety stock = (30022-24630) * 2
= 10784 .Pot 3. Persediaan Aman Jenis BPLM (Rumus 3)
Safety Stock = (Persediaan Maksimum – Persediaan Rata-Rata) Lead Time safety stock = (26602-2434,16) * 2
= 4521,66 .Pot 4. Persediaan Aman Jenis BPM (Rumus 3)
Safety Stock = (Persediaan Maksimum – Persediaan Rata-Rata) Lead Time safety stock = (5212-4627,75) * 2
= 1168,5 .Pot 5. Persediaan Aman Jenis Novelty (Rumus 3)
Safety Stock = (Persediaan Maksimum – Persediaan Rata-Rata) Lead Time safety stock = (5622-4896,66) * 2
= 1450,66 .Pot
Cabang Cikampek :
1. Persediaan Aman Untuk Jenis Shavin White Untuk Bulan Mei 2013 adalah 3828,5.
2. Persediaan Aman Untuk Jenis Tommy Untuk Bulan Mei 2013 adalah 2175,16. 3. Persediaan Aman Untuk Jenis Airy Gold Untuk Bulan Mei 2013 adalah
5710,66.
4. Persediaan Aman Untuk Jenis Blue Montain Untuk Bulan Mei 2013 adalah 2706,16.
5. Persediaan Aman Untuk Jenis Salaya Brown Untuk Bulan Mei 2013 adalah 5063,16.
Cabang Kanoman :
1. Persediaan Aman Untuk Jenis Sumi Untuk Bulan Mei 2013 adalah 3716,66. 2. Persediaan Aman Untuk Jenis Dacota Untuk Bulan Mei 2013 adalah 1919. 3. Persediaan Aman Untuk Jenis Nuvano Untuk Bulan Mei 2013 adalah
32273,66.
4. Persediaan Aman Untuk Jenis Sensa Untuk Bulan Mei 2013 adalah 3119,16. 5. Persediaan Aman Untuk Jenis Feska Untuk Bulan Mei 2013 adalah 2506.
Cabang Cipamingkis :
1. Persediaan Aman Untuk Jenis BPLK Untuk Bulan Mei 2013 adalah 14618,16. 2. Persediaan Aman Untuk Jenis BM Untuk Bulan Mei 2013 adalah 10784. 3. Persediaan Aman Untuk Jenis BPLM Untuk Bulan Mei 2013 adalah 4521,66. 4. Persediaan Aman Untuk Jenis BPM Untuk Bulan Mei 2013 adalah 1168,5. 5. Persediaan Aman Untuk Jenis Novelty Untuk Bulan Mei 2013 adalah 1450,66. Sehingga dari yang telah disimpulkan berdasarkan hasil perhitungan safety stock,
3.1.5 Analisis Metode Peramalan (Moving Average) di PT. Eka Karya Graha
Flora
Metode peramalan merupakan suatu metode yang dapat memprediksi suatu objek pengamatan baik suatu barang ataupun nilai. Sistem peramalan dalam sistem informasi distribusi bibit tanaman di PT. Eka Karya Graha Flora ini yaitu untuk memprediksi pemesanan bibit tanaman terhadap supplier, dikarenakan belum akuratnya pemesanan bibit tanaman yang dilakukan kantor pusat PT. Eka Karya Graha Flora terhadap supplier untuk didistribusikan ke setiap cabangnya yang nasih sering terjadinya kekurangan atau kelebihan bibit tanaman yang didistribusikan kantor pusat ke cabang, sehingga belum dapat meramalkan berapa banyak bibit tanaman yang harus dipesan ke supplier, saat ini terdapat 16 jenis tanaman yang ada di PT. Eka Karya Graha Flora, tapi untuk analisis peramalan diambil hanya 15 jenis tanaman saja karna 15 jenis tanaman ini yang sangat diminati oleh customer dan sering terjadi kekurangan tanaman. Metode peramalan di PT. Eka Karya Graha Flora ini menggunakan metode Moving Average karena menggunakan rata-rata beberapa data terakhir sebagai data prakiraan masa berikutnya. Metode ini sangat sederhana karena berusaha merata-ratakan beberapa data terakhir. Metode ini berusaha memuluskan perubahan data yang sangat tinggi atau sangat rendah.
Berikut data distribusi bibit tanaman yang menggambarkan prediksi pemesanan bibit tanaman ke supplier dari jumlah penjualan tanaman per bulan-nya pada bulan januari 2013 s/d April 2013 dari ke-15 jenis tanaman dan data distribusi bibit tanaman dapat dilihat pada tabel (3.4), (3.5), (3.6) berikut ini :
Tabel 3.4 Data penjualan tanaman Di Cabang Cikampek
No Jenis Tanaman
PERIODE
Tabel 3.5 Data penjualan Tanaman Di Cabang Kanoman
No Jenis Tanaman
PERIODE
Jan-13 Feb-13 Mar-13 Apr-13 Mei-13 1 Sumi 2405 2514 2477 2654 2707 2 Dacota 2455 2278 2545 2511 2766 3 Nuvano 2677 2565 2811 2643 2789 4 Sensa 2433 2300 2611 2457 2546 5 Feska 2256 2426 2323 2432 2599
Tabel 3.6 Data penjualan Tanaman Di Cabang Cipamingkis
No Jenis Tanaman
PERIODE
Jan-13 Feb-13 Mar-13 Apr-13 Mei-13 1 BPLK 24895 25435 25111 26380 27465 2 BM 15604 16022 14545 16686 15111 3 BPLM 16008 15225 16419 15001 15870 4 BPM 2568 2585 2600 2703 2640 5 NOVELTY 2461 2500 2588 2500 2602
1. Peramalan dari data Cabang Cikampek a. Peramalan Jenis Shavin White
Berikut perhitungan peramalan untuk jenis tanaman shavin white untuk periode Mei 2013 dapat dilihat sebagai berikut.
Tabel 3.7 Data aktual tanaman jenis shavin white
Periode Data Aktual Jan-2013 6250 Feb-2013 5898 Mar-2013 6130 Apr-2013 5236 Mei-2013 5678
(Rumus 1) Yt+1 = Σ Yt+Yt-1+....Yt-k+1 n
Dimana,
k = jumlah perlakuan dalam moving average
Mar 2013 = 6250 + 5898 = 6074 2
Apr 2013 = 6250 + 5898 + 6130 = 6092,7 3
Mei 2013 = 6250 + 5898 + 6130 + 5236 = 5878,5 4
Berikut perhitungan menggunakan metode MAPE (Mean Absolute Precentage Error) untuk mengukur sistem error pada hasil peramalan, dapat dilihat pada perhitungan kesalahan atau error berikut ini :
(Rumus 2) MAPE = Σ et / Yt
n
Dimana,
et = Hasil eror peramalan t Yt = Data aktual periode t
n = Jumlah pengamatan atau periode pengamatan Mar 2013 = (56 / 6130) / 2 = 0,004568
Apr 2013 = (856.6667 / 5236) / 3 = 0,054537 Mei 2013 = (200.5 / 5678) / 4 = 0,008828
Jadi berdasarkan hasil perhitungan diatas dapat dilihat pada tabel 3.7 sebagai berikut :
Periode Data Aktual Moving average Eror MAPE Jan -2013 6250
Feb- 2013 5898
Mar-2013 6130 6074 56 0,004568
Apr-2013 5236 6092,666667 856,666667 0,054537
Gambar 3.5 Grafik Hasil Peramalan tanaman Jenis Shavin White
b. Peramalan Jenis Tommy
Berikut perhitungan peramalan untuk jenis tanaman Tommy untuk periode Mei 2013 dapat dilihat sebagai berikut.
Tabel 3.8 Data aktual tanaman jenis Tommy
Periode Data Aktual Jan-2013 5890
Y t+1 = nilai peramalan untuk periode selanjutnya Yt = nilai sebenarnya pada periode t
Jan-13 Feb-13 Mar-13 Apr-13 Mei-13
Axi
s
T
itl
e
Jan-13 Feb-13 Mar-13 Apr-13 Mei-13
Data Aktual 6250 5898 6130 5236 5678
Hasil Peramalan 6074 6092,7 5878,5
Berikut perhitungan menggunakan metode MAPE (Mean Absolute Precentage Error) untuk mengukur sistem error pada hasil peramalan, dapat dilihat pada perhitungan kesalahan atau error berikut ini :
(Rumus 2) MAPE = Σ et / Yt n Dimana,
et = Hasil eror peramalan t Yt = Data aktual periode t
n = Jumlah pengamatan atau periode pengamatan Mar 2013 = (36 / 6130) / 2 = 0,002936
Apr 2013 = (408 / 5698) / 3 = 0,0236868 Mei 2013 = (676 / 6680) / 4 = 0,025299
Jadi berdasarkan hasil perhitungan diatas dapat dilihat pada tabel 3.8 sebagai berikut :
Periode Data Aktual Moving average Eror MAPE Jan -2013 5890
Feb- 2013 6298
Mar-2013 6130 6094 36 0,002936 Apr-2013 5698 6106 408 0,0236868 Mei-2013 6680 6004 676 0,025299
Gambar 3.6 Grafik Hasil Peramalan tanaman Jenis Tommy
5000
Jan-13 Feb-13 Mar-13 Apr-13 Mei-13
Data Aktual 5890 6298 6130 5698 6680
Hasil Peramalan 6094 6106 6004
c. Peramalan Jenis Airy Gold
Berikut perhitungan peramalan untuk jenis tanaman Airy Gold untuk periode Mei 2013 dapat dilihat sebagai berikut.
Tabel 3.9 Data aktual tanaman jenis Airy Gold
Periode Data Aktual
Jan-2013 4750 Feb-2013 4988 Mar-2013 5090 Apr-2013 4876 Mei-2013 5121
(Rumus 1) Yt+1 = Σ Yt+Yt-1+....Yt-k+1 n
Dimana,
Y t+1 = nilai peramalan untuk periode selanjutnya Yt = nilai sebenarnya pada periode t
k = jumlah perlakuan dalam moving average
Mar 2013 = 4750 + 4988 = 4869 2
Apr 2013 = 4750 + 4988 + 5090= 4942,7 3
Mei 2013 = 4750 + 4988 + 5090 + 4876= 4926 4
Berikut perhitungan menggunakan metode MAPE (Mean Absolute Precentage Error) untuk mengukur sistem error pada hasil peramalan, dapat dilihat pada perhitungan kesalahan atau error berikut ini :
(Rumus 2) MAPE = Σ et / Yt n Dimana,
et = Hasil eror peramalan t Yt = Data aktual periode t
Apr 2013 = (66,66667 / 4876) / 3 = 0,004557 Mei 2013 = (195 / 5121) / 4 = 0,00952
Jadi berdasarkan hasil perhitungan diatas dapat dilihat pada tabel 3.9 sebagai berikut :
Periode Data Aktual Moving average Eror MAPE Jan -2013 4750
Feb- 2013 4988
Mar-2013 5090 4869 221 0,021709 Apr-2013 4876 4942,666667 66,66667 0,004557 Mei-2013 5121 4926 195 0,00952
Gambar 3.7 Grafik Hasil Peramalan tanaman Jenis Airy Gold
d. Peramalan Jenis Blue Montain
Berikut perhitungan peramalan untuk jenis tanaman Blue Montain untuk periode Mei 2013 dapat dilihat sebagai berikut.
Tabel 3.10 Data aktual tanaman jenis Blue Montain
Periode Data Aktual
Jan-2013 5096
Jan-13 Feb-13 Mar-13 Apr-13 Mei-13
Data Aktual 4750 4988 5090 4876 5121
Hasil Peramalan 4869 4942,7 4926
(Rumus 1) Yt+1 = Σ Yt+Yt-1+....Yt-k+1 n
Dimana,
Y t+1 = nilai peramalan untuk periode selanjutnya Yt = nilai sebenarnya pada periode t
k = jumlah perlakuan dalam moving average
Mar 2013 = 5096 + 4987 = 5041,5 2
Apr 2013 = 5096 + 4987 + 4978= 5020,3 3
Mei 2013 = 5096 + 4987 + 4978 + 4825= 4971,5 4
Berikut perhitungan menggunakan metode MAPE (Mean Absolute Precentage Error) untuk mengukur sistem error pada hasil peramalan, dapat dilihat pada perhitungan kesalahan atau error berikut ini :
(Rumus 2) MAPE = Σ et / Yt n Dimana,
et = Hasil eror peramalan t Yt = Data aktual periode t
n = Jumlah pengamatan atau periode pengamatan Mar 2013 = (63,5 / 4978) / 2 = 0,006378
Apr 2013 = (195,333333 / 4825) / 3 = 0,013495 Mei 2013 = (199,5 / 4772) / 4 = 0,010452
Periode Data Aktual Moving average Eror MAPE Jan -2013 5096
Feb- 2013 4987
Mar-2013 4978 5041,5 63,5 0,006378 Apr-2013 4825 5020,333333 195,3333 0,013495 Mei-2013 4772 4971,5 199,5 0,010452
Gambar 3.8 Grafik Hasil Peramalan tanaman Jenis Blue Montain
e. Peramalan Jenis Salaya Brown
Berikut perhitungan peramalan untuk jenis tanaman Salaya Brown untuk periode Mei 2013 dapat dilihat sebagai berikut.
Tabel 3.11 Data aktual tanaman jenis Salaya Brown
Periode Data Aktual
Jan-2013 4925
Y t+1 = nilai peramalan untuk periode selanjutnya Yt = nilai sebenarnya pada periode t
Jan-13 Feb-13 Mar-13 Apr-13 Mei-13
Data Aktual 5096 4987 4978 4825 4722
Hasil Peramalan 5041,5 5020,3 4971,5
2
Apr 2013 = 4925 + 4895 + 4998 = 4939,3 3
Mei 2013 = 4925 + 4895 + 4998 + 4856 = 4918,5 4
Berikut perhitungan menggunakan metode MAPE (Mean Absolute Precentage Error) untuk mengukur sistem error pada hasil peramalan, dapat dilihat pada perhitungan kesalahan atau error berikut ini :
(Rumus 2) MAPE = Σ et / Yt n Dimana,
et = Hasil eror peramalan t Yt = Data aktual periode t
n = Jumlah pengamatan atau periode pengamatan Mar 2013 = (88 / 4998) / 2 = 0,008804
Apr 2013 = (83,33333 / 4856) / 3 = 0,00572 Mei 2013 = (397,5 / 4521) / 4 = 0,021981
Jadi berdasarkan hasil perhitungan diatas dapat dilihat pada tabel 3.11 sebagai berikut :
Periode Data Aktual Moving average Eror MAPE Jan -2013 4925
Feb- 2013 4895
Gambar 3.9 Grafik Hasil Peramalan tanaman Jenis Salaya Brown
2. Peramalan dari data Cabang Kanoman a. Peramalan Jenis Sumi
Berikut perhitungan peramalan untuk jenis tanaman Sumi untuk periode Mei 2013 dapat dilihat sebagai berikut.
Tabel 3.12 Data aktual tanaman jenis Sumi
Periode Data Aktual
Jan-2013 2405
Y t+1 = nilai peramalan untuk periode selanjutnya Yt = nilai sebenarnya pada periode t
Jan-13 Feb-13 Mar-13 Apr-13 Mei-13
Data Aktual 4925 4895 4998 4856 4521
Hasil Peramalan 4910 4939,3 4918,5
Berikut perhitungan menggunakan metode MAPE (Mean Absolute Precentage Error) untuk mengukur sistem error pada hasil peramalan, dapat dilihat pada perhitungan kesalahan atau error berikut ini :
(Rumus 2) MAPE = Σ et / Yt n Dimana,
et = Hasil eror peramalan t Yt = Data aktual periode t
n = Jumlah pengamatan atau periode pengamatan Mar 2013 = (17,5/ 2477) / 2 = 0,003532
Apr 2013 = (188,6667 / 2654) / 3 = 0,023696 Mei 2013 = (194,5 / 2707) / 4 = 0,017963
Jadi berdasarkan hasil perhitungan diatas dapat dilihat pada tabel 3.12 sebagai berikut :
Periode Data Aktual Moving average Eror MAPE Jan -2013 2405
Feb- 2013 2514
Mar-2013 2477 2459,5 17,5 0,003532 Apr-2013 2654 2465,333333 188,6667 0,023696 Mei-2013 2707 2512,5 194,5 0,017963
Gambar 3.10 Grafik Hasil Peramalan tanaman Jenis Sumi
0 1000 2000 3000
J A N - 1 3 F E B - 1 3 M A R - 1 3 A P R - 1 3 M E I - 1 3
A
XIS
T
IT
LE
Jan-13 Feb-13 Mar-13 Apr-13 Mei-13
Data Aktual 2405 2514 2477 2654 2707
Hasil Peramalan 2459,5 2465,3 1884,375
b. Peramalan Jenis Dacota
Berikut perhitungan peramalan untuk jenis tanaman Dacota untuk periode Mei 2013 dapat dilihat sebagai berikut.
Tabel 3.13 Data aktual tanaman jenis Dacota
Periode Data Aktual
Jan-2013 2455 Feb-2013 2278 Mar-2013 2545 Apr-2013 2511 Mei-2013 2766
(Rumus 1) Yt+1 = Σ Yt+Yt-1+....Yt-k+1 n
Dimana,
Y t+1 = nilai peramalan untuk periode selanjutnya Yt = nilai sebenarnya pada periode t
k = jumlah perlakuan dalam moving average
Mar 2013 = 2455 + 2278 = 2366,5 2
Apr 2013 = 2455 + 2278 + 2545 = 2426 3
Mei 2013 = 2455 + 2278 + 2545 + 2511 = 2447,25 4
Berikut perhitungan menggunakan metode MAPE (Mean Absolute Precentage Error) untuk mengukur sistem error pada hasil peramalan, dapat dilihat pada perhitungan kesalahan atau error berikut ini :
(Rumus 2) MAPE = Σ et / Yt n Dimana,
et = Hasil eror peramalan t Yt = Data aktual periode t
Mar 2013 = (178,5/ 2545) / 2 = 0,0035069 Apr 2013 = (85 / 2511) / 3 = 0,011284 Mei 2013 = (318,75 / 2766) / 4 = 0,02881
Jadi berdasarkan hasil perhitungan diatas dapat dilihat pada tabel 3.13 sebagai berikut :
Periode Data Aktual Moving average Eror MAPE Jan -2013 2455
Feb- 2013 2278
Mar-2013 2545 2366,5 178,5 0,0035069 Apr-2013 2511 2426 85 0,011284 Mei-2013 2766 2447,25 318,5 0,02881
Gambar 3.11 Grafik Hasil Peramalan tanaman Jenis Dacota
c. Peramalan Jenis Nuvano
Berikut perhitungan peramalan untuk jenis tanaman Nuvano untuk periode Mei 2013 dapat dilihat sebagai berikut.
Tabel 3.14 Data aktual tanaman jenis Nuvano
Periode Data Aktual
Jan-2013 2677
Jan-13 Feb-13 Mar-13 Apr-13 Mei-13
Data Aktual 2455 2278 2545 2511 2766
Hasil Peramalan 2366,5 2426 2447,25
(Rumus 1) Yt+1 = Σ Yt+Yt-1+....Yt-k+1 n
Dimana,
Y t+1 = nilai peramalan untuk periode selanjutnya Yt = nilai sebenarnya pada periode t
k = jumlah perlakuan dalam moving average
Mar 2013 = 2677 + 2278 = 2477,5 2
Apr 2013 = 2677 + 2278 + 2811 = 2588,6 3
Mei 2013 = 2677 + 2278 + 2811 + 2643 = 2602,25 4
Berikut perhitungan menggunakan metode MAPE (Mean Absolute Precentage Error) untuk mengukur sistem error pada hasil peramalan, dapat dilihat pada perhitungan kesalahan atau error berikut ini :
(Rumus 2) MAPE = Σ et / Yt n Dimana,
et = Hasil eror peramalan t Yt = Data aktual periode t
n = Jumlah pengamatan atau periode pengamatan Mar 2013 = (190 / 2811) / 2 = 0,022531
Apr 2013 = (41,33333 / 2643) / 3 = 0,007819 Mei 2013 = (115 / 2789) / 4 = 0,010308
Periode Data Aktual Moving average Eror MAPE Jan -2013 2677
Feb- 2013 2565
Mar-2013 2818 2621 190 0,022531 Apr-2013 2643 2684,33333 41,33333 0,007819 Mei-2013 2789 2674 115 0,010308
Gambar 3.12 Grafik Hasil Peramalan tanaman Jenis Nuvano
d. Peramalan Jenis Sensa
Berikut perhitungan peramalan untuk jenis tanaman Sensa untuk periode Mei 2013 dapat dilihat sebagai berikut
Tabel 3.15 Data aktual tanaman jenis Sensa
Periode Data Aktual
Jan-2013 2433
Y t+1 = nilai peramalan untuk periode selanjutnya Yt = nilai sebenarnya pada periode t
Jan-13 Feb-13 Mar-13 Apr-13 Mei-13
Data Aktual 2677 2565 2811 2643 2789
Hasil Peramalan 2477,5 2588,6 2602,25
Apr 2013 = 2433 + 2300 + 2611 = 2488 3
Mei 2013 = 2433 + 2300 + 2611 + 2457 = 2450,25 4
Berikut perhitungan menggunakan metode MAPE (Mean Absolute Precentage Error) untuk mengukur sistem error pada hasil peramalan, dapat dilihat pada perhitungan kesalahan atau error berikut ini :
(Rumus 2) MAPE = Σ et / Yt n Dimana,
et = Hasil eror peramalan t Yt = Data aktual periode t
n = Jumlah pengamatan atau periode pengamatan Mar 2013 = (244,5 / 2611) / 2 = 0,051659
Apr 2013 = (9 / 2457) / 3 = 0,001225 Mei 2013 = (95,75 / 2546) / 4 = 0,009769
Jadi berdasarkan hasil perhitungan diatas dapat dilihat pada tabel 3.15 sebagai berikut :
Periode Data Aktual Moving average Eror MAPE Jan -2013 2433
Feb- 2013 2300