PERANCANGAN APLIKASI PREDIKSI PENGUNJUNG CAFÉ COST COFFEE MENGGUNAKAN METODE REGRESI LINEAR

PERANCANGAN APLIKASI PREDIKSI PENGUNJUNG CAFÉ COST COFFEE MENGGUNAKAN METODE REGRESI LINEAR Mhd. Yogi Pratama Program Studi Sistem Informasi Sekolah Tinggi Teknik Harapan Jl. HM Joni No 70 C Medan muhammadpratama405@gmail.com Abstrak Perkembangan teknologi informasi menjadikan komputer tidak hanya sebagai alat pengolah data, namun sebagai sarana pendukung untuk menyelesaikan segala pekerjaan baik di kantor maupun di rumah. Penggunaan komputer juga merambah pada dunia ekonomi dan perdagangan yang berperan sebagai alat bantu dalam memaksimalkan usaha. Café Cost Coffee merupakan unit usaha yang bergerak dalam penjualan makanan dan minuman dengan berbagai macam jenis. Karena jumlah pengunjung setiap bulan bervariasi, sulit menentukan jumlah produksi setiap bulan secara tepat untuk memaksimalkan laba. Untuk mengantisipasi hal tersebut perlu melakukan prediksi jumlah pengunjung, salah satu alternatif pemanfaatan prediksi yang bertujuan untuk memprediksi tingkat penjualan pada tahun yang akan datang. Volume penjualan yang berfluktuasi setiap bulannya mengantarkan pada kondisi jumlah pengunjung yang datang untuk periode selanjutnya yang penuh dengan ketidakpastian. Persaingan bisnis yang begitu ketat, membuat pihak manajemen dituntut untuk dapat menentukan jumlah pengunjung yang akan datang dan melakukan perencanaan pembelian bahan baku (logistik) yang sesuai kebutuhan dalam artian tidak berlebihan maupun tidak kekurangan. Salah satu metode yang dapat dipakai untuk prediksi adalah menggunakan metode Regresi Linear, metode ini merupakan metode sebab akibat atau statistik yang berfungsi untuk menguji sejauh mana hubungan sebab akibat antara variabel faktor penyebab (x) terhadap variabel akibatnya (y). Kata Kunci: Prediksi, Regresi Linear, MAPE 1. PENDAHULUAN Dalam ilmu pengetahuan sosial segala sesuatu itu serba tidak pasti, seperti halnya mengasumsikan volume penjualan, dan sebagian itu selalu berubahubah dan tidak pasti. Perubahan tersebut dipengaruhi oleh faktor-faktor yang sangat kompleks, misalnya kebudayaan masyarakat sekitar, penghasilan suatu kelompok atau organisasi. Perubahan hal-hal tersebut sangat sulit ditentukan secara pasti, untuk mengatasi permasalahn tersebut perlu mengadakan sebuah metode teknik prediksi atau forecast [1]. Salah satu bahan informasi yang terpenting dalam melakukan penyusunan rencana produksi adalah prediksi penjualan, karena merupakan suatu titik permulaan dalam perencanaan produksi. Suatu perusahaan dikatakan pemborosan jika produksi yang dihasilkan berlebihan sementara tingkat penjualan di bawah permintaan pasar, sedangkan perusahaan lain berkesempatan bisa memasuki daerah penjualan perusahaan. Pada penelitian ini pemanfaatan prediksi akan di optimalkan salah satunya untuk informasi tingkat penjualan produksi jamur di Produsen Jamur Karunia yang bertujuan untuk dapat melihat atau memprediksi tingkat penjualan pada bulan yang akan datang. Prediksi merupakan kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang. Proses perkiraan pengukuran berdasarkan data yang relevan dengan masa lalu dan dianalisis secara ilmiah menggunakan metode statistika yang bertujuan untuk memperbaiki peristiwa yang akan terjadi pada masa yang akan datang. Dengan kata lain prediksi bertujuan untuk mendapatkan perkiraan yang bisa meminimumkan kesalahan prediksi (forecast error) yang biasanya diukur dengan Standard Error Estimate (SEE), Mean Absolute Percent Error (MAPE) dan sebagainya [2]. Dalam prediksi penjualan ini menggunakan metode Regresi Linier Berganda, metode ini merupakan suatu teknik prediksi yang didasarkan atas analisis perilaku atau nilai masa lalu suatu

variabel yang disusun menurut urutan waktu. Metode ini berdasarkan atas penggunaan analisis pola hubungan antara variabel yang akan diperkirakan dengan variabel waktu. 1.1 Prediksi (Forecasting) Forecasting adalah prediksi (perkiraan) mengenai sesuatu yang belum terjadi. Forecasting atau peramalan adalah memperkirakan sesuatu pada waktu-waktu yang akan datang berdasarkan data masa lampau yang dianalisis secara ilmiah [3]. Prediksi merupakan kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang. Proses perkiraan pengukuran berdasarkan data yang relevan dengan masa lalu dan dianalisis secara ilmiah menggunakan metode statistika yang bertujuan untuk memperbaiki peristiwa yang akan terjadi pada masa yang akan datang. Dengan kata lain prediksi bertujuan untuk mendapatkan perkiraan yang bisa meminimumkan kesalahan prediksi (forecast error) yang biasanya diukur dengan Standard Error Estimate (SEE), Mean Absolute Percent Error (MAPE) dan sebagainya [2]. 1.2 Akurasi Prediksi Hasil dari prediksi apabila disajikan dalam diferensiasi teknik yang berbeda tentunya memiliki hasil yang berbeda. Perlu suatu konsep dalam menilai teknik mana yang paling optimum dalam memberikan nilai prediksi berdasarkan pola data tertentu. Konsep penilain ini akan menghasilkan berbagai macam metode yang bertujuan untuk menilai sejauh mana data aktual dengan hasil prediksi. MAPE (Mean Absolute Percentage Error) merupakan metode yang digunakan untuk menilai tingkat keakuratan [4] Dalam semua situasi prediksi itu mengandung derajat ketidakpastian. Kita mengenal fakta ini dengan memasukkan unsur error atau kesalahan dalam sebuah prediksi deret waktu. Sumber penyimpangan dalam prediksi tidak hanya disebabkan oleh unsur error tetapi ketidakmapuan suatu model prediksi mengenali unsur yang lain dalam deret data yang mempengaruhi besarnya penyimpanagn dalam prediksi [1]. Prediksi (forecasting) tidak mungkin hasilnya akan benar-benar akurat. Prediksi akan selalu berbeda dengan data aktual. Perbedaan antara hasil prediksi dengan data aktual disebut kesalahan prediksi. Meskipun jumlah kesalahan prediksi tidak dapat diletakkan tetapi tujuan prediksi adalah agar kesalahan sekecil mungkin. Jika tingkat kesalahan tidak kecil, maka hal ini mengindikasikan bahwa metode prediksi yang digunakan salah atau teknik ini perlu disesuaikan dengan mengubah parameter. Kesalahan prediksi (e) adalah perbedaan antara nilai variabel yang sesungguhnya (x) dengan nilai prakiraan (f) pada periode yang sama, seperti dapat dilihat pada gambar dibawah ini: MAPE = y y y n.. (1) Dimana: y : hasil prediksi y : Data aktual n : Jumlah data 1.3 Metode Regresi Linear Regresi Linear atau merupakan metode statistik yang bertujuan untuk membentuk sebuah model antara variabel dependen (Y) dengan variabel independen (X). Regresi Linear yang memiliki satu variabel bebas disebut dengan Regresi Linear Sederhana, sedangkan Regresi Berganda diperuntukkan apabila memiliki lebih dari satu vaariabel bebas. Regresi Linear menggunakan garis kecenderungan apabila pola data menunjukkan suatu kecenderunangan, baik berpola turun atau naik [4]. Regresi Linear merupakan bagian regresi yang mencakup hubungan linear satu peubah tak bebas Y dengan satu peubah bebas X. Analisis regresi adalah metode untuk menentukan hubungan sebabakibat antara satu variabel dengan variabel-variabel yang lain. Variabel penyebab disebut dengan bermacam-macam istilah yaitu, variabel penjelas, variabel eksplanatorik, variabel independen, atau secara bebas, variabel X (karena seringkali digambarkan dalam grafik sebagai absis atau sumbu X). Variabel terkena akibat dikenal sebagai variabel yang dipengaruhi, variabel dependen, variabel terikat, atau variabel Y. Kedua variabel ini dapat merupakan variabel acak (random), namun variabel yang dipengaruhi harus selalu variabel acak [6]. Bentuk umum Regresi Linear Berganda sebagai berikut: Dimana: Y Y X a b Y = a + b x. (2) : nilai variabel Y hasil prediksi : variabel tak bebas : variabel bebas : konstanta regresi : koefisien regresi

Nilai-nilai a dan b yang meminimalkan jumlah kesalahan kuadrat dari garis regresi dapat dicari dengan menggunakan persamaan berikut: a = b = y b( x).. (3) n n( x y) ( x)( y) n( x 2 ) ( x) 2. (4) 1.4 PHP (PHP: Hypertext Prepocessor) Berdasarkan informasi dari situs resmi PHP, PHP.net, PHP (PHP: Hypertext Prepocessor) merupakan bahasa pemrograman web yang dapat disisipkan dalam script HTML. Banyak sintaks di dalamnya yang mirip dengan bahasa C, Java dan Perl. Tujuan dari bahasa ini adalah membantu para pengembang web untuk membuat web dinamis dengan cepat [7]. Setiap program PHP disebut dengan script. Script berupa file teks, yang dapat dibuat dengan menggunakan program editor file teks biasa seperti notepad, edit, vi (dalam lingkungan Unix/linux), atau lainnya. Editor teks yang digunakan sebaiknya editor teks yang memungkinkan membuat program PHP lebih mudah. Script PHP diawali dengan tag (<?) dan diakhiri dengan tag (?>). Setiap baris perintah (statement) harus diakhiri dengan menggunakan tanda titik koma (;). Umumnya setiap statement dituliskan dalam satu baris. Cara penulisannnya dibedakan menjadi embedded script dan non embedded script. 1.5 MySQL MySQL adalah sebuah perangkat lunak sistem manajemen basis data SQL atau DBMS yang multithread, multi-user, dengan sekitar 6 juta instalasi di seluruh dunia. MySQL AB membuat MySQL tersedia sebagai perangkat lunak gratis di bawah lisensi GNU General Public License (GPL), tetapi mereka juga menjual dibawah lisensi komersial. MySQL dapat didownload di situs resminya, http://www.mysql.com. Tidak seperti PHP atau Apache yang merupakan software yang dikembangkan oleh komunitas umum, dan hak cipta untuk kode sumber dimiliki oleh penulisnya masing-masing, MySQL dimiliki dan disponsori oleh sebuah perusahaan komersial Swedia yaitu MySQL AB. MySQL AB memegang penuh hak cipta hampir atas semua kode sumbernya. Kedua orang Swedia dan satu orang Finlandia yang mendirikan MySQL AB adalah: David Axmark, Allan Larsson, dan Michael Monty Widenius [8]. 2. METODE PENELITIAN Dalam melakukan analisa penulis menggunakan metode deskriptif, yaitu dengan cara mengumpulkan data data yang akan diolah dan dibuat suatu rumusan sehingga akhirnya sampai pada suatu kesimpulan. Adapun teknik pengumpulan data dalam penelitian ini adalah: 1. Penelitian Kepustakaan (Library Research). Penelitian ini bertujuan untuk mengumpulkan dan mempelajari serta menyeleksi bahan-bahan yang diperlukan untuk penulisan skripsi ini. 2. Analisa data dengan penelitian kelapangan (Field Research). Penelitian ini bertujuan untuk memperoleh data secara langsung dari Café Cost Coffee melalui riset lapangan dengan menggunakan teknikteknik sebagai berikut: a. Pengumpulan sampel dokumentasi, laporan ataupun berkas-berkas yang berhubungan dengan volume data penjualan dan data pengunjung. b. Mewawancarai kembali pihak-pihak yang berkompeten untuk lebih menguatkan output. 3. Analisa Menganalisa dan memahami metode yang akan digunakan dalam pengolahan data yang telah diperoleh dari tempat penelitian. 4. Perancangan Pada tahap ini dilakukan perancangan awal aplikasi yang akan dibuat, sehingga akan dihasilkan design interface dan proses yang siap untuk diimplementasikan. 5. Pengujian (Testing) Pada tahap ini dilakukan pengujian sistem untuk mengetahui apakah sistem sudah sesuai dengan kebutuhan. 6. Implementasi Program (Coding) Pada tahap ini dilakukan pengkodean program untuk mengimplementasikan perancangan sistem forecasting tingkat penjualan jamur menggunakan bahasa pemrograman PHP dan program database menggunakan MySQL. 3. HASIL DAN PEMBAHASAN Dari prosedur kerja yang telah dibuat, pada analisis sistem forecasting jumlah pengunjung Café

Cost Coffee ini dilakukan pengumpulan data dan analisis kebutuhan. Pengumpulan data dilakukan untuk memperoleh beberapa informasi yang berkaitan dalam pembuatan aplikasi sistem forecasting yaitu, berupa data aktual jumlah pengunjung selama beberapa periode sebelumnya. Analisis kebutuhan terdiri dari kebutuhan proses, kebutuhan masukan dan kebutuhan keluaran. Analisis kebutuhan proses, yaitu menjelaskan bagaimana sistem akan bekerja, proses-proses apa yang digunakan, mulai dari masuknya data input yang kemudian diproses oleh sistem hingga menjadi data output (tampilan akhir sistem). Analisis kebutuhan masukan (input) terdiri dari data kunjungan wisatawan. Analisis kebutuhan keluaran yaitu berupa tampilan aplikasi sistem forecasting jumlah pengunjung untuk periode mendatang. 3.1 Analisa Perhitungan Regresi Linear Sebelum melakukan analisis perhitungan prediksi jumlah pengunjung terlebih dahulu menyiapkan data mentah dengan tujuan agar data tersebut siap untuk diolah selanjutnya dengan metode Regresi Linear. Sumber data mentah diperoleh dari Café Cost Coffee. Adapun data yang akan digunakan untuk memprediksi jumlah pengunjung dapat dilihat pada tabel berikut: Tabel 1. Data Jumlah Pengunjung Café Cost Coffee periode tahun 2015 Dari tabel diatas dilakuikan identifikasi yang menjadi variabel faktor penyebab (predictor) dan variabel akibat (response). Dimana faktor penyebab adalah bula ke- (x) dan faktor akibat (y) adalah jumlah pengunjung. Setelah diidentifikasi maka dapat dilakukan perhitungan sesuai dengan metode yang digunakan yaitu Regresi Linear. Berikut ini adalah tabel yang telah dilakukan perhitungan nilai x², y², xy dan total nilainya: Tabel 2. Prediksi Metode Regresi Linear Langkah selanjutnya adalah memasukkan angka-angka statistik dan membuat persamaan regresi. Akan tetapi sebelumnya nilai a dan b harus dicari terlebih dahulu. Menghitung nilai koefisien regresi (b): n xy ( x)( y) b = n x 2 ( x) 2 b = 12 42516 78 (6528) 12 650 (78) 2 510192 509184 b = 7800 6084 b = 1008 1716 b = 0,587413 Menghitung nilai konstanta (a): a = y b x n 6528 0,587413 78 a = 12 6528 (45,81821) a = 12 a = 6482,182 12 a = 540,18 Sehingga didapat model persamaan regresi dari hasil perhitungan kasus diatas adalah sebagai berikut: y = a + b(x) y = 540,18 + 0,587413 x Setelah model persamaan Regresi Linear didapat, maka tahap selanjutnya adalah melakukan prediksi pengunjung Café Cost Coffee untuk periode mendatang. Berikut hasil perhitungan prediksi menggunakan metode Regresi Linear.

Prediksi bulan Januari tahun 2016 periode x = 13 y = a + b(x) y = 540,18 + 0,587413 13 y = 547,81 Februari tahun 2016 periode x = 14 y = a + b(x) y = 540,18 + 0,587413 14 y = 548,40 Maret tahun 2016 periode x = 15 y = 540,18 + 0,587413 15 y = 548,99 April tahun 2016 periode x = 16 y = 540,18 + 0,587413 16 y = 549,57 Mei tahun 2016 periode x = 17 y = 540,18 + 0,587413 17 y = 55016 Juni tahun 2016 periode x = 18 y = 540,18 + 0,587413 18 y = 550,75 Juli tahun 2016 periode x = 19 y = 540,18 + 0,587413 19 y = 551,34 Agustus tahun 2016 periode x = 20 y = 540,18 + 0,587413 20 y = 551,92 September tahun 2016 periode x = 21 y = 540,18 + 0,587413 16 y = 552,51 Oktober tahun 2016 periode x = 22 y = 540,18 + 0,587413 22 y = 553,10 November tahun 2016 periode x = 23 y = 540,18 + 0,587413 23 y = 553,69 Desember tahun 2016 periode x = 24 y = 540,18 + 0,587413 24 y = 554,27 Hasil yang didapat dari perhitungan yang telah dilakukan tersebut dilakukan pembulatan ke atas. Perhitungan untuk regresi linier secara keseluruhan dapat dilihat rangkumannya pada tabel berikut: Tabel 3 Hasil Prediksi Metode Regresi Linear Berikut grafik hasil prediksi volume penjualan jamur Karunia. Gambar 1. Grafik Hasil Prediksi 3.2 Analisis Hasil Akurasi Prediksi Untuk menghitung kesalahan (error) dalam melakukan prediksi pada sistem ini, maka penulis menggunakan rumus MAPE (Mean Absolute Presentage Error). Contoh perhitungan error MAPE untuk bulan ke 13 (januari). y y y MAPE = n 85 MAPE = 542 12 = 0,000923

Hasil nilai error selengkapnya seperti yang tertera pada tabel dibawah ini: Tabel 4. Pengukuran Ketelitian Berdasarkan gambar grafik data pengunjung digunakan untuk menampilkan data pengunjung dalam bentuk grafik line, juga ditampilkan data pengunjung dalam bentuk tabel. Selanjutnya pada halaman user juga terdapat menu galeri. Adapun hasil pengujian dari halaman galeri seperti terlihat pada gambar dibawah ini: Gambar 4. Tampilan Halaman Galery Menu 3.3 Implementasi Program Pada sistem ini terdapat perbedaan antara hak akses antar user dan admin. Pada halaman user terdapat beberapa menu yang bisa diakses dalam sistem ini yaitu menu home, grafik data pengunjung, galeri menu, dan menu contact. Sedangkan pada halaman admin terdapat meu home, input data, grafik data pengunjung, forecasting, dan menu help. Sedangkan untuk dapat mengakses halaman admin maka terlebih dahulu menginputkan username dan password pada form login yang terdapat halaman utama user. Gambar 2. Tampilan Halaman Home User Berdasarkan gambar diatas terdapat menu home, grafik data pengunjung, galery menu dan menu contact. Pada menu grafik data pengunjung digunakan untuk menampilkan informsi data pengunjung Café Cost Coffee selama periode tertentu. Hasil pengujiannya seperti terlihat pada gambar berikut: Gambar 5. Tampilan Halaman Contact Pada halaman admin terdapat beberapa menu yang bisa diakses seperti menu home sebagai tampilan awal, menu input data untuk menginputkan data pengunjung Café Cost Coffee, pada menu ini admin bisa menginputkan data, mengedit data dan menghapus data pengunjung. Menu grafik pengunjung untuk menampilkan data pengunjung dalam bentuk grafik. Menu forecasting untuk melakuakn peramalan jumlah pengunjjung untuk periode selanjutnya, dan menu help yang difungsikan untuk menampilkan informasi car amenggunakan sistem. Jika username dan password nya benar maka akan ditampilkan halaman utama admin seperti terlihat pda gambar dibawah ini: Gambar 6. Tampilan Halaman Admin Gambar 3. Tampilan Halaman Grafik Data Pengunjung Dari gambar diatas dijelaskan pada halaman admin terdapat menu input data, dimana halaman ini merupakan halaman yang digunakan untuk

menginputkan data pengunjung Café Cost Coffee. Data ini nantinya yang akan diolah untuk mengetahui jumlah pengunjung pada periode yang akan datang dengan teknik forecasting. Adapun tampilan halaman input data dapat dilihat pada gambar dibawah ini. Berdasarkan hasil pengujian halaman hasil forecasting diatas dapat dijelaskan dalam proses peramalan dimulai dengan memiilih tahun peramalan setelah data diinputkan selanjutnya klik tombol Hitung, maka sistem akan memproses dan menampilkan hasil peramalan serta menghitung nilai errornya. Nilai hasil peramalan dengan metode regresi akan ditampilkan dalam tabel. Kemudian halaman help yang digunakan untuk menampilkan informasi cara menggunakan program aplikasi sistem forecasting pengunjung Café Cost Coffee. Adapun hasil pengujian halaman help seperti terlihat pada gambar berikut: Gambar 7. Tampilan Halaman Input Data Selanjutnya pada halaman admin juga terdapat menu grafik data seperti terlihat pada gambar berikut: Gambar 10. Pengujian Halaman Help Gambar 8. Tampilan Halaman Grafik Data Pengunjung Halaman forecasting digunakan untuk melakukan proses peramalan (forecasting) jumlah pengunjung Café Cost Coffee berdasarkan data yang diinputkan sebelumnya. Adapun tampilan halaman hasil forecasting dapat dilihat pada gambar dibawah ini. Gambar 9. Tampilan Halaman Forecasting 4. PENUTUP 4.1 Kesimpulan Dari hasil analisis yang dilakukan untuk memprediksi jumlah pengunjung Café Cost Coffee, maka dapat diambil kesimpulannya sebagai berikut: 1. Untuk melakukan prediksi diperlukan data histori sebagai input data yang akan diolah. Dari hasil analisa prediksi jumlah pengunjung Café Cost Coffee dengan input data tahun 2015 diperoleh hasil prediksi jumlah pengunjung untuk periode tahun 2016 bulan Januari adalah 548 orang, bulan Februari 548 orang, bulan Maret 549 orang, bulan April 550 orang, bulan Mei 550 orang, bulan Juni 551 orang, bulan Juli 551 orang, bulan Agustus 552 orang, bulan September 553 orang, bulan Oktober 553 orang, bulan November 554 orang, dan bulan Desember 554 orang dengan nilai error Mean Absolute Percentage Error = 0,013031. 2. Analisa prediksi dengan menerapkan metode Regresi Linear cocok digunakan jika pola data yang digunakan bersifat musiman, tapi jika pola data yang berfluktuasi kurang tepat digunakan karena akan menghasilkan nilai error yang terlalu besar jika dibandingkan dengan data musiman. 3. Aplikasi yang dibuat sudah sesuai dengan metode yang digunakan yaitu metode Regresi Linear. Dimana hasil pengujian validasi aplikasi menunjukkan bahwa perhitungan yang dilakukan oleh aplikasi sudah sesuai dengan hasil perhitungan secara manual. Aplikasi yang dibuat bisa diakses secara online, sehingga

dapat membantu memudahkan pengguna dalam mengakses informasi dan melakukan prediksi untuk mengetahui jumlah pengunjung yang akan datang. 5. DAFTAR PUSTAKA [1]. Haryawan, Hendrayana, Iswahyudi, Christian. 2015. Teknik Peramalan Penjualan Sepeda Motor Dengan Menggunakan Metode Regresi Linear Sederhana Pada CV. Niaga Pratama Motor. STMIK STIKOM. Bali. [2]. Kristiono, Danang. 2014. Peramalan (Forecasting) Potensi Pendapatan Asli Daerah Sebagai Sumber Pendapatan Daerah Kota Klaten Berbasis Android. AMIKOM. Yogyakarta. [3]. Hartanto, Nico, Yulia, dkk. 2010. Sistem Pendukung Keputusan Pembelian Berdasarkan Peramalan Penjualan Pada PT. X. Teknologi Industri Universitas Kristen Petra. Surabaya. [4]. Tannady, Hendy, Andrew, Fan. 2013. Analisa Perbandingan Metode Regresi Linear Dan Exponential Smoothing Dalam Parameter Tingkat Error. Jurnal Teknik Dan Ilmu Komputer. Universitas Bina Nusantara. [5]. Lungan. Richard. 2006. Aplikasi Statistika Dan Hitung Peluang. Yogyakarta. Graha Ilmu. [6] Rohmana, Yana. 2007. Analisis Regresi Linear Berganda Persoalan Estimasi Dan Pengujian Hipotesis. Universitas Indonesia. [7] Yuana, Rosihan. 2010. Dasar-dasar Pemrograman PHP. Komunitas Elearning Indonesia. IlmuKomputer.org. [8] Solichin, Achmad. 2010. Pemrograman Web Dengan PHP Dan MySQL. Universitas Budi Luhur. Jakarta.