PREDIKSI HARGA GULA PASIR DI KABUPATEN KUDUS DENGAN MENGGUNAKAN ALGORITMA SEASONAL AUTOREGRESSIVE INTEGRATED MOVING AVERAGE

(1)

i

LAPORAN SKRIPSI

PREDIKSI HARGA GULA PASIR DI

KABUPATEN KUDUS DENGAN

MENGGUNAKAN ALGORITMA SEASONAL

AUTOREGRESSIVE INTEGRATED MOVING

AVERAGE

MUHAMMAD YUSUF

NIM. 201251158

DOSEN PEMBIMBING

Rina Fiati, ST., M.Cs

Anastasya Latubessy, S.Kom, M.Cs

PROGRAM STUDI TEKNIK INFORMATIKA

FAKULTAS TEKNIK

UNIVERSITAS MURIA KUDUS

2019

(2)

(3)

(4)

iv

(5)

v

MENGGUNAKAN ALGORITMA SEASONAL AUTOREGRESSIVE INTEGRETED MOVING AVERAGE

Nama mahasiswa : Muhammad Yusuf

NIM : 201251158

Pembimbing :

1. Rina Fiati, ST., M.Cs

2. Anastasya Latubessy, S.Kom, M.Cs

ABSTRAK

Gula pasir merupakan salah satu kebutuhan pokok bagi masyarakat dan juga menjadi kebutuhan yang paling utama bagi produsen atau penjual makan dan minuman di Kabupaten Kudus. Gula pasir didapat dari proses kristalisasi sari tebu. Pada tahun 2016 estimasi AGI tidak sesuai dengan realisasi dari data Kementan bahkan dapat terbilang sangat jauh dari estimasi tersebut. Dilihat dari segi impor gula, jumlah impor gula dari tahun ketahun indonesia mengalami peningkata n, sedangkan jumlah produksi tebu tiap tahun mengalami penurunan. Tidak setabilnya harga gula pasir di Indonesia berdampak juga pada harga gula di daerah Kudus. Banyak produsen atau pabrik makanan dan minum di Kudus yang membutuhka n gula pasir sebagai salah satu bahan yang digunakan. Perhitungan harga tebu masyarakat kudus juga masih menggunakan cara manual yaitu menggunakan harga pemborong sebagai patokan. Maka dari itu perlu dibangun suatu sistem untuk memprediksi harga gula pasir yang memberi gambaran tentang pergerakan harga gula pasir setiap bulan di Kabupaten Kudus. Metode yang cukup akurat digunakan dalam forecasting adalah metode SARIMA. Metode ini cukup fleksibel dalam mengolah berbagai macam bentuk timeseries. Metode SARIMA sendiri dibagi menjadi 5 kategori yaitu autoregressive, moving average, ARMA, ARIMA dan SARIMA. Peneliti menggunakan 5 metode SARIMA tersebut untuk pencarian model peramalan terbaik. Parameter yang digunakan adalah kombinasi dari 6 parameter yang dipilih secara bebas yaitu autoregressive, diferensiasi, moving average, autoregressive musiman, diferensiasi musiman, dan moving average musiman, Berdasarkan hasil perhitungan SARIMA tersebut, kombinasi parameter p=1, d=1, q=0, P=2, D=0, Q=2 dan dengan transformasi Box-Cox menghasilkan nilai prediksi dengan tingkat akurasi paling tinggi. Kombinasi parameter tersebut menghasilkan nilai prediksi sebesar 12.469, nilai AIC sebesar -346,5955, ME sebesar -0,3826, MAE sebesar 0,3854, MPE sebesar -4,2735, MASE sebesar 15,1795, MAPE sebesar 4,3029, dan RMSE sebesar 0,1791.

(6)

vi

PREDICTION OF SAND SUGAR PRICES IN KUDUS DISTRICT USING SEASONAL AUTOREGRESSIVE INTEGRETED MOVING AVERAGE

ALGORITHM

Student Name : Muhammad Yusuf

Student Identity Number : 201251158

Supervisor :

1. Rina Fiati, ST., M.Cs

2. Anastasya Latubessy, S.Kom, M.Cs

ABSTRACT

Sugar is one of the basic needs of the community and is also the most important requirement for producers or sellers of food and beverages in Kudus Regency. Sugar is obtained from the process of crystallizing sugar cane juice. In 2016 the AGI estimation was not in accordance with the realization of the Ministry of Agriculture's data and could even be considered very far from the estimate. In terms of import of sugar, the amount of sugar imported from Indonesia has increased, while the amount of sugar cane production has decreased every year. Unstable sugar prices in Indonesia also have an impact on the price of sugar in the Kudus region. Many food and drink manufacturers or factories in Kudus need sugar as one of the ingredients used. Calculation of the price of sugar cane of the holy community is also still using the manual method that is using the contractor price as a benchmark. Therefore, it is necessary to build a system to predict the price of sugar which illustrates the movement of sugar prices every month in Kudus Regency. A fairly accurate method used in forecasting is the SARIMA method. This method is quite flexible in processing various forms of timeseries. The SARIMA method itself is divided into 5 categories, namely autoregressive, moving average, ARMA, ARIMA and SARIMA. The researcher used the 5 SARIMA methods to find the best forecasting model. The parameters used are a combination of 6 parameters chosen freely, namely autoregressive, differentiation, moving average, seasonal autoregressive, seasonal differentiation, and seasonal moving averages. Based on the results of the SARIMA calculation, the combination of parameters p = 1, d = 1, q = 0 , P = 2, D = 0, Q = 2 and with Box-Cox transformations produce predictive values with the highest accuracy. The combination of these parameters produces a predictive value of 12,469, the AIC value of -346.5955, ME of -0.3826, MAE of 0.3854, MPE of -4.2735, MASE of 15.1795, MAPE of 4.3029, and RMSE is 0.1791.

(7)

vii

KATA PENGANTAR

Puji syukur kehadirat Allah SWT karena atas Rahmat dan Hidayah-Nya sehingga penulis dapat menyelesaikan penyusunan skripsi ini dengan judul “Prediksi Harga Gula Pasir Di Kabupaten Kudus Dengan Menggunakan Algoritma Seasonal Autoregressive Integreted Moving Average”.

Skripsi ini disusun guna melengkapi salah satu persyaratan untuk memperoleh Gelar Kesarjanaan Program Studi Teknik Informatika Fakultas Teknik Universitas Muria Kudus. Pada kesempatan ini penulis ingin menyampaikan rasa terima kasih yang sebesar-besarnya kepada :

1. Allah SWT yang telah memberikan semua hidayahnya.

2. Bapak Dr. Suparnyo, S.H, M.S selaku rektor Universitas Muria Kudus,. 3. Bapak Mohammad Dahlan, ST, MT selaku dekan Fakultas Teknik

Universitas Muria Kudus,.

4. Bapak Ahmad Jazuli, M.Kom, selaku Ketua Program Studi Teknik Informatika Universitas Muria Kudus.

5. Ibu Rina Fiati, ST., M.Cs, selaku dosen pembimbing utama yang telah memberikan bimbingan, arahan, dan motivasi dalam penyelesaian skripsi ini.

6. Ibu Anastasya Latubessy, S.Kom, M.Cs, selaku dosen pembimbing kedua yang telah meluangkan tenaga, waktu, dan perhatian dalam penyelesaian skripsi ini.

7. Ahmad Fahri Rizqi, S.Kom yang telah membantu memperbaiki sistem ketika terjadi error.

8. Kedua orang tua tercinta yang selalu mendo’akan dan memberi dukungan serta semangat.

(8)

viii

9. Teman-teman seperjuangan Program Studi Teknik Informatika angkatan 2012 khususnya kelas D yang telah membantu dan memberikan informasi serta motivasi selama ini;

10. Seluruh keluarga besar Forum Mahasiswa Islam Universitas Muria Kudus yang telah memberikan motivasi, pengalaman organisasi sekaligus suplemen ruhani selama penulis menjadi mahasiswa.

Penulis menyadari adanya kekurangan dan ketidaksempurnaan dalam penulisan skripsi ini, karena itu penulis menerima kritik, saran dan masukkan dari pembaca sehingga penulis dapat lebih baik di masa yang akan datang. Akhirnya penulis berharap semoga laporan skripsi ini bisa bermanfaat khususnya bagi penulis dan umumnya bagi para pembaca. Semoga skripsi ini dapat diterima dan bermanfaat bagi semua pihak di kemudian hari.

Kudus, 25 Juli 2019

(9)

ix

DAFTAR ISI

HALAMAN JUDUL ...i

HALAMAN PERSETUJUAN...ii

HALAMAN PENGESAHAN...iii

PERNYATAAN KEASLIAN...iv

ABSTRAK ...v

ABSTRACT ...vi

KATA PENGANTAR ...vii

DAFTAR ISI ...ix

DAFTAR GAMBAR ...xii

DAFTAR TABEL...xiii

DAFTAR LAMPIRAN ...xv

DAFTAR ISTILAH DAN SINGKATAN...xvi

BAB I PENDAHULUAN 1.1. Latar Belakang ...1 1.2. Perumusan Masalah ...4 1.3. Batasan Masalah...5 1.4. Tujuan ...6 1.5. Manfaat ...6

BAB II TINJAUAN PUSTAKA 2.1 Penelitian Terkait ...8

2.2 Landasan Teori ...9

2.2.1 Teori Penunjang Akademik...9

2.2.2. Perancangan Proses ...11

2.2.3. Tools Pembangun ...17

2.2.4. Teori Penunjang Penelitian ...18

12.3. Kerangka Pemikiran ...31

BAB III METODOLOGI 3.1. Analisis Kebutuhan Sistem ...32

(10)

x

3.1.2. Analisis Kebutuhan Sistem Input ...33

3.1.3. Analisis Kebutuhan Sistem Output ...34

3.2. Preprocessing Data ...35

3.2.1. Data Selection ...35

3.2.2. Data Transformation...35

3.3. Perancangan Model Arima ...36

3.3.1. Stasionaritas Data ...38 3.3.2. Identifikasi Model ...38 3.3.3. Estimasi ...39 3.3.4. Diagnostic Checking ...39 3.3.5. Forecasting ...40 3.3.6. Pengujian ...40 3.4. Implementasi Model...41

3.5. Testing dan evaluasi sistem ...41

3.5.1. Uji Coba ...41

3.5.2. Verifikasi ...41

3.5.3. Validasi Model ...41

3.5.4. Analisis Hasil ...41

BAB IV HASIL DAN PEMBAHASAN 4.1. Analisis Sistem yang Berjalan ...43

4.2. Analisis Kebutuhan Sistem ...43

4.1 Kebutuhan Perangkat Keras...43

4.2 Kebutuhan Perangkat Lunak...43

4.3 Perancangan Sistem ...44

4.3.1 Pemodelan Use Case Diagram ...44

4.3.2 Pemodelan Activity Diagram ...45

4.3.3 Pemodelan Sequence diagram Diagram...49

4.3.4 Pemodelan Class Diagram ...54

4.3.5 Tabel Data ...54

4.4. Pengujian dan Implementasi ...56

4.4.1. User Interface...55

a. Menu Peramalan...56

(11)

xi

c. Menu About ...58

c. Menu Contact Me ...58

d. Menu Disclaimer ...59

4.4.2. Pengujian Sistem...59

a. Masuk Halaman Admin ...59

b. Insert File Data Harga ...62

c. Tambah Data Harga ...64

d. Ubah Data Harga ...67

e. Hapus Data Harga ...71

f. Peramalan ...72

5.1. Perhitungan Arima Sarima ...78

BAB V PENUTUP 5.2. Kesimpulan ...94 5.3. Saran...94 DAFTAR PUSTAKA ...96 LAMPIRAN 1 ...98 LAMPIRAN 2 ...100 LAMPIRAN 3 ...101 LAMPIRAN 4 ...101 LAMPIRAN 5 ...102 LAMPIRAN 6 ...103 LAMPIRAN 7 ...104 LAMPIRAN 7 ...105 BIODATA PENULIS

(12)

xii

DAFTAR GAMBAR

Gambar 2. 1 Data yang membentuk pola data horisontal ...21

Gambar 2. 2 Data yang membentuk pola data musiman...21

Gambar 2. 3 Data yang membentuk pola data siklis ...22

Gambar 2. 4 Data yang membentuk pola data trend ...22

Gambar 2. 5 Kerangka Pemikiran ...30

Tabel 4. 1 Tabel dataset...54

Tabel 4. 2 Tabel User ...54

Tabel 4. 3 Pengujian masuk menu rubah dataset ketika belum login ...58

Tabel 4. 4 Pengujian masuk menu rubah dataset ketika sudah login ...59

Tabel 4. 5 Pengujian memasukkan file ketika database kosong ...60

Tabel 4. 7 Pengujian tambah data ketika field harga kosong ...63

Tabel 4. 8 Pengujian memasukkan non digit kedalam field harga ...64

Tabel 4. 9 Pengujian memasukkan non digit kedalam kolom harga...65

Tabel 4. 10 Pengujian memasukkan format tanggal yang salah kedalam kolom tanggal ...66

Tabel 4. 11 Pengujian memasukkan format tanggal yang salah pada kolom harga ...68

Tabel 4. 12 Pengujian menghapus salah satu record pada JTable ...69

Tabel 4. 13 Pengujian peramalan dengan spesifikasi model 0 semua ...71

Tabel 4. 14 Pengujian peramalan dengan banyaknya peramalan tidak diisi...72

Tabel 4. 15 Pengujian dengan interval kepercayaan tidak diisi ...73

Tabel 4. 16 Pengujian dengan indikator kesalahan tidak diisi ...74

Tabel 4. 17 Pengujian peramalan dengan spesifikasi model diisi, banyaknya ramalan diisi,dan idikator kesalahan diisi ...75

Tabel 4. 18 Pemilihan model terbaik ...81

Tabel 4. 19 Informasi model p=1, d=1, q=0, P=2, D=0, Q=2...88

Tabel 4. 20 Indikator keslahan dengan model p=1, d=1, q=0, P=2, D=0, Q=2 ...89

(13)

xiii

DAFTAR TABEL

Tabel 2. 1 Notasi pada Use Case Diagram ...12

Tabel 2. 2 Notasi pada Sequence Diagram ...13

Tabel 2. 3 : Notasi pada Class Diagram ...15

Tabel 2. 4 : Notasi pada Activity Diagram...16

Tabel 3. 1 hubungan antara koefisisen dengan rumus transformasi ...24

Tabel 3. 2 Bagan alur forecasting arima ...37