42 DAFTAR PUSTAKA [1] Inti Sariani Jianta DJie, Analisa Peramalan Penjualan Dan Penggunaan Metode Linear Programming Dan Decision Tree Guna Mengoptimalkan Keuntungan Pada PT Primajaya Pantes Garment Jurnal The Winners, Volume: 14 No: 2, September 2013. [2] Ririanti (0911654), Implementasi Algoritma FP-Growth Pada Aplikasi Prediksi Persediaan Sepeda Motor (Studi Kasus PT.Pilar Deli Labumas) Pelita Informatika Budi Darma, Volume Pelita Informatika Budi Darma, Volume : VI, Nomor:1, Maret 2014 [3] Iriansyah BM, Sangadji, Komparasi Model Regresi Untuk Prakiraan Beban Listrik Jangka Pendek Menggunakan Koefisien Dan Pembangkit Data Random, Jurnal Petir, Volume: 5 Nomor: 1,Januari-Mei 2012. [4] Siti Maskuroh, Analisa Keranjang Belanja dengan Aturan Asosiasi menggunakan Algoritma Apriori untuk Stok Barang pada Listrikmart, Universitas Dian Nuswantoro, Semarang 2015 [5] Rival Zunaidhi, Wahyu S.J. Saputra dan Ni Ketut Sari, Aplikasi Peramalan Penjualan Menggunakan Metode Regresi Linier, UPN Veteran Jawa Timur, Volume: VII, Nomor : 3 [6] Ni Luh Nym Mirah Wedasari, Perancangan Prediksi Persediaan Barang Pada Andis Griya Kebaya STMIK STIKOM Bali, Oktober 2015 [7] Tanti Octavia, Yulia, Lydia, Peramalan StokBarang Untuk Membantu Pengambilan Keputusan Pembelian Barang Pada Toko Bangunan XYZ Dengan Metode Arima, UPN Veteran Yogyakarta, Mei 2013
BAB VI KESIMPULAN DAN SARAN 6.1 Kesimpulan Berdasarkan hasil penelitian dan pengujian dalam metode data mining prediksi menggunakan regresi linier sederhana, pada akhir laporan penulis dapat memberikan kesimpulan adalah system prediksi persediaan barang telah diberhasil dibuat berbasis website dengan Bahasa pemrograman PHP-MySQL dan metode regresi linier diimplementasikan untuk proses prediksi persediaan untuk triwulan selanjutnya menggunakan data penjualan. Hasil dari implementasi system dapat digunakan untuk membantu memprediksi persediaan barang untuk triwulan selanjutnya. 6.2 Saran Berdasarkan kesimpulan dan analisis laporan, saran dari peneliti untuk penelitian lebih lanjut yaitu : 1. System ini dapat dikembangkan untuk seluruh lingkup nama barang tidak hanya semen. 2. System ini dapat dimodifikasi menggunakan android untuk lebih praktis dalam melakukan prediksi. 41
40 Tabel 5.1 Pengujian Blackbox Input / Event Output Hasil Lanjut Menampilkan data yang telah terpilih Sesuai / OK Konversi Menampilkan perhitungan regrsi linier Sesuai / OK Grafik Menampilkan hasil perhitungan dengan grafik Sesuai / OK Data Menampilkan data seluruh database Sesuai / OK
39 5.1.6 Halaman Data Halaman ini akan menampilkan semua data sesuai data yang ada. Gambar 5.6: Halaman Data 5.2 Pengujian Metode pengujian yang di gunakan adalah pengujian blackbox. pengujian blackbox dimana pengujian ini dilakukan untuk memastikan tanggapan/respons atas suatu event atau masukan akan menjalankan proses yang tepat dan menghasilkan keluaran/output sesuai dengan rancangan yang telah dibuat. Uji ini dilakukan pada menu utama dengan hasil sebagai berikut:
38 Gambar 5.4: Halaman Konversi 5.1.5 Halaman Grafik Halaman ini akan memunculkan hasil prediksi berupa grafik. Gambar 5.6 Halaman Grafik
37 Gambar 5.3: Halaman Data Perhitungan 5.1.4 Halaman Konversi Dalam halaman ini akan memperlihatkan perhitungan mulai dari penjumlahan data dan implementasi kedalam rumus regresi linier sederhana. Gambar 5.4 Halaman Konvrensi
36 5.1.2 Halaman Hitung Dalam menu awal terdapat tombol pilih kode barang, pada sistem ini hanya terdapat 1 kode barang yaitu smn, klik lanjut untuk melanjutkan proses prediksi. Gambar 5.2: Halaman Hitung 5.1.3 Halaman Data Perhitungan Halaman ini akan menunjukan data yang telah terpilih untuk diproses selanjutnya, klik konversi untuk melakukan perhitungan.
BAB V IMPLEMENTASI DAN PENGUJIAN 5.1 Implementasi Pada bab ini dilakukan implementasi dari hasil perancangan pada bab 4. Ditampilkan hasil sistem yang telah diimplementasikan dengan bahasa pemrograman PHP dan database MySQL. 5.1.1 Halaman Awal Halaman ini adalah halaman awal sistem saat dioperasikan, terdapat tombol hitung,dat dan grafik. Gambar 5.1 : Halaman Awal 35
34 Form hitung adalah untuk menghitung data yang akan di hitung. Tombol pilih untuk memilih kode barang yang akan di hitung. Tombol lanjut untuk melanjutkan pilihan kode barang dan akan menampilkan data sesuai pilihan kode barang. Tombol konversi untuk menghitung menggunakan regresi linier. 4.2.3.3 Rancangan Data Semua data Show 10 Menampilkan Data Gambar 4. 5 Rancangan Data Form data ini akan menampilkan seluruh data yang ada. Tombol angka untuk memilih berapa data yang akan ditampilkan dalam 1 layar, saya membuat system ini dengan maximal menampilkan 100 data dalam satu layar.
33 4.2.3 Rancangan Tampilan Sistem 4.2.3.1 Rancangan Form Awal Regresi Linier Hitung Data Grafik Hitung Data Pilih Kode Barang Pilih Gambar 4. 3 Rancangan Form Awal Form awal ini adalah form pertama tampil saat system di buka. Terdapat 5 tombol dengan fungsi masing-masing. Tombol hitung akan menampilkan hitung data dan pilih kode barang yang akan dihitung. Tombol data akan menampilkan semua data yang ada. Tombol grafik adalah tombol untuk menampilkan grafik hasil perhitungan. Tombol action menampilkan beberapa tombol lagi untuk pilihan seperti reset. 4.2.3.2 Rancangan Hitung Hitung Data Pilih Kode Barang Pilih Lanjut Konversi Tampilan data yang akan telah dipilih untuk dihitung Gambar 4. 4 Rancangan Hitung
Gambar 4. 2 Activity Diagram 32
31 Gambar 4. 1 Use Case Diagram 4.2.2.2 Activity Diagram Ketika pertama kali pengguna menjalankan program, pengguna akan masuk ke dalam halaman utama. Setelah masuk pada halaman pertama, pengguna dapat memilih untuk memulai menggunakan program. Selanjutnya pengguna masuk pada halamn input data dengan cara memilih kolom yang sudah tersedia, akan memanggil data pada database sekaligus dilakukan proses mining yaitu menyaring data yang akan digunakan untu proses selanjutnya dan data yang telah melewati proses filter akan masuk kedalam perhitungan menggunakan regresi linier. Setelah proses pemanggilan data dan mining selesai, program akan menampilkan hasil mining atau hasil prediksi. Berikut adalah diagram activity pada sistem prediksi persediaan barang :
30 4.2.2 Analisa Pengguna Dari analisa kebutuhan pada tahap selanjutnya di ketahui bahwa sistem yang akan di kembangkan ini di harapkan dapat membantu pengguna dalam memprediksi persediaan barang untuk bulan selanjutnya.untuk memenuhi tujuan dalam penerapan pengembangan perangkat lunak ini terdapat terdapat form inputan yang harus dipilih oleh pengguna. Terdapat satu user yang akan menggunakan sistem ini yaitu : - Admin Admin yang memiliki tugas untuk editing data, penambahan dan perawatan data didalam system sistem jika di perlukan perubahan serta admin juga sebagai user utama yang menggunakan sistem ini. 4.2.2.1 Use Case Diagram Use case diagram pada sistem ini memerlukan actor sebagai pelaku yang menjalankan case case yang ada. Actor yang terlibat dalam sistem ini secara khusus adalah pemilik toko tersebut. Berikut adalah diagram use case pada sistem prediksi persediaan barang :
29 - No trasaksi - Tanggal - Jenis Barang - Nama Barang - Harga - Satuan - Total - Id periode - Id Jenis 4.1.3 Kebutuhan Perangkat Keras - Komputer 4.1.4 Kebutuhan Perangkat Lunak - Sublime text bahasa Php - MySQL 4.2 Desain 4.2.1 Perancangan dan Analisis Berdasarkan analisis yang telah dilakukan maka diketahui beberapa yang menjadi proses dalam sistem, masukan sistem, keluaran sistem serta antar muka sistem yang akan dibuat. Untuk lebih menjelaskan alur dari sistem yang akan dibangun, digunakan model diagram UML.
BAB IV RANCANGAN SISTEM Sesuai dengan metode pengembangan rekayasa perangkat lunak yang dipakai dalam pengembangan system ini maka hasil penelitian melewati tahapan-tahapan sebagai berikut: 4.1 Analisa Kebutuhan Sistem Pada tahapan analisa kebutuhan sistem di awali dengan mencari kebutuhan dari keseluruhan sistem akan di terapkan pada perangkat lunak yang akan di bangun. Tujuan dari analisa kebutuhan system ini adalah mendapatkan gambaran secara utuh mengenai perangkat lunak sehingga mempermudah dalam proses pembuatan program. 4.1.1 Identifikasi Masalah Permasalahan yang diambil penulis dalam penyusunan tugas akhir ini adalah membangun sebuah sistem yang di rancang dapat memprediksi persediaan barang material semen untuk tiga bulan selanjutnya. Sistem ini di rancang untuk memprediksi secara dini, sehingga pemilik bisa memperkirakan persediaan barang untuk tiga bulan selanjutnya untuk mengurangi kerugian. 4.1.2 Kebutuhan Data Data yang dibutuhkan penulis adalah data penjualan selama tiga bulan yang akan diolah. Data penjualan yang diperlukan untuk dijadikan parameter adalah sebagai berikut : - Id 28
27 Y=-5+44, maka Y= 39 Dari hasil persamaan prediksi ini dapat disimpulkan bahwa untuk periode triwulan ke 4, persediaan semen tiga roda tidak lebih dari 39 sak. 3.5 Evaluasi dan Pengujian Metode Seperti yang sudah dijelaskan pada metode pengembangan waterfall, pengujian ini dilakukan dengan pengujian Blackbox. Dengan pengujian blackbox peneliti dapat melihat bagian mana yang eror dan perlu di perbaiki
26 Tabel 3.4 Perhitungan No Tanggal nama barang Satuan x 2 y 2 xy semen tiga 1 01-Jul roda 20 1 400 20 2 02-Jul semen tiga roda 0 4 0 0 3 03-Jul semen tiga roda 20 9 400 60 4 04-Jul semen tiga roda 50 16 2500 200 10 90 30 3300 280 Setelah nilai x dan y sudah diketahui, maka dapat dihitung nilai a dan b dengan rumus regresi linier: b= b= 4(280)-(10)(90)/4(30)-(10) 2 b=1120-900/120-100 b=220/20, maka b= 11 setelah mencari nilai b maka selanjutnya mencari nilai a a= a=90-11(10)/4 a=90-110/4 a=-20/4, maka a= -5 setelah nilai a dan b ditemukan, maka diterapkan pada rumus persamaan prediksi Y=a+bX Y=-5+11(4)
25 39 1955 04-Jul smn semen tiga roda 66.000 50 40 1955 04-Jul besi 8 in 25.000 90 41 1955 04-Jul besi 6 in 19.000 50 42 1955 04-Jul bendrat 13.000 5 43 1955 04-Jul paku 7 12.000 1 44 1955 04-Jul paku 5 12.000 1 45 1955 04-Jul paku 10 12.000 1 46 1955 04-Jul pralon 76.000 2 47 1955 04-Jul Elbow 7.500 3 3.300.000 3 4 2.250.000 3 950.000 3 65.000 3 12.000 3 12.000 3 12.000 3 152.000 3 22.500 3 3.4.3 Tahap Perhitungan Regresi Linier Dalam tahapan ini, pertama data akan a. Mencari nilai a dan b Pertama setiap tabel variabel di jumlah untuk memudahkan perhitungan selanjutnya. Untuk mencari nilai a dan b harus menggunakan rumus : a= b= karena nama barang yang akan diprediksi semen tiga roda dengan id jenis 4 maka data hanya menampilkan data semen tiga roda. Nilai x adalah tanggal dan y adalah satuan, maka data akan di olah menjadi pertanggal untuk memudahkan perhitungan maka data akan menjadi seperti tabel 3.4
24 16 1950 02-Jul shower 74.000 1 tempat 17 1950 02-Jul sabun 35.000 2 semen 18 1951 02-Jul smn bima 64.000 3 19 1951 02-Jul Pintu ######### 2 20 1952 02-Jul kasibot 50.000 15 21 1952 02-Jul paku usuk 17.000 15 semen 22 1952 02-Jul smn bima 64.000 10 gendewa 23 1952 02-Jul besi 25.000 1 24 1952 02-Jul graji besi 13.000 1 25 1953 03-Jul kasibot 48.000 3 semen 26 1953 03-Jul smn putih 3.000 5 semen 27 1953 03-Jul smn bima 64.000 20 28 1953 03-Jul lem fox 13.000 1 29 1953 03-Jul kuas 4 in 16.000 1 paku 30 1953 03-Jul kasibot 3.000 1 31 1953 03-Jul paku seng 5.000 0,25 32 1953 03-Jul Altex 30.000 5 33 1953 03-Jul tutup msp 7.500 1 sambungan 34 1953 03-Jul msp 8.500 1 35 1953 03-Jul talang msp 90.000 1 36 1953 03-Jul pesplang 52.500 3 37 1953 03-Jul Seng 44.500 6 semen tiga 38 1954 03-Jul smn roda 66.000 20 74.000 3 70.000 3 192.000 3 1 320.000 3 750.000 3 255.000 3 640.000 3 1 25.000 3 13.000 3 144.000 3 15.000 3 3 1.280.000 3 1 13.000 3 16.000 3 3.000 3 1.250 3 150.000 3 7.500 3 8.500 3 90.000 3 157.500 3 267.000 3 1.320.000 3 4
23 paku 5 paku 10 Pralon Elbow 12.000 12.000 12.000 1 12.000 12.000 1 12.000 76.000 2 152.000 7.500 3 22.500 3.4.2 Data Proses Tabel 3.3 Data yang akan diproses id no transaksi tanggal jenis brng nama barang harga satuan total id periode id jenis 1 1946 01-Jul Slot Kuda terbang 60.000 2 120.000 3 2 1946 01-Jul engsel pintu 10.000 1 10.000 3 3 1947 01-Jul smn semen tiga roda 67.000 20 1.340.000 3 4 4 1948 01-Jul Rooster 16.000 15 240.000 3 5 1949 02-Jul Ternit 15.000 30 450.000 3 6 1949 02-Jul paku usuk 16.000 5 80.000 3 7 1949 02-Jul paku kasibot 20.000 0,5 10.000 3 8 1949 02-Jul cat vinotex 65.000 1 65.000 3 9 1950 02-Jul smn semen gresik 66.000 25 1.650.000 3 2 10 1950 02-Jul besi beton 8 in 33.000 20 660.000 3 11 1950 02-Jul besi 6in 19.000 10 190.000 3 12 1950 02-Jul bendrat 3.000 5 15.000 3 13 1950 02-Jul buangan air 3.500 1 3.500 3 14 1950 02-Jul Sdd 2.000 1 2.000 3 15 1950 02-Jul krandida 15.000 1 15.000 3