JSIKA Vl. 5, N. 11, Tahun 2016 ISSN 2338-137X RANCANG BANGUN APLIKASI PERAMALAN PERSEDIAAN BAHAN BAKU PADA CV LINTAS NUSA SURABAYA Iin Indarwati 1) A.B. Tjandrarini 2) Valentinus Rby Hanant 3) S1 / Jurusan Sistem Infrmasi Fakultas Teknlgi dan Infrmatika Institut Bisnis dan Infrmatika Stikm Surabaya Jl. Raya Kedung Baruk 98 Surabaya, 60298 Email: 1)10410110007@stikm.edu, 2) Asteria@stikm.edu, 3)Valentinus@stikm.edu Abstract : CV Lintas Nusa Surabaya is an ffset printing that prduces brchures, labels, hang tags, etc. The cmpany carries ut prductin accrding by custmer rders (make t rder). S far, the cmpany ften experience shrtages f raw materials when prductin, s it resulting in time delays when it meets the custmer rders. This is due t lack f cntrl n inventry in the warehuse and nt careful t prepare the raw material requirement befre the prductin prcess. Based n these prblems, the cmpany need an applicatin t frecast the raw material inventry using Single Expnential Smthing methd. In that system, there are several prcess, is selecting previus perids f custmer demand, selecting the finished gds, calculating the raw material requirement by demands, and frecasting the raw material requirement fr three perids ahead.that applicatin prduce the frecasting results reprt and raw material requirements reprt. Based n the applicatins made and sme f trials that have been dne, the cmpany be able t knw the infrmatin needed, especially abut the meet raw material requirements such as what raw materials shuld be prepared befre the prductin prcess. Keywrd : Frcasting, inventry, Single Expnential Smthing CV Lintas Nusa Surabaya merupakan perusahan jasa yang bergerak dalam bidang percetakan ffset. Perusahaan melakukan prduksi jika ada pesanan dari pelanggan (make t rder). Menurut Sinulingga (2009), make t rder merupakan pelanggan menyediakan spesifikasi dan desain prduk. Berdasarkan desain tersebut perusahaan menyediakan bahan, pembuatan part dan kmpnen, merakit dan mengirimkan prduk kepada pelanggan. Sama seperti engineering t rder kegiatan prduksi dilakukan apabila pelanggan telah mengajukan permintaan. Karena engineering design disediakan leh pelanggan maka perencanaan dan pengendalian prduksi tidak mencakup kegiatan engineering.tipe make t rder sering dijumpai pada perusahaan industri mesin-mesin di mana riginal equipment manufacturer sering mensubkntrakkan pembuatan sebagian kmpnen mesin-mesin yang diprduksinya. Perusahaan yang menerima rder subkntrak ini disebut berperasi berdasarkan tipe make t rder. Sedangkan menurut Arif (2016), Bila prdusen menyelesaikan prduk jika dan hanya telah menerima pesanan knsumen untuk prdusen tersebut. Bila prduk tersebut bersifat unik dan mempunyai desain yang dibuat menurut pesanan, maka knsumen mungkin bersedia menunggu hingga prdusen dapat menyelesaikan. Perusahaan menerima permintaan baik dari pelanggan yang baru (new rder) atau pelanggan yang sudah menjadi langganan (repeat rder). Dalam prses prduksi melibatkan beberapa macam prses diantaranya desain, repr, cutting, cetak (printing) dan finishing. Hasil cetak yang dihasilkan bermacammacam seperti brsur, undangan, kemasan prduk, buku, majalah, nta, label kemasan, hang tag dan sebagainya. Sedangkan prduk yang sering diminta leh pelanggan adalah brsur dan label. Menurut Pitart (2015), percetakan ffset mesin cetak ffset merupakan mesin khusus yang digunakan untuk mencetak dengan jumlah besar dalam waktu singkta. Percetakan ffset membutuhkan bantuan atau tambahan alat yaitu film dan plat cetak (aluminium plate) yang berfungsi sebagai media transfer gambar atau dkumen yang akan ditransfer ke permukaan media setelah diisi terlebih dahulu dengan tinta di rll mesin. Sedangkan menurut Mulyanta (2005), knsep cetak ffset adalah menggunakan prinsip di mana tinta minyak dan air tidak akan bercampur. Plate cetak akan menyerap tinta, sebab area ini dikndisikan untuk dapat menyerap tinta minyak dan tidak menyerap air. Pada cetak warna, setiap warna mempunyai unit tersendiri. Pada perkembangan teknlgi mesin cetak, satu mesin cetak dapat langsung mereprduksi warna utama dalam industri cetak, yaitu Cyan, Magenta, Yellw dan Black atau CMYK Semakin banyak permintaan pelanggan terhadap prduk brsur dan label, perusahaan sering megalami kekurangan bahan baku pada saat prses cetak berlangsung. Kurangnya pengawasan terhadap persediaan bahan baku dan kapasitas gudang yang tidak begitu besar juga mempengaruhi habisnya bahan baku. Akibatnya prses prduksi tidak teratur dan pemenuhan permintaan pelanggan mengalami keterlambatan. Jumlah pemakaian bahan baku sangat berpengaruh terhadap tingkat persediaan. Semakin sering bahan baku itu digunakan dalam prses prduksi, maka semakin besar jumlah persediaan yang dibutuhkan perusahaan menurut Syamsudin (2007). Oleh sebab itu, perusahaan harus bisa mengatur persediaan bahan baku sesuai dengan permintaan. Salah satu cara yaitu melakukan peramalan untuk peride berikutnya dengan acuan data permintaan yang sudah ada. Berdasarkan uraian yang dijelaskan sebelumnya, perusahaan membutuhkan sebuah aplikasi JSIKA Vl. 5, N. 11, Tahun 2016, ISSN 2338-137X Page 1
JSIKA Vl. 5, N. 11, Tahun 2016 ISSN 2338-137X yang dapat membantu dalam mengatasi permasalahan. Selain membantu mengatasi masalah dibutuhkan aplikasi yang efektif dalam meramalkan kebutuhan bahan baku yang akan digunakan pada waktu prses prduksi. Dalam melakukan peramalan, dibutuhkan sebuah metde sebagai pendukung untuk mendapatkan hasil yang lebih baik. Metde yang digunakan dalam peramalan persediaan bahan baku adalah metde Single Expnential Smthing. Sebelum menentukan metde yang sesuai dengan peramalan tersebut, ada beberapa tahap yang harus dijalankan. Seperti mengumpulkan data permintaan peride masa lalu, menguji pla data, selanjutnya bisa menentukan metde yang sesuai. Menurut Prawirsents (2005), pada perusahaan manufaktur yang memprses input menjadi utput, persediaan adalah simpanan bahan baku dan barang setengah jadi (wrk in prcess) untuk diprses menjadi barang jadi (finished gd) yang mempunyai nilai tambah lebih besar secara eknmis, untuk selanjutnya dijual kepada pihak ketiga (knsumen). Mengingat bahan baku tersebut akan dilah menjadi barang jadi maka agar kelancaran prses prduksi dapat terjamin diperlukan penyediaan bahan-bahan bersangkutan. Bila tidak, kemungkinan kelancaran prses prduksi dapat terganggu sehingga mengakibatkan terjadinya pembrsan. Bila saja suatu perusahaan tidak melakukan penyimpanan persediaan bahan, tetapi prses prduksinya berjalan lancar. Hal ini hanya dapat terjadi pada perusahaan yang bekerja secara pesanan (jb rder), dimana perusahaan akan membeli bahan bila ada pesanan, sebaliknya bila tidak ada pesanan(rder), dia tidak akan menyediakan bahan baku Menurut Arsyad (2001), peramalan merupakan salah satu input penting bagi para manajer dalam pengambilan keputusan. Hampir setiap keputusan perasinal dalam batas-batas tertentu tergantung pada suatu peramalan. Akumulasi persediaan berhubungan dengan peramalan permintaan yang diharapkan; bagian pengadaan harus memperhitungkan kebutuhan bahan baku untuk tiga peride mendatang. Menurut Nasutin (2006), Peramalan adalah prses memperkirakan berapa kebutuhan di masa datang yang meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu dan lkasi yang dibutuhkan dalam rangka memenuhi permintaan barang ataupun jasa. Peramalan tidak terlalu dibutuhkan dalam kndisi permintaan pasar yang stabil, karena perubahan permintaannya relatif kecil. Tetapi peramalan akan sangat dibutuhkan bila kndisi permintaan pasar bersifat kmpleks dan dinamis. Menurut Sants (2009), metde Single Expnential Smthing beranggapan bahwa semakin jauh sebuah data dari data terkini, semakin berkurang bbt data tersebut. Dengan demikian, jika data terakhir adalah tahun 2016, maka data tahun 2015 dinilai lebih penting dan diberi bbt lebih besar dalam upaya peramalan dibandingkan dengan data tahun 2014. Menurut Arsyad (2001), Bbt yang digunakan dalam pemulusan ekspnensial adalah untuk data yang paling baru, α(1-α) digunakan untuk data yang agak lama, α(1-α) 2 untuk data yang lebih lama lagi dan seterusnya. Bbt α diberikan pada data yang baru, dan bbt 1-α diberikan pada ramalan yang lama, dimana 0< α<1. Dengan demikian : dimana : =nilai ramalan untuk peride berikutnya α =knstanta pemulusan (0 < α < 1) Y t =data baru atau nilai Y yang sebenarnya pada peride t = nilai pemulusan yang lama atau rata-rata yang dimuluskan hingaa peride t-1. Agar α dapat diinterpretasikan dengan baik, persamaan 4.2 diuraikan sebagai berikut = αyt + t α t = t + α (Yt - t) Perhitungan kesalahan peramalan Menurut Render (2009), Akurasi keseluruhan dari setiap mdel peramalan dapat dijelaskan dengan membandingkan nilai yang diramal dengan nilai aktual atau nilai yang sdengan diamati. Jika F t melambangkan peramalan pada peride t, dan A t melambangkan permintaan aktual pada peride t, maka kesalahan peramalannya (deviasinya) adalah sebagai berikut : Kesalahan peramalan = Permintaan aktual (A t) dikurangi dengan Nilai Peramalan (F t). METODE Pada metde penelitian yang diambil menggunakan mdel pengembangan System Develpment Life Cycle (SDLC) bisa disebut juga dengan mdel waterfall (Pressman, 2012). Pada mdel waterfall terdapat beberapa tahapan yang meliputi tahap kmunikasi (Cmmunicatin), tahap perencanaan (Planning), tahap pemdelan (Mdeling), tahap knstruksi (Cnstructin) dan tahap penerapan aplikasi (Deplyment) yang diakhiri dengan dukungan berkelanjutan pada peangkat lunak yang dihasilkan. Mdel SDLC ditunjukkan pada Gambar 1 berikut. Gambar 1. Pengembangan Menggunakan Mdel Waterfall (Pressman, 2012) Kmunikasi Pada tahap kmunikasi, dilakukan prses bservasi dan wawancara. Prses bservasi dilakukan dengan cara mengamati secara langsung prses bisnis yang terjadi pada bagian yang bersangkutan yang bertujuan untuk mengetahui infrmasi tentang perusahaan. Tahap ini dilakukan dengan cara JSIKA Vl. 5, N. 11, Tahun 2016, ISSN 2338-137X Page 2
JSIKA Vl. 5, N. 11, Tahun 2016 ISSN 2338-137X melakukan prses tanya jawab kepada pimpinan CV Lintas Nusa yang berfungsi untuk mencckkan data dan infrmasi yang diperlukan dalam membangun sistem. Perencanaan Prses selanjutnya adalah menetapkan rencana untuk pengerjaan aplikasi yang meliputi tugas-tugas teknis yang akan dilakukan, risik yang mungkin terjadi, sumber-sumber yang dibutuhkan, hasil yang akan dibuat, dan jadwal pengerjaan. Pada penelitian ini yang dilakukan adalah melakukan identifikasi dan analisis permasalahan, kebutuhan perangkat lunak dan keras, analisis kebutuhan sistem, dan membuat diagram input prses utput. Identifikasi dan Analisis Permasalahan Berdasarkan hasil bservasi dan wawancara yang telah dilakukan, perusahaan ini memiliki masalah pada prses bisnis utamanya. Prses prduksi yang dilakukan leh perusahaan selama ini tidak sesuai dengan harapan pimpinan CV Lintas Nusa Surabaya. Hal tersebut disebabkan pada saat melakukan prduksi sering terjadi kehabisan bahan baku. Sedangkan prses prduksi dilakukan ketika ada permintaan dari pelanggan (make t rder). Jika bahan baku habis, perusahaan melakukan pembelian kepada supplier dengan waktu tunggu (Lead Time) dari supplier adalah ± tiga hari. Estimasi ± tiga hari digunakan untuk maksimal tiga supplier, sebab satu supplier tidak selalu menyediakan apa yang dibutuhkan leh perusahaan. Berdasarkan permasalahan yang terjadi, perusahaan menghitung kebutuhan bahan baku yang digunakan untuk prses prduksi dengan cara memperkirakan jumlah permintaan prduk jadi peride berikutnya berdasarkan insting dan pengalaman sebelumnya. Dari hasil perkiraan tersebut, dihitung kebutuhan bahan baku yang harus disediakan berdasarkan jumlah permintaan prduk jadi. Analisis Kebutuhan Pengguna Berdasarkan hasil identifikasi permasalahan yang telah dilakukan, maka dapat dibuat kebutuhan pengguna. Analisis kebutuhan pengguna berfungsi untuk mengetahui kebutuhan dari masing-masing pengguna yang berhubungan langsung dengan aplikasi yang dibuat dapat sesuai dengan apa yang diminta.pengguna yang berpengaruh terhadap aplikasi adalah bagian penjualan dan manajer pengadaan. Analisis Kebutuhan Data Dari analisis kebutuhan pengguna yang telah disusun sebelumnya, maka dibutuhkan beberapa data untuk menunjang aplikasi yang dibuat. Terdapat enam data yang diperlukan dalam pembuatan aplikasi. Data yang diperleh dari bagian penjualan : 1. Data Permintaan Data permintaan telah disediakan leh pihak perusahaan dan peniliti diberi akses untuk membaca data permintaan. Data permintaan yang diperlukan adalah peride permintaan dan jumlah permintaan. 2. Data Prduk Jadi Data prduk jadi telah disediakan leh pihak perusahaan dan peneliti diberi akses untuk membaca data prduk jadi. Data prduk jadi yang diperlukan adalah jenis prduk jadi. Data yang diperleh dari Pengadaan : 3. Data Bahan Baku Data Bahan Baku telah disediakan leh pihak perusahaan dan peneliti diberi akses untuk membaca data bahan baku. Data bahan baku yang diperlukan adalah jenis bahan baku dan stk saat ini. 4. Data Bill Of Material Data bill f material digunakan untuk mengetahui dan mengitung bahan baku apa saja yang dibutuhkan dalam memprduksi suatu prduk jadi sesuai dengan permintaan pelanggan. 5. Data Kebutuhan Bahan Baku Data kebutuhan bahan baku digunakan untuk mengetahui jumlah kebutuhan bahan baku yang harus disiapkan jika akan memenuhi permintaan. 6. Hasil Peramalan Hasil Peramalan digunakan untuk mengetahui hasil dari perhitungan peramalan yang dibuat dengan metde Single Expnential Smthing. Prses Peramalan 1. Pengumpulan Data Tahap persiapan data adalah tahap untuk mempersiapkan data yang telah dikumpulkan. Data yang digunakan untuk melakukan peramalan persediaan bahan baku adalah data permintaan yang terdapat pada CV Lintas Nusa Surabaya. Arsip yang dimiliki leh perusahaan terkait dengan data permintaan yang paling awal adalah tahun 2014. Pada peramalan kali ini, rentang waktu dari data yang digunakan adalah data permintaan mulai dari bulan September tahun 2014 hingga bulan Septembertahun 2015 atau selama ± dua tahun. Dalam kurun waktu ± dua tahun, data yang didapatkan untuk dilah dalam peramalan sebanyak 54 data, pada tahun 2014 mempunyai 18 data sedangkan tahun 2015 mempunyai 36 data. 2.Pengujian Pla Data Data permintaan tersebut perlu diidentifikasi terlebih dahulu untuk mengetahui jenis dan planya. Hal tersebut perlu dilakukan karena metde peramalan yang akan digunakan memiliki beberapa persyaratan untuk data masukannya, supaya peramalan yang dilakukan akan memberikan hasil yang baik. Data permintaan yang telah disiapkan termasuk ke dalam data kuantitatif, karena data tersebut didapatkan dari hasil pengukuran berupa angka. Data tersebut juga merupakan data runtut waktu, karena telah dikumpulkan dan dicatat sepanjang waktu yang berurutan secara kuantitatif. Selain jenis data kuantitatif dan runtut waktu, data permintaan tersebut harus diketahui terlebih dahulu bagaiman pla data. JSIKA Vl. 5, N. 11, Tahun 2016, ISSN 2338-137X Page 3
Autcrrelatin PERMINTAAN JSIKA Vl. 5, N. 11, Tahun 2016 ISSN 2338-137X Pla data dapat dibedakan menjadi empat jenis siklis dan trend, yaitu pla hrisntal(h), musiman(m), siklis(c), dan trend(t). Untuk dapat mengetahui tampilan grafik dari data permintaan yang telah disiapkan. Tampilan grafik tersebut memiliki ciri khas tersendiri yang dapat membantu mendapatkan pla data yang benar. Adapun cnth pengamatan pla data berdasarkan grafik dari data permintaan ada pada Gambar 2, uji autkrelasi pada Gambar 3 dan Tabel 1. 40000 30000 20000 10000 Gambar 2 Hasil pla data dari data permintaan 1.0 0.8 0.6 0.4 0.2 0.0-0.2-0.4-0.6-0.8-1.0 0 1 1 2 5 Time Series Plt f PERMINTAAN 10 15 20 25 30 Index Autcrrelatin Functin fr PERMINTAAN (with 5% significance limits fr the autcrrelatins) 3 4 5 6 7 Lag Gambar 3 Hasil uji autkrelasi data permintaan 35 Tabel 1 Uji autkrelasi 8 9 10 40 11 45 12 50 13 besaran ACF. Bar pertama terletak di atas garis, karena bernilai psitif (0,056366). Panjang bar menunjukkan besar krelasi secara prprsinal bar ketiga angka ACF yan mendekati nl (-0,01) ditampilkan dalam bentuk bar yang sedikit di bawah garis. Adanya 12 bar menunjukkan adanya 12 ACF yang dihitung. Pada Gambar 3 di atas dan di bawah bar terdapat dua garis merah terputus-putus. Itu adalah garis upper dan lwer dari angka krelasi yang tidak menunjukkan adanya autkrelasi. Jika bar yang ada tidak melebihi garis merah yang di atas ataupun di bawah, berarti tidak ada autkrelasi. Sebaliknya jika terdapat sejumlah bar (tidak harus semua bar) melewati baik garis bawah ataupun atas, maka dapat diduga ada autkrelasi pada data. 12 Data ACF pada Gambar 3 tidak ada yang melewati garis batas merah, baik yang ada di atas ataupun yang ada di bawah. Dengan demikian, dapat disimpulkan tidak ada autkrelasi dan pla data bersifat stasiner. 3. Pemilihan Teknik Permalan Dari uji pla data yang sudah dilakukan, pla data permintaan bersifat stasiner.suatu data runtut waktu yang bersifat stasiner, merupakan suatu serial data yang nilai rata-ratanya tidak berubah sepanjang waktu. Beberapa teknik yang seygnyanya dipertimbangkan ketika meramalkan data runtut waktu yang stasiner adalah mdel sederhana, metde ratarata sederhana, rata-rata bergerak, pemulusan ekspnensial, dan metde bx-jenkins. Metde Sederhana Rata-rata sederhana Rata-rata bergerak Pemulusan Ekspnensial Bx Jenkins Tabel 2 Pemilihan Teknik Peramalan Pla Data ST,T, M Jangka Waktu Mdel PDK RW 1 ST PDK RW 30 ST PDK RW 4-20 ST PDK RW 2 ST,T,S,M PDK RW 24 Jumlah Data Minimum yang diperlukan Keterangan Tabel 2: Pla Data: ST=Stasiner, T=Trend, M=Musiman, S = Siklis Jangka Waktu : PDK = Pendek Mdel : RW = Runtut Waktu (time series) Dari grafik yang terdapat pada Gambar 2, maka terlihat data dari waktu ke waktu relatif tidak naik atau turun. Ada pla kenaikan data yang diikuti leh pla data yang menurun. Sedangkan pada Gambar 3, adanya bar (batang) berwarna biru yang melambangkan Setelah diketahui teknik peramalan apa saja yang sesuai dengan pla data stasiner seperti ada Tabel 3.9. Maka langkah selanjutnya adalah memilih salah satu teknik peramalan dengan cara membandingkan metde. Membandingan metde yaitu dengan cara menghitung ke dalam persamaan yang tersedia pada tiap-tiap metde. Setelah menghitung ke dalam persamaan, selanjutnya yaitu membandingkan MSE JSIKA Vl. 5, N. 11, Tahun 2016, ISSN 2338-137X Page 4
JSIKA Vl. 5, N. 11, Tahun 2016 ISSN 2338-137X terkecil. Berikut hasil perbandingan MSE terkecil dari beberapa metde yang dibandingkan. Tabel 3 Hasil Perbandingan Metde untuk data stasiner NO Metde Nilai MSE 1 Naïve 70.656.372, 55 2 Simple Avarage 5.652.435.056 3 Mving Avarage 426.194.074,1 4 Single Expnensial 44.099.379,8 5 Duble Exp Brwn 46.049.700 6 Duble Exp Hlt 69.880.558,8 7 Winter 54.892.265 Dari hasil perbandingan metde untuk data stasiner yang terlihat pada Tabel 3, nilai MSE yang terkecil yaitu pada metde Single Expnensial dengan nilai 44.099.379,8. Jadi, dari hasil uji pla data dan perbandingan metde yang sudah dilakukan. Prses perhitungan peramalan menggunakan metde Single Expnential Smthing. Langkah selanjutnya yaitu meramalkan peride masa lalu. 4. Peramalan Peride Masa Lalu Tahap meramalkan peride masa lalu, yaitu dengan menggunakan data yang sudah disiapkan sebelumnya. Data yang sudah disiapkan untuk peramalan yaitu data permintaan pelanggan. Metde Single Expnensial Smthing merupakan peramalan untuk jangka pendek. Peramalan jangka pendek hanya efektif digunakan untuk beberapa peride ke depan. Cnthnya, suatu peramalan menggunakan metde Single Expnensial Smthing menggunakan data sejak bulan September tahun 2014 hingga bulan Januari tahun 2016. Peramalan tersebut hanya efektif jika digunakan untuk meramalkan data permintaan di bulan Januari tahun 2016 hingga bulan Maret tahun 2016, dengan catatan terjadi penurunan keakuratan di setiap peridenya. Oleh karena itu, pada peramalan yang akan dibuat ini dibatasi dengan maksimal jumlah peride yang diramalkan sebanyak tiga peride. Perhitungan peramalan peride masa lalu bisa dilihat pada lampiran 2 peramalan dengan metde Single Expnensial Smthing. 5. Perhitungan Akurasi Peramalan peride berikutnya dengan metde SingleExpnential Smthing terlihat ada satu knstanta, yaitu α (alpha). Knstanta tersebut berperan penting dalam menentukan apakah mdel dari peramalan yang telah dipakai merupakan mdel yang terbaik. Knstanta tersebut dikmbinasikan untuk mendapatkan hasil peramalan yang terbaik, meskipun dengan data masukan yang sama. Hal tersebut berarti bahwa untuk meakukan satu kali peramalan dengan metde Single Expnential Smthing dengan knstanta yang berbeda, belum tentu menghasilkan nilai kesalahan terkecil. Mdel dari metde Single Expnential Smthing yang terbaik didapatkan dengan cara mencari nilai rata-rata kesalahan yang terkecil, yaitu dengan mengubah kmbinasi knstanta yang ada. Pengubahan kmbinasi tersebut dilakukan secara berulang dengan jumlah perulangan sama dengan jumlah maksimal kmbinasi yang bisa didapatkan dari knstanta yang ada. Mdel yang akan digunakan pada tahap peramalan kali ini menggunakan satu mdel saja, karena mdel yang terbaik akan dicari dengan menggunakan aplikasi yang akan dibuat. 6. Peramalan Peride Berikutnya dan Prses Pengambilan Keputusan Secara sederhana Single Expnential Smthing adalah nilai ramalan lama ( t) ditambah α (alpha) dikalikan dengan tingkat kesalahan (Yt - t) dari ramalan yang lama. Knstanta pemulsan α erfungsi sebagai faktr penimbang. Jika α menekati 1, berarti nilai ramalan yang baru sudah memasukkan faktr penyesuaian untuk setiap tingkat kesalahan yang terjadi pada nilai ramalan yang lama. Sebaliknya, bila α mendekati 0, berarti nilai ramalan yang baru hampir sama dengan nilai ramalan yang lama. Teknik pemulusan ekspnensial untuk data permintaan selama tahun 2014 sampai 2016, dengan menggunakan knstanta pemulusan 0.1 sampai dengan 0.9. Data yang dimuluskan secara ekspnensial dihitung dengan menetapkan Y1 sampai dengan 51 data. Pemdelan Pada prses pemdelan ini menerjemahkan syarat kebutuhan ke sebuah perancangan sftware yang dapat diperkirakan sebelum dibuat cding. Prses ini berfkus pada rancangan struktur data, arsitektur sftware, representasi interface, dan detail (algritma) prsedural. Pada penelitian ini yang dilakukan adalah membuat arsitektur teknlgi, cntext diagram, diagram jenjang prses, DFD, ERD, rancangan input utput, dan rancangan uji cba sistem Diagram Jenjang Diagram jenjang digunakan untuk menggambarkan hubungan dari prses yang ada dan mendukung jalannya aplikasi yang dibuat. Gambar 4 menunjukkan diagram jenjang dari aplikasi peramalan persediaan bahan baku. Diagram tersebut menunjukkan prses level 0 dari sistem, yaitu : mengella data master, melakukan peramalan, membuat lapran. Diagram nmr satu menunjukkan diagram jenjang level 1 dari prses mengella data master. Prses pada diagram jenjang level ini meliputi : mengella data bahan baku, mengella data permintaan, mengella data prduk jadi, mengella bill f material. Diagram nmr dua menunjukkan diagram jenjang level 1 dari prses melakukan permalan. Prses pada diagram jenjang level ini meliputi : memilih peride permintaan sebelumnya, memilih prduk jadi, menghitung kebutuhan bahan baku sesuai dengan permintaan, menentukan peride peramalan, dan JSIKA Vl. 5, N. 11, Tahun 2016, ISSN 2338-137X Page 5
JSIKA Vl. 5, N. 11, Tahun 2016 ISSN 2338-137X meramalkan kebutuhan bahan baku 3 peride ke depan. Diagram nmr tiga menunjukkan diagram jenjang level 1 dari prses membuat lapran. Prses pada diagram jenjang level ini meliputi : memilih lapran dan mencetak lapran. Bag ian Penjualan Peng adaa an an n Data Permintaan Data Prduk Jadi Data Jenis Bahan Baku data Kategri Bahan Baku Data Bahan Baku Data Bill Of Material Data Kateg ri disimpan 1 Data Bahan Disimpan Data Prduk Jadi Disimpan Data BOM Disimpan Meng ella Data Data Permintaan Disimpan + 9 Jenis 10 Kateg ri 1 Bahan Baku 2 Prduk Jadi 3 BOM 4 Permintaan 2 Data Bahan Baku Dilihat Data Jenis Dilihat 5 Peramalan Hasil Peramalan Disimpan Meramalkan Persediaan Bahan Baku Data Prduk Jadi Dilihat Data Kateg ri Dilihat Hasil Permalan Dilihat + Data Bill Of Material Dilihat Data Permintaan Dilihat Jumlah Kebutuhan Bahan Baku Disimpan Data Bahan Baku yg Diramalkan Peng adaan Data Peride yg dipilih Peng ada Peng adaan an Lapran yang dipilih Lapran Hasil Peramalan Lapran Kebutuhan Bahan Baku 3 Membuat Lapran + Kebutuhan 8 BahanBaku Jumlah Kebutuhan Bahan Baku Dilihat Gambar 6 DFD Level 0 Aplikasi Peramalan Cnceptual Data Mdel (CDM) Gambar 4 Diagram Jenjang Aplikasi Peramalan Cntext Diagram Bagian Penjualan Data Permintaan Data Prduk Jadi 0 Rancang Bangun Aplikasi Permalan Persediaan Bahan Baku + Data Bill Of Material Data Bahan Baku Lapran Hasil Peramalan Lapran Kebutuhan Bahan Baku Pengadaan Gambar 5 Cntext Diagram Aplikasi Peramalan Cntext Diagram di atas melibatkan dua external entity, yaitu bagian penjualan dan bagian gudang seperti yang digambarkan pada Gambar 5. Data masukan dari bagian penjualan yaitu data permintaan dan data prduk jadi. Sedangkan pada bagian gudang memberi data masukan bill f material, data jenis, kategri, bahan baku. Bagian gudang juga menerima hasil dari sistem yaitu lapran hasil peramalan dan lapran kebutuhan bahan baku. Data Flw Diagram Level 0 Pada DFD level 0 ini sudah dapat dilihat data stre yang nantinya akan dipetakkan menjadi Cnceptual Data Mdel (CDM). Data stre tersebut yaitu : bahan baku, prduk jadi, bill f material, permintaan, hasil peramalan dan kebutuhan bahan baku. Penjelasan lebih detil mengenai DFD level 0 aplikasi peramalan persediaan bahan baku dapat dilihat pada Gambar 6. PERMINTAAN Tgl_Permintaan Date Menentukan ID_Peramalan Tgl_Permalan Alpha_Optimal MSE Hasil_Peramalan_1 Hasil_Peramalan_2 Hasil_Peramalan_3 Tgl_Awal Tgl_Akhir PERAMALAN Hasil Peramalan KEBUTUHAN BAHAN BAKU Jumlah_KBB Satuan_KBB Integer Permintaan Prduk Jadi Date Decimal (3,2) Decimal (10,2) Decimal (7,2) Decimal (7,2) Decimal (7,2) Date Date BAHAN BAKU Gambar 7 CDM Aplikasi Peramalan Persediaan CDM pada aplikasi peramalan persediaan merupakan hasil generate dari data stre pada DFD. Berdasarkan hasi generate tersebut, menghasilkan sembilan entitas, diantaranya : permintaan, prduk jadi, peramalan, bill f material, bahan baku, kebutuhan bahan baku, jenis, kategri dan berat. CDM dapat dilihat pada Gambar 7. Physical Data Mdel (PDM) Kd_Bahan_Baku Nama_Bahan_Baku Stk_Tersedia Knversi Ukuran Satuan_BB Tebal Panjang Lebar Isi Kd_Kategri Nama_Kategri PRODUK JADI PDM menggambarkan secara detail mengenai struktur basis data yang dirancang untuk suatu sistem, yang mana hasil generate dari CDM. Terdapat sebelas tabel pada database dalam aplikasi peramalan persediaan yang terdiri dari : permintaan, prduk jadi, permintaan prduk jadi, peramalan, bill f material, hasil peramalan, jenis, bahan baku, dan kebutuhan bahan baku. Dari sebelas tabel, terdapat dua tabel yang dihasilkan dari relasi many t many. Dua tabel tersebut Kd_Prduk_Jadi Nama_Prduk_Jadi Jenis_Prduk_Jadi Variable characters (20) Integer Integer Flat Flat Flat Flat KATEGORI Variable characters (50) Variable characters (50) BILL OF MATERIAL Satuan_Bm Jumlah_Bm kd_jenis nama_jenis Characters (5) Variable characters (20) Variable characters Flat Kd_Berat Berat_BB Satuan_Berat JENIS BERAT Variable characters (5) Variable characters (20) Flat JSIKA Vl. 5, N. 11, Tahun 2016, ISSN 2338-137X Page 6
JSIKA Vl. 5, N. 11, Tahun 2016 ISSN 2338-137X adalah tabel permintaan prduk jadi dan hasil peramalan. Permintaan Prduk Jadi Tgl_Permintaan = Tgl_Permintaan Kd_Prduk_Jadi = Kd_Prduk_Jadi Tgl_Permintaan date <pk,fk1> Kd_Prduk_Jadi varchar(10) <pk,fk2> Jumlah_Permintaan int PERMINTAAN PRODUK JADI Tgl_Permintaan datetime <p PERAMALAN Kd_Prduk_Jadi varchar(10) <pk> ID_Peramalan varchar(10) <pk> Nama_Prduk_Jadi varchar(50) Tgl_Permalan datetime Jenis_Prduk_Jadi varchar(50) Alpha_Optimal decimal(3,2) MSE decimal(10,2) Hasil_Peramalan_1 decimal(7,2) Kd_Prduk_Jadi = Kd_Prduk_Jadi Hasil_Peramalan_2 decimal(7,2) Hasil_Peramalan_3 decimal(7,2) BILL OF MATERIAL Tgl_Awal datetime Kd_Prduk_Jadi varchar(10) <pk,fk1> Tgl_Akhir datetime Kd_Bahan_Baku varchar(10) <fk2> Hasil Peramalan Satuan_Bm varchar(10) ID_Peramalan varchar(10) <pk,fk1> Jumlah_Bm flat Kd_Bahan_Baku varchar(10) <pk,fk2> ID_Peramalan = ID_Peramalan Tgl_Permintaan = Tgl_Permintaan BAHAN BAKU Kd_Bahan_Baku = Kd_Bahan_Baku Kd_Bahan_Baku varchar(10) <pk> Kd_Kategri char(5) <fk> Kd_Bahan_Baku = Kd_Bahan_Baku Kd_Bahan_Baku = Kd_Bahan_Baku Nama_Bahan_Baku varchar(20) Stk_Tersedia int Knversi int Ukuran varchar(10) Satuan_BB varchar(10) Tebal flat BERAT Panjang flat Kd_Berat varchar(10) <pk> Lebar flat Kd_Bahan_Baku varchar(10) <fk> Isi flat Berat_BB flat Satuan_Berat varchar(10) KEBUTUHAN BAHAN BAKU Kd_Kategri = Kd_Kategri Tgl_Permintaan datetime <pk,fk2> JENIS Kd_Bahan_Baku varchar(10) <fk1> kd_jenis varchar(5) <pk> Jumlah_KBB int Kd_Bahan_Baku = Kd_Bahan_Baku nama_jenis varchar(20) Satuan_KBB varchar(10) KATEGORI Kd_Kategri char(5) <pk> kd_jenis = kd_jenis kd_jenis varchar(5) <fk> Nama_Kategri varchar(20) Gambar 10 Hasil perhitngan peramalan dengan metde SES Prses terakhir adalah mengetahui kebutuhan bahan baku. Tmbl hitung bahan baku digunakan untuk menampilkan kebutuhan baku tiga peride ke depan sesuai dengan prduk jadi yang dipilih sebelumnya, dapat dilihat pada Gambar 11. Gambar 8 PDM Aplikasi Peramalan Persediaan HASIL DAN PEMBAHASAN Aplikasi yang dibangun untuk memberikan slusi permasalahan tersebut yaitu memenuhi kebutuhan bahan baku untuk tiga peride kedepan. Hasil dari pembuatan aplikasi peramalan persediaan pada CV Lintas Nusa Surabaya adalah sebagai berikut : 1. Peramalan Prses peramalan dimulai dari melihat data permintaan sesuai prduk jadi dan peride yang dipilih. Tmbl lihat data permintaan digunakan untuk melihat data permintaan peride sebelumnya sesuai tanggal dan prduk jadi yang dipilih, dapat dilihat pada Gambar 9. Gambar 11 Hasil Kebutuhan Bahan Baku yang Diramalkan Setelah melakukan perhitungan peramalan, akan didapat dua lapran, yaitu lapran hasil peramalan dan lapran kebutuhan bahan baku. Lapran hasil peramalan dapat dilihat pada Gambar 12. Sedangkan lapran kebutuhan bahan baku dapat dilihat pada Gambar 12. Gambar 9 Memilih peride dan melihat jumlah permintaan Gambar 12 Lapran Hasil Peramalan Prses selanjutnya yaitu menghitung peramalan dengan metde Single Expnential Smthing. Tmbl hitung peramalan digunakan untuk menampilkan hasil peramalan dengan metde Single Expnential Smthing, dapat dilihat pada Gambar 10. JSIKA Vl. 5, N. 11, Tahun 2016, ISSN 2338-137X Page 7
JSIKA Vl. 5, N. 11, Tahun 2016 ISSN 2338-137X Gambar 13 Lapran Kebutuhan Bahan Baku Lapran Hasil Peramalan menampilkan infrmasi mengenai nilai peramalan untuk tiga peride ke depan. Terdapat tanggal permintaan masa lalu, prduk jadi yang dipilih, Alpha yang terbaik dan nilai MSE yang terkecil. Lapran hasil permalan dapat digunakan untuk prses pengambilan keputusan. Lapran kebutuhan bahan baku menampilkan infrmasi mengenai tanggal untu peride pertama sampai ke tiga berdasarkan tanggal permintaan terakhir yang dipilih. Bahan baku apa saja yang dibutuhkan dan jumlah bahan baku. Lapran kebutuhan bahan baku digunakan untuk pimpinan dalam mengambil keputusan dalam menyediakan bahan baku sebelum melakukan prses prduksi. Evaluasi sistem adalah prses yang dilakukan untuk melihat sejauh mana keberhasilan sebuah aplikasi yang dibangun,dilihat dari dampak atau hasil prgram tersebut. Pengujian sistem dapat Mengetahui kelemahan dan kelebihan rancang bangun aplikasi yang dibangun. Serta mengetahui kegiatan secara sistematis agar tujuan dibuatnya sistem ini dapat tercapai. Setelah dilakukan uji cba, maka ditentekan kesamaan hasil. Jadi dapat ditarik kesimpulan bahwa rancang bangun aplikas ini mampu menglah master menjadi transaksi dan menghasilkan lapran, sehingga aplikasi dapat meminimalisir permasalahan yang ditemukan. Dari prses peramalan, aplikasi dapat menghasilkan keluaran berupa lapran hasil peramalan dan lapran kebutuhan bahan baku. RUJUKAN Arif, M. 2016. Rancangan Teknik Industri. Ygyakarta: Deepublish Arsyad, L. (2001). Peramalan Bisnis Edisi Pertama. Ygyakarta: BPFE-Ygyakarta. Mulyanta, E. S. 2005. Menjadi Desainer Layut Andal dengan Adbe InDesign CS. Ygyakarta: ANDI OFFSET. Nasutin, I. A. 2006. Manajemen Industri. Ygyakarta: CV Andi Offset (Penerbit Andi). Pitart, E. 2015. 50 Ribu Bisa Menerbitkan Buku. Jakarta: Nawaksara Publishing. Prawirsents, S. 2005. Riset Operasi dan Eknfisika. Jakarta: Bumi Aksara. Pressman, R. S. 2012. Rekayasa Perangkat Lunak (Pendekatan Praktisi) Edisi 7 Buku 1. Ygyakarta: Andi. Render, J. H. 2009. Manajemen Operasi Buku 1 Edisi 9. Jakarta: Salemba Empat. Sants, S. (2009). Metde Peramalan Bisnis Masa Kini dengan Minitab dan SPSS. Jakarta: PT Elex Media Kmputind. Sinulingga, S. 2009. Perencanaan dan Pengendalian Prduksi. Ygyakarta: Graha Ilmu. Syamsudin, L. 2007. Manajemen Keuangan Perusahaan. Jakarta: Raja Grafind Persada SIMPULAN Setelah menganalisis hasil uji cba dan evaluasi sistem maka dapat dibuat kesimpulan terhadap Rancang Bangun Aplikasi Peramalan Persediaan Bahan Baku yaitu sebagai berikut: 1. Aplikasi dapat menghasilkanberupalapranhasil peramalan yang bertujuan untuk mengetahui hasil perhitungan peramalan untuk dilakukan prses selanjutnya dalam pengambilan keputusan. 2. Aplikasimenghasilkanlaprankebutuhan bahan baku untuk tiga peride ke depan. JSIKA Vl. 5, N. 11, Tahun 2016, ISSN 2338-137X Page 8