Disusun oleh : Catra Aldino

Disusun oleh : Catra Aldino 5208 100 069

Kondisi saat ini yang ada di perusahaan adalah, perusahaan masih kesusahan untuk membadingkan lokasi mana saja yang harusnya dapat perhatian lebih. Oleh karena itu untuk membangun aplikasi ini, menggunakan joomla dan database oracle yang dimana nantinya akan diintegrasikan menggukan bahasa pemograman php melalui dreamweaver. Menggunakan database oracle karena menyesuaikan database yang digunakan oleh perusahaan dengan dibuatkan aplikasi yang memanfaatkan google map. Tidak hanya itu saja, selain membangun aplikasi berbasis web, dilakukan juga perhitungan proyeksi demand produk flexy dan modem untuk setiap STO.

Bagaimana menyajikan informasi lokasi STO serta Plaza yang mudah dilihat secara geografis. Bagaimana dapat meramalkan daerah yang akan diperioritaskan guna memberikan keuntungan tehadap demand di wilayah tersebut. Bagaimana mempermudah pengisian data secara webpage.

Batasan pemasalahan dalam tugas akhir ini adalah: Dibangun sebagai component di joomla. Koordinat pada peta menggunakan koordinat data yang diberikan oleh Telkom serta sebagian hanya data sementara. Yang bisa update data hanya seorang admin dari perusahaan tersebut. Aplikasi berbasis web dengan bahasa pemograman php dan menggunakan database Oracle. Data yang ada merupakan data untuk penjualan di tiap STO dan Plaza selama 1 tahun.

Tujuan dari tugas akhir ini adalah: Menunjukan lokasi STO serta Plaza yang dimiliki oleh Telkom dengan cara memunculkan berupa grafik pada gambar map di google map. Melakukan proyeksi demand produk Telkom di masa mendatang untuk meningkatkan penjualan yang rendah untuk wilayah-wilayah tertentu. Dapat membuatkan form pengisian data( ) guna untuk mempermudah memasukan data dalam database.

START Studi Litelatur Pengambil an Data Meramalkan produk Pembuatan Laporan Perancang an Desain Pembuatan Aplikasi YES Simple Smoothing Method Measures of Forecasting Error Testing dan Evaluasi NO NO MAPE <= 20% YES Forecast not-valid Forecast Valid Integrasi NO Testing Integrasi YES STOP

Pada tahap ini, dilakukan pengambilan data secara sistematik baik secara langsung maupun tidak langsung sesuai dengan permasalahan yang akan kita angkat pada PT Telkom. Dalam melakukan observasi, diharapkan kita telah menentukan materi, batasan dan teknik observasi yang tepat untuk memperoleh data. Dalam memperoleh data, dilakukan wawancara terhadap pihak internal perusahaan dan juga mencari informasi yang berasal dari situs resmi perusahaan dan situs-situs lain yang mendukung adanya data yang diperlukan dalam pengerjaan tugas akhir ini.

Pada tahap ini aplikasi yang di gunakan adalah oracle, dreamweaver, xampp, php. Dimana semua akan terintegrasi dengan baik untuk memudahkan admin melihat perbandingan yang ada di dalam peta yang di buat. Adapun langkah-langkah yang di lakukan adalah sebagai berikut: Menentukan batasan-batasan aplikasi. Menginstall joomla dan mengedit. Memasukkan project.php di dalam comp_joomla yang ter-install : Melakukan connection dengan menggunakan bahasa php. Menentukan koordinat peta yang ada (longitude- attitude). Membuat database demand dan sales. Membuat form login dan form pengisiian data. Testing aplikasi, Packaging aplikasi.

APACHE PHP JOOMLA! Com DATABASE ORACLE XAMPP PROYEKSI DEMAND FLEXY DAN MODEM

Pada proses ini dilakukan perhitungan demand forecasting terhadap produk Telkom di tiap plaza yang ada di masing-masing STO di Surabaya. Adapun langkah atau cara yang digunakan untuk melakukan peramalan yaitu dengan melakukan single exponential smoothing perkiraan ukuran ERROR.

Metode ini digunakan ketika permintaan tidak memiliki tren musiman. Komponen sistematik permintaan = level. Estimasi awal L 0 diasumsikan rata-rata dari semua data historis L 0 = [Sum( i=1 to n )D i ]/n Perkiraan saat ini untuk semua periode mendatang adalah sama dengan perkiraan saat ini dari tingkat dan diberikan sebagai berikut; F t+1 = L t and F t+n = L t Setelah sudah mengamati hasil demand Dt+1, maka langkah berikutnya yaitu melakukan estimate level demand. L t+1 = ad t+1 + (1-a)L t L t+1 = Sum (n=0 to t+1) [a(1-a) n D t+1-n ]

Rumus yang digunakan untuk melakukan peramalan kesalahan ukuran ini adalah: Keterangan : E t = Forecast error in period t A t = Absolute deviation for period t = E t MAD = Mean Absolute Deviation = average value of A t Mean absolute percentage error (MAPE) MAPE n = (Sum (t=1 to n) [ E t / D t 100])/n Mean squared error (MSE) MSE n = (Sum (t=1 to n) [E t2 ])/n Mean absolute deviation (MAD) MAD n = (Sum (t=1 to n) [A t ])/n s = 1.25MAD Absolute deviation A t = E t Forecast error E t = F t - D t

Pembuatan database Oracle SQL Developer Modul Input Data Modul Login Modul perbandingan plaza tiap STO Menampilkan Bulan dan Tahun Kolom komentar INTEGRASI APLIKASI

Ada 4 table yang dibuat untuk memenuhi syarat pembuatan aplikasi ini, table terdiri dari ; Tabel Pass Tabel Koordinat Tabel Penjualan Tabel FORECAST (Penambahan tabel baru)

Tabel login berisi atribut id dan password. Atribut password disini berguna untuk pengecekan validitas password pada form Login.

Tabel koordinat berisi atribut reg, area, sto, plaza, lati, longi. Atribut reg untuk menunjukkan nomer regional tempat STO berada, area untuk menunjukkan nama area tempat STO berada, sto menunjukkan nama STO, plaza menunjukkan nama plaza, lati dan longi untuk menunjukkan koordinat latitude dan longitude untuk tiap STO dan Plaza pada Google Maps API.

Tabel penjualan dibuat untuk memberikan informasi penjualan flexy dan modem di tiap-tiap plaza di STO masing-masing. Atribut STO untuk menunjukkan nama STO, plaza untuk menunjukkan nama plaza, nd untuk menunjukkan jumlah yang dijual, mmyyyy untuk menunjukkan bulan dan tahun yang menunjukkan periode untuk laporan penjualan, flexy serta modem untuk menunjukkan jumlah produk yang dijual.

Tabel ini digunakan untuk mengintegrasikan demand dan forecast yang sudah dihitung melalui Ms. Excell. Adapun attribute yang ada di dalamnya yaitu date, demand felxy, demand modem, forecast flexy dan juga forecast modem.

Untuk mengecek validitas password yang diinputkan oleh user sebelum masuk ke halaman Input Data Kemudian membuat koneksi kembali dengan database Oracle. Pengecekan validitasi password yang dimasukan dilakukan dengan query select password pada tabel login, kemudian dicek apakah isinya sama atau tidak.

Pada kolom ini, ditambahkan fitur date yang berisi bulan dan tahun. Jadi aplikasi yang ada dapat menampilkan banyaknya penjualan di tiap plaza di masing-masing STO untuk tiap bulannya.

Tampilan STO Tampilan Plaza di dalam STO

Alur integrasi di sini di jelaskan langkah-langkah yang dilakukan adalah menggambil data dari excel kemudian membuat database untuk menyimpan data tersebut dan melakukan pemograman sederhana menggunakan php untuk dapat menampilkan di aplikasi google map yang sudah jadi.

Ada 2 metode analisis yang akan dilakukan utnuk meramalkan permintaan produk, yaitu ; Simple exponential smoothing Measures of forecasting error

Gabungan data dilakukan untuk mempermudah melakukan perhitungan untuk setiap analisis yang akan dilakukan. Lihatlah pada tabel gabungan data di bawah ini, adalah gabungan data demand 1 tahun untuk total produk flexy dan modem di STO A. Demand Bulan flexy modem 1 13 22 2 18 19 3 16 19 4 12 17 5 18 18 6 23 19 7 9 16 8 15 15 9 25 19 10 13 15 11 20 8 12 26 13

1 2 3 4 5 6 7 8 9 10 11 12 13 14 Periode Demand Flexy (Dt) 0 18.916667 Level (Lt) Forecast (Ft) Error (Et) Absolut Error (At) Cell Cell Formula C2 =AVERAGE(B2:B14) C3 =0.1*B3+(1-0.1)*C2 D3 =C2 E3 =D3-B3 F3 =ABS(E3) G3 =SUMSQ($E$3:E3)/A3 H3 =SUM($F$3:F3)/A3 I3 =100*(F3/B3) J3 =AVERAGE($I$3:I3) A B C D E F G H I J MSE MAD %Error MAPE 1 17 18.725 18.91666667 1.91666667 1.916666667 3.673611111 1.916666667 11.2745098 11.2745098 2 18 18.6525 18.725 0.725 0.725 2.099618056 1.320833333 4.027777778 7.651143791 3 16 18.38725 18.6525 2.6525 2.6525 3.744997454 1.764722222 16.578125 10.62680419 4 18 18.348525 18.38725 0.38725 0.38725 2.846238731 1.420354167 2.151388889 8.507950368 5 18 18.313673 18.348525 0.348525 0.348525 2.30128492 1.205988333 1.93625 7.193610294 6 23 18.782305 18.3136725-4.6863275 4.6863275 5.578015006 1.786044861 20.37533696 9.390564738 7 18 18.704075 18.78230525 0.78230525 0.78230525 4.868584506 1.642653488 4.346140278 8.669932672 8 15 18.333667 18.70407473 3.70407473 3.704074725 5.975032639 1.900331143 24.6938315 10.67292003 9 25 19.000301 18.33366725-6.6663327 6.666332747 10.24891705 2.429886877 26.66533099 12.44985458 10 13 18.40027 19.00030053 6.00030053 6.000300527 12.82438598 2.786928242 46.1561579 15.82048491 11 20 18.560243 18.40027047-1.5997295 1.599729525 11.89118131 2.679001086 7.998647627 15.10940879 12 26 19.304219 18.56024343-7.4397566 7.439756573 15.51274769 3.07573071 28.61444836 16.23482876

1 2 3 4 5 6 7 8 9 10 11 12 13 14 Periode α besar, smoothing yg dilakukan kecil α kecil, smoothing yg dilakukan semakin besar Demand Flexy (Dt) 0 18.916667 Level (Lt) Forecast (Ft) Error (Et) Absolut Error (At) Cell Cell Formula C2 =AVERAGE(B2:B14) C3 =0.1*B3+(1-0.1)*C2 D3 =C2 E3 =D3-B3 F3 =ABS(E3) G3 =SUMSQ($E$3:E3)/A3 H3 =SUM($F$3:F3)/A3 I3 =100*(F3/B3) J3 =AVERAGE($I$3:I3) 0.1*B3+(1-0.1)*C2 α=0.1 Lt A B C D E F G H I J LO L 0 = [Sum( i=1 to n )D i ]/n MSE MAD %Error MAPE 1 17 18.725 18.91666667 1.91666667 1.916666667 3.673611111 1.916666667 11.2745098 11.2745098 2 18 18.6525 18.725 0.725 0.725 2.099618056 1.320833333 4.027777778 7.651143791 3 16 18.38725 18.6525 2.6525 2.6525 3.744997454 1.764722222 16.578125 10.62680419 F t+1 = L t and F t+n = L t 4 18 18.348525 18.38725 0.38725 0.38725 2.846238731 1.420354167 2.151388889 8.507950368 5 18 18.313673 18.348525 0.348525 0.348525 2.30128492 1.205988333 1.93625 7.193610294 MAPE 6 23 18.782305 18.3136725-4.6863275 4.6863275 5.578015006 1.786044861 20.37533696 9.390564738 7 18 18.704075 18.78230525 0.78230525 0.78230525 4.868584506 1.642653488 4.346140278 8.669932672 8 15 18.333667 18.70407473 3.70407473 3.704074725 5.975032639 1.900331143 24.6938315 10.67292003 Mean absolute percentage error (MAPE) MAPE n = (Sum (t=1 to n) [ E t / D t 100])/n 9 25 19.000301 18.33366725-6.6663327 6.666332747 10.24891705 2.429886877 26.66533099 12.44985458 10 13 18.40027 19.00030053 6.00030053 6.000300527 12.82438598 2.786928242 46.1561579 15.82048491 11 20 18.560243 18.40027047-1.5997295 1.599729525 11.89118131 2.679001086 7.998647627 15.10940879 12 26 19.304219 18.56024343-7.4397566 7.439756573 15.51274769 3.07573071 28.61444836 16.23482876 Ft MAPE <= 20 % Maka forecast dikatakan valid

Aplikasi sudah jadi berbasis web memanfaatkan google map, informasi ini ditampilkan dalam bentuk joomla yang menambahkan komponen peta google map dalam bentuk grafik hexagon dan circle. Aplikasi digunakan dalam monitoring demand yang didapat untuk tiap plaza di masing-masing STO. Dengan adanya aplikasi ini maka bagian Consumer Service Timur pun dapat segera mengevaluasi masalah ini dengan menambah jumlah plaza pada STO yang dimaksud atau dengan cara melakukan promo untuk setiap periode dalam satu tahun.

Untuk proyeksi demand yang dilakukan pada produk flexy dan modem sudah tepat dikarenakan MAPE error pada forecast yang dihitung sudah bernilai <= 20%. Hasil forecast untuk tiap STO pada produk flexy dan modem sudah dihitung dan dapat mengetahui proyeksi demand pada tahun berikutnya dengan asumsi data 2011 yang digunakan untuk menghitung.

Untuk perusahaan jika ingin menghitung proyeksi demand kedapan, perlu adanya penambahan plaza untuk setiap STO yang dimana memiliki rekap penjualan rendah. Hal-hal yang bisa dikembangkan dan ditambahkan dari aplikasi ini adalah perlu adanya penambahan data, seperti data penjualan, promo, dan data lainnya yang dapat menambah fitur pada aplikasi, karena dapat mempengaruhi hasil tampilan pada aplikasi.

Tampilan STO Tampilan Plaza di dalam STO