PREDIKSI JUMLAH PRODUKSI GARAM DI KABUPATEN
PAMEKASAN MENGGUNAKAN METODE MOVING AVERAGE
Hambali1, Miftahul Walid 2 , Hozairi 3
Jurusan Teknik Informatika, Fakultas Teknik, Universitas Islam Madura Teknologi informatika,Fakultas Teknik,universitas islam Madura
Jl.PP. Mifathul Ulum Bettet, Pamekasan 69351, Madura
E-mail: HambaliTi739@gmail.com,miftahwalid@gmail.com,lecture.hozairi@gmail.com
ABSTRAK
Dengan kondisi lingkungan yang baik, garam yang dihasilkan di Kabupaten Pamekasan memiliki kualitas yang baik. Namun karena jumlah produksi garam yang sangat banyak, maka harga garam menjadi rendah sekali. Sehingga akan merugikan petani garam. Fenomena ini dapat dikurangi jika jumlah permintaan garam diimbangi dengan tepat dengan jumlah garam yang tersedia. Oleh karena itu, diperlukan suatu analisa untuk dapat meramalkan jumlah produksi garam di Kabupaten Pamekasan. Peramalan jumlah produksi garam dapat dilakukan dengan menggunakan metode ilmiah yaitu moving average. Moving averages (rata-rata bergerak) melakukan peramalan dengan mengambil sekelompok nilai pengamatan, mencari rata-ratanya, lalu menggunakan rata-rata tersebut sebagai ramalan untuk periode berikutnya. Berdasarkan hasil penelitian dapat diketahui bahwa Nilai prediksi produksi garam lokasi Galis, Pademawu dan Tlanakan adalah 510,77; 65779,79 dan 30644,83. Sistem dapat menentukan jumlah produksi garam pada periode selanjutnya.
Kata kunci : garam, moving average, Pamekasan.
1 PENDAHULUAN
Garam merupakan salah satu kebutuhan yang sangat diperlukan dalam kehidupan manusia. Garam dapat digunakan secara langsung untuk campuran bumbu masakan. Selain itu garam dapat juga digunakan sebagai campuran bahan. Garam dihasilkan dari sisa penguapan air garam. Air laut yang sudah disaring dimasukkan ke dalam tambak. Kemudian dibiarkan mengalami penguapan secara alami. Setelah penguapan selama beberapa hari, garam akan tertinggal di tambak.
Daerah penghasil garam berada di lokasi-lokasi yang dekat dengan laut. Hal ini karena akan mempermudah memperoleh air laut sebagai bahan dasar pembuatan garam. Madura merupakan salah satu daerah penghasil garam di Indonesia termasuk kabupaten Pamekasan. Beberapa daerah penghasil garam di Kabupaten Pamekasan diantaranya adalah desa Polagan, desa Pagagan, desa Tanjung dan desa Waru yang berada di bagian utara di Pamekasan.
Bagi daerah-daerah tersebut, menjadi petani garam adalah sumber pengahasilan utama. Sehingga nilai jual garam akan mempengaruhi kesejahteraan mereka. Dengan kondisi lingkungan yang baik, garam yang dihasilkan di Kabupaten Pamekasan memiliki kualitas yang baik. Namun karena jumlah produksi garam yang sangat banyak, maka harga garam menjadi rendah sekali. Sehingga akan merugikan petani garam. Fenomena ini dapat dikurangi jika jumlah permintaan garam diimbangi dengan tepat dengan jumlah garam yang tersedia. Oleh karena itu, diperlukan suatu analisa untuk dapat meramalkan jumlah produksi garam di Kabupaten Pamekasan. Peramalan jumlah produksi garam dapat dilakukan
dengan menggunakan metode ilmiah yaitu moving average.
Moving averages (rata-rata bergerak) melakukan peramalan dengan mengambil sekelompok nilai pengamatan, mencari rata-ratanya, lalu menggunakan rata-rata tersebut sebagai ramalan untuk periode berikutnya. Istilah rata-rata bergerak digunakan, karena setiap kali data observasi baru tersedia, maka angka rata-rata yang baru dihitung dan dipergunakan sebagi ramalan. Moving average memiliki keunggulan dapat melakukan peramalan data yang tidak memiliki trend dan tidak dipengaruhi musim. Diharapkan dengan adanya aplikasi ini akan mempermudah petani garam untuk memprediksi jumlah produksi garam sehingga dapat mempersiapkan diri untuk menggunakan garam pada bidang lain atau menjual langsung ke pabrik.
Perumusan masalah dalam penelitian ini adalala bagaimana merancang dan membangun sistem yang dapat memprediksi jumlah produksi garam di Kabupaten Pamekasan menggunakan metode moving average .? Tujuan dalam penelitian ini yaitu merancang dan membangun sistem yang dapat memprediksi jumlah produksi garam di Kabupaten Pamekasan menggunakan metode moving average. Dan manfaat yang diperoleh dari penelitian ini memudahkan dalam mempersiapkan penggunaan garam selain dijual ke pabrik secara langsung.
2 LANDASAN TEORI
2.1 Peramalan (Forecasting)
Peramalan merupakan suatu taksiran, tetapi dengan menggunakan cara-cara tertentu peramalan dapat lebih daripada hanya satu taksiran. Dapat dikatakan bahwa peramalan adalah suatu taksiran
yang ilmiah meskipun akan terdapat sedikit kesalahan yang disebabkan oleh adanya keterbatasan
kemampuan manusia (Rosi, 2014).
Terdapat banyak metode dalam peramalan yang dibagi dalam 4 kategori sebagai berikut : 1. Metode Penghakiman (Judgement Methods)
Metode ini mencoba untuk mengumpulkan data dan menganalisis pendapat ahli secara sistematis untuk mencapai sebuah konsensus. 2. Metode Penelitian Pasar (Market Research
Methods)
Penelitian pasar adalah alat yang berguna untuk mengembangkan perkiraan, terutama untuk produksi baru. Saran atau masukan dari pelanggan melalui telepon, wawancara dan survei tertulis adalah sumber utama untuk memperkirakan permintaan produk.
3. Metode Akibat (Causal Methods)
Dengan metode ini diasumsikan variabel yang diinginkan untuk meramalkan berkolerasi tinggi dengan beberapa bagian data yang lain. Sebagai contoh, perkiraan penjualan untuk satu bulan berikutnya adalah fungsi dari pendapatan kotor, cuaca atau laju impor.
4. Metode Deret Waktu (Time Series Methods) Dalam metode deret waktu, digunakan data masa lalu utnuk memperkirakan data masa depan. Ada beberapa teknik dalam metode deret waktu untuk peramalan, yaitu rata-rata bergerak (moving average), pemulusan Eksponensial (eksponential Smoothing) dan sebagainya.
2.2 Pemilihan Teknik Peramalan
Menurut Arsyad (1994:54) jangka waktu ke depan (time horizon) merupakan faktor yang paling penting yang harus diperhatikan dalam pemilihan teknik peramalan. Untuk peramalan jangka pendek dan jangka menengah, beberapa teknik peramalan kuantitatif bisa digunakan. Namun demikian, jika jangka waktu ke depan lebih panjang, mungkin ada beberapa teknik tersebut yang kurang tepat untuk diterapkan. Daya terap teknik peramalan umumnya tergantung pada pengalaman dari seorang peramal. Para pengambil keputusan biasanya memerlukan peramalan untuk jangka waktu yang relatif pendek. Tabel 1 menunjukkan beberapa teknik peramalan yang dapat digunakan untuk pola data tertentu (Rosi, 2014).
Tabel 1. Pemilihan Teknik Peramalan No. Metode Pola Data Jangka
Waktu Model 1 Sederhana Stasioner, Tren, Musiman Pendek Runtut Waktu 2 Rata – rata
sederhana Stasioner Pendek
Runtut Waktu 3 Rata – rata
bergerak Stasioner Pendek
Runtut Waktu 4 Pemulusan
single Stasioner Pendek
Runtut Waktu
No. Metode Pola Data Jangka
Waktu Model Eksponensi al 5 Eksponensi al winter Stasioner, Tren, Musiman Pendek Runtut Waktu 6 Regresi sederhana Tren Menen gah Kausal 7 Regresi berganda Musiman, Siklis Menen gah Kausal 8 Dekomposi
si klasik Musiman Pendek
Runtut Waktu 9 Model trend Eksponensi al Tren Menen gah, Panjan g Runtut Waktu 10 Box-Jenkins Stasioner, Tren, Siklis, Musiman Pendek Runtut Waktu 11 Model ekonometri k
Tren Pendek Kausal
12 Regresi berganda runtut waktu Ttren, Musiman Menen gah, Panjan g Kausal (Rosi, 2014)
2.3 Metode Pemulusan (Smoothing)
Metode Pemulusan (Smoothing) adalah metode peramalan dengan mengadakan penghalusan atau pemulusan terhadap data masa lalu yaitu dengan mengambil rata-rata dari nilai pada beberapa periode untuk menaksir nilai pada suatu periode. Smoothing dilakukan dengan dua cara yaitu Moving average (Rosi, 2014).
2.4 PHP (Hypertext Prepoccesor )
PHP adalah salah satu bahasa pemrograman skrip yang dirancang untuk membangun aplikasi web. Ketika dipanggil dari web browser, program yang ditulis dengan PHP akan di-parsing di dalam web server oleh interpreter PHP dan diterjemahkan ke dalam dokumen HTML, yang selanjutnya akan ditampilkan kembali ke web browser. Karena pemrosesan program PHP dilakukan di lingkungan web server, PHP dikatakan sebagai bahasa sisi server (server-side). Oleh sebab itu, kode PHP tidak akan terlihat pada saat user memilih perintah ”View Source” pada web browser yang mereka gunakan.
PHP adalah bahasa yang dirancang untuk mudah diletakkan di dalam kode HTML. Banyak dijumpai kode PHP yang menyatu denan kode HTML. Kode PHP diawali dengan tag <?php dan diakhiri dengan tag ?>.
Berikut ini contoh kode PHP yang sederhana. <?php
Echo ”hello world” ?>
Perintah echo di dalam PHP berguan untuk mencetak nilai, baik teks maupun numerik ke layar web browser. Selain echo, kita juga dapat
menggunakan perintah print yang mempunyai fungsi sama dengan echo.
2.5 MySQL
MySQL server adalah server database yang kecil, ringan dan mudah digunakan. Sangat ideal untuk aplikasi kecil dan menengah. MySQL tersedia di berbagai sistem operasi seperti Unix dan Windows. MySQL adalah software yang gratis dibawah lisensi GNU Public License.
MySQL termasuk jenis RDBMS (Relational Database Management System). Sehingga istilah seperti table, baris dan kolom tetap digunakan dalam MySQL. Pada MySQL sebuah database mengandung beberapa tabel, tabel terdiri dari sejumlah baris dan kolom.
Dalam konteks bahasa SQL, pada umumnya informasi tersimpan dalam tabel-tabel yang secara logik merupakan struktur dua dimensi. Tabel-tabel itu terdiri atas baris-baris data (row atau record) yang berada dalam satu atau lebih kolom (column). Baris pada tabel sering disebut sebagai instance dari kata sedangkan kolom sering disebut sebagai attributes atau field
3 METODOLOGI PENELITIAN
3.1 Observasi dan Pengumpulan Data 3.1.1 Observasi
Observasi dilakukan di Kabupaten Pamekasan. Pengambilan data dilakukan untuk data 1 tahun terakhir yaitu tahun 2018. Penggunaan data dilakukan untuk data bulanan.
3.1.2 Pengumpulan Data
Pengumpulan data dilakukan dengan observasi dan wawancara dengan masyarakat petani garam di Kabupaten Pamekasan. Data yang diperlukan adalah data jumlah produksi garam.
3.2 Tahapan Penelitian
Diagram alir penelitian ditunjukkan oleh Gambar 3.1. dibawah ini
Selesai Studi literatur Pengumpulan data Kajian Metode Perancangan Sistem Implementasi Validasi Hasil Penarikan Kesimpulan Mulai
Gambar 3.1 Diagram Alir Penelitian
3.3 Perancangan System 3.3.1 Data Flow Diagram (DFD)
Prediksi Jumlah Produksi Garam Di Kabupaten Pamekasan Menggunakan
Metode Moving Average
Admin User
Login, manajemen profil data user Data lokasi Data jumlah peramalan
Cari data lokasi Data jumlah Data hasil peramalan Konfirmasi login, profil, data user
Data lokasi, data jumlah peramalan
View profil, data lokasi Data jumlah Data hasil peramalan
Gambar 3. 1 Data Flow Diagram (DFD) Level 0
Pengguna sistem terdiri dari admin dan user. Untuk masuk ke menu admin, admin harus melakukan login terlebih dahulu.
3.3.2 Flowchart User
Mulai
Menu Utama
Menu Profil Menu Lokasi Menu Jumlah Menu Hasil Prediksi
Profil Lokasi Jumlah Hasil Prediksi
Selesai
Gambar 3.3 Flowchart User
Untuk memasuki sistem, user tidak perlu melakukan login. User dapat melihat informasi profil sistem, melihat data lokasi penghasil garam
di Kabupaten Pamekasan, data jumlah produksi garam untuk tiap lokasi dan data hasil prediksi jumlah produksi garam menggunakan metode moving average. 3.3.3 Flowchart Admin Mulai Menu Utama Sesuai? Login Tidak Ya
Menu Profil Menu Lokasi Menu Jumlah Menu Prediksi
Profil Lokasi Jumlah Hasil
Prediksi
Selesai
Ubah Profil Kelola Lokasi Kelola Jumlah Prediksi dengan Moving Average
Gambar 3.4 Flowchart User
Untuk masuk ke menu admin, admin harus melakukan login terlebih dahulu
3.3.4 Floechart Moving Average
Mulai
Input data jumlah produksi garam Menghtung moving average pertama n x S n i i t 1 ' Menghtung moving average kedua n S S n i i t t 1 ' " Menghtung αt t t t 2S ' S" Menghtung bt t t t S S N b ' " 1 2 Nilai Forecast tm t m t b F Selesai
Gambar 3.5 Flowchart Moving Average
3.3.5 Desain Sistem
Berikut ini adalah desain prediksi jumlah produksi garam di Kabupaten Pamekasan menggunakan metode moving average:
1. Desain Login
Username Password
Login Reset
Gam bar 3. 2 Desain menu login
Form ini akan menampilkan proses login yang harus dilakukan oleh user sistem.
2. Desain Menu Utama
Header
Home Data User Data Lokasi Data Jumlah Prediksi Hasil Login
Gambar 3. 3 Desain Menu Utama
Menu utama akan muncul jika user telah berhasil melakukan login
4 IMPLEMENTASI DAN HASIL
4.1 Implementasi
Sistem terdiri dari dua bagian yaitu user dan admin. User tidak perlu melakukan login jika akan menggunakan sistem. sedangkan admin harus melakukan login.
4.1.1 Menu User
Menu user dapat digunakan oleh siapa saja yang akan menggunakan sistem.
4.1.2 Menu Admin
Gambar 4.1 Login admin
Untuk masuk ke menu admin, user harus melakukan login dengan cara memasukkan username dan password.
Menu admin digunakan untuk mengelola konten sistem.
Gambar 4.1 Menu Home
Gambar 4.3 Menu Home
Menu ini akan menampilkan form yang dapat digunakan oleh admin untuk mengeubah data profil sistem. Tombol Simpan Data digunakan untuk menyimpan data profil.
Gambar 4.4 Menu Data Lokasi Menu ini akan menampilkan data lokasi penghasil garam di Kabupaten Pamekasan. Admin dapat menambah data dengan cara menekan tombol Tambah Data.
Gambar 4.5 Menu Jumlah Data Menu ini akan menampilkan jumlah produksi garam tiap lokasi mulai tahun 2013 sampai tahun 2017. Admin dapat menambah data dengan cara menekan tombol Tambah Data.
Gambar 4.6 Menu Prediksi Menu ini digunakan untuk melakukan prediksi produksi garam dengan menggunakan metode moving average. Admin memilih lokasi yang akan diprediksi, selanjutnya tekan tombol Proses.
4.2 Hasil Penelitian
Hasil implementasi system menunjukkan
Gambar 4.7. Menu Hasil Prediksi
Menu ini akan menampilkan grafik yang merupakan hasil prediksi pada tiap lokasi.
5 PENUTUP
5.1 Kesimpulan
Berdasarkan implementasi sistem dapat diambil beberapa kesimpulan sebagai berikut:
Adapun kesimpulan yang dapat diambil dari hasil implementasi sistem adalah:
1. Nilai prediksi produksi garam lokasi Galis, Pademawu dan Tlanakan adalah 510,77; 65779,79 dan 30644,83.
2. Sistem dapat menentukan jumlah produksi garam pada periode selanjutnya.
5.2 Saran
Adapun saran untuk pengembangan sistem adalah:
1. Jumlah data dapat dibuat lebih banyak sehingga lebih akurat.
2. Diperlukan metode pembanding untuk mengetahui keakuratan data
DAFTAR PUSTAKA
Rosi, F. (2014). Perancangan Sistem Untuk
Forecasting Harga Sembako Di Pakong Dengan Menggunakan Metode Moving average. Fakultas Teknik Universitas Islam Madura (UIM), 2013(Sehati), 1–5.