RANCANG BANGUN SISTEM ESTIMASI MENU FAVORIT UNTUK MENINGKATKAN PENJUALAN DENGAN MENGGUNAKAN METODE WINTERS : Studi Kasus Pada Restoran Payo.

(1)

Luthfia Fauzia Dewi Aryanti, 2013

Rancang Bangun Sistem Estimasi Menu Favorit Untuk Meningkatkan Penjualan Dengan Menggunakan Metode Winters (Studi Kasus Pada Restoran Payo)

Universitas Pendidikan Indonesia | repository.upi.edu| perpustakaan.upi.edu

RANCANG BANGUN SISTEM ESTIMASI MENU FAVORIT UNTUK

MENINGKATKAN PENJUALAN DENGAN MENGGUNAKAN METODE WINTERS (STUDI KASUS PADA RESTORAN PAYO)

SKRIPSI

Diajukan untuk Memenuhi Sebagian dari Syarat untuk Gelar S1 Pada Program Studi Ilmu Komputer

Oleh:

Luthfia Fauzia Dewi Aryanti

0900372

PROGRAM STUDI ILMU KOMPUTER

FAKULTAS PENDIDIKAN MATEMATIKA DAN ILMU PENGETAHUAN ALAM

UNIVERSITAS PENDIDIKAN INDONESIA

(2)

Luthfia Fauzia Dewi Aryanti, 2013

RANCANG BANGUN SISTEM ESTIMASI MENU FAVORIT UNTUK

Oleh

Luthfia Fauzia Dewi Aryanti

Sebuah skripsi yang diajukan untuk memenuhi salah satu syarat memperoleh gelar Sarjana pada Fakultas Pendidikan Matematika dan Ilmu Pengetahuan Alam

©_{Luthfia Fauzia 2013} Universitas Pendidikan Indonesia

Oktober 2013

Hak Cipta dilindungi undang-undang.

(3)

Luthfia Fauzia Dewi Aryanti, 2013

LEMBAR PENGESAHAN

RANCANG BANGUN SISTEM ESTIMASI MENU FAVORIT UNTUK

Oleh:

Luthfia Fauzia D.A

0900372

DISETUJUI DAN DISYAHKAN OLEH: Pembimbing 1

Budi Laksono Putro, MT

NIP:197607102010121002 Pembimbing 2

Muhammad Nursalman, M.T

NIP: 197909292006041002

Mengetahui,

Ketua Program Studi Ilmu Komputer

Rasim, MT

(4)

LEMBAR PERNYATAAN

Saya yang bertanda tangan di bawah ini:

Nama : Luthfia Fauzia Dewi Aryanti

NIM : 0900372

Prodi : Ilmu Komputer Penulisan skripsi berjudul:

RANCANG BANGUN SISTEM ESTIMASI MENU FAVORIT UNTUK MENINGKATKAN PENJUALAN DENGAN MENGGUNAKAN METODE WINTERS (STUDI KASUS PADA RESTORAN PAYO)

Dengan ini menyatakan bahwa:

1. Isi dari skripsi yang saya buat adalah benar-benar saya sendiri dan tidak menjiplak karya orang lain, selain nama-nama yang tertulis di daftar pustaka dalam skripsi ini

2. Apabila di kemudian hari ternyata skripsi yang saya tulis terbukti hasil jiplakan, maka saya akan besedia menaggung segala resiko.

Demikian pernyataan ini saya buat dengan segala kesadaran.

Bandung, 8 Oktober 2013 Yang menyatakan,

Luthfia Fauzia D.A

(5)

ABSTRAK

RANCANG BANGUN SISTEM ESTIMASI MENU FAVORIT UNTUK

Luthfia Fauzia Dewi Aryanti 0900372

Makan dan minum merupakan kebutuhan pokok manusia yang tidak bisa dipisahkan dalam kehidupan sehari-hari. Oleh karena itu, banyak restoran yang berlomba-lomba dalam menyediakan berbagai menu denganvariasi harga yang berbeda pula. Dari banyaknya menu yang ditawarkan, tentu terdapat menu spesial atau menu favorit yang ditetapkan oleh pihak restoran. Namun, dalam penerapannya banyak restoran yang menetapkan secara sepihak dan tidak berdasarkan historis data-data penjualannya, akibatnya banyak stok bahan-bahan produksi yang menumpuk. Untuk mengatasi masalah tersebut, dibutuhkan sebuah sistem estimasi menu favorit yang dapat menampilkan menu yang paling laku terjual pada setiap bulannya, untuk ditetapkan sebagai menu favorit serta dapat mengestimasi permintaan penjualan menu favorit tersebut di bulan berikutnya.

Sistem ini dibangun dengan menggunakan metode winters, memanfaatkan historis database penjualan, 3 parameter dalam perhitungan yaitu level, trend, dan stationer, dan apresiasi konsumen terhadap menu favorit yang akan ditetapkan.

Dari hasil penelitian dengan menggunakan data penjualan selama 6 bulan (Januari-Juni) dan 110 menu yang ada pada restoran, didapatkan menu favorit untuk diterapkan pada restoran beserta estimasi banyaknya penjualan pada bulan berikutnya dengan tingkat kesalahan estimasi sebesar -36. Artinya, penjualan menu favorit melebihi dari target estimasi penjualan yang diperkirakan, sehingga omset pendapatannya meningkat sebesar 31,4% dibandingkan omset pendapatan pada bulan lalu.

Kata kunci: historis data-data penjualan,level, trend, stationer, apresiasi konsumen terhadap

(6)

ABSTRACT

SYSTEM DESIGNESTIMATEMENUFAVORITETO INCREASESALESBY USINGWINTERS

(CASE STUDY IN RESTAURANT PAYO)

Luthfia Fauzia Dewi Aryanti 0900372

Eating and drinking are basic human needs that can not be separated in everyday life. Therefore, a lot of restaurants are vying to provide a variety of menu denganvariasi different prices. Of the many menus on offer, there are of course special menu or favorites menu set by the restaurant. However, in practice many restaurants are set unilaterally and not based on historical sales data, consequently many stock production materials that accumulate. To overcome these problems, needed a system that can estimate the favorites menu displays a menu of the most sold in each month, to set as favorites and can estimate the favorites menu sales demand in the next month.

The system is constructed using winters, utilizing historical sales database, 3 parameters in the calculation of the level, trend, and stationer, and consumer appreciation of the favorite menu to be set.

From the results of research using the sales data for 6 months (January to June) and 110 menu at the restaurant, favorite menus available to be applied to the restaurant along with the estimated number of sales in the next month with an estimated error rate of -36. That is, sales exceed favorite menu of the target estimate of expected sales, so revenue turnover increased by 31.4% compared to revenue turnover in the last month.

Keywords: historical sales data, the level, trend, stationary, consumer appreciation of

(7)

DAFTAR ISI

ABSTRAK ………...i

ABSTRACK ……….ii

KATA PENGANTAR………....iii

DAFTAR ISI………...iv

DAFTAR TABEL……….vii

DAFTAR GAMBAR………viii

BAB I PENDAHULUAN………1

1.1. Latar Belakang………..1

1.2. Rumusan Masalah……….2

1.3. Tujuan Penelitian………..3

1.4. Batasan Penelitian……….3

1.5. Manfaat Penelitian………....4

1.6 Metodologi Penelitian………...4

1.7 Sistematika Penulisan………5

BAB II KAJIAN PUSTAKA ………6

2.1. Restoran ………6

2.1.1 Restoran Payo………6

2.1.2 Definisi Restoran………6

2.2. Menu……….7

2.2.1. Sejarah Menu………....7

2.2.2. Definisi Menu………8

2.2.3. Definisi Menu Favorit………...8

2.2.4. Menu Pada Restoran Payo………....8

2.3 Kepuasan Pelanggan………...13

2.3.1 Definisi Kepuasaan Pelanggan………...13

2.3.2. Kepuasaan Pelanggan Restoran………..14

(8)

Luthfia Fauzia Dewi Aryanti, 2013

2.4.1 Definisi Forecasting……….15

2.4.2 Peranan Forecasting………...15

2.4.3 Kegunaan Forecasting………...16

2.4.4 Tujuan Forecasting………....16

2.4.5 Langkah-Langkah Dalam Melakukan Forecasting………....17

2.4.6 Ukuran Ketepatan Forecasting………..20

2.5 Metode Winters………..20

2.6 Pengujian Kuisioner………...24

2.6.1 Uji Validitas………..24

2.6.2 Uji Reliabilitas………..26

2.6.3 Tahapan Pengolahan Data Kuisioner ………...27

2.7 Bahasa Pemograman yang Digunakan………...28

2.7.1 PHP (Personal Home Page)………...28

2.7.2 HTML (Hypertext Markup Language)………...29

2.7.3 XAMPP………...29

BAB III METODOLOGI PENELITIAN………..30

3.1 Desain Penelitian………30

3.2 Metode Penelitian………..32 3.2.1 Metode Pengumpulan Data………32

3.2.2 Metode Pengembangan Perangkat Lunak………32

3.2.3 Proses Eksperimen………..34

3.3 Alat dan Bahan Penelitian……….35

3.3.1 Alat Penelitian………..34

3.3.2 Bahan Penelitian………..35

3.4 Implementasi Penelitian……….35

BAB IV HASIL PENELITIAN DAN PEMBAHASAN ... ………46

4.1 Estimasi Menu Favorit dengan Menggunakan Metode Winters ………46

(9)

Luthfia Fauzia Dewi Aryanti, 2013

4.1.2 Menentukan Estimasi Menu Favorit ………48

4.1.3 Mencari Banyaknya Estimasi Permintaan Pada Menu Favorit ………...52

4.2 Hasil Estimasi Menu Favorit dengan Menggunakan Metode Winters ... 57

4.3 Pengembangan Perangkat Lunak……….61

4.3.1 Analisis Kebutuhan Perangkat Lunak………62

4.3.2 Desain Perangkat Lunak………...63

4.3.3 Desain Antarmuka Pengguna………66

4.3.4 Coding ………....72

4.3.5 Testing (Pengujian) ………75

4.4 Hasil Impelementasi ………...81 4.4 Lingkungan Implementasi... 85

BAB V KESIMPULAN DAN SARAN ……….86

5.1 Kesimpulan………..86

5.2 Saran……….87

DAFTAR PUSTAKA ... 88

(10)

Luthfia Fauzia Dewi Aryanti, 2013

DAFTAR TABEL

Tabel 3.1 Uji Validitas Kuisioner………37 Tabel 3.2 Uji Reliabilitas Kuisioner………38

Tabel 3.3 Hasil Pengolahan Data Kuisioner ………...39

Tabel 3.4 Pembersihan Data Bulan Januari-Juni 2013 ………...41

Tabel 4.1 Data Penjualan Payo Bulan Januari-Juni 2013 ………...47

Tabel 4.2 Apresiasi Konsumen Terhadap Sate Ayam……….49

Tabel 4.3 Apresiasi Konsumen Terhadap Nasi+Ayam Negeri+Sambal+Lalap………..50

Tabel 4.4 Modal Pembuatan Sate Ayam………..51

Tabel 4.5 Modal Pembuatan Nasi+Ayam Negeri+Sambal+Lalap………..52

Tabel 4.6 Data Penjualan Nasi+Ayam Negeri+Sambal+Lalap………...52

Tabel 4.7 Tabel Perhitungan Regresi Linear ………..54

Tabel 4.8 Estimasi Permintaan Menu Favorit………...57

Tabel 4.9 Data Sebenarnya Beserta Data Estimasi & Kesalahannya………..57

Tabel 4.10 Data Penjualan Bulan Juli.………....60

Tabel 4.11 Rencana Pengujian………76

(11)

Luthfia Fauzia Dewi Aryanti, 2013

DAFTAR GAMBAR

Gambar 3.1 Desain Penelitian………..31

Gambar 3.2 Model Rekayasa Perangkat Lunak Waterfall………...32

Gambar 4.1 Konteks Diagram Sistem Estimasi Menu Favorit………63

Gambar 4.2 Data Flow Diagram (DFD) ………64

Gambar 4.3 Diagram Conceptual Data Model (CDM) ………..65

Gambar 4.4 Interface Login………...66

Gambar 4.5 Interface Beranda ………..67

Gambar 4.6 Interface Laporan Penjualan ………...68

Gambar 4.7 Interface Estimasi Menu ………...69

Gambar 4.8 Interface Input Komentar ………..70

Gambar 4.9 Interface Lihat Komentar ………..71

Gambar 4.10 Halaman Login ………....81

Gambar 4.11 Halaman Beranda ………81

Gambar 4.12 Halaman Laporan Penjualan………82

Gambar 4.13 Halaman Estimasi Menu ………...83 Gambar 4.14 Halaman Input Komentar……….84

(12)

1

Luthfia Fauzia Dewi Aryanti, 2013

BAB I

PENDAHULUAN

1.1 Latar Belakang

Makan dan minum merupakan kebutuhan primer setiap individu. Oleh karena itu, makanan dan minuman tidak akan pernah ditinggalkan oleh makhluk hidup khususnya manusia. Karena hal tersebut, banyak restoran yang berlomba-lomba dalam menyediakan puluhan menu yang beranekaragam dengan variasi harga yang berbeda-beda. Dari sekian banyaknya menu pada restoran tersebut, terdapat menu favorit yang telah ditetapkan oleh restoran atau bahkan restoran tersebut belum menetapkan menu favoritnya. Dalam penetapannya, sering kali restoran menetapkan sendiri menu favoritnya, bukan berdasarkan menu yang paling laku terjual. Menu favorit yang ditetapkan oleh sebuah restoran secara sepihak, tidak menjamin menu tersebut merupakan menu yang benar-benar disukai oleh para pelanggan, dan merupakan menu yang paling laku terjual di bulan berikutnya. Contohnya restoran Payo menetapkan menu tongseng kambing sebagai menu favoritnya. Akan tetapi, dilihat secara kasat mata pada database penjualan sebelumnya, menu ini bukan menu yang banyak diminati oleh pelanggan. Akibatnya terjadi penumpukan daging kambing pada restoran tersebut. Oleh karena itu, untuk benar-benar mengetahui dan menetapkan menu favoritnya perlu dilakukan forecasting (prediksi/estimasi) sehingga menu favorit yang ditetapkan sesuai dengan menu yang digemari oleh pelanggannya. Setelah menu favorit ditetapkan, kemudian diestimasi berapa banyak permintaan penjualan menu favorit tersebut pada bulan berikutnya dengan menggunakan metode winters.

(13)

2

dalam mengestimasi data yang memiliki pola trend dan musiman. Oleh karena itu, metode winters merupakan metode yang cocok dalam mengestimasi banyaknya penjualan pada bulan berikutnya terhadap menu favorit pada sebuah restoran, karena historis data penjualan pada sebuah restoran merupakan data yang memiliki pola trend dan musiman.

Dalam membangun sistem estimasi menu favorit untuk meningkatkan penjualan pada sebuah restoran diperlukan database penjualan sebelumnya yang telah dilakukan preprocessing (pembersihan data) dan variabel pendukungnya. Variabel pendukungnya adalah variabel untuk mengukur tingkat kepuasaan konsumen. Variabel/alat ukur dalam mengukur tingkat kepuasaan konsumen adalah sebagai berikut: tingkat kebersihan restoran(diukur dalam %), tingkat pelayanan(diukur dalam %), tingkat kenyamanan(diukur dalam %), tingkat rasa menu (diukur dalam %), tingkat harga menu (diukur dalam %), tingkat kuantitas menu (diukur dalam %), tingkat kebersihan dan kerapian dalam penyajian menu makanan (diukur dalam %).

Penelitian ini diharapkan dapat membangun sebuah sistem dalam mengestimasi menu favorit untuk meningkatkan penjualan pada bulan berikutnya yang sesuai dengan data-data penjualan sebelumnya dan berdasarkan tingkat kepuasaan pelanggannya, sehingga menu favorit yang ditetapkan oleh restoran menjadi menu yang benar-benar digemari oleh para pelanggannya dan merupakan menu yang paling laku terjual sehingga dapat membantu restoran dalam meningkatkan omset penjualannya.

1.2 Rumusan Masalah

Masalah yang akan dibahas dalam penelitian ini adalah:

(14)

3

1.3 Tujuan Penelitian

Tujuan dari penelitian ini adalah:

1. Merancang dan membangun sistem estimasi menu favorit untuk meningkatkan penjualan pada restoran Payo berdasarkan tingkat kepuasaan pelanggan dan historis database penjualan dengan metode winters.

2. Penelitian ini diharapkan dapat memprediksi menu favorit yang tepat beserta estimasi banyaknya penjualan pada bulan berikutnya, sehingga dapat membantu restoran Payo dalam meningkatkan omset pendapatannya.

1.4 Batasan Penelitian

Agar penelitian yang dilakukan tidak terlalu luas, maka masalah dalam penelitian ini dibatasi menjadi:

1. Historis data penjualan yang digunakan dalam penelitian ini hanya data penjualan selama 6 bulan pada restoran Payo.

2. Pengujian terhadap ketepatan menu favorit beserta estimasi penjualan pada bulan berikutnya hanya untuk 1 bulan kedepan.

1.5 Manfaat Penelitian

Manfaat dari penelitian ini adalah:

1. Bagi peneliti, penelitian yang dilakukan ini diharapkan dapat menambah wawasan pengetahuan yang lebih luas terutama yang berkaitan dengan forecasting, dan memahami bagaimana cara penerapannya terhadap

pembuatan sistem penjualan khususnya sistem estimasi menu favorit untuk meningkatkan penjualan pada sebuah restoran.

(15)

4

Luthfia Fauzia Dewi Aryanti, 2013

dan menyediakan bahan baku untuk melakukan produksi di periode yang akan datang.

1.6 Metodologi Penelitian

Metode yang digunakan dalam penulisan tugas akhir ini adalah sebagai berikut:

a. Eksplorasi Data

Pengumpulan data dengan cara mengumpulkan literatur jurnal, browsing internet dan bacaan-bacaan yang ada kaitannya dengan topik baik berupa textbook atau paper.

b. Studi Literatur

Mempelajari literatur yang berkaitan dengan penelitian. c. Observasi

Teknik pengumpulan data dengan mengadakan penelitian dan peninjauan langsung terhadap permasalahan yang diambil dengan melakukan pengisian kuisioner terhadap kepuasan pelanggan terhadap restoran dan menu-menunya, serta melakukan wawancara terhadap modal dan bahan baku pembuatannya.

d. Pengembangan Perangkat Lunak

Untuk membangun sistem ini menggunakan paradigma secara waterfallyang meliputi beberapa proses diantaranya:

 Analisis

Merupakan tahap menganalisis hal-hal yang diperlukan dalam pelaksanaan pembuatan perangkat lunak.

 Design

Tahap penerjemahan dari data yang dianalisis kedalam bentuk yang mudah dimengerti.

 Coding

(16)

5

Luthfia Fauzia Dewi Aryanti, 2013

 Testing

Merupakan tahap pengujian terhadap perangkat lunak yang dibangun.

e. Implementasi

Implementasi dilakukan untuk mengetahui kesuksesan sistem yang telah dibangun sesuai dengan hasil dan tujuan penelitian.

1.7 Sistematika Penulisan

Sistematika penulisan dalam menyusun skripsi ini adalah sebagai berikut:

BAB I PENDAHULUAN

Penulisan pada bab ini membahas tentang latar belakang pemilihan judul skripsi, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metodologi penelitian, dan sistematika penelitian.

BAB II KAJIAN PUSTAKA

Penulisan pada bab ini membahas tentang dasar teori yang berhubungan dengan penelitian.

BAB III METODOLOGI PENELITIAN

Penulisan pada bab ini membahas tentang proses penelitian yang dilakukan dalam membangun sistem untuk mengestimasi menu favorit pada restoran.

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

Penulisan pada bab ini membahas tentang tahap-tahap pembangunan software dan hasil penelitian yang didapat.

BAB V KESIMPULAN DAN SARAN

(17)

30

Luthfia Fauzia Dewi Aryanti, 2013

BAB III

METODOLOGI PENELITIAN

3.1 Desain Penelitian

Desain penelitian yang digunakan dalam proses penelitian skripsi yang

berjudul “Rancang Bangun Sistem Estimasi Menu Favorit Untuk Meningkatkan Penjualan Dengan Menggunakan Metode Winters”dapat dilihat pada gambar 3.1 yang menunjukkan proses penelitian yang akan digunakan untuk memecahkan permasalahan yang diangkat dalam penelitian ini.

Tahap-tahap yang harus dilewati dalam membangun sistem untuk mengestimasi menu favorit untuk meningkatkan penjualan pada restoran Payo dengan menggunakan metode winters adalah sebagai berikut:

1. Menentukan alat ukur/variabel penelitian yang dibutuhkan. 2. Membuat kuisioner dan melakukan pengujian kuisioner. 3. Menyebarkan, mengumpulkan, dan mengolah data kuisioner.

4. Hasil pengolahan data kuisioner digunakan untuk memperlihatkan kelayakan restoran untuk dijadikan tempat penelitian.

5. Melakukan preproccesing (pembersihan data) pada historis database penjualan.

6. Rancang bangun sistem estimasi menu favorit untuk meningkatkan penjualan dengan menggunakan metode winters.

(18)

31

Luthfia Fauzia Dewi Aryanti, 2013

U

Gambar 3.1 Desain Penelitian Menentukan alat

ukur/variabel penelitian yang dibutuhkan

Membuat kuisioner dan melakukan pengujian kuisioner Menyebarkan, mengumpulkan,dan mengolah data kuisioner. Hasil pengolahan data kuisioner digunakan untuk memperlihatkan kelayakan restoran untuk dijadikan tempat penelitian Melakukan preprocessing (pembersihan data) pada historis database penjualan Membangun sistem dengan

metode winters 1. Analisis 2. Desain 3. Coding 4. Testing

(19)

32

Luthfia Fauzia Dewi Aryanti, 2013

3.2 Metode Penelitian

3.2.1 Metode Pengumpulan Data

Data dan informasi yang sesuai dengan tempat penelitian sangat berpengaruh terhadap proses penelitian yang dilakukan. Proses pengumpulan data yang dilakukan pada penelitian ini adalah sebagai berikut:

1. Eksplorasi data melalui internet untuk mencari alat ukur yang cocok dalam membangun sistem estimasi menu favorit untuk meningkatkan penjualan pada restoran Payo.

2. Studi kepustakaan mengenai metode winters melalui paper, textbook, jurnal, karya ilmiah, dan sumber-sumber lainnya yang

dapat dipelajari melalui internet.

3. Melakukan survei ketempat penelitian untuk mengumpulkan data yang dibutuhkan dalam penelitian

3.2.2 Metode Pengembangan Perangkat Lunak

Metode pengembangan perangkat lunak yang digunakan pada penelitian ini menggunakan metode waterfall yang digambarkan pada gambar 3.2.

(20)

33

Fase-fase pemodelan rekayasa perangkat lunak waterfall menurut Pressman adalah sebagai berikut:

1. Analisis

Tahap ini adalah menganalisa hal-hal yang diperlukan dalam pelaksanaan proyek pembuatan atau pengembangan software. Dalam hal ini analisis yang dilakukan dengan menganalisa dokumen-dokumen yang digunakan dalam penelitian.

2. Design

Tahap ini adalah tahap penerjemah dari keperluan-keperluan yang dianalisis dalam bentuk yang lebih mudah dimengerti oleh pemakai. yaitu dengan cara menampilkan ke dalam diagram konteks, data flow diagram (diagram aliran data), entity reationship diagram.

3. Coding

Tahap ini adalah tahap penerjemah data atau pemecahan masalah software yang telah dirancang dalam bahasa pemograman yang telah

ditentukan dan digunakan dalam pembuatan sistem.

4. Testing

Tahap ini adalah tahap pengujian terhadap program yang telah dibuat. Pengujian ini dimulai dengan membuat suatu uji kasus untuk setiap fungsi pada perangkat lunak, pengujian terhadap modul-modul, dan tampilan antar muka untuk memastikan tidak ada kesalahan dan semua berjalan dengan baik dan input yang diberikan hasilnya sesuai dengan yang diinginkan.

5. Maintenance

(21)

34

Luthfia Fauzia Dewi Aryanti, 2013

3.2.3 Proses Eksperimen

Tahap ini dilakukan apabila sistem telah rampung dan telah dapat memperlihatkan menu yang paling laku terjual. Kemudian menu tersebut diuji kembali terhadap apresiasi konsumen mengenai menu tersebut, harga bahan baku pembuatannya, dan sistem dapat memperkirakan banyaknya permintaan penjualan pada bulan berikutnya. Menu favorit yang akan ditetapkan merupakan menu yang mendapat respon positif dari konsumen.

3.3 Alat dan Bahan Penelitian 3.3.1 Alat Penelitian

Software dan hardware yang digunakan untuk menyelesaikan penelitian ini

adalah sebagai berikut:

1. Software

Software yang digunakan pada penelitian ini adalah sebagai berikut:

a. Operating System : Windows 7 32-bit b. Text editor : Microsoft Word 2007 c. Code editor : Notepad ++

d. Browser : Mozilla Firefox

e. Server : XAMPP versi 2.5.8

2. Hardware

Hardware yang digunakan pada penellitian ini adalah sebagai berikut:

a. Processor : Intel(R) Pentium(R) Dual CPU T3400 @2.16 GHz

b. RAM : DDR2 2 GB

(22)

35

Luthfia Fauzia Dewi Aryanti, 2013

3.3.2 Bahan Penelitian

Bahan yang digunakan dalam penelitian ini adalah parameter kepuasaan menu terhadap produk restoran, yang terdiri dari:

a. Kebersihan restoran b. Kenyamanan restoran

c. Pelayanan kepada pelanggan d. Rasa menu

e. Harga menu f. Kuantitas menu

g. Kebersihan dan kerapian dalam penyajian menu makanan

3.4 Implementasi Penelitian

Untuk menyelesaikan penelitian ini diperlukan beberapa tahapan yang harus dilakukan. Tahap-tahap tersebut adalah sebagai berikut:

1. Menentukan alat ukur/variabel yang dibutuhkan.

Alat ukur/variabel penelitian yang dibutuhkan dalam mengukur tingkat kepuasaan pelanggan terhadap restoran dikelompokkan menjadi 2 yaitu: a. Alat ukur untuk mengukur kepuasaan pelanggan terhadap restoran terdiri

dari:

1. Kebersihan restoran 2. Kenyamanan restoran

(23)

36

Luthfia Fauzia Dewi Aryanti, 2013

b. Alat ukur untuk mengukur kepuasaan pelanggan terhadap menu restoran terdiri dari:

1. Rasa menu 2. Harga menu 3. Kuantitas menu

4. Kebersihan dan kerapian dalam penyajian menu makanan

2. Membuat kuisioner dan melakukan pengujian kuisioner.

Setelah menentukan alat ukur yang dibutuhkan dalam penelitian, dilanjutkan dengan membuat kuisioner. Kuisioner ini terdiri dari 7 pertanyaan. Item-item pertanyaannya tersebut adalah sebagai berikut:

a. Untuk mengukur kepuasaan pelanggan terhadap restoran 1. Bagaimana tingkat kebersihan pada restoran?

a. Sangat bersih c. Kotor b. bersih d.Sangat kotor 2. Bagaimana tingkat kenyaman pada restoran?

a. Sangat nyaman c. Kurang nyaman b. nyaman d. Tidak nyaman 3. Bagaimana pelayanan pada restoran?

a. Sangat puas c. Kurang puas b. Puas d. Tidak puas

b. Untuk mengukur kepuasaan pelanggan terhadap menu restoran 4. Bagaimana rasa menu yang Anda beli?

a. Enak sekali c. Kurang enak b. Enak d. Tidak enak 5. Bagaimana harga menu yang Anda beli?

(24)

37

Luthfia Fauzia Dewi Aryanti, 2013

6. Bagaimana kuantitas menu yang Anda beli? a. Banyak sekali c. Standar/sesuai b. Banyak d. Sedikit

7. Bagaimana tingkat kebersihan dan kerapian penyajian menu yang Anda beli?

a. Sangat rapi & sangat bersih c. Kurang rapi & kurang bersih b. Rapi & bersih d. Tidak rapi & tidak bersih

Kuisioner yang telah dibuat tersebut sebelum disebarkan ke konsumen diuji terlebih dahulu untuk mengetahui apakah kuisioner tersebut valid dan dapat dipercaya keakuratan datanya. Hasil dari pengujian kuisioner dapat dilihat pada tabel 3.1 dan 3.2.

Hasil Pengujian Validitas Kuisioner

Responden

No. Item

1 2 3 4 5 6 7

1 3 3 2 4 4 2 3

2 3 3 4 3 3 3 3

3 3 3 4 1 3 2 3

4 3 3 2 2 3 2 3

5 3 3 3 2 3 2 3

6 3 3 3 3 3 2 3

7 3 2 2 3 3 2 2

8 3 3 3 3 3 3 3

9 3 3 3 3 3 2 3

10 3 3 2 3 3 2 2

11 3 2 3 3 3 3 4

12 4 3 4 4 3 2 4

13 3 2 2 1 2 1 1

Total Skor 40 36 37 35 39 28 37 Interpretasi Skor

Perhitungan 77% 70% 71%

67% 75% 54% 71% Keterangan Validasi Kuat Kuat Kuat Kuat Kuat Cukup Kuat

(25)

38

Dari hasil pengujian validasi kuisioner maka dapat disimpulkan bahwa semua item pertanyaan memiliki nilai validasi > 50%. Itu artinya bahwa item pertanyaan pada kuisioner tersebut memiliki validasi yang cukup kuat sehingga kuisioner ini mampu mengukur ketepatan dalam mengungkap hal yang ingin diukur oleh peneliti.

Hasil Pengujian Reliabilitas Kuisioner

Tabel 3.2 Uji Reliabilitas Kuisioner Resp

No.Item

Skor Y2

1 2 3 4 5 6 7

1 3 3 2 4 4 2 3 21 441

2 3 3 4 3 3 3 3 22 484

3 3 3 4 1 3 2 3 19 361

4 3 3 2 2 3 2 3 18 324

5 3 3 3 2 3 2 3 19 361

6 3 3 3 3 3 2 3 20 400

7 3 2 2 3 3 2 2 17 289

8 3 3 3 3 3 3 3 21 441

9 3 3 3 3 3 2 3 20 400

10 3 3 2 3 3 2 2 18 324

11 3 2 3 3 3 3 4 21 441

12 4 3 4 4 3 2 4 24 576

13 3 2 2 1 2 1 1 12 144

∑ X 40 36 37 35 39 28 37 ∑ X2 124 102 113 105 119 64 113 Si 0.071006 0.177515 0.591716 0.828402 0.153846 0.284024 0.591716

∑Si 2.698225

St 10.22485

r11 0.8588

(26)

39

Luthfia Fauzia Dewi Aryanti, 2013

Dari hasil pengujian reliabilitas kuisioner, kuisioner ini memiliki nilai reliabilitas sebesar 0.8588, itu artinya item-item pertanyaan yang ada pada kuisioner ini dapat dipercaya keakuratan datanya.

3. Menyebarkan, mengumpulkan, dan mengolah data kuisioner.

Setelah data disebarkan kepada konsumen, kemudian data dikumpulkan dan dilakukan pengolahan datanya. Hasil pengolahan data sebagai berikut:

Tabel 3.3 Hasil Pengolahan Data Kuisioner Variabel Jawaban Responden A. Kelayakan Tempat Restoran

Tingkat Kebersihan Restoran

Sangat Bersih Bersih Kotor Sangat Kotor

10 % 90% 0% 0%

Tingkat Kenyamanan Restoran

Sangat Nyaman Nyaman Kurang Nyaman Tidak Nyaman

9% 79% 12% 0%

Tingkat Pelayanan Restoran

Sangat Puas Puas Kurang Puas Tidak Puas

16% 63% 21% 0%

B. Kelayakan Menu Restoran

Rasa menu

Enak Sekali Enak Kurang Enak Tidak Enak

13% 73% 8% 6%

Harga Menu

Sangat Mahal Mahal Standar Murah

0% 21% 75% 4%

Kuantitas Menu

Banyak Sekali Banyak Standar Sedikit

3% 14% 76% 7%

Tingkat Kebersihan dan Kerapian Penyajian Menu

Sangat Rapi & Sangat Bersih

Rapi & Bersih

Kurang rapi & Kurang Bersih

Tidak Rapi & Tidak Bersih

(27)

40

Luthfia Fauzia Dewi Aryanti, 2013

4. Hasil pengolahan data kuisioner digunakan untuk memperlihatkan kelayakan restoran untuk dijadikan tempat penelitian.

Dari hasil pengolahan data kuisioner yang dapat dilihat pada tabel 3.3 menunjukkan bahwa restoran Payo layak untuk dijadikan tempat penelitian karena restoran ini mendapatkan apresiasi positif dari konsumennya.

5. Melakukan preprocessing (pembersihan data) pada historis database penjualan.

Pada tahap ini, dilakukan proses pembersihan data-data yang tidak digunakan pada penelitian, karena jika tidak dilakukan preprocessing, data-data ini dapat mengganggu proses estimasi. Data-data yang dibersihkan dari database adalah data penjualan rokok, data penjualan minuman softdrink, dan data penjualan kerupuk. Historis database yang digunakan adalah data penjualan selama 6 bulan yaitu dari bulan Januari sampai bulan Juni. Data-data penjualan ini diambil pada database SQL Server. Kemudian database SQL Server dikonversi ke dalam database Microsoft Access. Setelah selesai dikonversi kedalam Microsoft Access, dilakukan penghapusan data-data yang tidak digunakan dalam penelitian, kemudian dilanjutan dengan proses konversi ke dalam database Mysql. Tahap-tahap melakukan konversi database dari SQL server ke Microsoft Access dan tahap-tahap melakukan

(28)

41

Luthfia Fauzia Dewi Aryanti, 2013

No Nama Menu Total Harga

1 Aqua Botol 2.223 3.500 2 Kerupuk Kulit 1.633 2.000 3 Kripik Lado 995 2.000 4 Aqua Gelas 613 1.000 5 Rokok Dji Sam Soe 105 12.000 6 Air Mineral 94 1.000 7 Rokok Envio mild 10 9.000 8 Rokok Djarum Super 77 12.000 9 Coca Cola Botol 35 3.500 10 Coca Cola Kaleng 13 5.000 11 Kerupuk Roda 2 1.000

Tabel 3.4 Pembersihan Data Bulan Januari-Juni 2013

6. Rancang bangun sistem estimasi menu favorit untuk meningkatkan penjualan dengan menggunakan metode winters.

Untuk membangun sistem ini dilakukan langkah-langkah sebagai berikut: a. Mencari nilai deseasonalized demand untuk dapat merepresentasikan

fluktuasi musiman. Rumusnya adalah:

Dt =( Dt+ Dt+4) + 2 Dt …. t+2+ (n-2)

dimana:

Dt = Deseasonalized demand Dt = Demand

(29)

42

Luthfia Fauzia Dewi Aryanti, 2013

b. Mencari nilai awal level (L0), dan trend (T0) dengan menggunakan rumus

regresi linear.

Setelah diketahui nilai deseasonalized demand, langkah berikutnya adalah mencari nilai L0, dan T0. Untuk mencari nilai-nilai tersebut menggunakan

rumus regresi linear. Rumusnya adalah:

Y = a + bx

a = n. xiyi - xi . yi

n. xi2– ( xi)2

b = yi - a. xi n n

dimana :

a = konstanta regresi linear b = koefisien regresi linear xi = variabel bebas (periode)

yi = variabel terikat (data penjualan)

n = jumlah periode

Nilai a digunakan sebagai T0dan nilai b digunakan sebagai L0.Variabel

bebas (xi) menyatakan data penjualan sedangkan variabel bebas

(30)

43

Luthfia Fauzia Dewi Aryanti, 2013

c. Menentukan nilai stationer awal (S0) dengan menggunakan rumus:

S0 = Dt+1 / Dt+1

dimana: S = stationer D= demand

D = deseasonalized demand

d. Untuk mencari nilai level, trend, stationer selanjutnya.

Setelah diketahui 3 parameter awal yaitu L0 , T0, dan S0 maka selanjutnya

adalah mencari nilai selanjutnya untuk ketiga parameter tersebut. Rumusnya adalah:

Lt+1 = α (Dt+1) + (1-α) (Lt + Tt)

Tt+1= β(Lt+1– Lt) + (1 - β) Tt

St+1 = δ(Dt+1/Lt+1) + (1-δ) St

dimana :

α = konstanta pemulusan untuk level (0<α<1)

β = konstanta pemulusan untuk trend (0<β<1)

δ = konstanta pemulusan untuk faktor musiman (0<δ<1)

L = level T = Trend D= demand

(31)

44

Luthfia Fauzia Dewi Aryanti, 2013

e. Mencari nilai forecasting

Setelah ketiga parameter selanjutnya diketahui nilainya, maka dapat dilakukan perhitungan untuk mencari nilai estimasi banyaknya permintaan menu favorit. Rumusnya adalah:

Ft+1 = (Lt + Tt) St+1

dimana :

Ft+1 = Forecasting selanjutnya

Lt = Level pada periode T

Tt = Trend pada periode T

S = Data musiman

f. Mencari nilai kesalahan estimasi

Apabila nilai forecasting telah diketahui, langkah akhir adalah mencari nilai kesalahannya dengan menggunakan rumus:

E1 = F1 – D1

dimana:

E = forcast error F = forecasting D = permintaan

(32)

45

Luthfia Fauzia Dewi Aryanti, 2013

bahan-bahan produksi karena data penjualan pada bulan berikutnya melebihi target estimasi penjualan pada bulan berikutnya.

7. Sistem dapat menampilkan menu yang paling laku terjual, kemudian menu tersebut diuji kembali terhadap apresiasi konsumen, harga bahan baku pembuatan dan keuntungannya sebelum ditetapkan menjadi menu favorit untuk bulan berikutnya. Dan sistem dapat memprediksi banyaknya permintaan penjualan menu favorit pada bulan berikutnya.

(33)

Luthfia Fauzia Dewi Aryanti, 2013

BAB V

KESIMPULAN DAN SARAN

5.1Kesimpulan

Berdasarkan hasil penelitian yang telah dilakukan, kesimpulan yang dapat diambil dari penelitian ini adalah:

1. Mengaplikasikan database penjualan untuk merancang dan membangun sistem estimasi menu favorit untuk meningkatkan penjualan, dilakukan langkah-langkah sebagai berikut: menentukan nilai deseasonalized demand untuk menunjukan nilai fluktuasi musiman. Kemudian mencari nilai awal level (L0),

nilai awal trend (T0), dan nilai awal stationer (S0). Setelah nilai-nilai tersebut

didapatkan langkah selanjutnya adalah menentukan nilai selanjutnya untuk mencari nilai L , T, dan S. Setelah nilai level, trend, dan stationer selanjutnya diketahui, baru dapat dicari banyaknya estimasi permintaan penjualan menu favorit untuk bulan berikutnya beserta nilai kesalahannya.

2. Penelitian ini telah berhasil mengestimasi menu favorit untuk bulan selanjutnya (bulan Juli) yaitu menu nasi+ayam bakar+lalap+sambal sebanyak 273 porsi dengan kesalahan estimasinya sebesar -36. Itu artinya penjualan menu favorit ini melebihi dari target estimasi penjualan yang diperkirakan.

(34)

Luthfia Fauzia Dewi Aryanti, 2013

5.2 Saran

Dalam melakukan proses estimasi menu favorit pada sebuah restoran. Metode winters sulit digunakan untuk mengestimasi banyaknya permintaan pada semua menu

(35)

Luthfia Fauzia Dewi Aryanti, 2013

DAFTAR PUSTAKA

Kurniawati Rina (2013). Definisi Restoran, Kualitas Pelayanan, dan Kepuasan Pelanggan. From

http://rinakurniawati.wordpress.com/2013/01/11/definisi-restoran-kualitas-pelayanan-dan-kepuasan-pelanggan/

Satrio Wahyu.2010.Metode Forecasting.Jakarta: Bina Nusantara, Sugiyono.2010. Statistika untuk Penelitian.Bandung:Alfabeta

Sunaryo.2004. Jurnal Penentuan Menu Favorit Pada Sebuah Restoran. Jakarta Tim Studi Universitas Sumatera. 2008.Forecasting.Sumatera:Universitas Sumatera Tim Studi UNS.2006.Pemilihan Teknik Forecasting dan Penentuan Kesalahan Forecasting.Surakarta:Universitas Negeri Surakarta

Warsito.1992.Pengolahan Data Kuisioner. Jakarta Yudha .2012.Sejarah dan Definisi Daftar Menu. From