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

Transkripsi

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 PROGRAM STUDI TEKNIK INFORMATIKA FAKULTAS TEKNIK UNIVERSITAS NUSANTARA PENDIDIKAN GURU REPUBLIK INDONESIA

2 2

3 3

4 PREDIKSI KEBUTUHAN TELUR MENGGUNAKAN METODE LEAST SQUARE PADA SISTEM INFORMASI PENJUALAN TELUR Nama Mahasiswa NPM Teknik Teknik Informatika 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 4

5 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 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 2

6 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 Artikel Skripsi 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 3

7 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 Gambar sistem penjualan Artikel Skripsi 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 2.2 : flow Chart sistem 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 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 4

8 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 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 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 Gambar 2.4 Data Flow Diagram Keterangan : peternak memberikan data ke sistem melalui proses input dan menerima pesanan telur. Lalu Gambar 4.8 ERD basis data dala 5

9 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 Februari Maret April JUMLAH Keterangan : Dari penjelasan tabel di atas adalah memprediksi selisih harga penjualan telur dari bulan yang lalu dengan bulan yang sekarang. Artikel Skripsi ( + ) 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 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 Keterangan : Tabel diatas menjelaskan perbandingan prediksi penjualan telur dimana pada tahun 2010 harga penjualan , pada tahun 2011 harga penjualan , 6

10 pada tahun 2012 harga penjualan , pada tahun 2013 harga penjualan , pada tahun 2014 harga penjualan 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 Artikel Skripsi Y (Juni) = (6) Y (Juni) = (6) Y (Juni) = Hasil prediksi unggas mandiri nambakan bulan juli 2014 Jadi Ramalan penjualan bulan Mei dan Juni adalah Y (Mei) = Y (Juni)= III. HASIL DAN KESIMPULAN HASIL Desain Interface Maka persamaan least squarenya adalah Y = a + bx Y = X Homepage Maka ramalan penjualan bulan yang akan datang misalkan bulan Mei 2014 adalah : Y (Mei) = X (5) Y (Mei) = (5) Y (Mei) = Untuk ramalan bulan juni 2014 adalah Form Login 7

11 Admin memasukkan username dan password index operator Gambar 5.8 Login sukses Kode salah Admin sukses login kode user yang benar Periode Login sukses 8

12 Metode tahap 1 Tabel penjualan perbulan Metode Tahap penjualan 2, 3, dan 4 Tabel operator abel admin T Tabel periode Tabel periode untuk empat bulan 9

13 Tabel empat periode 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 Bagian form laporan Hasil laporan dari prediksi empat periode Laporan admin Laporan B 10

14 Laporan prediksi 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 aporan prediksi L Back Up Logout berhasil Tabel data Logout 11

15 tampilan homepage KESIMPULAN Mengemukakan pokok-pokok hasil penelitian sesuai rumusan masalah dan tinjauan penelitian. Dapat berupa Artikel Skripsi 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 12

16 IV. DAFTAR PUSTAKA Artikel Skripsi Ihsan, M., F Perancangan Aplikasi Peramalan Persediaan Obatobatan Menggunakan Metode Least Square, 2: hal Katijani, Y., W. K. Hipel, A. I. McLeod Forecasting Nonlinear Time Series with Feedforward Neural Networks: A Case Study of Canadian Lynx Data. Journal of Forecasting, 24: hal Marketos, Gerasimos, et al. (2004). Intelligent Stock Market Assistant using Temporal Data Mining. Sumber: pci05_maretal.pdf Pande, P, B. 2013, tentang Prediksi Waktu Ketahanan Hidup Menggunakan metode partial least square, 2 hal 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 Tsaih, R., Y. Hsu, dan C.C. Lai Forecasting S&P 500 Stock Index Futures with a Hybrid AI System. Decision Support Systems, 23: hal Tseng, F.M., H.C. Yu, dan G.H. Tzeng Combining Neural Network Model with Seasonal Time Series ARIMA Model. Technological Forecasting & Social Change, 69: hal Wedding, D.K. dan K.J. Cios Time Series Forecasting by Combining RBF Networks and Box- Jenkins. Neurocomputing,10: hal