Diajukan Untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana Komputer ( S.Kom ) Pada Program Studi Teknik Informatika FT UNP Kediri

(1)

Universitas Nusantara PGRI Kediri

Mohamad Jauharul Fikri | 11.1.03.02.0239 Teknik- Teknik Informatika

simki.unpkediri.ac.id || 1|| PREDIKSI KEBUTUHAN TELUR MENGGUNAKAN METODE LEAST SQUARE

PADA SISTEM INFORMASI PENJUALAN TELUR

SKRIPSI

Diajukan Untuk Memenuhi Salah Satu Syarat Memperoleh Gelar Sarjana

Komputer ( S.Kom ) Pada Program Studi Teknik Informatika FT UNP Kediri

Oleh :

MOHAMAD JAURUL FIKRIH

11.1.03.02.0239

PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNIK

UNIVERSITAS NUSANTARA PENDIDIKAN GURU REPUBLIK INDONESIA 2016

(2)

simki.unpkediri.ac.id || 2||

(3)

(4)

PREDIKSI KEBUTUHAN TELUR MENGGUNAKAN METODE LEAST

SQUARE PADA SISTEM INFORMASI PENJUALAN TELUR

Nama Mahasiswa NPM

Teknik – Teknik Informatika [email protected]

Ardi Sanjaya, M. KOM1 dan Rina Firliana, S.KOM., M.KOM 2 UNIVERSITAS NUSANTARA PGRI KEDIRI

ABSTRAK

Perkembangan peternakan ayam ras di Indonesia sangatlah pesat, terutama ayam ras petelur yang menghasilkan telur berkualitas coklat. Pesatnya perkembangan tersebut tidak hanya di dorong oleh peluang pasar yang masih terbuka, tetapi juga oleh kebijakan pemerintah. Kebijakan pemerintah yang cukup mendorong perkembangan usaha adalah Surat Edaran Direktur Jendral peternakan No. TN 220/173/e/0387 yang membatasi pengiriman stok. Peramalan stok barang merupakan pendekatan yang berbasis dengan memperhitungkan resiko yang mungkin akan terjadi dimasa yang akan datang serta menentukan berapa banyak sebuah peternah untuk menyetok barang yang akan dijual. Dimana yang dijual adalah telur. Hal ini menyebabkan informasi akan ketersediaan stok barang sesuai dengan penjualan menjadi sangatlah penting,. Dengan peramalan tersebut peternak dan pembeli mampu melihat peluang penjualan yang ada dengan cara memprediksi banyaknya telur waktu yang akan datang berdasarkan hasil dari data-data penjualan dan stok barang sebelumnya.

Kata Kunci : peramalan, prediksi banyaknya jumlah penjualan barang (periode), Metode Least Square

(5)

simki.unpkediri.ac.id || 2|| I. LATAR BELAKANG

Kebutuhan telur merupakan hal yang sangat penting pemenuhannya dalam masyarakat, karena setiap hari orang membutuhkan asupan protein agar tubuh tetap dapat melakukan aktifitas. Berdasarkan data hasil sensus penduduk Badan Pusat Statistik (BPS) pada tahun 2015, jumlah penduduk kota Kediri mencapai 267.435 jiwa dan akan terus bertambah setiap tahunnya. Data tentang jumlah penduduk ini penting untuk diketahui karena diperlukan untuk pengambilan kebijakan terutama penyediaan kebutuhan telur bagi masyarakat, para peternak juga kesulitan untuk mengetahui perubahan harga telur setiap harinya, seperti peternakan unggas mandiri nambakan ringinrejo kediri yang belum menemukan solusi untuk mengetahui harga dan penjualan telur per periode. Pada tahun 2016 saat ini para pedagang masih sulit untuk memastikan jumlah telur yang dibutuhkan oleh konsumen, para pedagang telur belum mendapatkan solusi yang mudah untuk mengetahui berapa jumlah telur yang

dibutuhkan, terkadang jumlah telur yang dibawa lebih besar dari kebutuhan. Berdasarkan referensi penelitian dari Muhammad Ihsan Fauzi tahun 2014, analisis, perancangan sistem dan pembuatan program sampai tahap penyelesaian aplikasi Analisis Peramalan Menggunakan Metode Least Square dapat digunakan untuk meramalkan penjualan obat di periode yang akan datang berdasarkan data penjualan.Aplikasi analisis peramalan dapat menghasilkan hasil ramalan dan telah meminimumkan kesalahan meramal (forcast error) tingkat penjualan obat pada apotik.

Berdasarkan referensi penelitian dari Pande Putu Budi Kusuma tahun 2013, tentang Prediksi Waktu Ketahanan Hidup Menggunakan metode partial least square. Berdasarkan pengolahan data dengan menggunakan metode least square dapat diperoleh hasil nilai prediksi waktu ketahanan hidup untuk pasien.

Dari hasil referensi di atas maka diambil kesimpulan bahwa metode Least Square adalah analisis trend merupakan suatu metode analisis yang

(6)

simki.unpkediri.ac.id || 3|| ditujukan untuk melakukan suatu

estimasi atau peramalan pada masa yang akan datang. Untuk melakukan peramalan dengan baik maka dibutuhkan berbagai macam informasi (data) yang cukup banyak dan diamati dalam periode waktu yang relatif cukup panjang, sehingga dari hasil analisis tersebut dapat diketahui sampai berapa besar fluktuasi yang terjadi dan faktor-faktor apa saja yang mempengaruhi terhadap perubahan tersebut.

Dari penjelasan di atas, dapat disimpulkan bahwa peramalan penjualan adalah kegiatan penyusunan perkiraan tentang sifat atau ciri tertentu di masa yang akan datang. Peramalan penjualan merupakan rencana penjualan atau peramalan penjualan untuk item yang dijadwalkan, sales forecast atau sales plan bersifat tidak pasti (uncertain). Peramalan penjualan diperlukan untuk melancarkan dan memaksimalkan penjualan dengan menentukan berapa sebenarnya jumlah persediaan secara optimal pada tuhun 2016.

Oleh karena itu diperlukan adanya sebuah sistem informasi prediksi harga kebutuhan telur yang mudah dicerna atau dipahami oleh peternak , poltree dan pedagang, tujuan dari pembuatan rancangan prediksi kebutuhan harga telur per periode ini untuk memberikan solusi bagi peternak, poltree dan gudang telur agar lebih mudah dan akurat dalam mengetahui harga telur per periode khususnya di daerah sekitar Kediri.

Konsep yang ditawarkan tentunya mempermudah konsumen atau pedagang telur untuk mengetahui info harga jual telur di hari, bulan dan tahun yang akan datang. Sehingga keterkatan dari latar belakang ini dapat kami angkat dengan judul penelitian “Prediksi Kebutuhan Telur Menggunakan Metode Least Square Pada Sistem Informasi Penjualan Telur ”

II. METODE

Metode Least Square : Metode yang digunakan untuk analisis time series adalah Metode Garis Linier Secara

Bebas (Free Hand Method), Metode Setengah Rata-Rata (Semi Average M

ethod),Metode Rata-Rata Bergerak (Moving Average Method) dan Metode

(7)

simki.unpkediri.ac.id || 4|| Kuadrat Terkecil (Least Square

Method).

Analisis trend merupakan suatu metode analisis yang ditujukan untuk melakukan suatu estimasi atau peramalan pada masa yang akan datang. Untuk melakukan peramalan dengan baik maka dibutuhkan berbagai macam informasi (data) yang cukup banyak dan diamati dalam periode waktu yang relatif cukup panjang, sehingga dari hasil

analisis tersebut dapat diketahui sampai berapa besar fluktuasi yang terjadi dan faktor-faktor apa saja yang mempengaruhi terhadap perubahan tersebut. Secara teoristis, dalam analisis time series yang paling menentukan adalah kualitas atau keakuratan dari

informasi atau data-data yang diperoleh serta waktu atau periode dari data-data tersebut dikumpulkan.

Gambar sistem penjualan

Gambar 2.1 : sistempenjualan

Keterangan : pelanggan akan memesan kepada penjual, lalu penjual mengirim kepada pelanggan, kemudian sistem mengirim prediksi pesanan ke penjual.

a. Flow Chart Sistem

Gambar 2.2 : flow Chart sistem

Keterangan : Langkah pertama user memasukkan data user terlebih dahulu, kemudian di verifikasi sistem terlebih dahulu, juka ya maka akan masuk ke homepage atau beranda, user memasukkan data periode, lalu data periode diproses jika ya user memasukkan data prediksi penjualan, selanjutnya data diproses untuk menampilkan hasil dari prediksi.

A. Desain Sistem 1. Context Diagram

(8)

simki.unpkediri.ac.id || 5|| Gambar 2.3 Context Diagram

Keterangan : peternak memberikan data ternak ke sistem penjualan lalu sistem memberikan laporan jumlah penjualan ke penjualan kemudian sistem memberikan bukti pembayaran kepada pembeli dan kemudian pembeli memberikan jumlah pesanan kepada sistem. 2. Data Flow Diagram

Berikut ini adalah gambaran dari

Data Flow Diagram

Gambar 2.4 Data Flow Diagram

Keterangan : peternak memberikan data ke sistem melalui proses input dan menerima pesanan telur. Lalu

sistem akan mengirimkan laporan penjualan kepada penjual. Setelah itu penjual akan melakukan sistem transaksi kepada pembeli. Pembeli akan mengirimkan jumlah pesanan dan mendapatkan bukti pembayaran. 3. Entity Relationship Diagram

Berikut Contoh Entity Relation DiagramBerikut ini

Entity Relationship Diagram (ERD) struktur data dalam bentuk logik dari sistem prediksi penjualan.

Gambar 4.7. ERD struktur data dalam bentuk logik

Entity Relationship Diagram (ERD)

12345Berikut ini Entity Relationship

Diagram (ERD) basis data dalam bentuk fisik dari sistem prediksi penjualan

(9)

simki.unpkediri.ac.id || 6|| Keterangan : satu pembeli bisa

membeli, memesan banyak kilogram banyak barang kepada pedagang B. Desain Metode

1. Contoh Perhitungan

Berikut ini adalah contoh perhitungan menggunakan metode Least Square pada Unggas Mandiri Nambakan Bulan Maret - Juni:

Tabel 4.6 : data penjualan unggas mandiri nambakan bulan maret – juni 2014

NO BULAN PENJUALAN (Y)

1 Januari 15.000

2 Februari 16.000

3 Maret 18.000

4 April 21.000

JUMLAH 4 70.000

Keterangan : Dari penjelasan tabel di atas adalah memprediksi selisih harga penjualan telur dari bulan yang lalu dengan bulan yang sekarang.

1. Analisis Menggunakan Metode Least

Square

a. Untuk n ganjil maka n = 2k+1 X k+1= 0 Jarak antara 2 waktu diberi nilai satu satuan Diatas 0 diberi tanda negatif ( - ), Dibawahnya diberi tanda positif

( + )

b. Untuk n genap maka n = 2k X1/2 [k+(k+1)]= 0 Jarak antara 2 waktu diberi nilai dua satuan Diatas 0 diberi tanda negatif ( - ), Dibawahnya diberi tanda positif ( + )

2. Analisis regresi merupakan suatu analisis yang menjelaskan tentang akibat dan besarnya akibatnya yang ditimbulkan oleh satu atau lebih variabel bebas X terhadap satu variabel terikat Y. Ada beberapa jenis regresi yaitu linier, curve estimation, partial least square, binary logistic, multinomial logistic, ordinal, probit, non linier, dan weight(Komputer, 2009).

Tabel 4.7 : Data Prediksi Penjualan Unggas Mandiri

Nambakan Bulan Maret – Juni 2014

Keterangan : Tabel diatas menjelaskan perbandingan prediksi penjualan telur dimana pada tahun 2010 harga penjualan 15.000, pada tahun 2011 harga penjualan 16.000,

(10)

simki.unpkediri.ac.id || 7|| pada tahun 2012 harga penjualan

17.000, pada tahun 2013 harga penjualan 18.000, pada tahun 2014 harga penjualan 18.500

3. Mencari nilai a dan b

a. Nilai a = (variabel yang dicari trendnya) jumlah penjualan dibagi jumlah (perbulan)sebanyak 4 bulan mulai dari bulan maret - juni

b. Nilai b = (mencari nilai parameter) jumlah dari X^Y dibagi jumlah dari pangkat X^2

Maka persamaan least squarenya adalah

Y = a + bX

Y = 17.500 + 3.500X

Maka ramalan penjualan bulan yang akan datang misalkan bulan Mei 2014 adalah :

Y (Mei) = 70.000 + 14.000X (5)

Y (Mei) = 17.500 + 3.500 (5)

Y (Mei) = 35.000

Untuk ramalan bulan juni 2014 adalah

Y (Juni) = 70.000 + 14.000 (6)

Y (Juni) = 17.500 + 3500 (6)

Y (Juni) = 35.000

Hasil prediksi unggas mandiri nambakan bulan juli 2014

Jadi Ramalan penjualan bulan Mei dan Juni adalah

Y (Mei) = 35.000

Y (Juni)= 35.000

III. HASIL DAN KESIMPULAN HASIL

Desain Interface

Homepage

(11)

simki.unpkediri.ac.id || 8|| Admin memasukkan username dan

password

Kode salah

kode user yang benar

Login sukses

index operator

Gambar 5.8 Login sukses

Admin sukses login

(12)

simki.unpkediri.ac.id || 9|| Metode tahap 1

Metode Tahap penjualan 2, 3, dan 4

T abel admin

Tabel penjualan perbulan

Tabel operator

Tabel periode

(13)

simki.unpkediri.ac.id || 10|| Tabel empat periode

Bagian form laporan

Laporan admin

Laporan penjualan

Laporan penjualan menampilkan nama perusahaan, alamat perusahaan, id_penjualan selama empat bulan, tanggal dan bulan penjualan selama empat bulan, jumlah total banyaknya barang per kilogram setiap harinya.

Laporan nilai A

Hasil laporan dari prediksi empat periode

(14)

simki.unpkediri.ac.id || 11|| Gambar 5.21 nilai B

Laporan B adalah nilai B yaitu jumlah dari (X^Y) atau X pangkat Y dibagi dengan jumlah dari X pangkat dua (X^2). Tabel data Tabel data Laporan prediksi L aporan prediksi Back Up Logout berhasil Logout

(15)

simki.unpkediri.ac.id || 12|| tampilan homepage

KESIMPULAN

Mengemukakan pokok-pokok hasil penelitian sesuai rumusan masalah dan tinjauan penelitian. Dapat berupa

temuan pengetahuan baru dan pengesahan atau pembuktian teori. Aplikasi prediksi penjualan metode least square dapat digunakan untuk memprediksi penjualan telur di periode yang akan datang sehingga memudahkan pedagang untuk mengetahui berapa banyaknya per kilogram yang dipesan oleh konsumen atau pembeli

(16)

simki.unpkediri.ac.id || 13|| IV. DAFTAR PUSTAKA

Ihsan, M., F. 2014. “Perancangan Aplikasi Peramalan Persediaan Obat-obatan Menggunakan Metode Least Square”, 2: hal 359-366.

Katijani, Y., W. K. Hipel, A. I. McLeod. 2005. “Forecasting Nonlinear Time Series with Feedforward Neural Networks: A Case Study of Canadian Lynx Data”. Journal of Forecasting, 24: hal 105-117.

Marketos, Gerasimos, et al. (2004). Intelligent Stock Market Assistant using Temporal Data Mining. Sumber:

http://infolab.cs.unipi.gr/pubs/confs/

pci05_maretal.pdf

Pande, P , B. 2013, tentang “Prediksi

Waktu Ketahanan Hidup

Menggunakan metode partial least square” , 2 hal 49-52.

Schumaker, Robert P., Chen, Hsinchun. (2006). Textual Analysis of Stock

Market Prediction Using Breaking Financial News : The Azfin Text System.ACM Trans. Inf. Syst., vol. 27 no. 2, hal. 1-19.

Tsaih, R., Y. Hsu, dan C.C. Lai. 1998. “Forecasting S&P 500 Stock Index Futures with a Hybrid AI System”. Decision Support Systems, 23: hal 161-174.

Tseng, F.M., H.C. Yu, dan G.H. Tzeng. 2002. “Combining Neural Network Model with Seasonal Time Series ARIMA Model”. Technological Forecasting & Social Change, 69: hal 71-78.

Wedding, D.K. dan K.J. Cios. 1996. “Time Series Forecasting by Combining RBF Networks and Box-Jenkins”. Neurocomputing,10: hal 149-168.