RANCANG BANGUN SISTEM INFORMASI
PERAMALAN PENJUALAN BUAH DENGAN METODE LINIER EXPONENTIAL SMOOTHING DARI BROWN
(STUDI KASUS : UD. KARYA SARI)
Nama : Oka Jayadi NIM : 05.41010.0104 Program : S1 (Strata Satu) Jurusan : Sistem Informasi
SEKOLAH TINGGI
MANAJEMEN INFORMATIKA & TEKNIK KOMPUTER SURABAYA
RANCANG BANGUN SISTEM INFORMASI
PERAMALAN PENJUALAN BUAH DENGAN METODE LINIER EXPONENTIAL SMOOTHING DARI BROWN
(STUDI KASUS : UD. KARYA SARI)
SKRIPSI
Diajukan sebagai salah satu syarat untuk menyelesaikan Program Sarjana Komputer
Oleh : Nama : Oka Jayadi NIM : 05.41010.0104 Program : S1 (Strata Satu) Jurusan : Sistem Informasi
SEKOLAH TINGGI
MANAJEMEN INFORMATIKA & TEKNIK KOMPUTER SURABAYA
Kupersembahkan kepada Orang Tuaku
Adik-adikku Saudaraku
Halaman
2.4 Metode Linier Exponential Smoothing Dari Brown ... 9
2.10 System Development Life Cycle ... 16
2.11 Entity Relationship Diagram (ERD) ... 18
2.12 Data Flow Diagram (DFD) ... 18
3.5.1 Context Diagram Sistem Informasi Peramalan Penjualan Buah ... 29
3.5.2 DFD Level 0 Sistem Informasi Peramalan Penjualan Buah ... 30
3.5.3 DFD Level 1 Subproses Peramalan Penjualan Buah ... 31
3.5.4 DFD Level 1 Subproses Pelaporan Hasil Ramalan ... 32
4.1.1 Kebutuhan perangkat keras... 43
4.1.2 Kebutuhan perangkat lunak ... 43
4.2 Implementasi Program ... 44
4.2.1 Form Utama ... 44
4.2.3 Form Maintenance Data Buah ... 45
4.2.4 Form Maintenance Data User ... 46
4.2.5 Form Penjualan ... 47
4.2.6 Form Rekap Penjualan ... 47
4.2.7 Form Peramalan ... 48
4.2.8 Form Laporan Penjualan ... 49
4.2.9 Form Laporan Peramalan ... 50
4.3 Uji coba sistem ... 50
4.3.1 Uji Coba Metode Linier Exponential Smoothing Dari Brown ... 50
4.4 Evaluasi Sistem ... 57
4.4.1 Analisa Hasil Uji Coba ... 57
BAB V PENUTUP ... 58
5.1 Kesimpulan ... 58
5.2 Saran ... 58
DAFTAR PUSTAKA ... 60
LAMPIRAN ... 61
DAFTAR TABEL
Halaman
Tabel 3.1 Tb_Penjualan ... 36
Tabel 3.2 Tb_DetilPenjualan ... 36
Tabel 3.3 Tb_Buah ... 36
Tabel 3.4 Tb_Peramalan ... 37
Tabel 3.5 Tb_Rekap_Penjualan ... 37
Tabel 3.6 Tb_HistoriRamalan ... 37
Tabel 4.1 Hasil Perhitungan Dan MAD Salak Bali Untuk 1 Periode ... 54
Tabel 4.2 Hasil Perhitungan Dan MAD Pear Sweet Untuk 1 Periode ... 56
Halaman
Gambar 2.1 Karakteristik Sistem ... 14
Gambar 3.1 Proses Sistem Peramalan ... 22
Gambar 3.2 Arsitektur Proses Peramalan ... 23
Gambar 3.3 Diagram Alir Proses Peramalan Linier Exponential Smmothing 24 Gambar 3.4 Diagram Alir Proses Peramalan Exponential Smoothing ... 25
Gambar 3.5 System Flow Pengelolaan Data Penjualan Buah ... 26
Gambar 3.6 System Flow Peramalan Linier Exponential Smoothing Oleh Brown ... 27
Gambar 3.7 System Flow Perbandingan Peramalan ... 28
Gambar 3.8 Context Diagram Sistem Informasi Peramalan Penjualan Buah 29
Gambar 3.9 DFD Level 0 Sistem Informasi Peramalan Penjualan Buah ... 30
Gambar 3.10 DFD Level 1 Subproses Peramalan Penjualan Buah ... 32
Gambar 3.11 DFD Level 1 Subproses Pelaporan Hasil Ramalan ... 33
Gambar 3.12 CDM Sistem Informasi Peramalan Penjualan Buah ... 34
Gambar 3.13 PDM Sistem Informasi Peramalan Penjualan Buah ... 35
Gambar 3.21 Desain Form Laporan Penjualan ... 42
Gambar 3.22 Desain Form Laporan Peramalan ... 42
Gambar 4.1 Form Utama ... 44
Gambar 4.2 Form Login ... 45
Gambar 4.3 Form Maintenance Data Buah ... 46
Gambar 4.4 Form Maintenance Data User ... 46
Gambar 4.5 Form Penjualan ... 47
Gambar 4.6 Form Rekap Penjualan ... 48
Gambar 4.7 Form Peramalan ... 49
Gambar 4.8 Form Laporan Penjualan ... 49
Gambar 4.9 Form Laporan Peramalan ... 50
Gambar 4.10 Pilih Nama Buah ... 51
Gambar 4.11 Pilih Periode Ramalan ... 51
Gambar 4.12 Hasil Ramalan Dengan Metode Linier Exponential Smoothing Dengan Alpha 0.1 ... 52
Gambar 4.13 Hasil Ramalan Dengan Metode Linier Exponential Smoothing Dengan Alpha 0.9 ... 53
Gambar 4.14 Hasil Ramalan Exponential Smoothing Dengan Alpha 0.1 ... 53
Gambar 4.15 Hasil Peramalan Dengan Kesalahan Terkecil ... 54
PENDAHULUAN
1.1Latar Belakang Masalah
Teknologi informasi telah berkembang dengan pesat. Kebutuhan akan informasi semakin meningkat, terutama dengan adanya persaingan yang semakin meningkat. Pihak manajemen tidak lagi hanya membutuhkan sekedar data, namun lebih dari itu, yang dibutuhkan adalah suatu informasi yang dapat digunakan lebih lanjut untuk mengambil suatu keputusan.
Dengan adanya suatu peramalan penjualan buah, diharapkan dapat membantu pihak UD. Karya Sari untuk mengambil keputusan yang dianggap perlu untuk menangani segala kemungkinan yang terjadi. Data penjualan buah dianggap penting karena ada beberapa hal dalam perusahaan yang membutuhkan data penjualan yang akurat, reliable, dan mutakhir, yang dipakai sebagai dasar penyusunan rencana program, bahan pertimbangan pengambilan keputusan, dan evaluasi berbagai kegiatan perusahaan selanjutnya.
Bali, yang mayoritas penduduknya beragama Hindu, hampir setiap hari terdapat masyarakat yang melakukan upacara keagamaan. Dimana dalam upacara tersebut, buah-buahan merupakan salah satu sarana persembahannya. Maka sudah seharusnya semua pihak yang berkepentingan, dalam hal ini UD. Karya Sari yang mempunyai usaha penjualan buah-buahan, dapat mengantisipasi sehingga dapat memberikan pelayanan terbaik kepada mereka yang nantinya menjadi pelanggan.
Untuk itu diperlukan suatu sistem yang dapat memprediksi penjualan buah dari waktu ke waktu. Dengan hasil peramalan yang diperoleh, maka para
2
pihak yang berkepentingan diharapkan bisa mengambil keputusan sesuai dengan kondisi yang ada. Walaupun nilai-nilai yang dihasilkan dalam peramalan tidak 100% benar-benar akurat, namun tujuan peramalan adalah agar kesalahannya sekecil mungkin. Dengan meramalkan nilai penjualan pada periode tertentu, diharapkan dapat membantu pihak manajemen dalam mengambil keputusan, misalnya untuk menentukan berapa jumlah pemesanan.
Ada banyak metode yang dapat digunakan untuk membuat peramalan. Salah satunya adalah metode Linier Exponential Smoothing dari Brown. Metode ini digunakan untuk peramalan penjualan yang memiliki pola tren dan stasioner. Data penjualan buah merupakan suatu data yang memiliki pola kecenderungan stasioner. Oleh sebab itu, dalam peramalan penjualan buah ini digunakan metode Linier Exponential Smoothing dari Brown. Dalam tugas akhir ini, hasil peramalan yang didapatkan akan dibandingkan dengan hasil peramalan dengan menggunakan metode Exponential Smoothing.
1.2Perumusan Masalah
Dari apa yang telah dijelaskan pada latar belakang maka dapat dirumuskan suatu permasalahan yaitu ”Bagaimana meramalkan penjualan buah pada UD. Karya Sari dengan menggunakan metode Linier Exponential Smoothing dari Brown”. Dengan sub masalah:
2. Bagaimana merancang dan membangun Sistem Informasi Peramalan Penjualan Buah Dengan Metode Linier Exponential Smoothing dari Brown.
3. Bagaimana membandingkan 2 buah metode yaitu Linier Exponential Smoothing sebagai metode utama dengan Exponential Smoothing sebagai metode pembanding untuk menentukan metode terbaik yang akan digunakan dalam peramalan penjualan suatu jenis buah.
1.3 Batasan Masalah
Batasan masalah dalam pembuatan sistem ini adalah sebagai berikut: 1. Parameter yang dipakai hanya data kuantitatif, berupa data penjualan buah
dari tanggal 1 Januari 2009 sampai 10 Maret 2009.
2. Metode pengolahan data yang dipakai untuk memperoleh informasi tentang penjualan buah pada periode mendatang adalah Linier Exponential Smoothing dari Brown sebagai metode utama dan Exponential Smoothing sebagai metode pembanding.
3. Sistem ini tidak terintegrasi dengan sistem lainnya.
4. Peramalan hanya dilakukan berdasarkan transaksi penjualan, dengan hanya mempertimbangkan faktor jumlah barang dalam suatu periode tertentu.
5. Aplikasi ini berbasis desktop yang dibuat dengan menggunakan bahasa pemrograman VB 2005.
4
1.4 Tujuan
Adapun tujuan dari pembuatan sistem ini adalah:
1. Menganalisis data penjualan buah untuk digunakan dalam proses peramalan di masa mendatang.
2. Merancang dan membangun Sistem Informasi Peramalan Penjualan Buah Dengan Metode Linier Exponential Smoothing dari Brown.
3. Membandingkan 2 buah metode yaitu Linier Exponential Smoothing sebagai metode utama dengan Exponential Smoothing sebagai metode pembanding untuk menentukan metode terbaik yang akan digunakan dalam peramalan penjualan suatu jenis buah.
1.5 Sistematika Penulisan
Sistematika penulisan yang digunakan dalam penyusunan laporan ini dibedakan dengan pembagian bab sebagai berikut:
BAB I : PENDAHULUAN
Dalam bab ini dijelaskan tentang latar belakang, perumusan masalah, pembatasan masalah dan tujuan.
BAB II : LANDASAN TEORI
Di dalam bab ini dijelaskan teori-teori yang digunakan dalam merancang suatu sistem.
BAB III : PERANCANGAN SISTEM
BAB IV : EVALUASI DAN IMPLEMENTASI
Dalam bab ini dijelaskan tentang implementasi dari aplikasi yang dibuat secara keseluruhan dan memberikan penjelasan dari rancangan input dan output serta melakukan pengujian terhadap aplikasi yang dibuat untuk mengetahui apakah aplikasi tersebut telah dapat menyelesaikan permasalahan yang dihadapi sesuai dengan yang diharapkan
BAB V : PENUTUP
BAB II
LANDASAN TEORI
2.1 Teknik Peramalan
Peramalan (forecasting) merupakan alat bantu yang penting dalam perencanaan yang efektif dan efisien. Dalam sistem peramalan, penggunaan berbagai model peramalan akan memberikan nilai yang berbeda dan derajat dari kesalahan ramalan (forecast error) yang berbeda pula. Salah satu seni dalam melakukan peramalan adalah memilih model peramalan terbaik yang mampu mengidentifikasi dan menanggapi pola aktifitas dari data.
Menurut Makridakis (1991;10) pola data dapat dibedakan menjadi empat jenis siklis dan trend, yaitu:
1. Pola horisontal (H), terjadi bilamana nilai data berfluktuasi di sekitar nilai rata-rata yang konstan. Suatu produk yang penjualannya tidak meningkat atau menurun selama waktu tertentu termasuk jenis ini.
2. Pola musiman (S), terjadi bilamana suatu deret dipengaruhi oleh faktor musiman (misalnya kuartal tahun tertentu, bulanan, atau hari-hari pada minggu tertentu).
3. Pola siklis (C), terjadi apabila datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis. Contohnya adalah penjualan mobil.
4. Pola trend (T), terjadi bilamana banyak kenaikan atau penurunan sekuler jangka panjang dalam data dimana metode yang dapat dipakai untuk peramalan data dengan pola trend antara lain metode Linier Exponential Smoothing dari Brown,
Moving Average, dan regresi sederhana. Penjualan banyak perusahaan mengikuti suatu trend selama perubahannya sepanjang waktu.
Menurut Vincent (1998) secara umum model peramalan dibagi menjadi 2 kelompok utama yaitu: (1) Metode kualitatif, dan (2) Metode kuantitatif. Metode kuantitatif dikelompokkan ke dalam 2 bagian utama, yaitu (a) Intrinsik, dan (b) Ekstrinsik.
Pada dasarnya metode kuantitatif ditujukan untuk peramalan terhadap produk baru, pasar baru, proses baru, perubahan sosial dari masyarakat, perubahan teknologi, atau penyesuaian terhadap ramalan-ramalan berdasarkan metode kuantitatif.
2.2 Peramalan Penjualan
8
1. Disebabkan karena meningkatnya kompleksitas organisasi dan lingkungannya, hal ini membuat pengambilan keputusan semakin sulituntuk mempertimbangkan semua faktor secara memuaskan.
2. Meningkatnya ukuran organisasi, maka bobot dan kepentingan suatu keputusan telah meningkat pula, lebih banyak keputusan yang memerlukan telaah peramalan khusus dan analisis yang lengkap.
Kegunaan dari peramalan tersebut khususnya peramalan penjualan dalam perusahaan secara umum adalah sebagai berikut:
1. Untuk menentukan kebijaksanaan dalam penyusunan anggaran, khususnya anggaran penjualan dan persediaan.
2. Untuk pengawasan dalam persediaan, hal ini karena jika persediaan terlalu besar, maka biaya penyimpanan dan biaya lainnya juga akan menjadi besar. Sebaliknya, jika persediaan terlalu kecil akan mempengaruhi kelancaran operasional perusahaan. Oleh karena itu, agar persediaan tidak terlalu besar dan juga tidak terlalu sedikit, maka peramalan penjualan dapat digunakan seebagai pedoman (Assauri, 1998: 140)
2.3 Metode Exponential Smoothing
baru, α(1- α) untuk data sebelumnya, α(1- α)2 untuk data yang lebih lama lagi, dan
seterusnya.
Persamaan Exponential Smoothing dapat ditulis sebagai berikut:
Y
t+1 = nilai ramalan untuk periode berikutnya
α = konstanta pemulusan (0< α<1)
Y
t = data baru pada periode tY
^
t = nilai pemulusan yang lama yang dimuluskan hingga periode t-1
2.4 Metode Linier Exponential Smoothing Dari Brown
Metode ini sering juga disebut teknik pemulusan eksponensial ganda (double exponential smoothing) digunakan dalam peramalan data runtut waktu yang mengikuti suatu trend linier.
Nilai exponential smoothing dihitung dengan menggunakan persamaan 2.2
At = α Yt + (1- α) At-1
...(2.2)
Persamaan 2.3 digunakan untuk menghitung nilai double exponential smoothing
At’ = α At + (1- α) At’-1
10
Persamaan 2.4 digunakan untuk menghitung perbedaan antara nilai-nilai exponential smoothing tersebut
at = 2 At - At’
...(2.4)
Persamaan 2.5 adalah faktor penyesuai tambahan yang hampir sama dengan pengukuran slope suatu kurva
bt =
Sedangkan, persamaan 2.6 digunakan untuk membuat peramalan pada periode ρ akan datang
Y
At’ = nilai Yt yang dimuluskan secara eksponensial ganda pada waktu t α = konstanta pemulusan (0< α<1)Yt = nilai Y aktual pada periode t
ρ = jumlah periode ke depan yang akan diramalkan
2.5 Ukuran Ketepatan Metode Peramalan
merupakan suatu data penting untuk menilai ketepatan suatu metode peramalan. Dengan membandingkan ukuran kesalahan beberapa metode peramalan akan diperoleh metode mana yang mempunyai ukuran kesalahan terkecil, sehingga nilai peramalan dapat dipakai sebagai acuan dalam menentukan kebutuhan-kebutuhan di masa yang akan datang.
Dalam menentukan ukuran ketepatan metode peramalan ada empat jenis forecast error yang dapat digunakan yaitu:
1. Mean Absolute Deviation (MAD)
MAD mengukur akurasi peramalan dengan merata-ratakan nilai absolut kesalahan peramalan.
MAD =
2. Mean Squared Errors (MSE)
Kesalahan rata-rata kuadrat atau MSE diperoleh dengan cara setiap kesalahan atau residual dikuadratkan, kemudian dijumlahkan dan dibagi dengan jumlah observasi.
3. Mean Absolute Percentage Error (MAPE)
MAPE memberikan petunjuk seberapa kesalahan peramalan dibandingkan dengan nilai sebenarnya.
12
4. Mean Percentage Error (MPE)
MPE digunakan untuk menentukan apakah suatu peramalan bias atau tidak. Jika suatu teknik menghasilkan suatu ramalan yang tidak bias, maka MPE akan menghasilkan persentase mendekati nol. Jika hasil MPE adalah negatif dan cukup besar, maka metode peramalan ini akan menghasilkan hasil ramalan yang terlalu tinggi dan sebaliknya.
MPE =
2.6 Konsep Dasar Sistem
Menurut Hartono (1995), terdapat dua kelompok pendekatan di dalam mendefinisikan sistem, yaitu yang menekankan pada prosedurnya dan menekankan pada komponen atau elemennya. Pendekatan sistem yang lebih menekankan pada prosedur mendefinisikan suatu sistem sebagai suatu jaringan kerja dari prosedur-prosedur yang saling berhubungan, berkumpul bersama-sama untuk melakukan suatu kegiatan atau menyelesaikan suatu sasaran yang tertentu.
Suatu sistem mempunyai karakteristik atau sifat-sifat yang tertentu, yaitu memnpunyai komponen-komponen (components), batas sistem (boundary), lingkungan luar sistem (environments), penghubung (interface), masukan (input), keluaran (output), pengolah (process) dan sasaran (objectives) atau tujuan (goal).
disebut dengan supra system (Hartono:1990). Misalnya sekolah dapat disebut sebagai sistem dan pendidikan yang merupakan sistem yang lebih besar dapat disebut sebagai supra system.
Batas sistem (boundary) merupakan daerah yang membatasi antara suatu sistem dengan sistem yang lainnya atau dengan lingkungan luarnya. Batas sistem ini memungkinkan suatu sistem dipandang sebagai suatu kesatuan. Batas suatu sistem menunjukkan ruang lingkup (scope) dari sistem tersebut.
Lingkungan luar (environtment) dari suatu sistem adalah apapun diluar batas dari sistem yang mempengaruhi operasi sistem. Lingkungan luar sistem dapat bersifat menguntungkan dan dapat juga merugikan sistem tersebut. Lingkungan luar yang menguntungkan merupakan energi dari sistem dan dengan demikian harus tetap dijaga dan dipelihara. Sedang lingkungan luar yang merugikan harus ditahan dan dikendalikan, kalau tidak maka akan menggangu kelangsungan hidup dari sistem (Hartono:1990).
Penghubung (interface) merupakan media penghubung antara satu subsistem dengan subsistem yang lainnya. Melalui penghubung ini memungkinkan sumber-sumber daya mengalir dari suatu subsistem ke subsistem yang lainnya. Keluaran (output) dari suatu subsistem akan menjadi masukan (input) untuk subsistem yang lainnya melalui penghubung. Dengan penghubung satu subsistem dapat berintegrasi dengan susbsistem yang lainnya membentuk satu kesatuan.
14
sesuatu. Sedangkan masukan perawatan adalah energi yang digunakan untuk melakukan suatu proses atau dengan kata lain energi yang menjamin suatu proses dapat berjalan. Keluaran sistem dapat dibedakan menjadi dua yaitu keluaran yang berguna dan sisa pembuangan. Keluaran dapat dijadikan sebagai masukan dari subsistem yang lainnya.
Pengolah sistem adalah bagian dari setiap sistem dan subsistem yang akan mengolah masukan sehingga menjadi keluaran, baik yang berguna maupun menjadi sisa.
Suatu sistem pasti mempunyai tujuan ataupun sasaran yang ingin dicapai. Jika suatu sistem tidak mempunyai sasaran, maka operasi sistem tidak akan ada gunanya. Sasaran sistem sangan menentukan masukan apa yang diperlukan serta keluaran apa yang harus dihasilkan. Suatu sistem dikatakan berhasil jika mengenai sasaran yang ingin dicapai.
Karakteristik sistem dapat digambarkan seperti Gambar 2.1:
Gambar 2.1 Karakteristik Sistem
(Sumber: Hartono, Analisis & Desain Sistem Informasi: Pendekatan Terstruktur) 2.7 Konsep Dasar Informasi
Informasi dapat diibaratkan sebagai darah dalam suatu tubuh makhluk hidup. Informasi memberikan suatu semangat, motivasi, gairah dalam suatu organisasi. Tanpa adanya informasi, organisasi tersebut akan lesu, kerdil dan akhirnya akan berhenti. Menurut Hartono (1995), informasi adalah data yang diolah menjadi bentuk yang lebih berguna dan lebih berarti bagi yang menerimanya. Sumber dari informasi itu sendiri adalah data yang merupakan kata jamak dari bentuk tunggal datum. Data adalah kenyataan yang menggambarkan suatu keadaan nyata.
2.8 Konsep Dasar Sistem Informasi
Sistem informasi didefinisikan oleh Robert A. Leitch dan K. Roscoe Davis sebagai berikut:
“Sistem informasi adalah suatu sistem di dalam suatu organisasi yang mempertemukan kebutuhan pengolahan transaksi harian, mendukung operasi, bersifat manajerial dan kegiatan strategi dari suatu organisasi dan menyediakan pihak luar tertentu dengan laporan-laporan yang diperlukan.”
2.9 Pendekatan Sistem
16
Pendekatan yang dapat digunakan dalam menganalisa suatu sistem yang ada menjadi suatu sistem informasi yang nantinya bisa menghasilkan informasi yang bermanfaat, antara lain:
1. System Approach
Sistem informasi sebagai suatu kesatuan yang terintegrasi 2. Top Down Approach
Kebutuhan informasi dari Top Manager ke bawahannya secara langsung
3. Modular Approach
Dipecah menjadi modul yang lebih sederhana 4. Evolutionary Approach
Mengikuti perkembangan teknologi
2.10 System Development Life Cycle
Menurut Kendall & Kendall (2003), system development life cycle (SDLC) terdiri dari tujuh fase yaitu:
1. Mengidentifikasi masalah, kemungkinan dan tujuan.
Pada fase pertama ini, seorang sistem analis berfokus pada identifikasi masalah, kemungkinan dan tujuan. Tahap ini merupakan tahap yang paling penting dan paling kritis karena sangat menentukan kesuksesan seluruh proyek.
merangkum informasi yang didapat, menaksir ruang lingkup proyek dan mendokumentasi hasil yang didapat.
2. Menentukan informasi yang diperlukan
Pada tahap kedua ini, sistem analis harus menentukan informasi apa yang diperlukan untuk setiap pengguna yang terlibat dalam proyek. Instrumen yang biasanya digunakan untuk mendefinisikan informasi yang diperlukan adalah sample dan investigasi dokumen riil (hard data), wawancara, kuisioner, melakukan pengamatan mengenai lingkungan kerja dan pengambil keputusan dan prototyping.
3. Menganalisa kebutuhan sistem.
Pada tahap selanjutnya, sistem analis menganalisa kebutuhan sistem. Dalam tahap ini, sistem analis dapat menggunakan instrumen untuk menentukan kebutuhan sistem seperti data flow diagram untuk mengambarkan masukan, proses, dan keluaran.
4. Merancang sistem yang direkomendasikan.
Pada tahap perancangan, sistem analisis menggunakan informasi yang telah terkumpul pada tahap sebelumnya untuk menyelesaikan rancangan secara logis (logical design) dari sistem informasi.
5. Mengimplementasikan dan mendokumentasi perangkat lunak.
18
6. Uji coba dan merawat sistem.
Sebelum sistem informasi dapat digunakan, sistem informasi tersebut harus diuji terlebih dahulu. Akan lebih murah jika masalah pada aplikasi ditangkap sebelum aplikasi diserahkan kepada pengguna.
7. Mengimplementasi dan mengevaluasi sistem.
Pada tahap akhir ini, sistem analis melakukan implementasi pada sistem informasi yang telah selesai kepada pengguna. Tahap ini melibatkan training kepada pengguna mengenai penggunaan sistem.
2.11 Entity Relationship Diagram (ERD)
Entity Relationship Diagram yang selanjutnya disebut ERD digunakan untuk menginterpretasikan, menentukan dan mendokumentasikan kebutuhan-kebutuhan untuk sistem perosesan database. ERD menyediakan bentuk untuk menunjukkan struktur keseluruhan kebutuhan data dari pemakai.
2.12 Data Flow Diagram (DFD)
Menurut Kristanto (2004) Data Flow Diagram adalah suatu model logika data atau proses yang dibuat untuk menggambarkan darimana asal data dan kemana tujuan data yang keluar dari sistem, dimana data disimpan, proses apa yang menghasilkan data tersebut dan interaksi antara data yang tersimpan dan proses yang dikenakan pada data tersebut.
semua tingkat kompleksitas. Pada tahap analisis penggunaan notasi ini dapat membantu dalam berkomunikasi dengan pemakai sistem untuk memahami sistem secara logika.
2.13 System Flow
BAB IV
IMPLEMENTASI DAN EVALUASI
4.1Kebutuhan Sistem
Dalam merancang dan membangun sistem informasi ini ada beberapa spesifikasi perangkat lunak dan perangkat keras yang dibutuhkan sebagai berikut 4.1.1Kebutuhan perangkat keras
Untuk dapat memanfaatkan sistem informasi peramalan penjualan ini dengan optimal, maka dibutuhkan perangkat keras yang sesuai sehingga sistem dapat berjalan dengan baik. Adapun perangkat keras yang dibutuhkan untuk menjalankan aplikasi ini adalah:
1. Processor Intel Pentium III 600 atau lebih 2. Memory 128 Mb atau lebih,
3. VGA Card minimal 32 Mb, 4. Harddisk 5 Gb atau lebih,
5. Monitor dengan resolusi minimal 800 x 600, 6. Mouse dan keyboard,
4.1.2Kebutuhan perangkat lunak
Perangkat lunak yang dibutuhkan untuk menjalankan sistem ini adalah: 1. Sistem operasi menggunakan Microsoft Windows XP Professional,
2. Database untuk pengolahan data menggunakan SQL Server 2005 Express Edition.
3. .Net Frame Work versi 2.0 diperlukan karena sistem ini dibuat dengan menggunakan Visual Basic .Net 2005.
4.2 Implementasi Program
Berikut ini merupakan tampilan form yang digunakan pada sistem informasi peramalan penjualan buah dengan menggunakan metode Linier Exponential Smoothing dari Brown.
4.2.1 Form Utama
Pada form utama ini terdapat 6 menu yaitu File, Data, Transaksi, Peramalan, Laporan, dan Help. Menu File memiliki sub menu Login, Logout, Change Password, dan Exit. Pada menu Data terdapat sub menu Maintenance Data Buah dan Maintenance Data User. Pada menu Transaksi terdapat sub menu Transaksi Penjualan dan Rekap Penjualan. Form Utama dapat dilihat pada Gambar 4.1.
45
4.2.2Form Login
Form Login digunakan untuk memverifikasi apakah user berhak menggunakan aplikasi ini dan fasilitas apa saja yang dapat digunakan user. Form Login digambarkan seperti Gambar 4.2.
Gambar 4.2 Form Login 4.2.3Form Maintenance Data Buah
Gambar 4.3 Form Maintenance Data Buah 4.2.4Form Maintenance Data User
Form Maintenance Data User digunakan untuk menyimpan, menambah, dan mengubah data user. Form ini ditunjukkan pada Gambar 4.4.
47
4.2.5Form Penjualan
Form penjualan digunakan untuk menyimpan transaksi penjualan yang terjadi. Gambar Form Penjualan dapat dilihat pada Gambar 4.5.
Gambar 4.5 Form Penjualan 4.2.6Form Rekap Penjualan
Gambar 4.6 Form Rekap Penjualan 4.2.7Form Peramalan
49
Gambar 4.7 Form Peramalan 4.2.8Form Laporan Penjualan
Form ini berisi data transaksi penjualan dan dapat menampilkan data transaksi penjualan tersebut pada periode yang diperlukan. Form Laporan Penjualan ditampilkan pada Gambar 4.8.
4.2.9Form Laporan Peramalan
Form ini berisi data histori peramalan yang telah dilakukan dan dapat menampilkan data peramalan tersebut pada kondisi yang ditentukan. Form Laporan Penjualan ditampilkan pada Gambar 4.9.
Gambar 4.9 Form Laporan Peramalan
4.3 Uji Coba Sistem
Setelah dilakukan proses implementasi, proses selanjutnya adalah uji coba dan evaluasi sistem dengan tujuan untuk mengetahui bahwa aplikasi yang telah dibuat telah sesuai dan dapat menyelesaikan permasalahan yang dihadapi.
Untuk keperluan uji coba telah ditentukan data penjualan salak Bali dan pear sweet dari tanggal 1 Januari 2009 sampai 10 Maret 2009 dengan menggunakan nilai periode ramalan 1.
4.3.1 Uji Coba Metode Linier Exponential Smoothing Dari Brown
51
Gambar 4.10 Pilih Nama Buah
Tahap selanjutnya adalah memilih periode yang sesuai dengan kepentingan. Pada program ini, periode hanya dibatasi hingga 7 hari saja.
Bila kita memilih periode 1 hari, maka program akan otomatis membandingkan metode Linier Exponential Smoothing dengan metode Exponential Smoothing. Sedangkan bila memilih periode lebih dari 1, maka program hanya akan membandingkan hasil dari peramalan dengan menggunakan metode Linier Exponential Smoothing saja. Proses pemilihan periode dapat dilihat pada Gambar 4.11.
Gambar 4.11 Pilih Periode Ramalan
Setelah itu, program akan mengeluarkan output nilai ramalan, chart perbandingan nilai aktual dan nilai ramalan beserta nilai error dari ramalan dengan konstanta pemulusan 0.1 . Hasil ramalan dapat dilihat pada Gambar 4.12.
Gambar 4.12 Hasil Ramalan Dengan Metode Linier Exponential Smoothing Dengan Alpha 0.1
53
Gambar 4.13 Hasil Ramalan Dengan Metode Linier Exponential Smoothing Dengan Alpha 0.9
Setelah menekan tombol Compare, maka akan muncul form peramalan dengan menggunakan metode Exponential Smoothing. User juga tidak perlu lagi mengatur nama buah yang akan diramal, karena program akan secara otomatis mengatur sesuai dengan pilihan kita di awal. Selain itu, pilihan periode juga tidak ada, karena metode Exponential Smoothing ini hanya dapat digunakan pada periode 1. Setelah menekan tombol proses, maka hasil ramalan, kesalahan ramalan, dan chart akan ditampilkan seperti pada Gambar 4.14.
Langkah-langkah di atas juga otomatis akan dilakukan berulang hingga sampai alpha 0.9. Kemudian setelah proses peramalan selesai dilakukan, maka akan muncul sebuah message box yang akan menampilkan hasil peramalan dengan kesalahan peramalan terkecil seperti terlihat pada Gambar 4.15.
Gambar 4.15 Hasil Peramalan Dengan Kesalahan Terkecil
Dari hasil uji coba pada sistem, diketahui bahwa peramalan dengan menggunakan metode peramalan Exponential Smoothing dengan alpha 0.3 menghasilkan MAD terkecil.
Dari hasil-hasil perhitungan dengan data penjualan salak Bali, baik yang dilakukan dengan metode Linier Exponential Smoothing maupun dengan metode Exponential Smoothing, diperoleh nilai ramalan untuk 1 periode mendatang beserta MAD dari masing-masing perhitungan seperti dapat dilihat pada Tabel4.19. Sedangkan untuk detail perhitungannya dapat dilihat pada tabel yang terdapat pada lampiran 21 hingga lampiran 38.
Tabel4.1 Hasil Perhitungan Dan MAD Salak Bali Untuk 1 Periode
55
Sementara itu, untuk uji coba peramalan menggunakan data penjualan buah pear sweet didapatkan hasil sebagai berikut:
Tabel4.2 Hasil Perhitungan Dan MAD Pear Sweet Untuk 1 Periode
Metode Alpha Nilai Ramalan MAD
57
alpha 0.9. Karena dengan metode ini, kesalahan yang dihasilkan paling kecil dibandingkan dengan metode yang lain, yaitu sebesar 21.059. Detail perhitungannya dapat dilihat pada lampiran 39 hingga lampiran 56.
4.4 Evaluasi Sistem
Tahapan ini bertujuan untuk mengetahui apakah aplikasi yang dibuat telah sesuai dan dapat menyelesaikan permasalahan yang dihadapi. Evaluasi dilakukan dengan analisa hasil uji coba metode Linier Exponential Smoothing Dari Brown dan metode Exponential Smoothing..
4.4.1 Analisa Hasil Uji Coba
PENUTUP
5.1Kesimpulan
Setelah dilakukan pendefinisian masalah, analisis, dan pembuatan aplikasi ini, dapat diambil beberapa kesimpulan sebagai berikut:
1. Metode Linier Exponential Smoothing dan Exponential Smoothing dapat diimplementasikan untuk studi kasus peramalan penjualan buah pada UD. Karya Sari dan memenuhi syarat data minimal untuk dilakukan peramalan. 2. Berdasarkan pada analisa hasil uji coba, dapat disimpulkan bahwa aplikasi ini
telah dapat melakukan perhitungan peramalan dengan baik. Hal ini dibuktikan dengan kesamaan hasil perhitungan manual dengan keluaran sistem aplikasi. 3. Dalam uji coba sistem menggunakan data penjualan salak Bali dengan periode
peramalan 1, didapatkan bahwa metode Exponential Smoothing dengan alpha 0.3 menghasilkan MAD terkecil. Namun, untuk data penjualan berbeda, seperti penjualan pear sweet, akan menghasilkan metode terpilih yang berbeda pula, yaitu metode Exponential Smoothing dengan alpha 0.9.
5.2Saran
Sesuai dengan hasil evaluasi terhadap aplikasi, saran yang dapat diberikan untuk pengembangan lebih lanjut antara lain:
1. Mengembangkan aplikasi dengan menambahkan modul-modul yang lebih lengkap agar aplikasi dapat digunakan untuk keperluan lainnya dalam perusahaan dan juga dapat terintegrasi dengan sistem lainnya.
59
2. Mengembangkan aplikasi dengan mengidentifikasi pesan kesalahan yang belum teridentifikasi guna kemudahan penanganan kesalahan.
Arsyad, Lincolin. 1994. Peramalan Bisnis, Edisi Pertama, BPFE-Yogyakarta, Yogyakarta
Hanke, John E. and Reitsch, Arthur. 1995. Business Forecasting Fifth Edition. Prentice Hall International.
Hartono, Jogianto. 1995. Analisa dan Desain Sistem Informasi, Andi, Yogyakarta. Kendall, Kenneth. E. dan Kendall, Julie. E. 2003. Analisa dan Perancangan
Sistem, Jilid I, Edisi Kelima, Edisi Bahasa Indonesia, PT. Prenhallindo, Jakarta.
Kristanto, Andri. 2004. Rekayasa Perangkat Lunak (Konsep Dasar). Gava Media, Yogyakarta.
Makridakis, Spyros, 1991, Metode dan Aplikasi Peramalan Edisi Kedua, jilid I, Erlangga, Jakarta.
Rosida, Diana. 2007. Pembangunan Perangkat Lunak Peramalan Penjualan dan Perencanaan Pemesanan Untuk Membantu Manajemen Persediaan Pada
Perusahaan Dagang. (online), (http://www.informatika.org/~rinaldi/TA/Makalah_TA%20Diana%20Rosi
da.pdf., diakses pada 27 Maret 2009)
Winarko, Edi. 2006. Perancangan Database dengan Power Designer 6.32. Prestasi Pustaka, Jakarta.