5. PENGUJIAN SISTEM. 76 Universitas Kristen Petra

(1)

76

Universitas Kristen Petra

5. PENGUJIAN SISTEM

Bab 5 membahas tentang pengujian dari sistem yang telah dibuat pada bab 4. Pengujian dilakukan dengan tujuan untuk mengetahui validitas aplikasi, kelebihan dan kekurangan aplikasi ini. Pengujian ini dilakukan dengan menggunakan data penjualan selama dua tahun. Pada pengujian sistem, semua data perusahaan yang berhubungan dengan proses pengujian akan dirubah namanya menjadi nama lain demi kepentingan perusahaan.

5.1. Pengujian Validasi Sistem Peramalan

Form yang pertama kali tampil ketika login sebagai user PPIC adalah form menu yang berisi menu PPIC dan menu akun.

Menu PPIC terdapat 3 sub menu, yaitu forecasting, MPS, dan MRP seperti pada Gambar 5.1.

Gambar 5.1. Menu PPIC

Setelah menu forecasting dipilih, akan muncul form forecasting seperti pada Gambar 5.2. Pada form forecasting user dapat memilih jenis perhitungan eror dan menekan Proses All untuk memproses data penjualan selama dua tahun untuk mendapat hasil ramalan selama enam bulan kedepan.

(2)

77

Gambar 5.2. Menu Forecasting

Pada form forecasting user dapat melihat hasil peramalan dan grafik dengan metode MA, Trend Linear, Winter, Exponential Smoothing, dan Double Exponential Smoothing dengan rumus yang telah dijelaskan sebelumnya. Pada metode MA dihitung rata-rata untuk menentukan nilai ramalan dengan menggunakan rumus (2.1). Hasil dari perhitungan MA secara manual dengan menggunakan Microsoft Excel dapat dilihat pada Tabel 5.1.

Tabel 5.1. Tabel Perhitungan MA

Penjualan n=2 n=3 n=4 n=5 n=6

180 0 0 0 0 0

168 0 0 0 0 0

159 174 0 0 0 0

182 164 169 0 0 0

175 171 170 173 0 0

190 179 172 171 173 0

205 183 183 177 175 176

180 198 190 188 183 180

0 193 192 188 187 182

0 187 129 144 150 156

0 190 60 97 115 125

Hasil perhitungan MA secara program dapat dilihat pada form forecasting seperti pada Gambar 5.3. Hasil dari perhitungan MA secara program didapatkan nilai n=2, dan nilai n digunakan untuk menghitung peramalan dengan

(3)

78

menggunakan metode MA. Nilai n didapatkan dari percobaan perhitungan error yang dibandingkan untuk mendapatkan nilai error terkecil.

Gambar 5.3. Perhitungan MA

Pada metode Trend Linear dihitung nilai a dan b untuk memperoleh persamaan Ft=a+bt dengan rumus (2.5), nilai b diperoleh dari rumus (2.6), dan nilai a diperoleh dari rumus (2.7). Hasil dari perhitungan Trend Linear secara manual dengan menggunakan Microsoft Excel dapat dilihat pada Tabel 5.2.

Tabel 5.2. Tabel Perhitungan Ft

Penjualan T T*a t2

180 1 180 1

168 2 336 4

159 3 477 9

182 4 728 16

175 5 875 25

190 6 1140 36

205 7 1435 49

180 8 1440 64

Sum 1439 36 6611 204

Average 179.875 4.5

Nilai b = 3.22619047619048 Nilai a = 165.357142857143 Ft = a+bt

Ft = 165.357142857143 + 3.22619047619048(t)

(4)

79

Dari persamaan Ft yang didapatkan dihitung nilai peramalan untuk enam bulan kedepan seperti pada Tabel 5.3.

Tabel 5.3. Tabel Perhitungan Trend Linear T Penjualan

1 180

2 168

3 159

4 182

5 175

6 190

7 205

8 180

9 195

10 198 11 201

Hasil perhitungan Trend Linear secara program dapat dilihat pada Gambar 5.4. Hasil dari perhitungan Trend Linear secara program menghasilkan nilai a=165.35 dan nilai b=3.22 dan menghasilkan perhitungan Ft=165.35+3.22t yang digunakan untuk menghitung nilai peramalan.

Gambar 5.4. Perhitungan Trend Linear

Pada metode Winter dibutuhkan nilai indeks dari setiap bulan seperti pada rumus (2.8) dan nilai ramalan dengan menggunakan rumus (2.9). Hasil perhitungan Winter secara manual dengan menggunakan Microsoft Excel dapat dilihat pada Tabel 5.4.

(5)

80

Tabel 5.4. Tabel Perhitungan Winter Bulan Penjualan Indeks Forecast

8 180 1.50104239 254

9 168 1.4009729 241

10 159 1.32592078 234 11 182 1.51772064 272 12 175 1.45934677 266

1 190 1.58443363 294

2 205 1.7095205 322

3 180 1.50104239 289

4 0 0

5 0 0

6 0 0

Hasil perhitungan Winter secara program dapat dilihat pada Gambar 5.5.

Hasil perhitungan Winter secara program menghasilkan nilai peramalan yang tergantung dari perhitungan peramalan Trend Linear dan indeks pada bulan 8 tahun 2008 sampai bulan 3 tahun 2009.

Gambar 5.5. Perhitungan Winter

Pada metode Exponential Smoothing dibutuhkan nilai alpha untuk menentukan hasil ramalan seperti pada rumus (2.2). Perhitungan Exponential Smoothing secara manual dengan menggunakan Microsoft Excel dapat dilihat pada Tabel 5.5.

(6)

81

Tabel 5.5. Tabel Perhitungan Exponential Smoothing

Demand alpha

0.01 0.02 0.3 0.31 0.98 0.99 180 180 180 180 180 180 180 168 180 180 180 180 180 180 159 180 180 176 176 168 168 182 180 179 171 171 159 159 175 180 179 174 174 182 182 190 180 179 175 175 175 175 205 180 180 179 179 190 190 180 180 180 187 187 205 205

0 180 180 185 185 180 180

0 178 176 129 128 3.61 1.8 0 176 173 90.6 88.1 0.07 0.02 error 0.04 0.2 2.03 2.03 0.06 0.03

Hasil perhitungan Exponential Smoothing secara program dapat dilihat pada Gambar 5.6. Hasil perhitungan Exponential Smoothing secara program menghasilkan nila alpha 0.99, dan nilai alpha digunakan untuk menghitung peramalan dengan metode Exponential Smoothing. Nilai alpha didapatkan dari percobaan dengan membandingkan nilai error dengan alpha antara 0.01 sampai 0.99 dan dipilih alpha dengan nilai terkecil.

Gambar 5.6. Perhitung Exponential Smoothing

Pada metode Double Exponential Smoothing dibutuhkan nilai alpha untuk menentukan hasil ramalan pertama dan beta untuk menentukan nilai trend dan hasil ramalan akhir didapatkan dari hasil penjumlahan hasil ramalan pertama dengan nilai trend seperti pada rumus (2.4) dan hasil ramalan baru dengan

(7)

82

menggunakan rumus (2.3). Perhitungan Double Exponential Smoothing secara manual dengan menggunakan Microsoft Excel dapat dilihat pada Tabel 5.6.

Tabel 5.6. Tabel Perhitungan Double Exponential Smoothing

Demand alpha beta

0.99 0.01 0.02 0.05 0.31 0.98 0.99

180 180 180 180 180 180 180 180

168 180 180 180 180 180 180 180

159 168.12 168.001 167.882 167.5 164.44 156.48 156.4 182 159.0912 158.883 158.678 158.1 153.75 150.01 150 175 181.770912 181.792 181.819 181.9 185.12 203.82 204.1 190 175.0677091 175.021 174.981 174.9 175.3 168.94 168.7 205 189.8506771 189.953 190.061 190.4 194.59 204.22 204.4 180 204.8485068 205.099 205.355 206.1 212.77 219.83 219.8 0 180.2484851 180.251 180.253 180.2 178.09 156.44 156

0 1.802484851 0.02047 0 0 0 0 0

0 0.018024849 0 0 0 0 0 0

error -0.00013 -0.0035 -0.032 -0.902 -3.068 -3.087

Hasil perhitungan Double Exponential Smoothing secara program dapat dilihat pada Gambar 5.7. Hasil perhitungan Double Exponential Smoothing secara program menghasilkan nilai alpha=0.99 dan beta=0.01, dan nilai alpha dan nilai beta untuk menghitung hasil peramalan dengan metode Double Exponential Smoothing. Nilai alpha dan beta didapatkan dari percobaan dengan membandingkan nilai error dengan alpha antara 0.01 sampai 0.99 dan beta antara 0.01 sampai 0.99 dan dipilih alpha dan beta dengan error terkecil.

Gambar 5.7. Perhitungan Double Exponential Smoothing

Pada menu forecasting terdapat pilihan untuk menentukan jenis metode dalam menghitung eror. Pada perhitungan AE dihitung dengan rumus (2.11).

(8)

83

Perhitungan AE secara manual dengan menggunakan Microsoft Excel dapat dilihat pada Tabel 5.7.

Tabel 5.7. Tabel Perhitungan AE

Penjualan Forecast Error

214000 0

56000 0

186000 0

135000 152000 -17000

156000 125667 30333

164000 159000 5000

154000 151667 2333

248000 158000 90000

163000 188667 -25667

128000 188334 -60334

109000 179667 -70667

105000 133334 -28334

142000 114000 28000

255000 118667 136333

209000 167334 41666

217000 202000 15000

97000 227000 -130000

159000 174334 -15334

94000 157667 -63667

272000 116667 155333

147000 175000 -28000

204000 171000 33000

215000 207667 7333

229000 188667 40333

Nilai eror dari perhitungan AE adalah 6936,2381. Hasil perhitungan AE pada program dapat dilihat pada Gambar 5.8. Hasil perhitungan AE secara program menghasilkan nilai error=6936 dengan menggunakan metode peramalan MA dengan nilai n=2.

(9)

84

Gambar 5.8. Hasil perhitungan AE

Pada perhitungan MAD dihitung dengan rumus (2.12). Perhitungan MAD secara manual dengan menggunakan Microsoft Excel dapat dilihat pada Tabel 5.8.

Tabel 5.8. Tabel perhitungan MAD

214000 0

56000 0

186000 135000 51000

135000 121000 14000

156000 160500 4500

164000 145500 18500

154000 160000 6000

248000 159000 89000

163000 201000 38000

128000 205500 77500

109000 145500 36500

105000 118500 13500

142000 107000 35000

255000 123500 131500

209000 198500 10500

217000 232000 15000

97000 213000 116000

(10)

85

Tabel 5.8. Tabel perhitungan MAD

159000 157000 2000

94000 128000 34000

272000 126500 145500

147000 183000 36000

204000 209500 5500

215000 175500 39500

229000 209500 19500

Nilai eror dari perhitungan MAD adalah 42659,09. Perhitungan MAD pada program dapat dilihat pada Gambar 5.9. Hasil perhitungan MAD secara program menghasilkan nilai error=42659 dengan menggunakan metode peramalan MA dengan nilai n=2.

Gambar 5.9. Hasil perhitungan MAD

Pada perhitungan MSE dihitung menggunakan rumus (2.13). Perhitungan MSE secara manual dengan menggunakan Microsoft Excel dapat dilihat pada Tabel 5.9.

Tabel 5.9. Tabel perhitungan MSE

214000 0

56000 0

186000 135000 2601000000

(11)

86

Tabel 5.9. Tabel perhitungan MSE (sambungan)

135000 121000 196000000

156000 160500 20250000

164000 145500 342250000

154000 160000 36000000

248000 159000 7921000000

163000 201000 1444000000

128000 205500 6006250000

109000 145500 1332250000

105000 118500 182250000

142000 107000 1225000000

255000 123500 17292250000

209000 198500 110250000

217000 232000 225000000

97000 213000 13456000000

159000 157000 4000000

94000 128000 1156000000

272000 126500 21170250000

147000 183000 1296000000

204000 209500 30250000

215000 175500 1560250000

229000 209500 380250000

Nilai eror dari perhitungan MSE adalah 3544852273. Perhitungan MSE secara program dapat dilihat pada Gambar 5.10. Hasil perhitungan MSE secara program menghasilkan nilai error=3544852273 dengan menggunakan metode peramalan MA dengan nilai n=2.

(12)

87

Gambar 5.10. Perhitungan MSE

Pada perhitungan MAPE secara manual dengan menggunakan Microsoft Excel dihitung menggunakan rumus (2.14). Perhitungan MAPE dapat dilihat pada Tabel 5.10.

Tabel 5.10. Tabel Perhitungan MAPE

214000 0

56000 0

186000 135000 27.41935

135000 121000 10.37037

156000 160500 2.884615

164000 145500 11.28049

154000 160000 3.896104

248000 159000 35.8871

163000 201000 23.31288

128000 205500 60.54688

109000 145500 33.48624

105000 118500 12.85714

142000 107000 24.64789

255000 123500 51.56863

209000 198500 5.023923

217000 232000 6.912442

(13)

88

Tabel 5.10. Tabel Perhitungan MAPE (sambungan)

97000 213000 119.5876

159000 157000 1.257862

94000 128000 36.17021

272000 126500 53.49265

147000 183000 24.4898

204000 209500 2.696078

215000 175500 18.37209

229000 209500 8.515284

Nilai eror perhitungan MAPE adalah 26,12162. Perhitungan MAPE secara program dapat dilihat pada Gambar 5.11. Hasil perhitungan MAPE secara program menghasilkan nilai error=26% dengan menggunakan metode peramalan MA dengan nilai n=2.

Gambar 5.11. Perhitungan MAPE

5.2. Pengujian Validasi Sistem Penjadwalan

Pada menu MPS ditampilkan hasil dari peramalan seperti pada Gambar 5.12.

(14)

89

Gambar 5.12. Hasil peramalan pada menu MPS

Proses dilanjutkan dengan proses MPS yang menghasilkan jumlah kebutuhan produksi setiap produk per minggu seperti pada Gambar 5.13.

Gambar 5.13. Hasil kebutuhan produksi per minggu Pada menu MRP ditampilkan hasil MPS seperti pada Gambar 5.14.

(15)

90

Gambar 5.14. Hasil MPS pada menu MRP

Proses dilanjutkan dengan proses MRP dan perhitungan cost untuk menentukan lot size dari setiap bahan baku dan menentukan jumlah pesanan bahan baku dan waktu pemesanan bahan baku seperti pada Gambar 5.15.

Gambar 5.15. Hasil Jumlah Pemesanan dan Waktu Pemesanan Bahan Baku Pada perhitungan lot size lot-for-lot dihitung dengan menggunakan rumus (2.16) seperti pada Tabel 5.11. Menghitung nilai FOQ dengan menggunakan rumus (2.17), nilai cost dihitung dengan rumus (2.18) seperti pada Tabel 5.12.

Menghitung nilai FOP dengan rumus (2.19) seperti pada Tabel 5.13. Menghitung nilai C dari perhitungan SM dengan rumus (2.20) seperti pada Tabel 5.14.

Menghitung nilai C dari perhitungan LUC dengan rumus (2.21) seperti pada Tabel 5.15. Menghitung nilai P dan A/h dengan menggunakan rumus (2.22) dan rumus

(16)

91

(2.23) seperti pada Tabel 5.16.Menghitung matriks Cij dan Fj dari perhitungan WW dengan menggunakan rumus (2.24) dan rumus (2.25) seperti pada Tabel 5.17.

Tabel 5.11. Tabel Perhitungan Lot-For-Lot Tabel 5.12. Tabel Perhitungan FOQ

Tabel 5.13. Tabel Perhitungan FOP Tabel 5.14. Tabel Perhitungan SM Tabel 5.15. Tabel Perhitungan LUC Tabel 5.16. Tabel Perhitungan PPB Tabel 5.17. Tabel Perhitungan WW

(17)

92

(18)

93

(19)

94

(20)

95

(21)

96

(22)

97

(23)

98

(24)

99

(25)

100

Perhitungan cost secara program dapat dilihat pada Gambar 5.16. Hasil dari perhitungan cost secara program akan dipilih nilai cost terkecil untuk setiap bahan baku untuk menentukan metode lot sizing yang akan digunakan.

Gambar 5.16. Perhitungan cost dari setiap produk 5.3. Pengujian Kuisioner

Untuk mengetahui tanggapan user terhadap aplikasi yang telah dibuat ini, maka perlu dilakukan pengujian kuisioner seperti yang terdapat pada lampiran.

Penilaian dilakukan dengan melingkari angka yang ada dengan rentang 1-5.

Angket evaluasi diberikan dua orang, yaitu Direktur dan Kepala PPIC.

Hasil penilaian dari responden dapat dilihat pada Tabel 5.18.

Tabel 5.18. Tabel Angket Evaluasi

No Pertanyaan Jumlah responden

1 2 3 4 5

1. Desain Program 0 0 0 2 0

2. Kemudahan Dalam Pemakaian 0 0 0 0 2

3. Program Dapat Membantu Dalam Melakukan Analisis

0 0 0 2 0

4. Kejelasan Informasi dan Data 0 0 0 2 0

5. Keakuratan Informasi dan Data 0 0 0 2 0

6. Kegunaan Program 0 0 0 2 0

7. Penilaian Progam secara Keseluruhan 0 0 0 2 0

Keterangan skala penilaian :

 Nilai 1: Sangat Kurang

(26)

101

 Nilai 2: Kurang

 Nilai 3: Cukup

 Nilai 4: Baik

 Nilai 5: Sangat Baik

Presentase pengujian user terhadap desain program adalah sebagai berikut :

 Nilai 4 = (2/2) * 100% = 100%

Presentase pengujian user terhadap kemudahan dalam pemakaian program adalah sebagai berikut :

 Nilai 5 = (2/2) * 100% = 100%

Presentase menurut tingkat user interface sebesar : Hasil = (8+10) / 20 * 100% = 90%

Presentase pengujian user terhadap program dapat membantu dalam melakukan analisa adalah sebagai berikut :

 Nilai 4= (2/2) * 100% = 100%

Presentase pengujian user terhadap kegunaan program adalah sebagai berikut:

 Nilai 4 = (2/2) * 100% = 100%

Presentase menurut tingkat kebutuhan sebesar :

 Hasil = (8+8) / 20 * 100% = 80%

Presentase pengujian user terhadap kejelasan informasi dan data adalah sebagai berikut:

 Nilai 4 = (2/2) * 100% = 100%

Presentase pengujian user terhadap keakuratan informasi dan data adalah sebagai berikut:

 Nilai 4 = (2/2) * 100% = 100%

Presentase menurut tingkat keakuratan sebesar :

 Hasil = (8+8) / 20 * 100% = 80%

Presentase pengujian user terhadap penilaian program secara keseluruhan adalah sebagai berikut:

 Nilai 4 = (2/2) * 100% = 100%

Presentase menurut tingkat keakuratan sebesar :

 Hasil = (8) / 10 * 100% = 80%