SISTEM PERAMALAN HARGA SEMBAKO BERBASIS MOVING
AVERAGE DENGAN BREW PLATFORM SEBAGAI MOBILE
INTERFACES.
Marcelina Rizka Falevy 1, M.Zen Samsono H,S.T,M.Sc2, Akuwan Saleh, SST 2 1
Mahasiswa Politeknik Elektronika Negeri Surabaya, Jurusan Teknik Telekomunikasi 2
Dosen Politeknik Elektronika Negeri Surabaya Institut Teknologi Sepuluh Nopember Kampus ITS, Surabaya 60111
e-mail : marcelina@student.eepis-its.edu e-mail : zenhadi@eepis-its.edu e-mail : akuwan@eepis-its.edu
Abstrak
Dengan meningkatnya jumlah penduduk di Indonesia, juga mempengaruhi nilai permintaan tentang kebutuhan pokok masyarakat (sembako), sehingga mempengaruhi harga dari sembako di pasaran yang semakin hari semakin meroket. Untuk itu, di perlukan aplikasi perkiraan harga sembako, dengan metode peramalan time series moving average.
Dengan adanya teknologi CDMA yang dikembangkan oleh qualcomm dengan sistem BREW sebagai platform yang komplit mulai dari system eksekusi aplikasi yang terbuka dan standar sistem dikembangkan, guna memenuhi kebutuhan content yang beragam dan unik dari para pengembangnya maka platform aplikasi BREW dapat memberikan solusi dalam pengembangan content didunia perdagangan dengan membuat aplikasi peramalan sembako berbasis BREW. Dalam hal ini, aplikasi ini digunakan masih di wilayah Surabaya. . Database yang akan kita pakai adalah MySQL, sedangkan pemrogramannya menggunakan penggabungan antara Pemrograman C dan PHP.
Dengan menggunakan metode peramalan moving average dan simple exponential smoothing pada tugas akhir ini, dari hasil kuantitatif hasil pengujian diketahui metode yang paling baik digunakan,yaitu metode
Simple Exponential Smoothing dengan α=0.7, dengan nilai Mean Squared Error = 13.2267 dan Mean absolute
Percentage Error(MAPE) = 0.0387 % sehingga menghasilkan sistem peramalan yang baik, yang bisa dimanfaatkan dan memudahkan para pengguna.
Kata kunci : Forecasting, BREW, PHP, My SQL.
1. Pendahuluan
Sembako adalah kebutuhan pokok masyarakat kita, dan merupakan komoditi utama sebagai acuan kesejahteraan masyarakat, tetapi sayangnya di tingkat masyarakat kelas menengah kebawah sering terjadi spikulasi harga bahan pangan di karenakan kurangya info yang akurat tentang perkembangan harga standart. Hal ini menyababkan harga bahan makanan akan tidak stabil.
Dalam perkembangan teknologi saat ini, Teknologi Informasi lebih mengarah ke komunikasi mobile, karena dengan komunikasi mobile setiap orang dapat dengan mudah mengakses data kapanpun dan dimanapun. Device yang paling umum dipakai adalah mobile phone, dan pada kenyataannya banyak mobile phone kelas bawah yang masih terbatas pemanfaaatannya, dan Brew Platform dapat menjadi solusi itu.
Dengan meninjau dua permasalahan diatas, maka tepatlah jika di butuhkan suatu
aplikasi mobile yang realtime dan aplikatif, sehingga dapat memberikan info perkembangan
harga komoditi pangan, untuk menunjang kesetabilan harga. Sehingga masyarakat dapat merencanakan pembelanjaan dengan benar.
Pada proyek akhir ini membangun sebuah aplikasi yang terdiri dari server side dengan client side.Pada server side, terdapat metode statistika yang digunakan sebagai metode analisa, guna mendapatkan hasil peramalan yang terbaik
Dengan menggunakan metode peramalan moving average dan simple exponential smoothing pada tugas akhir ini, dari hasil kuantitatif hasil pengujian diketahui metode yang paling baik digunakan,yaitu metode Simple Exponential
Smoothing dengan α=0.7, dengan nilai Mean
Squared Error = 13.2267 dan Mean absolute
Percentage Error(MAPE) = 0.0387 % sehingga menghasilkan sistem peramalan yang baik, yang bisa dimanfaatkan dan memudahkan para pengguna. dan juga mendapatkan sebuah aplikasi mobile yang menggunakan brew platform, dan sebuah server database yang diintegrasikan dengan aplikasi brew pada mobile CDMA.
2. TEORI PENUNJANG 2.1 BREW Platform
BREW (Binary Runtime Environment for Wireless) merupakan application development platform dari QUALCOMM. Qualcomm adalah sebuah perusahaan yang mengkhususkan diri pada teknologi CDMA. Bisnis utamanya adalah chipset yang dikhususkan untuk teknologi CDMA yang menguasai 80% chipset CDMA dunia.
Platform BREW banyak digunakan bagi aplikasi-aplikasi yang dijalankan di handset-handset yang mengusung teknologi CDMA saat ini. Aplikasi tersebut menggunakan BREW C/C++ SDK (software development kit) dan dijalankan di dalam BREW runtime environment. BREW bekerja pada level firmware (di chipset handset CDMA yang ada). Konsep dan cara kerja aplikasi BREW hampir sama dengan aplikasi J2ME, tapi J2ME bekerja dalam virtual machine (KVM). Kelebihan dari BREW yaitu :
o Aplikasi BREW membutuhkan memori sangat kecil. HP Low End bisa ditanami berbagai macam feature aplikasi dan games yang bagus.
o Aplikasi BREW sangat cepat. Karena Brew Environment sudah ditanamkan ke dalam Chipset QUALCOMM. Di sini layer aplikasi langsung berkomunikasi dengan Chipset. Tidak seperti di Aplikasi Java (J2ME) yang masih membutuhkan perantara antar layer sehingga loadingnya agak lama. 2.2 DATABASE MYSQL
MySQL adalah database server yang cukup popular, cepat dan tangguh, sangat cocok jika digabungkan dengan PHP, dengan database kita bisa menyimpan, mencari dan mengklasifikasikan data dengan lebih akurat dan professional.Database ini dibuat untuk keperluan sistem database yang cepat, handal dan mudah digunakan. Walaupun memiliki kemampuan yang cukup baik, MySQL untuk sistem operasi Unix bersifat freeware, dan terdapat versi shareware untuk sistem operasi windows
2.3 Peramalan(Forecasting)
Peramalan atau forecasting adalah sebuah metode sebagai alat bantu untuk melakukan suatu perencanaan yang efektif dan efisien, seperti peramalan terhadap tingkat permintaan suatu produk atau atau beberapa produk dan peramalan terhadap harga sembako dalam periode waktu tertentu di masa yang akan datang.
Pada proyek akhir ini, teknik yang akan digunakan untuk membuat peramalan harga sembako adalah teknik statistik dengan metode, Simple Moving Average, Exponential Moving Average, Weight moving average, dan Simple Exponential Smoothing dengan nilai α=0.3, α=0.5,
α=0.7. Dari keempat model tersebut akan dianalisa metode manakah yang terbaik dengan menghitung nilai Mean Square Error (MSE) dari masing – masing metode. Metode dengan MSE dan MAPE terkecil adalah metode yang dianggap terbaik.
a. Simple Moving Average
Simple Moving Average atau juga disingkat SMA adalah Moving Average paling sederhana dan tidak menggunakan pembobotannya dalam perhitungan terhadap pergerakan closing price. Meskipun sederhana, SMA cukup efektif dalam menentukan trend yang sedang terjadi di market. Cara pembacaannya pun sederhana.
Perumusan yang digunakan dalam SMA adalah sebagai berikut: SMA =Pm+Pm-1+…+P-(n-1) … (1) n Ket: n = periode Pm = harga periode 1. b. Exponential Moving Average (XMA)
Exponential Moving Average (XMA) adalah
penyempurnaan dari metode SMA. Metode ini sama halnya dengan WMA karena juga menggunakan bobot yang melibatkan periode.
XMA=(2/(n+1)x(currentprice-previousXMA))+Previous XMA Keterangan:
n = jumlah periode current price = harga saat ini. previousXMA= nilai XMA sebelumnya c. Weight Moving Average
Weighted Moving Average (WMA) adalah metode moving average atau rata – rata bergerak yang memiliki bobot. Namun pada WMA terdapat bobot yang digunakan pada setiap perubahan harga. Nilai dari bobot ini dapat berapa saja dengan ketentuan nilai bobot untuk harga yang terbaru adalah lebih besar daripada nilai bobot untuk harga sebelumnya [9]. Perumusan WMA adalah sebagai berikut: WMA=∑(data x bobot) …… (3)
∑bobot
Keterangan:
data = nilai sebelumnya.
Bobot = penilaian sesuai dengan panjang periode d. Single Exponential Smoothing
Single Exponential Smoothing juga dikenal
sebagai simple Exponential Smoothing atau metode
user user
user
Database server
BTS
Smoothing digunakan untuk peramalan dengan
jangka waktu pendek, biasanya hanya satu bulan ke depan. Model ini mengasumsikan bahwa data berfluktuasi di sekitar rata – rata yang stabil (tidak ada trend atau pertumbuhan pattern yang konsisten). Rumus dari model Single Exponential Smoothing adalah sebagai berikut :
t t t
D
F
F
1
(
1
)
… (4) Keterangan: Ft+1 = Hasil peramalan α = inisialisasi Dt = Data sekarang Ft = Peramalan Sebelumnya 2.4 Mean Square Error (MSE)Mean Square Error (MSE) atau rata – rata kuadrat kesalahan adalah pengestimasian nilai kesalahan dengan menjumlahkan kuadrat semua kesalahan peramalan pada setiap periode dan membaginya dengan jumlah periode peramalan. Nilai kesalahan peramalan adalah selisih dari nilai hasil prediksi dengan nilai sebenarnya yang dapat diketahui dengan rumusan di bawah ini : … (5) Keterangan: n = periode xi =data actual t =data peramalan
2.5 Mean Absolute Percentage Error (MAPE) merupakan ukuran kesalahan relative. MAPE menyatakan presentase kesalahan hasil peramalan terhadap permintaan actual selama periode tertentu yang akan memberikan informasi presentase kesalahan terlalu tinggi atau terlalu rendah. … (6) Keterangan: N = periode At = data actual Ft = data peramalan 2.6 PHP (PHP Hypertext Preprocessor)
PHP (akronim dari PHP Hypertext Preprocessor) yang merupakan bahasa pemrogramman berbasis web yang memiliki kemampuan untuk memproses data dinamis.
PHP dikatakan sebagai sebuah server-side embedded script language artinya sintaks-sintaks dan perintah yang kita berikan akan sepenuhnya dijalankan oleh server tetapi disertakan pada halaman HTML biasa. Aplikasi-aplikasi yang dibangun oleh PHP pada umumnya akan
memberikan hasil pada web browser, tetapi prosesnya secara keseluruhan dijalankan di server. 3. PERANCANGAN SISTEM
Dalam perancangan proyek akhir ini, berikut gambaran system yang ada.
1. Konfigurasi database MYSQL server 2. Pembuatan Program PHP untuk server 3. Pembuatan aplikasi brew untuk client 4.Integrasi antara aplikasi brew dan server
Gambar 1. Perancangan Sistem Perencanaan Pengambilan Data
Perencanaan pengambilan data harga sembako Pengambilan data harga sembako yang real ada di pasar agro Sidoarjo, yang diambil secara kontinyu, dan akan diinputkan pada database server MYSQL, data tersebut akan di proses pada php, yang di integrasikan satu sama lain, baik untuk metode simple moving average dan simple exponential smoothing.
FlowChart Aplikasi
Gambar 2. Flowchart aplikasi
Data survey
0 1 2 3 4 5 0 5 10 15 w a kt u y a n g d ip e rl u ka n pengujian
ke-koneksi 1 client
Flowchart aplikasi diatas, pada aplikasi yang telah dibuat, langkah awal yang harus dilakukan yaitu login untuk masuk dalam aplikasi ini.Setelah itu,masuk dalam aplikasi tersebut, dan melakukan pemilihan untuk pengaksesan pemilihan menu pilihan sembako yang akan dilihat perkiraan harganya. Jika tidak, kembali ke menu pilihan aplikasi, jika iya, maka akan menginputkan tanggal sesuai dengan tanggal perkiraan harga yang diinginkan. Maka aplikasi ini akan mengirimkan request ke server melalui jaringan internet Kemudian, menuju ke database server dan mengirimkan kembali hasil data yang dilakukan peramalan. Dan dikirimkan ke mobile(user) hasil dari proses peramalan data tersebut.
4. Hasil dan Analisa 4.1 Pengujian sistem koneksi 1. Menggunakan 1 client
Gambar 3. Gafik Koneksi 1 client 2. Menggunakan 2 client
Gambar 4. Gafik Koneksi 1 client Dari hasil dua pengujian tersebut, menunjukkan bahwa pengujian yang menggunakan 1 client lebih singkat.
4.2 Evaluasi uji coba aplikasi BREW
Program yang dibuat dapat dijalankan dengan baik dan diperoleh hasil yang sesuai dengan tujuan pembuatan tugas akhir. Untuk menjalankan aplikasi ini tidak diperlukan langkah yang rumit,
prosedur dibuat sesuai dengan desain aplikasi yang sudah dibuat, untuk bisa melakukan aplikasi peramalan harga sembako di wilayah Surabaya. Pada uji coba untuk melakukan nilai peramalan, dapat dilakukan sesuai dengan yang diharapkan. 4.3PENGUJIAN METODE
Sistem prediksi harga
Pada sistem prediksi menggunakan metode 6 Metode.Dari keenam metode ini akan dijalankan sebanyak 10 kali untuk mendapatkan sampel harga prediksi selama 10 hari ke depan. Hasilnya dari masing – masing metode dapat dilihat dari gambar grafik – grafik di bawah ini :
Gambar 5. Harga Prediksi Metode SImple moving average
Gambar 6.Harga Prediksi Metode Exponential moving average
Gambar 7. Harga Prediksi Metode Weight moving average
0 2 4 6 8 10 0 5 10 15 d e t i k pengujian ke-grafik waktu 2 client
20600 20800 21000 21200 21400 21600 0 5 10 15 h a rg a p re d ik si pengujian
ke-SMA
20,400 20,600 20,800 21,000 21,200 21,400 21,600 0 5 10 h a rg a (ru p ia h ) pengujianke-XMA
20500 21000 21500 22000 0 5 10 h a rg a (ru p ia h ) pengujianke-WMA
Gambar 8. Harga Prediksi Metode Simple exponential smoothing(a=0.3)
Gambar 9. Harga Prediksi Metode Simple exponential smoothing(a=0.5)
Gambar 10. Harga Prediksi Metode Simple exponential smoothing(a=0.7)
Gambar 11. Nilai MSE 6 metode Keterangan: MSE SMA = MSE XMA = MSE WMA = MSE SES(0.3) = MSE SES(0.5) = MSE SES(0.7) =
Gambar 12.Nilai MAPE 6 metode Keterangan: MSE SMA = MSE XMA = MSE WMA = MSE SES(0.3) = MSE SES(0.5) = MSE SES(0.7) =
Dari sepuluh kali percobaan diketahui bahwa metode dengan MSE dan MAPE yang terkecil adalah metode Simple Exponential Smoothing, dengan a=0.7. Sehingga grafik prediksi selama 10 hari adalah sebagai berikut :
19500 20000 20500 21000 21500 22000 22500 0 5 10 h a rg a( ru p ia h ) pengujian
ke-SES (a=0.3)
19000 20000 21000 22000 23000 0 5 10 h a rg a (ru p ia h ) pengujianke-SES (a=0.5)
19500 20000 20500 21000 21500 22000 22500 23000 0 5 10 h a rg a( ru p ia h ) pengujianke-SES (a=0.7)
-2000 0 2000 4000 6000 8000 10000 12000 0 5 10 n ila i m se pengujianke-grafik MSE
0 2 4 6 8 0 5 10 n ia li M A PE ( % ) pengujianke-Grafik MAPE
Gambar 13. Sepuluh Harga Prediksi vs Harga Asli Keterangan:
Nilai SES (0.7) = Data actual = KESIMPULAN
Dari hasil pengamatan selama tahap perancangan, implementasi, dan pengujian software dan hardware yang dilakukan, dapat diambil kesimpulan sebagai berikut :
Aplikasi Prediksi harga sembako dapat digunakan untuk membantu pengguna mengetahui perkiraan harga sembako. Aplikasi BREW dapat dibangun
menggunakan teknologi BREW dengan system operasi windows dan BREW SDK. Hasil prediksi yang digunakan untuk dikirim
harus memiliki nilai MSE dan MAPE yang paling kecil.
Waktu pengaksesan yang dibutuhkan untuk pengaksesan 2 client, lebih lambat dari pada menggunakan pengaksesan 1 client.
Pagi hari: 1 client, t= 3.43 s 2 client: client 1= 6.247 s, dan
client 2= 7.803 s Malam hari: 1 client, t= 7.729 s 2 client:client 1= 9.724 s, dan
client 2= 10.866 s.
Pengaksesan aplikasi lebih cepat dilakukan pada pagi hari
Dari hasil pengolahan data, dapat diketahui bahwa metode simple exponential smoothing dengan nilai a=0.7 memiliki nilai MSE dan MAPE terkecil sehingga paling cocok untuk dijadikan harga akhir.
Daftar Pustaka
[1]. Qualcomm, “brew developer training”. QUALCOMM Confidential and Proprietary,2008.
[2]. Andri,Ade Hendriadi, dan Yusep Rosmansyah ,” Kolaborasi M-Learning dengan Platform BREW (Binery Runtime Environment for Wireless) Menuju Next Generation Learning", Tugas Akhir ITB, Bandung, 2008.
[3]. Bagus Prayoga, Reminder prediksi Harga Saham Perusahaan pada bursa efek via sms dan ivr. Proyek Akhir PENS-ITS, 2010 [4]. Wawan Dhewanto dan Rindawati Maulina,”
Perkiraan Inflasi Tahunan : Faktor-faktor Penyebab dan Dampaknya Terhadap Kehidupan Masyarakat”.Tugas Akhir ITB, Bandung, 2006.
[5]. Moch Arifin dan Rizal Cahya Pratama, ” Perancangan Sistem Informasi prediksi pemesanan stok alat-alat musik pad acv graham music & lighting”, SNATI , Jogyakarta, 2010.
[6]. Teguh Wahyono,”PHP on WINDOWS”, Penerbit Andi Publisher, Jakarta, 2009. [7]. Suryady, Pemanfaatan Teknologi BREW
dengan membangun Aplikasi Kamus Bahasa.Proyek Akhir Teknik Eletro UNDIP,2010.
[8]. Barbagallo, Ralph, Wireless Games Development in C/C++ with BREW, Wordware Publishing, 2003.
[9]. Lee, Jhong Sam, CDMA Systems Engineering Handbook, Artech House, ISBN 0-89006-990-5.
[10]. Ren, L. Y. (2007). Revised mean absolute percentage errors (MAPE) for independent normal time series. The Journal of American Academy of Business, 10(2), 65-70.
[11]. Makridais,Spyros,Wheelwright,Steven & McGee, Victor. 1993.Edisi kedua, Metode dan Aplikasi Peramalan.Erlangga, Jakarta. [12]. Sutabri, Tata.2004. Analisa Sitem
Informasi.Andi, Yogyakarta. 19000 20000 21000 22000 23000 0 5 10 15 h a rg a penhujian
