BAB IV IMPLEMENTASI DAN PENGUJIAN SISTEM

Transkripsi

1 BAB IV IMPLEMENTASI DAN PENGUJIAN SISTEM Implementasi sistem adalah bentuk dari perancangan sistem yang dilakukan sebelumnya. Pada bab ini akan dijelaskan mengenai implementasi dan pengujian dari aplikasi sistem peramalan penjualan kain majun perperiode (bulan) di UD. Farrel Mulya Industri dengan menggunakan metode Trend Moment untuk mengetahui tingkat penjualan pada bulan berikutnya yang akan digunakan untuk menentukan target penjualan kain majun kedepan. 4.1 Implementasi Aplikasi Sistem Peramalan Penjualan Kain Majun Perbulan UD. Farrel Mulya Industri dengan Metode Trend Moment Pada implementasi sistem ini akan membahas algoritma yang telah dirancang pada bab 3, yaitu tahap processing dengan metode Trend Moment, Mean Absolute Deviation (MAD) dan Mean Absolute Persentage Error (MAPE). Dalam mengimplementasikan sistem ini dibangun dengan menggunakan bahasa pemrograman (PHP) Proses Trend Moment Dalam proses perhitungan Trend Moment terdapat beberapa langkah perhitungan antara lain yaitu menentukan data yang akan diramalkan kemudian menghitung nilai x, x 2, xy, y, xy, x 2. Setelah nilai dari tiap variabel tersebut di temukan selanjutnya menghitung nilai b (koefisien garis trend) dari nilai b dapat digunakan untuk menghitung nilai a (bilangan konstanta) yang akan digunakan untuk meramalkan data sampel penjualan aktual yang terdiri dari 38 periode (bulan). Source code pada Gambar 4.1 digunakan untuk memasukkan data pembeli kain majun yang nantinya digunakan untuk pengelompokan data hasil penjualan berdasarkan data pembeli untuk diprediksi penjualan pada peride selanjutnya. 56

2 57 Kode program 4.1 Source code Data Pembeli $op filter_input(input_post, "op"); if($op"baca"){ $sql"select id_pembeli,nama_pt FROM `pembeli` ORDER BY id_pembeli asc"; $query mysqli_query($link, $sql); $dataarray(); $no0; while ($row mysqli_fetch_array($query)) { $data[$no][0]($no+1); $data[$no][1]$row["nama_pt"]; $data[$no][2]'<button type"button" class"btn btn-round btnwarning p_edit_pembeli" data-id"'.$row["id_pembeli"].'"><i class"fa fa-edit"></i> Ubah</button>'.'<button type"button" class"btn btn-round btndanger p_hapus_pembeli" data-id"'.$row["id_pembeli"].'"><i class"fa fa-trash"></i> Hapus</button>'; $no++; $kirimarray( "data">$data ); echo json_encode($kirim); else if ($op "tambah") { $nama_pt addslashes(filter_input(input_post, "nama")); $sql_ins "INSERT INTO pembeli set nama_pt'". $nama_pt. "'"; $query_in mysqli_query($link, $sql_ins); if($query_in){ echo json_encode("ok"); else{ echo json_encode("gagal");

3 58 else if ($op "ubah") { $id_edit addslashes(filter_input(input_post, "id_edit")); $nama addslashes(filter_input(input_post, "nama2")); $sql_up "UPDATE pembeli set nama_pt'". $nama. "' WHERE id_pembeli'". $id_edit. "'"; $query_up mysqli_query($link, $sql_up); if($query_up){ echo json_encode("ok"); else{ echo json_encode("gagal"); //end untuk edit data ke db //start untuk hapus data dari db else if ($op "hapus") { $id_hapus filter_input(input_post, "id_hapus"); $sql_del "DELETE FROM pembeli WHERE id_pembeli'".$id_hapus."'"; $query_del mysqli_query($link, $sql_del); if($query_del){ echo json_encode("ok"); else{ echo json_encode("gagal");

4 59 Kode program 4.2 Source code Data Penjualan $op filter_input(input_post, "op"); if($op"baca"){ $sql"select p.id_penjualan,p.id_pembeli,b.nama_pt,p.periode,date_format(p.periode, '%b-%y') as tgl,p.jml_penjualan FROM penjualan as p,pembeli as b WHERE p.id_pembelib.id_pembeli ORDER BY p.id_penjualan asc"; $query mysqli_query($link, $sql); $dataarray(); $no0; while ($row mysqli_fetch_array($query)) { $data[$no][0]($no+1); $data[$no][1]$row["nama_pt"]; $data[$no][2]$row["tgl"]; $data[$no][3]$row["jml_penjualan"]; $data[$no][4]'<button type"button" class"btn btn-round btnwarning p_edit_penjualan" data-id"'.$row["id_penjualan"].'" dataid_pembeli"'.$row["id_pembeli"].'" dataperiode"'.$row["periode"].'"><i class"fa fa-edit"></i> Ubah</button>'.'<button type"button" class"btn btn-round btndanger p_hapus_penjualan" data-id"'.$row["id_penjualan"].'"><i class"fa fa-trash"></i> Hapus</button>'; $no++; $kirimarray( "data">$data ); echo json_encode($kirim); else if($op"baca_pembeli"){ $sql"select id_pembeli,nama_pt FROM pembeli"; $query mysqli_query($link, $sql); $dataarray(); $no0; while ($row1 mysqli_fetch_assoc($query)) { $data[$no][0]$row1["id_pembeli"]; $data[$no][1]$row1["nama_pt"]; $no++; echo json_encode($data);

5 60 else if ($op "tambah") { $id_pembeli addslashes(filter_input(input_post, "id_pembeli")); $periode filter_input(input_post, "bulan")."-". filter_input(input_post, "tahun"); $jumlah addslashes(filter_input(input_post, "jumlah")); $sql_ins "INSERT INTO penjualan set id_pembeli'". $id_pembeli. "', periodestr_to_date('01-". $periode. "','%d-%b-%y'), jml_penjualan'". $jumlah. "'"; $query_in mysqli_query($link, $sql_ins); if($query_in){ echo json_encode("ok"); else{ echo json_encode("gagal"); else if ($op "ubah") { $id_edit addslashes(filter_input(input_post, "id_edit")); $periode filter_input(input_post, "bulan2")."-". filter_input(input_post, "tahun2"); $jumlah addslashes(filter_input(input_post, "jumlah2")); $id_pembeli addslashes(filter_input(input_post, "id_pembeli2")); $sql_up "UPDATE penjualan set id_pembeli'". $id_pembeli. "', periodestr_to_date('01-". $periode. "','%d-%b-%y'), jml_penjualan'". $jumlah. "' WHERE id_penjualan'". $id_edit. "'"; $query_up mysqli_query($link, $sql_up); if($query_up){ echo json_encode("ok"); else{ echo json_encode("gagal"); else if ($op "hapus") { $id_hapus filter_input(input_post, "id_hapus"); $sql_del "DELETE from penjualan WHERE id_penjualan'".$id_hapus."'"; $query_del mysqli_query($link, $sql_del); if($query_del){ echo json_encode("ok"); else{ echo json_encode("gagal");

6 61 Kode program 4.3 Source code Pengujian data $op filter_input(input_post, "op"); //start baca pembeli dan tahun if ($op "baca_pembeli") { //start baca pembeli $sql "SELECT id_pembeli,nama_pt FROM pembeli"; $query mysqli_query($link, $sql); $data array(); $no 0; while ($row1 mysqli_fetch_assoc($query)) { $data[$no][0] $row1["id_pembeli"]; $data[$no][1] $row1["nama_pt"]; $no++; //end baca pembeli //start baca tahun $sql2 "SELECT date_format(periode,'%y') as tahun FROM penjualan GROUP BY tahun"; $query2 mysqli_query($link, $sql2); $data2 array(); $no2 0; while ($row2 mysqli_fetch_assoc($query2)) { $data2[$no2] $row2["tahun"]; $no2++; //end baca tahun $kirim array( "pembeli" > $data, "tahun" > $data2 ); echo json_encode($kirim);

7 62 elseif ($op "prediksi") { $id_pembeli filter_input(input_post, "id_pembeli"); $data_acuan filter_input(input_post, "data_acuan"); $data_uji filter_input(input_post, "data_uji"); $sql "SELECT id_penjualan,date_format(periode,'%b-%y') as tgl,jml_penjualan FROM penjualan WHERE id_pembeli'".$id_pembeli."' ORDER by periode asc"; $query mysqli_query($link, $sql); $data array(); $no 0; while ($row mysqli_fetch_assoc($query)) { $data[$no][0] ($no + 1); $data[$no][1] $row["tgl"]; $data[$no][2] $row["jml_penjualan"]; //y $data[$no][3] 0; //Ey $data[$no][4] 0; //Ex $data[$no][5] 0; //Exy $data[$no][6] 0; //Ex2 $data[$no][7] 0; //b $data[$no][8] 0; //a $data[$no][9] 0; //forecast $no++; $t_y 0; $t_x 0; $t_xy 0; $t_x2 0; $b 0; $a 0; $y 0; $musim 0; $rt2 0; $ymusim; for ($i 0; $i < count($data); $i++) { //start data acuan ramalan! semua if ($data_acuan! "semua") { if ($i > $data_acuan) { $hitung hitung_periode($i, $data, $data_acuan); $data[$i][3] $hitung[0]; //Ey $data[$i][4] $hitung[1]; //Ex $data[$i][5] $hitung[2]; //Exy $data[$i][6] $hitung[3]; //Ex2 $data[$i][7] $hitung[4]; //b $data[$i][8] $hitung[5]; //a $data[$i][9] $hitung[6]; //forecast

8 63 else { $xy ($i * $data[$i][2]);//xy $x2 p2($i);//x2 $data[$i][3] $t_y; //Ey $data[$i][4] $t_x; //Ex $data[$i][5] $t_xy; //Exy $data[$i][6] $t_x2; //Ex2 $data[$i][7] $b; //b $data[$i][8] $a; //a $data[$i][9] $y; //forecast $t_y + $data[$i][2]; $t_x + $i; $t_xy + $xy; $t_x2 + $x2; if (((($i + 1) * $i) - ($t_x * 2) + ($t_x * $i) - ($t_x2 * 2)) 0) { $b ""; $a ""; $y ""; else { $b (($t_y * $i) - ($t_xy * 2)) / ((($i + 1) * $i) - ($t_x * 2) + ($t_x * $i) - ($t_x2 * 2)); $a (($t_y - ($t_x * $b)) / ($i + 1)); $y $a + ($b * ($i + 1)); $data_mad_mape array(); $ne 0; $t_selisih 0; $t_error 0; for ($p 0; $p < count($data); $p++) { if (strpos($data[$p][1], $data_uji)! false) { $data_mad_mape[$ne][0] $ne + 1; $data_mad_mape[$ne][1] $data[$p][1]; $data_mad_mape[$ne][2] $data[$p][2]; //y $data_mad_mape[$ne][3] $data[$p][3]; //Ey $data_mad_mape[$ne][4] $data[$p][4]; //Ex $data_mad_mape[$ne][5] $data[$p][5]; //Exy $data_mad_mape[$ne][6] $data[$p][6]; //Ex2 $data_mad_mape[$ne][7] $data[$p][7]; //b $data_mad_mape[$ne][8] $data[$p][8]; //a $data_mad_mape[$ne][9] $data[$p][9]; //forecast if ($data_uji "0") { if ($p < $data_acuan) { $data_mad_mape[$ne][10] 0; //selisih $data_mad_mape[$ne][11] 0; //error else { $data_mad_mape[$ne][10] abs($data[$p][2] - $data[$p][9]); //selisih $data_mad_mape[$ne][11] $data_mad_mape[$ne][10] / $data[$p][2]; //error else { $data_mad_mape[$ne][10] abs($data[$p][2] - $data[$p][9]); //selisih $data_mad_mape[$ne][11] $data_mad_mape[$ne][10] / $data[$p][2]; //error $t_selisih + $data_mad_mape[$ne][10]; $t_error + $data_mad_mape[$ne][11]; $ne++; $mad $t_selisih / $ne; $mape $t_error / $ne; $kirim array( "data" > $data_mad_mape, "t_selisih" > $t_selisih, "t_error" > $t_error, "mad" > $mad, "mape" > $mape ); echo json_encode($kirim);

9 64 function hitung_periode($ke, $data, $periode) { $dt array(); $no 0; $t_y 0; $t_x 0; $t_xy 0; $t_x2 0; $b 0; $a 0; $y 0; for ($i ($ke - $periode); $i < $ke; $i++) { $xy ($no * $data[$i][2]); $x2 p2($no); $t_y + $data[$i][2]; $t_x + $no; $t_xy + $xy; $t_x2 + $x2; $b (($t_y * $no) - ($t_xy * 2)) / ((($no + 1) * $no) - ($t_x * 2) + ($t_x * $no) - ($t_x2 * 2)); $a (($t_y - ($t_x * $b)) / ($no + 1)); $y $a + ($b * ($no + 1)); $no++; $dt[0] $t_y; $dt[1] $t_x; $dt[2] $t_xy; $dt[3] $t_x2; $dt[4] $b; $dt[5] $a; $dt[6] $y; return $dt; function p2($nilai) { $hasil $nilai * $nilai; return $hasil;

10 65 Kode program 4.4 Source code Peramalan Penjualan Musim $op filter_input(input_post, "op"); if ($op "baca") { $sql "SELECT p.id_hslperamalan,i.nama_pt,date_format(p.periode,'%b-%y') as tgl,p.hsl_forecast,p.mad,p.mape FROM peramalan as p,pembeli as i WHERE p.id_pembelii.id_pembeli ORDER BY p.id_hslperamalan asc"; $query mysqli_query($link, $sql); $data array(); $no 0; while ($row mysqli_fetch_array($query)) { $data[$no][0] ($no + 1); $data[$no][1] $row["nama_pt"]; $data[$no][2] $row["tgl"]; $data[$no][3] $row["hsl_forecast"]; $data[$no][4] $row["mad"]; $data[$no][5] $row["mape"]; $data[$no][6] '<button type"button" class"btn btn-round btn-danger p_hapus_peramalan" data-id"'. $row["id_hslperamalan"]. '"><i class"fa fa-trash"></i> Hapus</button>'; $no++; $kirim array( "data" > $data ); echo json_encode($kirim); else if ($op "baca_pembeli") { $sql "SELECT id_pembeli,nama_pt FROM pembeli"; $query mysqli_query($link, $sql); $data array(); $no 0; while ($row1 mysqli_fetch_assoc($query)) { $data[$no][0] $row1["id_pembeli"]; $data[$no][1] $row1["nama_pt"]; $no++; echo json_encode($data);

11 66 elseif ($op "bulan_selanjutnya") { $id_pembeli filter_input(input_post, "id_pembeli"); $sql "SELECT DATE_FORMAT(DATE_ADD(max(periode), INTERVAL 1 MONTH),'%b-%Y') as next_bulan FROM penjualan WHERE id_pembeli'". $id_pembeli. "'"; $query mysqli_query($link, $sql); $bln ""; while ($row mysqli_fetch_assoc($query)) { $bln $row["next_bulan"]; echo json_encode($bln); //end baca bulan selanjutnya //start prediksi trend moment elseif ($op "prediksi") { $id_pembeli filter_input(input_post, "id_pembeli"); $bulan_selanjutnya filter_input(input_post, "bulan_selanjutnya"); //baca semua data $sql "SELECT id_penjualan,date_format(periode,'%b-%y') as tgl,jml_penjualan FROM penjualan WHERE id_pembeli'". $id_pembeli. "' ORDER by periode asc"; $query mysqli_query($link, $sql); // echo $sql; $data array(); $no 0; $data_musim array(); $no_m 0; $t_y 0; $t_x 0; $t_xy 0; $t_x2 0; $b 0; $a 0; $y 0; $t_selisih 0; $t_error 0;

12 67 while ($row mysqli_fetch_assoc($query)) { $data[$no][0] ($no + 1); $data[$no][1] $row["tgl"]; $data[$no][2] $row["jml_penjualan"]; //y $data[$no][3] $no; //x $xy ($no * $data[$no][2]); $data[$no][4] $xy; //xy $x2 p2($no); $data[$no][5] $x2; //x2 $data[$no][6] $t_y; //Ey $data[$no][7] $t_x; //Ex $data[$no][8] $t_xy; //Exy $data[$no][9] $t_x2; //Ex2 $data[$no][10] $b; //b $data[$no][11] $a; //a $data[$no][12] $y; //forecast //index musim if ($no > 11) { $data_musim[$no_m][0] ($no_m + 1); //nomer $data_musim[$no_m][1] $data[$no][1]; //periode $data_musim[$no_m][2] $data[$no][12]; //forecast $rt2 ($t_y / $no); $data_musim[$no_m][3] $rt2; //rata2 if ($no < 24) { $musim ($data[($no - 12)][2] / $rt2); $data_musim[$no_m][4] $musim; //index_musim else { $musim (($data[($no - 12)][2] + $data[($no - 24)][2]) / 2) / $rt2; $data_musim[$no_m][4] $musim; //index_musim $ymusim $musim * $y; $data_musim[$no_m][5] $ymusim; //y_musim $data_musim[$no_m][6] abs($data[$no][2] - $data_musim[$no_m][5]); //selisih $data_musim[$no_m][7] $data_musim[$no_m][6] / $data_musim[$no_m][2]; //error $t_selisih_m + $data_musim[$no_m][6]; $t_error_m + $data_musim[$no_m][7]; //start grafik $grafik[] array( "year" > $data_musim[$no_m][1], "aktual" > $data[$no][2], "forecast" > $data_musim[$no_m][5] ); //end grafik $no_m++;

13 68 $t_y + $data[$no][2]; $t_x + $no; $t_xy + $xy; $t_x2 + $x2; if (((($no + 1) * $no) - ($t_x * 2) + ($t_x * $no) - ($t_x2 * 2)) 0) { $b ""; $a ""; $y ""; else { $b (($t_y * $no) - ($t_xy * 2)) / ((($no + 1) * $no) - ($t_x * 2) + ($t_x * $no) - ($t_x2 * 2)); $a (($t_y - ($t_x * $b)) / ($no + 1)); $y $a + ($b * ($no + 1)); if ($no 0) { $data[$no][13] 0; //selisih $data[$no][14] 0; //error else { $data[$no][13] abs($data[$no][2] - $data[$no][12]); //selisih $data[$no][14] $data[$no][13] / $data[$no][2]; //error $t_selisih + $data[$no][13]; $t_error + $data[$no][14]; $no++; $mad $t_selisih / $no; $mape $t_error / $no; $data[$no][0] $no + 1; $data[$no][1] $bulan_selanjutnya; $data[$no][2] ""; //y $data[$no][3] ""; //x $data[$no][4] ""; //xy $data[$no][5] ""; //x2 $data[$no][6] $t_y; //Ey $data[$no][7] $t_x; //Ex $data[$no][8] $t_xy; //Exy $data[$no][9] $t_x2; //Ex2 $data[$no][10] $b; //b $data[$no][11] $a; //a $data[$no][12] $y; //forecast $data[$no][13] ""; //selisih $data[$no][14] ""; //error //index musim $mad_m $t_selisih_m / $no_m; $mape_m $t_error_m / $no_m; $data_musim[$no_m][0] ($no_m + 1); //nomer $data_musim[$no_m][1] $bulan_selanjutnya; //periode $data_musim[$no_m][2] $data[$no][12]; //forecast $rt2 ($t_y / $no); $data_musim[$no_m][3] $rt2; //rata2 if ($no < 24) { $musim ($data[($no - 12)][2] / $rt2); $data_musim[$no_m][4] $musim; //index_musim else { $musim (($data[($no - 12)][2] + $data[($no - 24)][2]) / 2) / $rt2; $data_musim[$no_m][4] $musim; //index_musim $ymusim $musim * $y; $data_musim[$no_m][5] $ymusim; //y_musim $data_musim[$no_m][6] ""; //selisih $data_musim[$no_m][7] ""; //error

14 69 $kirim array( "data" > $data, "t_selisih" > $t_selisih, "t_error" > $t_error, "mad" > $mad, "mape" > $mape, "data_musim" > $data_musim, "t_selisih_m" > $t_selisih_m, "t_error_m" > $t_error_m, "mad_m" > $mad_m, "mape_m" > $mape_m, "forecast" > $data_musim[$no_m][5], "grafik">$grafik ); echo json_encode($kirim); elseif ($op "tambah") { $id_pembeli addslashes(filter_input(input_post, "id_pembeli")); $periode "01-". addslashes(filter_input(input_post, "bulan_selanjutnya")); $mad addslashes(filter_input(input_post, "mad")); $mape addslashes(filter_input(input_post, "mape")); $forecast addslashes(filter_input(input_post, "forecast")); $sql_ins "INSERT INTO peramalan set id_pembeli'". $id_pembeli. "', mad'". $mad. "', mape'". $mape. "', periodestr_to_date('". $periode. "','%d-%b-%y'), hsl_forecast'". $forecast. "'"; $query_in mysqli_query($link, $sql_ins); if ($query_in) { echo json_encode("ok"); else { echo json_encode("gagal"); else if ($op "hapus") { $id_hapus filter_input(input_post, "id_hapus"); $sql_del "DELETE from peramalan WHERE id_hslperamalan'". $id_hapus. "'"; $query_del mysqli_query($link, $sql_del); if ($query_del) { echo json_encode("ok"); else { echo json_encode("gagal"); function p2($nilai) { $hasil $nilai * $nilai; return $hasil;

15 Pengujian Sistem Uji coba sistem dilakukan untuk menghitung data aktual penjualan kain majun di UD. Farrel Mulya Industri yang sudah ada dan telah digunakan dalam representasi model pada bab sebelumnya. Uji coba ini dilakukan bertujuan untuk melihat sejauh mana sistem yang telah dibuat apakah sesuai dengan representasi model dan rancangan sistem yang telah dibuat Halaman Login Tampilan awal pada saat user (pengguna) membuka sistem adalah tampilan login. Tampilan login ini digunakan untuk membatasi hak akses dari pemakaian sistem peramalan agar tidak digunakan divisi divisi yang lainnya. Gambar 4.1 berikut ini adalah tampilan login pada sistem peramalan yang telah dibangun. Gambar 4.1 Halaman Login Pada Gambar 4.1 Halaman Login sistem di bagi menjadi 2 antara lain yaitu bagian penjualan dan manager tiap user memiliki hak akses yang berbeda untuk bagian penjulan memasukkan data aktual penjualan dan mengoperasikan sistem peramalan. Sedangkan manager hanya menerima hasil output sistem peramalan.

16 Halaman Awal (Home) Setelah User (Pengguna) berhasil melakukan login kedalam sistem, maka akan muncul tampilan awal seperti Gambar 4.2 sebagai berikut : Gambar 4.2 Halaman Awal (Home) Halaman Data Pembeli Halaman seperti pada Gambar 4.3 berikut ini adalah halaman data pembeli digunakan untuk menyimpan data-data pembeli kain majun. Gambar 4.3 Halaman Data Pembeli

17 Halaman Data Penjualan Halaman seperti Gambar 4.4 berikut ini berisi data aktual penjualan kain majun dan juga pada halaman ini digunakan mengubah, menghapus dan menambahkan data penjualan kain majun. Gambar 4.4 Halaman Data Aktual Penjualan Kain Majun Halaman Pengujian Halaman yang ada pada Gambar 4.5 digunakan untuk meramalkan hasil penjualan kain majun pada setiap pembeli (Nama PT) yang telah membeli kain majun. Gambar 4.5 Halaman Pengujian Data

18 73 Pada Gambar 4.5 Halaman Pengujian Data terdapat form input pembeli atau nama PT. yang membeli kain majun jadidapat di kelompokkan dari beberapa pembeli untuk di prediksi, dan form input data acuan ramalan digunakan untuk memilih data acuan yang akan diramalkan antara lain 3 bulan, 6 bulan, 9 bulan, 12 bulan dan semua data. Seperti yang terlihat pada Gambar 4.6 hasil pengujian dari data acuan 3 bulan untuk forecasting data aktual penjualan kain majun. Gambar 4.6 Hasil Forecast data acuan 3 bulan Pada Gambar 4.6 Hasil perhitungan forecasting pengujian data acuan 3 bulan yang digunakan untuk meramalkan data penjualan kain majun untuk mengukur nilai akurasi peramalan yaitu digunakan MAD (Mean Absolut Deviation) didapat dari data aktual dikurangi forecast kemudian di rata-rata dengan jumlah data yang di cari nilai errornya, sedangkan hasil MAPE (Mean Absolute Percentage Error) didapat dari hasil absolut dari error dibagi dengan data aktual.

19 Halaman Peramalan Penjualan Halaman yang ada pada Gambar 4.7 digunakan untuk meramalkan data keseluruhan yang dipengaruhi indek musim dari data aktual Mei 2014 sampai dengan Juni 2017 dapat dihitung forecast indek musim mulai periode Mei 2015 sampai Juni Halaman ini akan secara otomatis meramalkan secara urut dari data aktual penjualan yang telah tersimpan, jadi tinggal memilih nama pembeli kemudian mengklik tombol prediksi maka proses akan dimulai. Gambar 4.7 Halaman Peramalan Penjualan Gambar 4.8 Grafik Penjualan Aktual dan Forecast Musim

20 75 Pada Gambar 4.8 merupakan grafik penjualan aktual kain majun ke PT. Rollent Indonesia yang digambarkan dengan garis merah sedangkan untuk forecast indek musim digambarkan dengan garis warna biru dari grafik tersebut dapat dilihat perbandingan antara penjualan aktual dan hasil forecast penjualan Halaman Data User Halaman yang ada pada Gambar 4.9 berikut ini adalah halaman pengguna (user) digunakan untuk membatasi hak akses pengguna sistem. Fungsi utama halaman ini yaitu mengubah atau menghapus dan menambahkan user baru yang dapat login kedalam sistem. Gambar 4.9 Halaman User Pada halaman user yang dapat mengakses halaman tersebut adalah manager. Sedangkan untuk login sistem sendiri dibagi menjadi dua yaitu level penjualan dan level manager.

21 Halaman Laporan Penjualan Halaman yang ada pada Gambar 4.10 adalah halaman laporan hasil peramalan dan penjualan aktual untuk manager yang digunakan sebagai acuan untuk menentukan penjualan pada periode selanjutnya. Gambar 4.10 Halaman Laporan Manager Gambar 4.11 Grafik Penjualan Aktual Kain Majun

22 Analisa Hasil Pengujian Sistem Analisis hasil pengujian sistem penulis menggunakan data aktual penjualan kain majun di UD. Farrel Mulya Industri selama 38 periode (bulan). Didalam pengujian sistem menggunakan data acuan peramalan yaitu dengan data acuan 3 bulan, 6 bulan, 9 bulan, 12 bulan dan semua data aktual. Data acuan yang digunakan sebagai sampel perhitungan mulai dari bulan Mei 2014 Desember Pada pengujian ini 5 tahapan pengujian dengan kriteria sebagai berikut : 1. Kriteria pertama meramalkan penjualan kain majun menggunakan data acuan 3 bulan, mulai bulan Mei 2014 Desember 2016 untuk meramalkan data penjualan aktual pada tahun 2016 untuk mengetahui hasil peramalan manakah yang terbaik dengan memperoleh nilai kesalahan peramalan Mean Absolut Deviation (MAD) terkecil dan Mean Absolut Percentage Error (MAPE). 2. Kriteria kedua meramalkan penjualan kain majun menggunakan data acuan 6 bulan, mulai bulan Mei 2014 Desember 2016 untuk meramalkan data penjualan aktual pada tahun 2016 untuk mengetahui hasil peramalan manakah yang terbaik dengan memperoleh nilai kesalahan peramalan Mean Absolut Deviation (MAD) terkecil dan Mean Absolut Percentage Error (MAPE). 3. Kriteria ketiga meramalkan penjualan kain majun menggunakan data acuan 9 bulan, mulai bulan Mei 2014 Desember 2016 untuk meramalkan data penjualan aktual pada tahun 2016 untuk mengetahui hasil peramalan manakah yang terbaik dengan memperoleh nilai kesalahan peramalan Mean Absolut Deviation (MAD) terkecil dan Mean Absolut Percentage Error (MAPE). 4. Kriteria keempat meramalkan penjualan kain majun menggunakan data acuan 12 bulan, mulai bulan Mei 2014 Desember 2016 untuk meramalkan data penjualan aktual pada tahun 2016 untuk mengetahui hasil peramalan manakah yang terbaik dengan memperoleh nilai kesalahan peramalan Mean Absolut Deviation (MAD) terkecil dan Mean Absolut Percentage Error (MAPE).

23 78 5. Kriteria kelima meramalkan penjualan kain majun menggunakan data acuan semua data, mulai bulan Mei 2014 Desember 2016 untuk meramalkan data penjualan aktual pada tahun 2016 untuk mengetahui hasil peramalan manakah yang terbaik dengan memperoleh nilai kesalahan peramalan Mean Absolut Deviation (MAD) terkecil dan Mean Absolut Percentage Error (MAPE). Pada pengujian menggunakan acuan semua data di uji lagi menggunakan indek musim untuk mendapatkan peramalan berdasarkan musim digunakan data minimal satu tahun keatas Kriteria Pengujian Pertama Dengan Data Acuan 3 Bulan Tabel 4.1 Forecast Data Acuan 3 Bulan untuk PT. Rollent Periode Jumlah y x xy x 2 b a Y Selisih Error May Jun Jul Aug Sep Oct Nov Dec Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec Jan Feb Mar Apr May

24 79 Periode Jumlah y x xy x 2 b a Y Selisih Error Jun Total MAD MAPE * 100 % % Tabel 4.2 Forecast Data Acuan 3 Bulan dengan indek musim untuk PT. Rollent Periode Forecast Rata-rata Indek Musim Y* musim Selisih Error Data May Jun Jul Aug Sep Oct Nov Dec Jan Feb Mar Apr May Jun Jul Aug Sep Oct

25 80 Periode Forecast Rata-rata Nov-16 Dec-16 Jan-17 Feb-17 Mar-17 Apr-17 May-17 Jun-17 Data Indek Musim Y* musim Selisih Error Total MAD MAPE * 100 % % Jadi untuk hasil peramalan penjualan kain majun menggunakan data acuan 3 bulan untuk meramalkan data penjualan ke PT. Rollent diperkirakan mendapat nilai rata-rata MAD sebesar dan MAPE sebesar % sedangkan jika menggunakan indek musim mendapatkan nilai rata-rata MAD sebesar dan MAPE sebesar % Kriteria Pengujian Kedua Dengan Data Acuan 6 Bulan Tabel 4.3 Forecast Data Acuan 6 Bulan untuk PT. Rollent Periode Jumlah y x xy x 2 b a Y Selisih Error May Jun Jul

26 81 Periode Jumlah y x xy x 2 b a Y Selisih Error Aug Sep Oct Nov Dec Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec Jan Feb Mar , Apr May Jun Total MAD MAPE * 100 % %

27 82 Tabel 4.4 Forecast Data Acuan 6 Bulan dengan indek musim untuk PT. Rollent Periode Forecast Rata-rata May-15 Jun-15 Jul-15 Aug-15 Sep-15 Oct-15 Nov-15 Dec-15 Jan-16 Feb-16 Mar-16 Apr-16 May-16 Jun-16 Jul-16 Aug-16 Sep-16 Oct-16 Nov-16 Dec-16 Jan-17 Feb-17 Mar-17 Apr-17 May-17 Jun-17 Data Indek Musim Y* musim Selisih Error Total MAD

28 83 MAPE * 100 % % Jadi untuk hasil peramalan penjualan kain majun menggunakan data acuan 6 bulan untuk meramalkan data penjualan ke PT. Rollent diperkirakan mendapat nilai rata-rata MAD sebesar dan MAPE sebesar % sedangkan jika menggunakan indek musim mendapatkan nilai rata-rata MAD sebesar dan MAPE sebesar % Kriteria Pengujian Ketiga Dengan Data Acuan 9 Bulan Tabel 4.5 Forecast Data Acuan 9 Bulan untuk PT. Rollent Periode Jumlah y x xy x 2 b a Y Selisih Error May Jun Jul Aug Sep Oct Nov Dec Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov

29 84 Periode Jumlah y x xy x 2 b a Y Selisih Error Dec Jan Feb Mar Apr May Jun Total MAD MAPE * 100 % % Tabel 4.6 Forecast Data Acuan 9 Bulan dengan indek musim untuk PT. Rollent Periode Forecast Rata-rata Indek Musim Y* musim Selisih Error Data May Jun Jul Aug Sep Oct Nov Dec Jan Feb Mar Apr

30 85 Periode Forecast Rata-rata May-16 Jun-16 Jul-16 Aug-16 Sep-16 Oct-16 Nov-16 Dec-16 Jan-17 Feb-17 Mar-17 Apr-17 May-17 Jun-17 Data Indek Musim Y* musim Selisih Error Total MAD MAPE * 100 % % Jadi untuk hasil peramalan penjualan kain majun menggunakan data acuan 9 bulan untuk meramalkan data penjualan ke PT. Rollent diperkirakan mendapat nilai rata-rata MAD sebesar dan MAPE sebesar % sedangkan jika menggunakan indek musim mendapatkan nilai rata-rata MAD sebesar dan MAPE sebesar %.

31 Kriteria Pengujian Keempat Dengan Data Acuan 12 Bulan Tabel 4.7 Forecast Data Acuan 12 Bulan untuk PT. Rollent Periode Jumlah y x xy x 2 b a Y Selisih Error May Jun Jul Aug Sep Oct Nov Dec Jan Feb Mar Apr May Jun Jul Aug Sep Oct Nov Dec Jan Feb Mar Apr May Jun Total MAD

32 87 MAPE * 100 % % Tabel 4.8 Forecast Data Acuan 12 Bulan dengan indek musim untuk PT. Rollent Periode Forecast Rata-rata May-15 Jun-15 Jul-15 Aug-15 Sep-15 Oct-15 Nov-15 Dec-15 Jan-16 Feb-16 Mar-16 Apr-16 May-16 Jun-16 Jul-16 Aug-16 Sep-16 Oct-16 Nov-16 Dec-16 Jan-17 Feb-17 Mar-17 Apr-17 May-17 Jun-17 Data Indek Musim Y* musim Selisih Error Total

33 88 MAD MAPE * 100 % % Jadi untuk hasil peramalan penjualan kain majun menggunakan data acuan 12 bulan untuk meramalkan data penjualan ke PT. Rollent diperkirakan mendapat nilai rata-rata MAD sebesar dan MAPE sebesar % sedangkan jika menggunakan indek musim mendapatkan nilai rata-rata MAD sebesar dan MAPE sebesar % Kriteria Pengujian Keempat Dengan Data Acuan Semua Bulan Tabel 4.9 Forecast Data Acuan semua Bulan untuk PT. Rollent Periode Jumlah y x xy x 2 b a Y Selisih Error May Jun Jul Aug Sep Oct Nov Dec Jan Feb Mar Apr May Jun ,1070 Jul

34 89 Periode Jumlah y x xy x 2 b a Y Selisih Error Aug Sep Oct Nov Dec Jan Feb Mar Apr May Jun Total MAD MAPE * 100 % % Tabel 4.10 Forecast Data Acuan semua Bulan dengan indek musim untuk PT. Rollent Periode Forecast Rata-rata Indek Musim Y* musim Selisih Error Data May Jun Jul Aug Sep Oct Nov

35 90 Periode Forecast Rata-rata Dec-15 Jan-16 Feb-16 Mar-16 Apr-16 May-16 Jun-16 Jul-16 Aug-16 Sep-16 Oct-16 Nov-16 Dec-16 Jan-17 Feb-17 Mar-17 Apr-17 May-17 Jun-17 Data Indek Musim Y* musim Selisih Error Total MAD MAPE * 100 % % Jadi untuk hasil peramalan penjualan kain majun menggunakan data acuan semua bulan untuk meramalkan data penjualan ke PT. Rollent diperkirakan mendapat nilai rata-rata MAD sebesar dan MAPE sebesar % sedangkan jika

36 91 menggunakan indek musim mendapatkan nilai rata-rata MAD sebesar dan MAPE sebesar %. 4.4 Perbandingan Peramalan Perbandingan hasil peramalan penjualan kain majun untuk meramalkan data penjualan aktual menggunakan data acuan 3 bulan, 6 bulan, 9 bulan, 12 bulan, dan semua data peramalan (indek musim) dapat dilihat pada Tabel 4.7 sebagai berikut : Tabel 4.11 Perbandingan Kesalahan Peramalan (MAD) dan (MAPE) Forecast Data tahun Perbandingan Pengujian I ( 3 Bulan) Pengujian II (6 Bulan) Pengujian III (9 Bulan) Pengujian IV (12 Bulan) Pengujian V (Semua Bulan) 2016 Forecast MAD MAPE % % % % % Forecast Indek Musim MAD MAPE % 16.44% % % % Pada Tabel 4.11 Hasil pengujian sistem peramalan menggunakan data sampel aktual penjualan mulai periode Mei 2014 Juni 2017 untuk meramalkan data penjulan dari hasil perbandingan akurasi peramalan terbaik menggunakan data acuan 3 bulan yang mendapat hasil MAD sebesar dan MAPE sebesar % sedangkan untu forecast indek peramalan terbaik menggunakan data acuan semua bulan yang mendapat hasil MAD sebesar dan MAPE sebesar % dari data uji Mei 2014 Juni 2017.