Model Peramalan Pengadaan Barang Pada PD Jembar

ii

FORECASTING MODEL PROCUREMENT ON PD JEMBAR

By

Rochmad Yuliawan 10106408

Forecasting is the beginning of a process of making a decision. Before doing the forecasting, first must know what exactly is the problem in making that decision. At the bottom is only an approximate prediction (guess) but by using certain techniques, then the forecast becomes more than the estimate. Forecasting can be said that scientific estimate (educated guess). Any decision concerning the situation in the future, then there must be forecasting that underlies these decisions.

Number of data that must be processed in the forecasting of procurement of goods has made use of information technology as tools become a necessity for companies.. Sales forecasting application development on this trading company trading company is expected to assist in planning for a better inventory.

One of the commonly used forecasting method is a method of time series. On the software built in this thesis, the equation of time series of the selected method is a linear tren.

Linear tren is a component of time series methods. This method is based on the assumption that the old pattern will be repeated. Movement around the average value of time series variable, above or below long term tren is called cyclic. From the cyclical movement gained some high point (peak) and the lowest point (valley). This recurring pattern held within a period of tertentu. application was created using Visual Basic 6.

By using actual sales data from the PD Jembar located in the city of Cimahi, conducted testing on this application. The tests also aimed to discover the truth of forecasting results with the selected equation.

i ABSTRAK

MODEL PERAMALAN PENGADAAN BARANG PADA PERUSAHAAN DAGANG

Oleh

Rochmad Yuliawan 10106408

Peramalan merupakan bagian awal dari suatu proses pengambilan suatu keputusan. Sebelum melakukan peramalan harus diketahui terlebih dahulu apa sebenarnya persoalan dalam pengambilan keputusan itu. Pada hakekatnya peramalan hanya merupakan suatu perkiraan(guess) tetapi dengan menggunakan teknik-teknik tertentu, maka peramalan menjadi lebih sekedar perkiraan. Peramalan dapat dikatakan perkiraan yang ilmiah (educated guess). Setiap pengambilan keputusan yang menyangkut keadaan di masa yang akan datang, maka pasti ada peramalan yang melandasi pengambilan keputusan tersebut.

Banyaknya data yang harus diolah dalam peramalan pengadaan barang telah membuat penggunaan teknologi informasi sebagai alat bantu menjadi kebutuhan bagi perusahaan. Pembangunan aplikasi peramalan penjualan pada perusahaan dagang ini diharapkan dapat membantu perusahaan dagang dalam merencanakan persediaan dengan lebih baik.

Salah satu metode peramalan yang umum digunakan adalah metode deret waktu. Pada perangkat lunak yang dibangun dalam tugas akhir ini, persamaan metode deret waktu yang dipilih adalah tren linier.

Tren linier merupakan komponen dari metode deret waktu. Metode ini didasarkan pada asumsi bahwa pola lama akan terulang. Pergerakan di sekitar rata-rata nilai variable deret waktu, di atas atau dibawah tren jangka panjang dinamakan siklis. Dari gerakan siklis diperoleh beberapa titik tertinggi (puncak) dan titik terendah (lembah). Pola berulang ini berlangsung dalam jangka waktu tertentu.Aplikasi ini dibuat menggunakan Visual basic 6.

Dengan menggunakan data penjualan yang sebenarnya dari PD Jembar yang berlokasi di kota Cimahi, dilakukan pengujian terhadap aplikasi ini. Pengujian juga ditujukan untuk mengetahui kebenaran dari hasil peramalan dengan persamaan yang dipilih.

1 BAB I PENDAHULUAN

1.1. Latar Belakang Masalah

Pada saat ini hampir semua perusahaan yang bergerak dibidang apapun dihadapkan pada suatu masalah, yaitu adanya tingkat persaingan yang semakin kompetitif. Hal ini mengharuskan perusahaan untuk merencanakan atau menentukan jumlah pembelian, agar dapat memenuhi permintaan pasar dengan tepat waktu dan dengan jumlah yang sesuai.

PD Jembar merupakan perusahaan swasta yang ada di daerah Cimahi yang dimiliki oleh H.Sundriyo yang menjual beras baik untuk eceran ataupun dalam jumlah besar. Lebih dari 500.000 kg atau 500 ton tiap bulannya. Karenanya PD Jembar memiliki kesulitan dalam pengumpulan data mengenai beras masuk dan keluar. Selain itu PD Jembar sering mengalami kekurangan persediaan beras untuk memenuhi pesanan. Tetapi tidak jarang juga persediaan beras jenis tertentu menumpuk sehingga mengakibatkan harga beras tersebut turun. Untuk menghindari hal tersebut dibuatlah penelitian untuk meramalkan dari persediaan beras untuk 1 bulan kedepan dalam bentuk sebuah aplikasi. Sehingga mengurangi resiko kekurangan ataupun kelebihan barang yang mengakibatkan perputaran bisnis terhenti.

Ada beberapa model dalam melakukan ramalan salah satunya adalah tren linier. Model ini dapat mempelajari pola gerakan nilai-nilai variabel pada satu interval tertentu (misalnya minggu, bulan, dan tahun) sehingga menghasilkan

sebuah persamaan. Dari persamaan ini membentuk sebuah garis lurus yang memiliki arah meningkat atau menurun. Dan semakin banyak data akan semakin baik karena dapat mengatasi kontraksi dan ekspansi.

Dalam penentuan koefisien-koefisien pada model tren lnier dapat menggunakan metode least square, bebas, setengah rata-rata, atau rata-rata bergerak. Pemilihan metode berdasarkan data yang dimiliki. Dari metode-metode yang ada metode least square merupakan metode yang dianggap paling mudah dan gampang dipraktikkan. Metode ini pun mempunyai kesalahan atau galat paling kecil. Tapi itu bergantung pada data yang dimiliki.

Berdasarkan latar belakang diatas dibuatlah sebuah penelitian dengan

judul “MODEL PERAMALAN PADA PENGADAAN BARANG PADA PD.

JEMBAR”. Diharapkan hasil dari penelitian ini dapat membantu dalam proses

bisnis yang berjalan.

1.2. Rumusan Masalah

Berdasarkan latar belakang diatas, maka ditemukan beberapa rumusan masalah yaitu :

1. Bagaimana menentukan variabel yang akan digunakan untuk perhitungan? 2. Bagaimana menentukan peramalan jumlah beras yang harus ada untuk

persedian tiap bulan nya?

3. Berapa besar faktor pengamanan untuk menangani kesalahan pada peramalan?

1.3. Maksud dan Tujuan

Adapun maksud pembuatan penelitian ini adalah untuk membangun sebuah model yang dapat meramalkan pengadaan barang sehingga meminimalisir kesalahan dalam penentuan stok beras dengan menggunakan metode tren linier.

Sedangkan tujuan dari penelitian ini adalah :

1. Memperkecil kesalahan dalam pernentuan beras masuk.

2. Dapat menentukan besaran pengaman yang cukup untuk memenuhi kebutuhan.

3. Memudahkan dalam pengecekan keluar masuk beras.

1.4. Batasan Masalah/Ruang Lingkup kajian Batasan masalah untuk sistem ini adalah a. User aplikasi ini adalah hanya pengelola. b. Jenis beras dipilah berdasarkan merk beras. c. Metode yang digunakan adalah least square d. Besar kesalahan menggunakan MAPE

e. Peramalan dapat dilakukan untuk beberapa bulan kedepan. f. Hasil ramalan digunakan untuk 1 jenis beras perbulan

g. Model ini belum bisa menangani faktor-faktor diluar sistem seperti cuaca, persaingan dan kebijakan pemerintah.

1.5. Metodologi Penelitian

Metodologi yang digunakan dalam penulisan tugas akhir ini adalah sebagai berikut :

1. Tahap pengumpulan data

Metode pengumpulan data yang digunakan dalam penelitian ini adalah sebagai berikut :

a. Studi Literatur.

Pengumpulan data dengan cara mengumpulkan literatur, jurnal, paper dan bacaan-bacaan yang ada kaitannya dengan judul penelitian.

b. Observasi.

Teknik pengumpulan data dengan mengadakan penelitian dan peninjauan langsung terhadap permasalahan yang diambil.

c. Wawancara

Teknik pengumpulan data dengan mengadakan tanya jawab secara langsung yang ada kaitannya dengan topik yang diambil.

d. Kuesioner

Teknik pengumpulan data dengan mengajukan pertanyaan-pertaanyaan secara tersurat yang ada kaitanya dengan topik yang diambil.

2. Tahap pembuatan perangkat lunak.

Teknik analisis data dalam pembuatan perangkat lunak menggunakan paradigma perangkat lunak secara waterfall, yang meliputi beberapa proses diantaranya:

a. Rekayasa sistem

Merupakan bagian terbesar dalam pengerjaan suatu proyek, dimulai dengan mencari dan menetapkan berbagai kebutuhan dari semua elemen yang diperlukan oleh suatu sistem.

b. Analisis

Merupakan tahap menganalisis hal-hal yang diperlukan dalam pelaksanaan proyek pembuatan perangkat lunak.

c. Perancangan

Tahap penerjemahan dari data yang dianalisis kedalam bentuk yang mudah dimengerti oleh user.

d. Pengkodean

Tahap penerjemahan data atau pemecahan masalah yang telah dirancang kedalam bahasa pemrograman tertentu.

e. Pengujian

Merupakan tahap pengujian terhadap perangkat lunak yang dibangun apakah sudah sesuai dengan kebutuhan atau keinginan konsumen.

f. Perawatan

Tahap akhir dimana suatu perangkat lunak yang sudah selesai dapat mengalami perubahan–perubahan, penambahan, atau perbaikan sesuai dengan permintaan user.

Rekayasa Sistem

Pengkodean

Perawatan Pengujian

Perancangan Analisis

Gambar 1.1 Metodologi Pendekatan Waterfall

1.6. Sistematika Penulisan

Sistematika penulisannya disusun sebagai berikut : BAB I PENDAHULUAN

Membahas mengenai latar belakang, rumusan masalah, maksud dan tujuan, batasan masalah, metodologi penelitian serta sistematika penulisan dalam penelitian ini.

BAB II LANDASAN TEORI

Berisi profil perusahaan dan konsep dasar model dan peramalan yang digunakan sebagai landasan atau acuan yang diperlukan terhadap analisis dan perancangan sistem. Dan pengenalan komponen-komponen dari sistem ini. Serta materi pengantar mengenai software dan permodelan yang akan digunakan.

BAB III ANALISIS PERANCANGAN SISTEM

Bab ini berisi analisis kebutuhan dalam membangun aplikasi dan sistem yang akan dibuat. Selain itu terdapat juga perancangan antarmuka untuk aplikasi yang akan dibangun sesuai dengan hasil analisis yang telah dibuat. Bab IV IMPLEMENTASI DAN PENGUJIAN PROGRAM

Merupakan penjabaran dari rancangan yang telah dibuat berupa penulisan kode progam komponen utama pembentuk sistem. Dan tampilan dari program tersebut. Selanjutnya dilakukan pengujian sistem dan analisis terhadap hasil yang diperoleh.

BAB V KESIMPULAN DAN SARAN

Berisi penarikan kesimpulan berdasarkan data hasil analisa yang diperoleh dari pengujian serta saran untuk pengembangan sistem lebih lanjut

8

LANDASAN TEORI

2.1. Sejarah Perusahaan

PD Jembar merupakan perusahaan swasta yang didirikan pada tahun 1979 di Jalan Babakan Ciparay No.170 Bandung. PD Jembar ini adalah semacam toko yang menjual beras baik untuk eceran ataupun dalam jumlah besar. Karena toko ini semakin berkembang, PD Jembar kemudian membuka cabang di Caringin pada tahun 1981, kemudian pada taun 2000 di Gempol, pada taun buka cabang lagi di Cimindi dan terakhir tahun 2009 membuka cabang di Cibaduyut. Semua cabang berada di daerah sekitar Bandung dan Cimahi. Sedangkan untuk penelitian dilakukan di Jl. Raya Cimindi no 236 Cimahi.

PD Jembar mendapat pasokan dari daerah Ciawi, Cianjur, Purwokerto, Purworejo, Sumedang, Jatiwangi, Cirebon, Semarang, Kudus, Sragen, Ngawi, Majenang, Banjar, dan Ciamis. Beras–beras tersebut dikirim dengan menggunakan truk/puso/tronton. Kapasitas seperti tronton kapasitasnya yaitu 24 ton, puso dapat memuat 17 ton , colt diesel 8 ton, dan pick up 1.5 ton. Dalam sehari PD Jembar dapat memasok beras sekitar 20–30 ton, tergantung situasi dan stok yang ada di gudang.

2.2. Model

Model adalah suatu penyederhanaan dari suatu realitas yang kompleks. Model dikatakan lengkap apabila dapat mewakili berbagai aspek dari realitas yang

sedang dikaji. Sebagai contoh, boneka adalah model dari bentuk manusia. Boneka yang dapat tertawa, menangis, dan berjalan adalah model manusia yang lebih lengkap, tidak hanya mewakili bentuk tetapi juga beberapa perilaku manusia. [3]

2.2.1. Permodelan Sistem

Permodelan merupakan kumpulan aktivitas pembuatan model. Sebagai landasan pengertian permodelan diperlukan suatu penelahan tentang model itu sendiri secara spesifik ditinjau dari pendekatan sistem. Sebelum sampai pada tahap permodelan, perlu diketahui lebih dahulu jenis dan klasifikasi model-model secara terperinci. Salah satu dasar utama untuk mengembangkan model adalah guna menemukan peubah apa yang penting dan tepat. Penemuan peubah-peubah tersebut sangat erat hubungannya dengan pengkajian hubungan-hubungan yang terdapat diantara peubah-peubah. Teknik kuantitatif seperti persamaan regresi dan simulasi digunakan untuk mempelajari keterkaitan antar peubah dalam sebuah model.

2.2.2. Jenis Model

Klasifikasi perbedaan dari model memberikan pertambahan pendalaman pada tingkat kepentingannya, karena dapat dijelaskan dalam banyak cara. Model dapat dikategorikan menurut jenis, dimensi, fungsi, tujuan pokok pengkajian atau derajat keabstrakannya. Kategori umum adalah jenis model yang pada dasarnya dapat dikelompokan menjadi ikonik, analog dan simbolik.

2.2.2.1. Model Ikonik

Model ikonik adalah perwakilan fisik dari beberapa hal baik dalam bentuk ideal ataupun dalam skala yang berbeda. Model ikonik mempunyai karakteristik yang sama dengan hal yang diwakili dan terutama amat sesuai untuk menerangkan kejadian pada waktu yang spesifik.

Model ikonik dapat berdimensi dua (foto, peta, cetak biru) atau tiga dimensi (prototipe mesin, alat). Apabila model berdimensi lebih dari tiga dimensi maka tidak mungkin lagi dikonstruksi secara fisik sehingga diperlukan kategori model simbolik.

2.2.2.2. Model Analog (Model Diagramatik)

Model analog dapat mewakili situasi dinamik, yaitu keadaan berubah menurut waktu. Model ini lebih sering dipakai daripada model ikonik karena kemampuannya untuk mengetengahkan karakteristik dari kejadian yang dikaji. Model analog banyak berkesesuaian dengan penjabaran hubungan kuantitatif antara sifat dan kelas-kelas yang berbeda. Dengan melalui transformasi sifat menjadi analognya, maka kemampuan membuat perubahan dapat ditingkatkan. Contoh model analog ini adalah kurva permintaan, kurva distribusi frekuensi pada statistik, dan diagram alir.

2.2.2.3. Model Simbolik (Model Matematik)

Pada hakekatnya, ilmu sistem memusatkan perhatian kepada model simbolik sebagai perwakilan dari realitas yang sedang dikaji. Format model

simbolik dapat berupa bentuk angka, simbol, dan rumus. Jenis model simbolik yang umum dipakai adalah suatu persamaan (equation). Bentuk persamaan adalah tepat, singkat, dan mudah dimengerti. Simbol persamaan tidak saja mudah dimanipulasi daripada kata-kata, namun juga lebih cepat ditangkap maksudnya. Suatu persamaan adalah bahasa universal pada penelitian operasional dan ilmu sistem, dimana dipakai suatu logika simbolis. Permodelan mencakup suatu pemilihan dari karakteristik dari perwakilan abstrak yang paling tepat pada situasi yang terjadi. Pada umumnya, model matematis dapat diklasifikasikan menjadi dua bagian, yaitu [3]:

1. Model statik

Model statik memberikan informasi tentang peubah-peubah model hanya pada titik tunggal dari waktu.

2. Model dinamik

Model dinamik mampu menelusuri jalur waktu dari perubahan model. Model dinamik lebih sulit dan mahal pembuatannya, namun memberikan kekuatan yang lebih tinggi pada analisis dunia nyata.

Pemilihan model tergantung pada tujuan dari pengkajian sistem dan terlihat jelas pada formulasi permasalahan pada tahap evaluasi kelayakan. Sifat model juga tergantung pada teknik permodelan yang dipakai. Model yang mendasarkan pada teknik peluang dan memperhitungkan ketidaktentuan (uncertainty) disebut model probabilistik atau model stokastik. Dalam mengkaji suatu sistem, model ini sering dipakai karena perihal yang dikaji umumnya mengandung keputusan yang

tidak tentu. Kebalikan dari model ini adalah model kuantitatif yang tidak mempertimbangkan peluang kejadian, dikenal sebagai model deterministik. 2.3. Peramalan (Forecasting)

Peramalan merupakan bagian awal dari suatu proses pengambilan suatu keputusan. Sebelum melakukan peramalan harus diketahui terlebih dahulu apa sebenarnya persoalan dalam pengambilan keputusan itu. Peramalan adalah pemikiran terhadap suatu besaran, misalnya permintaan terhadap satu atau beberapa produk pada periode yang akan datang. Pada hakekatnya peramalan hanya merupakan suatu perkiraan(guess) tetapi dengan menggunakan teknik-teknik tertentu, maka peramalan menjadi lebih sekedar perkiraan. Peramalan dapat dikatakan perkiraan yang ilmiah (educated guess). Setiap pengambilan keputusan yang menyangkut keadaan di masa yang akan datang, maka pasti ada peramalan yang melandasi pengambilan keputusan tersebut.[2]

Dalam kegiatan produksi, peramalan dilakukan untuk menentukan jumlah permintaan terhadap suatu produk dan merupakan langkah awal dari proses perencanaan dan pengendalian produksi. Dalam peramalan ditetapkan jenis produk apa yang diperlukan (what), jumlahnya (how many), dan kapan dibutuhkan (when). Tujuan peramalan dalam kegiatan produksi adalah untuk meredam ketidakpastian, sehingga diperoleh suatu perkiraan yang mendekati keadaan yang sebenarnya. Suatu perusahaan biasanya menggunakan prosedur tiga tahap untuk sampai pada peramalan penjualan, yaitu diawali dengan melakukan peramalan lingkungan, diikuti dengan peramalan penjualan industri, dan diakhiri dengan peramalan penjualan perusahaan.

2.3.1. Pendefenisian Tujuan Peramalan

Tujuan peramalan dilihat dengan waktu[2]: a. Jangka pendek (Short Term)

Menentukan kuantitas dan waktu dari item dijadikan produksi. Biasanya bersifat harian ataupun mingguan dan ditentukan oleh Low Management. b. Jangka Menengah (Medium Term)

Menentukan kuantitas dan waktu dari kapasitas produksi. Biasanya bersifat bulanan ataupun kuartal dan ditentukan oleh Middle Management.

c. Jangka Panjang (Long Term)

Merencanakan kuantitas dan waktu dari fasilitas produksi. Biasanya bersifat tahunan, 5 tahun, 10 tahun, ataupun 20 tahun dan ditentukan oleh Top Management.

2.3.2. Beberapa Sifat Hasil Peramalan.

Dalam membuat peramalan atau menerapkan suatu peramalan maka ada beberapa hal yang harus dipertimbangkan yaitu [2]:

1. Ramalan pasti mengandung kesalahan, artinya peramal hanya bisa mengurangi ketidakpastian yang akan terjadi, tetapi tidak dapat menghilangkan ketidakpastian tersebut.

2. Peramalan seharusnya memberikan informasi tentang beberapa ukuran kesalahan, artinya karena peramalan pasti mengandung

kesalahan, maka adalah penting bagi peramal untuk menginformasikan seberapa besar kesalahan yang mungkin terjadi. 3. Peramalan jangka pendek lebih akurat dibandingkan peramalan

jangka panjang. Hal ini disebabkan karena pada peramalan jangka pendek, faktor-faktor yang mempengaruhi permintaan relatif masih konstan sedangkan masih panjang periode peramalan, maka semakin besar pula kemungkinan terjadinya perubahan faktor-faktor yang mempengaruhi permintaan.

2.3.3. Model Peramalan Dengan Menggunakan Analisis Deret Waktu Deret waktu adalah serangkaian nilai-nilai variabel yang disusun berdasarkan waktu. Analisis ini mempelajari pola gerakan nilai interval tertentu (misalnya minggu, bulan, dan tahun) yang teratur sehingga memperoleh ukuran-ukuran yang dapat digunakan untuk membuat keputusan. Keungulan analisis ini dengan regresi adalah bahwa penyusunan analisis regresi didasarkan pada teori atau logika ekonomi, sementara analisis deret waktu dapat dikatakan tanpa landasan teori namun semua metode didasarkan pada asumsi bahwa pola lama akan terulang. Ada beberapa model yang digunakan dalam analisis deret waktu yaitu tren linier, kuadratis, dan eksponensial.[7]

2.3.3.1.Tren linier

Tren merupakan suatu garis atau kurva yang halus yang menunjukan suatu kecendrungan umum suatu variabel. Arah tren dapat terlihat naik ataupun turun.

Untuk melihat tren yang ada sebaiknya digunakan suatu periode sekurang-kurangnya meliputi 1 siklis.[8]

Siklis adalah pergerakan disekitar rata-rata nilai variabel deret waktu, di atas atau dibawah tren jangka panjang. Dari gerakan siklis diperoleh beberapa titik tertinggi (puncak) dan titik terendah (lembah). Pola berulang ini berlangsung dalam jangka waktu tertentu. Pergerakan dari puncak ke lembah dinamakan kontraksi dan pergerakan dari lembah ke puncak dinamakan ekspansi.

Kadang-kadang dalam suatu deret waktu terjadi gerakan yang berbeda tetapi dalam waktu singkat, tidak diikuti dengan pola yang teratur dan tidak dapat diperkirakan. Gerakan yang tidak teratur ini dapat disebabkan oleh faktor-faktor random seperti bencana, perubahan pemerintahan, dan lain-lain. Karena gerakan-gerakan ini tidak dapat diperkirakan, maka ukuran ketidakteraturan masa lalu tidak berguna untuk model ini.

Rumus Umum dari tren linier adalah :

(1) Dimana :

= variabel yang akan diramalkan, dalam hal ini adalah penjualan produk perusahaan

a = konstanta, yang akan menunjukkan besarnya harga apabila X = 0 b = variabilitas per X, yaitu menunjukkan besarnya perubahan nilai Y dari

setiap perubahan satu unit X

X = unit waktu/periode, yang dapat dinyatakan dalam minggu, bulan, semester, tahun, dan lain sebagainya tergantung pada kesesuaian yang ada di data perusahaan

Tren linier dapat dihitung dengan beberapa metode, antara lain [5]: a. Metode Least Square

b. Metode Bebas

c. Metode setengah rata-rata (Semi Everage) d. Metode rata-rata bergerak (Moving Average)

a) Metode Least Square

Dari metode-metode yang ada metode least square merupakan metode yang dianggap paling mudah dan gampang dipraktikkan. Metode ini digunakan pada waktu data yang tersedia mempunyai kecenderungan berbentuk garis lurus. Untuk melihat tren linier sebaiknya digunakan suatu periode sekurang-kurangnya meliputi satu siklis, jika lebih dari satu siklis akan lebih baik.

Seperti yang telah dijelaskan sebelumnya bahwa antara nilai-nilai data penjualan berkala Y1, Y2, Y3, ……Yn dengan nilai-nilai tren 1, ……. n yang diperoleh dari persamaan tren linier i = a + bX mempunyai selisih atau eror sebesar ei = Yi – i, sehingga jumlah seluruh selisih dari semua titik adalah ∑ei. Oleh karena itu nilai ei bisa bertanda positif atau bertanda negatif, maka agar menjadi nilai bertanda positif, dapat di ambil kuadrat dari semua ei, yaitu e sehingga diperoleh jumlah kuadrat selisih, yaitu = ∑(Yi- i)2. Dengan

meminimumkan bentuk kuadrat ini, maka akan di peroleh persamaan tren linier yang mempunyai kesalahan atau selisih atau eror minimum (paling kecil). Hal ini akan terpenuhi jika [5] :

(2)

(3) (4) (5) Dimana :

Y= Penjualan X = Kode periode t = Waktu

= Waktu rata-rata dalam 1 periode n = Banyaknya data

Dengan syarat ∑ X = 0, dimana n adalah sama dengan jumlah data.

b) Metode Bebas

Metode bebas merupakan cara yang paling sederhana dan mudah untuk menetukan tren dari data berkala. Langkah-langkah yang diperlukan untuk menetukan persamaan tren dengan cara ini adalah sebagai berikut [5]:

4. Buatlah sumbu datar X dan sumbu tegak Y dalam sistem koordinat Cartesius.

5. Buatlah diagram pencar (scatter diagram) dari pasangan titik pasangan titik (X,Y) yang menyatakan kaitan antara waktu dan nilai data

berkala.

6. Tariklah garis linieryang arahnya mengikuti arah penyebaran nilai-nilai data berkala.

7. Pilihlah dua titik kapal sembaranguntuk menentukan persamaan tren linier, misalnya (X1,X1) dan (X2,Y2). Pilih salah satu periode waktu data berkala sebagai titik asal (X=0).

8. Masukanlah atau substitusikanlah nilai-nilai X dan Y dari dua titik yang telah dipilih pada rumus persamaan umum tren linier atau memakai persamaan berikut:

(6)

9. Selanjutnya tentukanlah nilai-nilai tren linier dengan memakai persamaan yang telah diperoleh tersebut.

c) Metode Setengah Rata-Rata (Semi Everage)

Penetuan persamaan tren linier dengan metode setangah rata-rata (semi rata-rata) dilakukan dengan tahapan-tahapan berikut [5]:

1. Bagilah data berkala menjadi dua kelompok yang sama banyak, katakanlah kelompok 1 dan kelompok 2.

2. Tentukanlah rata-rata hitung masing-masing kelompok, katakanlah Y1 dan Y2.

3. Tentukanlah dua titik yaitu (X1, Y1) dan (X2, Y2), dimana absis X1 dan X2 ditentukan dari periode waktu data berkala.

4. Tentukanlah nilai a dan b dengan mensubstitusikan nilai-nilai X dan Y dari dua titik tersebut pada persamaan tren.

Masalah akan muncul ketika membagi data berkala menjadi dua kelompok yang sama banyak. Dalam hal banyak data berkala genap, maka tidak akan ada masalah, karena tiap kelompok akan terdiri atas nilai data berkala yang sama banyaknya. Akan tetapi, bila banyaknya data berkal ganjil, agar masing-masing kelompok terdiri atas nilai data berkala yang sama banyaknya, maka dapat dilakukan dengan dengan dua cara, yaitu pertama menghilangkan nilai data paling tengah atau kedua memasukan nilai data paling tengah tersebut pada masing-masing kelompok.

d) Metode rata-rata bergerak (Moving Average)

Metode ini melakukan peramalan dengan menggunakan rata-rata penjualan masa lalu. Ramalan tahun ini merupakan rata-rata tahun sebelumnya sedangkan tahun berikut merupakan rata-rata tahun sebelumnya dengan tahun sekarang. Metode rata-rata bergerak (moving average) ditetukan dengan cara berikut.

1. Hitunglah rata-rata Y dari sebanyak n nilai data yang paling awal. 2. Lupakan nilai data yang pertama

3. Ulangi tahap 1 dan 2 sampai data yang terakhir telah digunakan. Nilai Y rata-rata :

(7) Bagian pembilang masing-masing disebut total bergerak menurut total n yang bergantung pada periode waktu data berkala. Rata-rata ini dikatakan rata-rata bergerak karena setelah rata-rata dihitung kemudian diikuti gerakan 1 periode kebelakang. Rata-rata bergerak ditempatkan pada pusat dari n dari periode yang digunakan. Bila data berkala merupakan data tahunan, maka urutan n adalah dalam tahunan. Bila data berkala merupakan data bulanan, maka urutan dapat mengenal bergerak tiga bulan, rata-rata bergerak satu tahun, rata-rata bergerak lima tahun, rata-rata bergerak sepuluh tahun, rata-rata, dan seterusnya.

2.3.3.2.Tren Kuadratis

Kelemahan tren linier adalah kurang baik dipakai untuk mewakili data berkala yang jangka waktunya panjang, karena sering meleset atau tidak tepat akibat perubahan waktu. [5]

Rumus Umum dari tren kuadrat adalah[8] :

(8) Dimana nilai X merupakan tahun kode dan X= t - .

2

Dengan metode least square diperoleh :

(9)

(10) (11)

2.3.3.3.Tren Eksponensial

Bentuk umum dari tren eksponensial adalah[8] :

(12) atau dalam bentuk kode

(13) Persamaan ini disebut eksponensial karena waktu sebagai pangkat. Dalam persamaan itu t adalah tahun ditengah dari periode yang dipelajari. Sedangkan menunjukkan tingkat perubahan nilai variabel Yt per tahun.dan tingkat perubahan itu konstan. Nilai koefisien yang dicari dari persamaan itu adalah a dan b, jika diketahui pasangan data X dan Y dalam deret waktu.

Berikut adalah pesamaannya [8] :

(14)

(15)

Yt = a (1 + b

Yt = a (1 + b )X

2.3.4. Penentuan tingkat kesalahan

Setiap peramalan pastinya memiliki ukuran kesalahan. Berikut ini adalah ukuran-ukuran yang dapat dijadikan acuan untuk itu.

2.3.4.1. Mean Squared Error MSE

Merupakan cara kedua untuk mengukur kesalahan peramalan keseluruhan. MSE merupakan rata-rata selisih kuadrat antara nilai yang diramalkan dan yang diamati. Rumusnya adalah [7]:

(16)

Kekurangan penggunaan MSE adalah bahwa cenderung menonjolkan deviasi yang besar karena adanya pengkuadratan.

2.3.4.2. Mean Absolute Percent Error

Masalah yang terjadi dengan MAD dan MSE adalah bahwa nilai mereka tergantung pada besarnya unsur yang diramal. Jika unsur tersebut dihitung dalam satuan ribuan, maka nilai MAD dan MSE bisa menjadi sangat besar. Untuk menghindari masalah ini, kita dapat menggunakan mean absolute percent error (MAPE). MAPE dihitung sebagai rata-rata diferensiasi absolut antara nilai yang diramal dan aktual, dinyatakan sebagai persentase nilai aktual. jika kita memiliki nilai yang diramal dan aktual untuk n periode, MAPE dihitung sebagai [7]:

(17)

MAPE mungkin merupakan perhitungan yang paling mudah diartikan. Sebagai contoh, MAPE merupakan pernyataan yang jelas, yang tidak bergantung pada permasalahan seperti banyaknya data input.

2.4. Definisi dan Simbol Alat Bantu Analisa dan Perancangan Sistem Dalam melakukan analisa dan perancangan sistem, digunakan beberapa perangkat yang akan mendeskripsikan hasil analisa yang akan membantu dalam merancang suatu sistem. Penggunaan perangkat tersebut akan memudahkan bagi sistem analis maupun programmer dalam membaca atau memahami sistem yang sedang berjalan.

2.4.1. Diagram Hubungan Entitas (Entity Relationship Diagram)

Diagram hubungan entitas adalah diagram yang menggambarkan hubungan entitas yang tersimpan. Adapun simbol-simbol yang digunakan dalam Diagram Hubungan Entitas (Entity Relational Diagram) adalah sebagai berikut :

a. Entitas (Entity)

Entitas (Entity) adalah obyek yang dapat di definisikan dalam lingkungan pemakai.

b. Hubungan (Relationship)

Hubungan (Relationship) adalah hubungan yang terjadi antara dua atau lebih entity. Biasanya setiap relationship berisikan kata kerja untuk menghubungkannya.

c. Atribut (Atribute)

Atribut (Atribute) adalah karakteristik dari entity yang menyediakan penjelasan detail tentang karakter entity tersebut.

2.4.2. Diagram Alur Data (Data Flow Diagram)

Diagram alur data (Data Flow Diagram) pada umumnya digunakan untuk memudahkan pemakaian suatu aplikasi. Adapun pengertiannya adalah suatu gambaran sistem secara logika, dan tidak mempertimbangkan lingkungan fisik dimana data tersebut mengalir. Adapun simbol-simbol yang digunakan adalah sebagai berikut :

a.Proses.

Proses merupakan suatu tindakan yang akan diambil terhadap data yang masuk. Karena proses adalah tindakan, maka proses berisi kata kerja. Dan proses memiliki satu atau lebih input dan output data.

b. Terminator.

Terminator adalah sesuatu yang berada diluar sistem, dapat berupa sistem lain atau bagian sistem. Dalam pemberian nama pada terminator menggunakan kata benda tulis didalam kotak perseginya.

c. Alur.

Alur adalah merupakan aliran data yang masuk dan keluar dari sistem. d. Data Store (Penyimpanan Data).

Data Store (Penyimpanan data) biasa digunakan untuk menyimpan data-data.

2.4.3. Alir Dokumen (flow map)

Alir Dokumen adalah bagan yang menunjukan arus pekerjaan secara keseluruhan dari sistem. Bagan ini menjelaskan urutan-urutan dari prosedur-prosedur yang ada didalam sistem.

2.4.4. Kamus Data

Kamus data (Data Dictinory) adalah katalog fakta tentang data dan kebutuhan-kebutuhan informasi dari suatu sistem informasi. Dengan kamus data analis sistem denganpemakai sistem tenteng cara yang mengalir ke sistem, yaitu tentang data yang masuk ke sistem dan tentang informasi yang dibutuhkan oleh pemakai sistem.[4]

Pada tahap perancangan sistem, kamus data digunakan untuk merancang input, merancang laporan-laporan dan database. Kamus data dibuat berdasarkan arus data yang ada di DFD (Data Flow Diagram). Arus data di DFD sifatnya adalah global, hanya ditujukkan nama arus datanya saja. Berikut adalah gambar yang menunjukkan hubungan antara DFD dengan kamus data.

2.4.4.1. Isi Kamus Data

Kamus data harus dapat mencerminkan keterangan yang jelas tentang data yang dicatatnya, seperti :

1. Nama arus data

Karena kamus data dibuat berdasarkan arus data yang mengalir di DFD, maka nama arus data juga dicatat di kamus data.

2. Alias

Alias atau nama lain dari data dapat ditulis jika ada nama lain. Alias digunakan hanya untuk membedakan nama data yang satu dengan yang lainnya.

3. Bentuk data

Bentuk data harus dicatat dalam kamus data, karena dapat digunakan untuk mengelompokan kamus data ke dalam kegunaannya sewaktu perancangan sistem.

4. Arus data

Arus data menunjukan dari mana data mengalir dan kemana data akan menuju. Keterangan arus data harus dicatat di kamus data supaya memudahkan mencari arus data ini di DFD.

5. Penjelasan

Penjelasan dapat diisi dengan keterangan-keterangan tentang arus data tersebut. 6. Periode

Periode ini menunjukan kapan terjadinya arus data ini. 7. Volume

Volume yang perlu dicatat adalah tentang volume rata-rata dan volume puncak arus data.

8. Struktur data

Struktur data menunjukan arus data yang dicatat di kamus data yang terdiri dari item-item apa saja.

2.4.5. Relasi Database

Dalam sebuah relasi database, tabel yang memuat kunci utama yang digunakan sebagai referensi kunci utama tabel lainnya disebut tabel induk (parent) sedangkan tabel yang memuat kunci tamu disebut tabel anak (child). Ada 3 bentuk relasi yang lazim digunakan, antara lain:

1.Relasi One to One (1 : 1)

Relasi ini meyatakan bahwa hanya satu record pada tabel anak yang dapat direlasikan dengan satu record pada tabel induk. Field kunci utama yang digunakan sebagai kunci utama pada tabel lainnya disebut field relasi.

2.Relasi One to Many (1 : N)

Relasi ini meyatakan bahwa beberapa record pada tabel anak dapat direlasikan dengan satu record pada tabel induk.

3.Relasi Many to Many (N : N).

Relasi ini meyatakan bahwa beberapa record pada tabel anak dapat direlasikan dengan satu record pada tabel induk, dan sebaliknya beberapa record pada tabel induk dapat direlasikan pada satu record pada tabel anak. Namun dalam

perancangan tabel. Relasi many to many dari 2 tabel tidak boleh dilakukan, karena hal itu menjadikan field kunci tidak lagi bersifat unik.

2.5. Normalisasi

Suatu file yang terdiri dari beberapa grup elemen yang berulang-ulang perlu diorganisasikan kembali. Proses untuk mengorganisasikan file untuk menghilangkan grup elemen yang berulan-ulang ini disebut dengan Normalisasi (Normalization).

Pada proses normalisasi selalu diuji pada beberapa kondisi, apakah ada kesulitan pada saat menambah (insert), menghapus (delete), mengubah (update), membaca (retrieve) pada suatu database. Bila ada kesulitan pada pengujian tersebut maka relasi tersebut dapat dipecahkan menjadi beberapa tabel lagi atau dengan kata lain perancangan yang dilakukan belum mendapatkan suatu database yang optimal. Ada beberapa macam kunci (key Function) yang digunakan untuk proses pencarian, penyaringan, hapus, dan lain sebagainya yang biasa digunakan dalam pengolahan database, yaitu sebagai berikut :

a. Kunci Calon (Candidat Key)

Kunci kandidat adalah satu atribut atau set minimal atribut yang mengidentifikasi secara unik suatu kejadian yang spesifik dari suatu entity. Satu set minimal atribut menyatakan secara tak langsung dimana kita tak dapat membuang beberapa atribut dalam set tanpa merusak kepemilikan unik. Jika satu kunci kandidat berisi lebih dari satu atribut, maka biasanya disebut sebagai kunci gabungan (composite key).

b. Kunci Primer (Primary Key)

Kunci primer adalah satu atribut atau satu set minimal atribut yang tidak hanya mengidentifikasi secara unik suatu kejadian yang spesifik, akan tetapi juga dapat mewakili setiap kejadian dari suatu entity. Setiap kunci kandidat punya peluang menjadi Primary Key, akan tetapi sebaiknya dipilih satu saja yang dapat mewakili secara menyeluruh terhadap entity yang ada.

c.Kunci Alternatif (Alternative Key)

Kunci alternatif adalah kunci kandidat yang tidak dipakai sebagai Primary Key. Sering kali kunci alternatif ini digunakan sebagai kunci pengurutan dalam pembuatan laporan.

d.Kunci Tamu (Foreign Key)

Kunci tamu adalah satu atribut atau set atribut yang melengkapi satu hubungan (relationship) yang menunjukan ke induknya. Kunci tamu ditempatkan pada entity anak dan sama dengan kunci primary key induk yang direlasikan. Hubungan antara entity induk dengan anak adalah hubungan satu lawan banyak anak (one to many relationship).

e.Kunci Super (Super Key)

Kunci super adalah himpunan dari satu atau lebih entitas yang dapat digunakan untuk mengidentifikasi secara unik sebuah entitas dan entitas set.

Teknik normalisasi ini juga merupakan suatu teknik yang menstrukturkan data dalam cara tertentu untuk membantu mengurangi atau mencegah timbulnya

masalah yang berhubungan dengan pengolahan database. Proses normalisasi menghasilkan struktur record yang konsisten secara logic yang mudah untuk dimengerti dan sederhana dalam pemeliharaannya. Adapun langkah-langkah pembentukan normalisasi adalah sebagai berikut :

1.Bentuk Tidak Normal (Unnormalized Form)

Bentuk ini merupakan kumpulan data yang direkam, tidak ada keharusan mengikuti suatu format tertentu. Dapat saja data tidak lengkap atau terduplikasi, data dikumpulkan apa adanya sesuai dengan saat pemasukan. 2.Bentuk Normal Kesatu (1NF / First Normal Form)

Suatu relasi jika dan hanya jika sifat dari setiap relasi atributnya bersifat atomik, yaitu jika tidak dipecah maka tidak memiliki sifat induknya. 3.Bentuk Normal Kedua (2 NF / Second Normal Form)

Bentuk mormal kedua mempunyai syarat yaitu bentuk data telah memenuhi criteria bentuk normal kesatu. Atribut bukan kunci haruslah bergantung secara fungsi pada kunci utama atau primary key. Sehingga untuk membentuk normal kedua haruslah sudah ditentukan kunci-kunci field. Kunci field haruslah unik dan dapat mewakili atribut lain yang menjadi anggotanya.

4.Bentuk Normal Ketiga (3 NF / Third Normal Form)

Untuk menjadi normal ketiga maka relasiharuslah dalam bentuk normal kedua dan semua atribut bukan primer tidak mempunyai hubungan yang transitif. Dengan kata lain, setiap atribut bukan kunci haruslah bergantung hanya pada primary key dan pada primary key secara menyeluruh.

5.Boyce Codd Normal Form (BCNF)

BCNF mempunyai paksaan yang lebih kuat dari bentuk normal ketiga, dan relasi harus dalam bentuk normal kesatu dan setiap atribut harus bergantung fungsi pada atribut super key.

6.Bentuk Normal Keempat (4 NF)

Relasi R adalah bentuk 4 NF jika dan hanya jika relasi tersebut juga termasuk BCNF dan semua ketergantungan multivalue adalah juga ketergantungan fungsional.

7.Bentuk Normal Kelima (5 NF)

Disebut juga PJNF ( Projection Join Normal Form ) dari 4 NF dilakukan dengan menghilangkan ketergantungan join yang bukan merupakan kunci kandidat.

2.6. Database

Biasanya aplikasi berbasis komputer yang digunakan pada berbagai institusi menggunakan database atau basis data. Basis data merupakan suatu bentuk pengelolaan data yang ditujukan agar pengaksesan terhadap data dapat dilakukan dengan mudah. Sistem yang ditujukan untuk menangani basis data biasa disebut DBMS (Database Management System). Dengan menggunakan DBMS, pemakai dapat melakukan hal-hal berikut dengan mudah, seperti :

a. Menambah data. b. Menghapus data. c. Mengubah data.

d. Mencari data.

e. Menampilkan data dengan kriteria tertentu. f. Mengurutkan data.

Sistem basis data adalah suatu sistem informasi yang mengintegrasikan kumpulan dari data yang saling berhubungan dengan yang lain dan membuat menjadi beberapa aplikasi dalam suatu organisasi. Adapun keuntungan dari basis data adalah :

a. Salah satu komponen penting dalam sistem informasi. b. Menentukan kualitas informasi yang bersifat akurat. c. Mengurangi duplikasi data (data redundancy). d. Hubungan data dapat ditingkatkan (data relatability).

e. Mengurangi pemborosan tempat simpanan luar sampai dengan membentuk suatu basis data.

Dalam basis data memiliki hirarki data, gambar berikut :

Database

File

Record

Filed Data / Item

2.6.1. Elemen-Elemen Sistem Database

1. Karakter (character)

Merupakan bagian data yang terkecil, dapat berupa karakter numeric, huruf, ataupun karakter khusus (special characters) yang membentuk suatu item data atau field.

2. Field

Mewakili suatu atribut dari record yang menunjukan suatu item dari data, seperti misalnya nama, alamat, dan lain sebagainya. Kumpulan dari field membentuk suatu record.

a. Field name, harus diberi nama untuk membedakan field yang satu dengan yang lainnya.

b. Field representation, tipe field dapat berupa karakter, teks, tanggal, angka, dan sebagainya. Lebar field yaitu ruang maksimum yang dapat diisi dengan karakter data.

c. Field value adalah isi dari field untuk masing-masing record. 3. Record adalah Kumpulan dari field membentuk suatu record. Record

mengambarkan suatu unit data individu yang tertentu. Kumpulan dari record menbentuk suatu file.

4. File

File terdiri dari record yang menggambarkan satu kesatuan data yang sejenis. Misalnya file mata pelajaran berisi data tentang semua mata pelajaran yang ada.

5. Database

Kumpulan dari file atau tabel yang membentuk suatu database.

2.7. Pengenalan Microsoft Visual basic 6.0

Dalam situs www.geocities.com, Visual basic (VB) adalah salah suatu sarana (tool) untuk membangun aplikasi dalam lingkungan Windows. Dalam pengembangan aplikasi, visual basic menggunakan pendekatan visual untuk merancang user interface dalam bentuk form, sedangkan untuk kodingnya menggunakan bahasa basic (standar) yang cenderung mudah dipelajari oleh penggunanya. Visual basic telah menjadi sarana (tool) yang terkenal bagi pemula maupun yang sudah mahir.

Microsoft visual basic memiliki lingkungan pengembangan terpadu bagi programmer dalam mengembangkan aplikasinya atau biasa dikenal dengan IDE (Integrated Developement Environment). Dengan menggunakan IDE programmer dapat membuat user interface, melakukan koding, melakukan testing dan debuging serta menkompilasi program. Penguasaan yang baik akan IDE akan sangat membantu programmer dalam mengefektifkan tugas-tugasnya sehingga dapat bekerja dengan efisien.

2.7.1. Tampilan Microsoft Visual basic 6.0

Microsoft visual basic memiliki beberapa komponen yang dapat digunakan dalam membuat suatu aplikasi. Komponen-komponen tersebut adalah :

(1) Control Menu, (2) Menu, (3) ToolBar, (4) Project Explorer, (5) Properties, (6) Form Layout, (7) ToolBox, (8) Form, dan (9) Jendela Kode.

1. Control Menu

Control Menu adalah menu yang dapat digunakan untu memanipulasi layar visual basic. Di menu ini bisa digunakan untuk merubah ukuran, memindahkan, dan menutup layar visual basic. Di menu ini juga memiliki beberapa perintah.

2. Menu

Menu dalam layar visual basic berisikan perintah tertentu untuk melakukan tugas tertentu. Sebagian dari isi menu ini hampir sama dengan program-program windows yang lainya, seperti menyimpan project, membuka project, dan lain-lain.

3. ToolBar

ToolBar adalah tombol-tombol yang mewakili suatu perintah dari visual basic. Biasanya tombol-tombol ini yang sering digunakan oleh user dalam visual basic.

4. Project Explorer

Project Explorer adalah yang mengandung semua file di dalam aplikasi visual basic. Dalam project explorer ditampilkan semua file yang terdapat pada aplkasi yang sedang dibuat. Berikut gambar project explorer.

5. Properties

Properties adalah jendela yang mengandung semua informasi mengenai objek yang terdapat di dalam aplikasi visual basic. Biasanya di dalam properties terdapat properti yang dapat diatur langsung dari jendela properties. Berikut adalah tampilan properties.

6. Form Layout

Form layout adalah jendela yang akan menunjukan bagaimana form bersangkutan ditampilkan ketika runtime. Didalam form layout juga terdapat menu-menu yang akan muncul jika mengklik kanan pada mouse. 7. ToolBox

Toolbox adalah layar yang berisikan komponen-komponen yang dibutuhkan untuk membuat aplikasi. Dari toolbox ini dapat mengambil komponen-komponen (object) yang akan dibutuhkan pada form untuk

Gambar 2.3 Project Explorer Visual basic

dibuat dalam aplikasi visual basic. Berikut gambar toolbox dalam visual basic.

Funsi dari kontrol-kontrol tersebut, adalah :

a. Pointer berfungsi untuk memilih kontrol yang sudah berada pada form. b. PictureBox (Pic) berfungsi untuk menampilkan image dengan format:

BMP, DIB (bitmap), ICO (icon), CUR (cursor), WMF (metafile), EMF (enhanced metafile), GIF dan JPEG atau JPG.

c. Label berfungsi untuk menampilkan teks tetapi pemakai tidak dapat berinteraksi dengannya atau mengubahnya.

d. TextBox berfungsi untuk menampilkan teks dimana pemakai dapat mengisi atau melihat teks yang ditampilkan sebagai output suatu proses.

e. Frame berfungsi untuk mengidentifikasi sebuah grup pengontrol.

Pointer Label Frame Check Box Combo Box HScrollBar Timer DirListBox Shape Image OLE

Picture Box Text Box

Command Button Option Button List Box VScrollBar DriveListBox FileListBox Line Data

f. Command Button (cmd) berfungsi untuk memberikan sebuah perintah atau tindakan ketika digunakan.

g. CheckBox berfungsi untuk memberikan pilihan benar/salah (True/False) atau ya/tidak (Yes/No).

h. OptionButton berfungsi untuk memberikan pilihan lebih dari satu sebagai pilihan terhadap beberapa option yang hanya dapat dipilih satu.

i. ListBox berfungsi untuk menampilkan daftar item yang dapat dipilih salah satu.

j. ComboBox berfungsi untuk unit kontrol kombinasi antara TextBox dengan ListBox dimana pemasukkan data dapat dilakukan dengan pengetikkan maupun pemilihan.

k. HScrollBar atau Horizontal Scroll Bar berfungsi untuk menampilkan balok gulung horizontal.

l. VScrollBar atau Vertical Scroll Bar berfungsi untuk menampilkan balok gulung vertikal.

m. Timer berfungsi untuk mengeksekusi waktu kejadian pada rutin program termasuk selang waktu (interval).

n. DriveListBox berfungsi untuk menampilkan daftar drive.

o. DirListBox berfungsi untuk menampilkan daftar direktori pada drive terpilih.

p. FileListBox berfungsi untuk menampilkan daftar file pada drive dan direktori terpilih.

r. Line berfungsi untuk membuat garis lurus pada form.

s. Image berfungsi untuk menampilkan gambar : .bmp, .gif, .jpg, .wmf, dan .ico. Perbedaan dengan picture box adalah control ini memberikan perintah seperti command button saat pemakai mengklik gambar dengan menggunakan mouse.

t. Data berfungsi untuk menampilkan database pada suatu form.

u. OLE atau Object Linking and Embedding berfungsi untuk memungkinkan pemakai menempilkan suatu objek dari aplikasi yang mendukung OLE ke aplikasi Visual basic.

8. Form

Form adalah daerah kerja utama yang berguna untuk merancang program aplikasi dalam visual basic. Form ini bisa diletakkan berbagai macam objek seperti teks, gambar, dan sebagainya yang terdapat di toolbox visual basic. Berikut gambar form dalam visual basic.

9. Jendela Kode

Jendela kode adalah jendela yang digunakan untuk menuliskan perintah-perintah yang merupakan instruksi dalam membuat aplikasi visual basic.

2.8. Microsoft SQL Server

Microsoft SQL (Structured Query Language) Server merupakan salah satu bahasa standar yang digunakan untuk mengakses basis data relasional. Query adalah nilai/value yang turut merepresentasikan deskripsi dari suatu objek atau kejadian (event) dan informasi merupakan hasil dari pengolahan data dalam suatu bentuk yang lebih berguna dan lebih berarti bagi penerimanya yang menggambarkan suatu kejadian-kejadian (event) yang nyata (fact) yang digunakan untuk pengambilan keputusan. Di SQL Server terdapat 3 buah fungsi utama, diantaranya :

1. DDL (Data Definition Language).

DDL berungsi untuk merancang sebuah basis data, tabel, maupun yang lainnya. Fungsi-fungsi DDL seperti :

a. Create, digunakan untuk membuat sebuah maupun lebih basis data, tabel dan fungsi-fungsi yanglainnya.

b. Alter, digunakan untuk merubah tabel yang telah dibuat sebelumnya.

c. Drop, digunakan untuk menghapus tabel atau basis data yang ada. 2. DML (Data manipulation Language).

DML berfungsi untuk mengambil dan memanipulasi data pada suatu database. Fungsi-fungsi DML diantaranya :

a. Insert, digunakan untuk memasukkan data kedalam tabel. b. Select, digunakan untuk membaca (query) isi tabel.

c. Update, digunakan untuk melakukan perubahan data yang sudah disimpan.

d. Delete, digunakan untuk menghapus data dalam tabel. 3. DCL (Data Control Language).

DCL berfungsi untuk mengelola otorisasi user.

2.8.1. Tipe Data SQL Server

Dalam membuat tabel dalam SQL Server, harus mengetahui tipe-tipe data serta fungsinya. Tipe data dalam SQL ada 4, yaitu:

a. Integer, diantaranya :

1. Bit : Integer dengan nilai 0 dan 1.

2. Int : Nilai integer dengan nilai antara -2^-3 (2.147.483.648) sampai 2^3-1 (2.147.483.647).

3. Decimal atau Numeric : Angka antara -10^38 sampai 10^38-1. 4. Money : nilai yang berhubungan dengan mata uang dari

-2^63(-922.377.203.685.477,5808) sampai 2^63-1

(922.377.203.685.477,5807).

5. Float : -214.748,3648 sampai 1.79E+308. 6. Real : -3.40E+38 sampai 3.40E+38.

7. DateTime : 1 Januari 1973 sampai 31 Desember 9999.

8. SmallDateTime : 1 Januari 1900 sampai 6 Juni 2079, dengan ketelitian hingga 1 menit.

b. String

1. Char : Jumlah karakter tetap dengan ukutan maksimal 8000 karakter.

2. Varchar : Jumlah karakter variabel dengan ukuran maksimal 8000 karakter.

3. Text : Jumlah karakter variabel dengan ukuran maksimal 2.147.483.647 karakter.

c. Unicode String

1. NChar : Jumlah karakter tetap dengan ukuran maksimal 4000 karakter.

2. NVarchar : Jumlah karakter variabel dengan ukuran maksimal 4000 karakter.

3. NText : Jumlah karakter variabel dengan ukuran maksimal 1.073.741.823 karakter.

d. Binary String

1. Binary : Jumlah biner tetap dengan ukuran maksimal 8000 bytes. 2. Varbinary : Jumlah biner variabel dengan ukuran maksimal 8000

bytes.

3. Image : Jumlah karakter variabel dengan ukuran maksimal 2.147.483.647 bytes.

43 3.1Analisis Sistem

Analisis sistem dapat didefinisikan sebagai penguraian dari suatu sistem informasi yang lengkap kedalam bagian-bagian komponennya dengan maksud untuk mengidentifikasikan permasalahan, hambatan, kesempatan dan kebutuhan yang diharapkan sehingga dapat diusulkan perbaikannya. Menganalisis masalah merupakan langkah yang harus dilakukan dalam tahapan analisis sistem.

3.1.1. Analisis masalah

Dari hasil wawancara, sistem yang lama masih sering mengalami kendala dalam memberikan laporan mengenai pemasukan dan pengeluaran beras. Kendala yang dihadapi yaitu

1. Dalam penyimpan data-data beras, baik data barang masuk dan barang keluar masih manual.

2. Sering terjadinya kesalahan dalam penentuan jumlah pengadaan barang.

Berdasarkan analisis diatas, dibuatlah sebuah model matematik yang memberikan kemudahan dalam menyimpan data bararang masuk dan barang keluar serta memberikan peramalan pengadaan beras untuk bulan berikutnya. Agar pengelola dapat mengontrol perputaran modal dan dapat melihat perkembangan perusahaan.

3.1.1.1.Analisis prosedur yang sedang berjalan

Penentuan persediaan beras biasanya hanya berdasarkan intuisi dan pengalaman dari pengelola tersebut. Walaupun hasil cukup menguntungkan tetapi terkadang keputusan tersebut bisa kurang tepat yang mengakibatkan perusahaan rugi atau pun telat dalam pembayaran.

Untuk itu perlu sebuah model untuk melihat kemungkinan persediaan beras yang akan datang dengan mengunakan perhitungan-perhitungan tertentu sehinnga keputusan yang diambil dapat lebih tepat dan memperkecil kemungkinan untuk rugi.

Berdasarkan hasil wawancara dengan pengola, berikut merupakan gambar dari diagram alir dokumen secara fisik pada pengadaan beras:

1. Karyawan menyiapkan data persediaan beras untuk dibuat laporannya dan dikonfirmasikan kepada pengelola dan dibuat arsip.

2. Didasari laporan persediaan barang, pengelola mengkonfirmasikan harga dan kualitas beras pada supplier.

3. Setelah didapat data beras siap kirim dan contoh beras, pengelola membuat data pemesanan beras untuk memesan beras kepada supplier dengan memperhitungkan kemungkinan yang terjadi nantinya.

4. Supplier yang sudah menerima data pesanan beras mengkonfirmasikan data beras dan waktu pengiriman serta harga setelah negoisasi.

5. Setelah disetujui kedua belah pihak, supplier mengirim beras kepada pengelola dan diketahui oleh karyawan.

6. Karyawan yang menerima beras kemudian membuat laporan penerimaan beras yang diberikan kepada pengelola.

7. Beras dipesan oleh pelanggan dan data pesanan ditulis oleh pengelola.

8. Setelah pelanggan membayar, pengelola memberikan bon/faktur untuk pelanggan dan salinan bon disimpan oleh pengelola.

Proses yang sedang berjalan St o k d ig u d a n g Be ra s m a su k Pelanggan Be ra s ke lu a r Pengelola Supplier Karyawan A1 Membuat Laporan Persediaan beras Lap. Persediaan Beras Data Persediaan Beras Lap. Persediaan Beras

Data beras yang dibutuhkan

Konfirmasi Data Beras, Harga dan Waktu kirim Data beras siap

kirim Data Pemesanan Beras Membuat Pemesanan Beras Data Pemesanan Beras

Data Beras yang Dikirim

Lap. Penerimaan Beras Data beras yang

dibutuhkan

Konfirmasi kualitas beras,

harga dan banyak beras

Data Beras yang Dikirim Data beras siap

kirim

A2

Data beras pesanan

Data beras beli Data beras beli

Membuat bon pesanan Data beras pesanan Data Beras yang

Dikirim Data Penerimaan Beras Konfirmasi Penerimaan Beras Membuat Lap. Penerimaan Beras A3 Data beras beli

Keterangan :

A1 : arsip data stok barang A2 : arsip penerimaan beras A3 : arsip transaksi penjualan

3.1.1.2.Evaluasi Sistem yang Sedang Berjalan

Berdasakan pada analisis dan hasil wawancara terhadap apa yang dibutuhkan dalam membangun aplikasi peramalan ini maka dapat dievaluasi hal-hal seperti pada tabel berikut :

Tabel 3.1 Evaluasi sistem yang sedang berjalan

No Permasalahan Bagian/pihak

1 Dalam membuat laporan persedian barang masih manual dan membutuhkan waktu yang cukup lama.

Pengelola 2 Sewaktu melakukan pesanan kepada supplier

pengelola hanya menggunakan intuisi dalam pengambilan keputusan.

Pengelola 3 Selama ini pengarsipan dilakukan dengan

menggunakan kertas sehingga seringkali terjadi kehilangan.

Pengelola

3.1.1.3.Solusi yang ditawarkan

Berdasarkan hasil evaluasi sistem yang berjalan, solusi yang tawarkan adalah pembuatan aplikasi yang menangani pencatatan data beras masuk dan keluar. Selain itu dibuat model peramalan untuk mempermudah pengelola dalam penentuan pengadaan beras bulan berikut. Dalam sistem ini pengelola dapat menentukan besaran barang yang harus dipersiapkan untuk penjualan bulan sekarang ataupun bulan setelahnya, selain itu juga dapat melihat laporan data barang baik masuk ataupun keluar dengan cepat dan lebih akurat. Dan dapat meminimalkan kehilangan arsip yang sebelumnya dilakukan dengan

menggunakan kertas, dengan sistem ini proses pengarsipan dalam bentuk soft copy.

3.1.2. Analisis Kebutuhan Non-fungsional

Analisis kebutuhan non-fungsional merupakan analisis yang dibutuhkan untuk menentukan spesifikasi kebutuhan sistem. Spesifikasi ini juga meliputi elemen atau komponen-komponen apa saja yang dibutuhkan untuk sistem yang akan dibangun sampai dengan sistem tersebut diimplementasikan.

3.1.2.1. Analisis Pengguna

Sistem yang akan dibangun digunakan oleh 1 pengguna yaitu pengelola. pengelola dapat melakukan semua pengolahan data yang ada.

Tabel 3.2 Karakteristik pengguna

Pengguna Hak akses Tingkat keterampilan

Pengelola Menggunakan semua proses yang ada.

Bisa mengukan komputer dan mengerti tentang alur bisnis yang sedang berjalan.

3.1.2.2. Analisis Perangkat Keras

Analisis perangkat keras dimaksudkan untuk mengetahui spesifikasi perangkat keras yang sedang digunakan. Namun pada saat ini PD Jembar dalam melakukan semua kegiatan transaksi nya masih bersifat manual.

Berdasarkan analisis perangkat keras yang sudah dilakukan di PD Jembar, mempunyai komputer dengan spesifikasi berikut :

2. Kapasitas Harddisk 180 GB 3. RAM 512 MB

4. VGA Card 128 MB 5. Monitor

6. Mouse 7. Keyboard

3.1.2.3. Analisis Perangkat Lunak

Sistem Operasi yang dapat digunakan di PD Jembar adalah Windows XP SP2 itu sudah sangat mencukupi untuk dapat menjalankan perangkat lunak yang akan dibagun. Perangakat lunak yang dibutuhkan dalam pembangunan aplikasi ini adalah :

1. Visual Basic 6 untuk pembuatan program 2. SQL Server 2000 sebagai database.

3. Microsoft Visio 2007 untuk pembuatan gambar. 4. Sysbase Power desainer 6 untuk permodelan sistem. 5. Microsoft office 2007 untuk pembuatan dokumentasi.

6. Microsoft Excel untuk perhitungan manual dan pembuatan tabel.

3.1.3. Analisis Kebutuhan Fungsional 3.1.3.1.Fungsi Produk

Secara umum, aplikasi ini berfungsi untuk mempermudah pengelola dalam mengelola pengadaan beras. Selain itu aplikasi ini dapat memberikan

informasi ramalan pengadaan beras untuk bulan-bulan kedepan, agar dapat sebanding dengan pengeluaran beras sehingga menjaga stok gudang.

Fungsi utama perangkat lunak yang akan di bangun adalah sebagai berikut: 1. Login user

2. Menambah data beras 3. Melihat data beras 4. Menambah data supplier 5. Melihat data supplier 6. Mengolah data beras masuk 7. Membuat laporan beras masuk 8. Mengolah data beras keluar 9. Membuat laporan beras keluar

10.Meramalakan pengadaan beras dan faktor pengaman untuk bulan-bulan berikutnya.

3.1.4. Analisis Peramalan

Peramalan merupakan proses memprediksi keadaan yang tidak diketahui. PD Jembar biasanya hanya mengunakan data stok beras terbaru sebagai penentu pengadaan beras. Jika beras stok beras tersebut dibawah 3000 kg maka pengelola menghubungi supplier agar segera mengirim beras. Dan tidak sampai 1 minggu beras sudah dikirim kan. Tapi dengan cara demikian terkadang salah satu merek beras menumpuk akibat dari kurangnya minat pembeli ataupun kurang karena terlambatnya pasokan beras. Sehingga perputaran modal terhambat yang

mengakibatkan pembayaran terhadap supplier telat dan berkurangnya pendapatan yang diperoleh perusahaan. Dari analisis tersebut dibuatlah sebuah model untuk memperhitungkan pengadaan beras yang cukup dan tidak berlebihan agar perputaran modal lebih efektif. Data yang akan diolah adalah data beras keluar dan data beras masuk dari tahun 2009. Ramalan dilakukan untuk tiap 1 merek beras.

Langkah-langkah perhitungan peramalan dapat diurutkan sebagai berikut: 1) Memasukkan data penjualan beras

2) Hitung ramalan dengan menggunakan data penjualan.

3) Menghitung nilai mean absolute percent error (MAPE) untuk penentuan ukuran kesalahan ramalan.

4) Menghitung persediaan pengaman

3.1.4.1.Data yang akan diramal

Data ini diperoleh dari hasil perhitungan manual beras keluar salah satu jenis beras yang dijual PD Jembar pada tahun 2009.

Tabel 3.3 Data beras keluar Kurmo Kepala

No Bulan Kurmo Kepala

(kg)

1 Januari 176000

2 Febuari 224000

3 Maret ₂₂₄₀₀₀

4 April ₂₇₂₀₀₀

5 Mei 224000

6 Juni 244000

7 Juli ₂₄₀₀₀₀

8 Agustus ₂₄₀₀₀₀

10 Oktober 224000

11 November 192000

12 Desember ₁₇₆₀₀₀

Untuk mempermudah dalam penentuan metode yang akan digunakan maka dibuatlah grafiknya.

Gambar 3.2 Grafik data beras keluar Kurmo Kepala 2009

Dari hasil plot data yang ditunjukan pada gambar 3.2 dapat dilihat bahwa ada kecendrungan pola yang terulang. Dan data yang ada telah memenuhi asumsi yang dibutuhkan oleh metode tren linier yang dipaparkan pada bab 2. Dalam penentuan koefisiennya akan digunakan metode least square.

3.1.4.2.Perhitungan ramalan

Data yang akan digunakan untuk peramalan penjualan hanyalah data penjualan. Untuk meramalkan nilai penjualan pada periode mendatang, digunakan persamaan yang ada pada metode least square .

0

50000

100000 150000 200000 250000 300000

Berikut adalah gambar alur peramalan Mulai Data beras keluar bulanan Data beras keluar bulanan yang di urutkan Data total beras keluar bulanan Mengambil dan mengurutkan data beras keluar bulanan Menghitung bulan rata-rata dengan persamaan (4) Menjumlahkan semua data beras

keluar bulanan Menghitung XY masing-masing bulan Menghitung kode masing -masing bulan dengan persamaan 5

Menghitung nilai a dengan persamaan 2

Menghitung X2

Menjumlahkan semua data X2

Menghitung nilai b dengan persamaan 3 Menjumlahkan semua nilai XY

Melakukan peramalan bulan

yang di minta

Data nilai a

Data total nilai XY

Data total nilai x

Data nilai b Dalam X2

masing-masing bulan Data kode masing-masing bulan (X) Data bulan rata-rata Data XY masing-masing bulan Selesai Untuk bulanyang sudah

dilewati

Variabel yang digunakan T sebagai bulan,x sebagi kode bulan, y sebagai beras keluar.

Memasukan nilai x kedalam persamaan 1

Gambar 3.3 Gambar diagram alur peramalan dengan metode tren linier

Dari data diatas dibuatlah sebuah tabel untuk memudahkan dalam melakukan perhitungan.

1. Sebelumnya tentukan nilai n dan n = 12

=

2. Kemudian dibuat tabel pembobotan untuk memudahkan dalam perhitungan.

Tabel 3.4 Data beras keluar kurmo kepala setelah dibobot

NO Bulan(t) Kode Bulan(X) Beras Keluar (Y) XY X2

1 1 -5.5 176000 -968000 30.25

2 2 -4.5 224000 -1008000 20.25

3 3 -3.5 224000 -784000 12.25

4 4 -2.5 272000 -680000 6.25

5 5 -1.5 224000 -336000 2.25

6 6 -0.5 244000 -122000 0.25

7 7 0.5 240000 120000 0.25

8 8 1.5 240000 360000 2.25

9 9 2.5 272000 680000 6.25

10 10 3.5 224000 784000 12.25

11 11 4.5 192000 864000 20.25

12 12 5.5 176000 968000 30.25

∑ 78 0 2708000 -122000 143

3. Selanjutnya dari hasil pembobotan diatas dimasukan dalam rumus 2 dan 3 untuk mengetahui nilai variabel a dan b.

225666.67

-853.15

Sehingga dari persamaan diatas diperoleh garis tren linier yang dapat dilihat dalam grafik berikut:

Gambar 3.4 Gambar diagram alur peramalan dengan metode tren linier

4. Untuk meramalkan penjualan untuk bulan febuari terlebih dahulu kode tahun (X) untuk bulan tersebut :

Bulan febuari

X= t - = 14 – 6.5 = 7.5

5. Setelah mendapat nilai a, b dan x selanjutnya dimasukan ke rumus 1 untuk memperoleh persamaan tren liniernya.

Bulan febuari

Y = 225666.67 + (-853.15) (7.5)= 219270.05 (dibulatkan) Jadi hasil ramalan pada bulan febuari adalah 219270 kg.

0 50000 100000 150000 200000 250000 300000

3.1.4.3.Penentuan kesalahan ramalan

Pengamanan dapat dihitung dengan menggunakan mean absolute percent error (MAPE). MAPE dihitung sebagai rata-rata diferensiasi absolut antara nilai yang diramal dan aktual, dinyatakan sebagai persentase nilai aktual.

Dengan mengunakan MAPE persedian pengaman nilainya tidak tergantung pada besarnya unsur yang diramal, sehinga besarnya dapat ringkas dan lebih fleksibel. Berikut adalah data hasil ramalan pengadaan beras satuan dalam kg (kilogram).

Tabel 3.5 Data beras keluar kurmo kepala setelah dibobot Kode

Bulan(X)

kurmo kepala

2009 Ramalan

-5.5 176000 230359 0.31

-4.5 224000 229506 0.02

-3.5 224000 228653 0.02

-2.5 272000 227800 0.16

-1.5 224000 226947 0.01

-0.5 244000 226094 0.07

0.5 240000 225241 0.06

1.5 240000 224388 0.07

2.5 272000 223535 0.18

3.5 224000 222682 0.01

4.5 192000 221829 0.16

5.5 176000 220976 0.26

∑ 2708000 2708010 1.33

MAPE dapat dihitung sebagai berikut:

11.08 %

Kesalahan rata-rata yang dihasilkan dari aplikasi ini adalah 11 %. Dari hasil wawancara dengan pengelola perbedaan itu terjadi karena pada tahun 2009

perusahaan yang sejenis hanya ada 5 tetapi pada tahun 2010 perusahaan yang sejenis bertambah 2 perusahaan. Dan 2 perusahan itu pun mempunyai modal cukup besar, terlihat dari gudang yang luas dan memiliki mobil sebagai alat angkut. Sehingga banyak pelanggan yang lokasinya dekat dengan perusahaan itu pindah dan pangsa pasar pun menurun.

3.1.4.4.Persediaan pengaman

Faktor pengaman adalah jumlah persedian lebih untuk mengatasi kesalahan yang dibuat sistem karena berbagai sebab. Makin besar persediaan pengaman, makin kecil kemungkinan kehabisan persediaan sehingga makin kecil pula biaya yang timbul akibat kehabisan persediaan. Namun, makin besar persediaan pengaman, makin besar pula biaya penyediaan barang. Karena itu jumlah persediaan pengaman harus diperhitungkan agar mencapai keadaan optimal dimana jumlah biaya akibat kehabisan persediaan dan biaya penyediaan barang adalah minimum. Dengan asumsi sudah melakukan peramalan maka: Persedian pengaman = Mape x Hasil ramalan

= 11% x 219270 = 24120 kg (dibulatkan)

3.1.5. Analisis ERD (Entity Relationship Diagram)

Dalam menggambarkan hubungan antara data yang terdapat dalam sistem digunakan alat bantu yaitu ERD (Entity Relationship Diagram). ERD merupakan salah satu cara untuk mengolah database sehingga data tersebut dapat diketahui hubungan atau relasi antar entitas.

Agar lebih jelas mengenai ERD pada sistem yang akan dibuat dapat dilihat pada gambar di bawah ini :

Beras Suplier Ramalan Beras Keluar Detail Beras Masuk Mengirim pembobot an memiliki mempunyai n _n n n n 1 n **idberas **idkeluar banyak *idberas ramalan total *idsupplier **idsupplier merek stok notelp nama alamat **idmasuk banyak ramalan kesalahan XY XX X Y *idmasuk **idberas **idberas **idberas *idkeluar total *bulanTahun Tanggal Tanggal *idberas **bulanTahun n n kesalahan Kamus data: Entitas:

beras = {*idberas, merek, stok }

supplier = {*idsupplier, nama, alamat, no tlp}

mengirim menjadi beras_masuk = {*idkeluar,** idsupplier, tanggal, total} detail_beras_masuk = {**idmasuk, **idberas, banyak }

beras_keluar= {**idkeluar, tanggal, total}

memiliki menjadi detail_beras_keluar = {*idkeluar, banyak}

pembobotan ={*bulan,**idberas, X, Y, XY, XX, ramalan, kesalahan } ramalan = {*bulan, *idberas, ramalan, kesalahan }

Keterangan :

* = Primarykey

**= Foreigen key 3.2. Perancangan Sistem 3.2.1. Diagram Konteks

Diagram Konteks adalah diagram yang menggambarkan secara umum yang menjadi masukan, proses dan keluaran yang terjadi pada sebuah sistem. Diagram konteks untuk perangkat lunak yang akan dibangun sebagai berikut :

Gambar 3.6 Diagram Konteks

Keterangan

Pengelola mengolah data master seperti data beras dan data supplier. Selain mengelola data master pengelola mengolah data beras yang masuk dan juga beras yang keluar. Dari data beras yang keluar pengelola dapat memperoleh data peramalan untuk bulan yang akan datang.

buat lap keluar buat lap masuk

inf o beras masuk

inf o beras keluar

inf o beras data beras

inf o supplier

data supplier data beras masuk

data beras keluar

lap beras keluar

lap beras masuk

inf o peramalan inf o pengaman data pengelola

inf o user invalid

merek berasdan bulan ramal

Pengelola

0

Model peramalan pengadaan barang pada perusahaan dagang

3.2.2. Data Flow Diagram

Data Flow Diagram merupakan suatu media yang digunakan untuk menggambarkan aliran data yang mengalir pada suatu sistem informasi. DFD aplikasi yang diusulkan terdiri dari beberapa bagian, berikut DFD selengkapnya :

Gambar 3.7 DFD Level 1

data pembob otan has il pembob otan total beras k e luar

s tok beras

s tok beras data detail ma s uk

data detail ma s uk

data detail k e luar

data detail k e luar nama s upplie r

data beras

data beras data beras

[buat laporan k eluar]

[buat laporan mas uk ]

[info beras mas uk ]

[info beras k e luar]

data v alid

data v alid

data s upplier data s upplier

data beras data beras [data beras ]

[info s upplier ] [data s upplie r] [info beras ]

has il perhitun gan has il perama lan [merek beras dan bulan ramal]

data us er

data beras k eluar data beras mas uk

data us er v a lid data us er v a lid

data us er v a lid

[info us er inv alid] [data pengelo la]

data beras mas uk baru

data beras k eluar baru

[info pengaman] [info peramalan]

[lap beras ma s uk ]

[lap beras k e luar] [data beras k eluar]

[data beras mas uk ] Pengelola

4 pengolahan beras mas uk

+

5 pengolahan beras k eluar

+

6 Peramalan

+

beras

beras _k elua r beras _mas u k 1

Login s upplier

t_us er ramalan 3 pengolahan s upplier + 2 pengolahan beras + detail_k eluar detail_mas uk pembobotan

3.2.2.1. DFD Level 2 Pengolahan Data Beras

Gambar 3.8 DFD Level 2 Pengolahan Data Beras

3.2.2.2. DFD Level 2 Pengolahan Data Supplier

Gambar 3.9 DFD Level 2 Pengolahan Supplier

[data beras] [data beras]

[info beras] info beras data valid

data valid data valid

[data valid]

data beras edit merek beras cari

data beras baru

info beras yang dicari

info beras edit info beras baru

merek beras cari data beras baru

[data beras] Pengelola beras 2.1 tambah data beras 2.3 edit data beras 2.2 cari data beras Login [data supplier] info supplier data valid data valid data valid [data valid]

info supplier yang dicari

info supplier edit info supplier baru

nama supplier

data supplier edit data supplier baru

nama supplier data supplier baru

[data supplier] [info supplier] [data supplier] Pengelola supplier 3.1 tambah data supplier 3.3 edit data supplier 3.2 cari data supplier Login

3.2.2.3.DFD Level 2 Pengolahan Beras masuk

Gambar 3.10 DFD Level 2 Pengolahan Beras masuk

3.2.2.4.DFD Level 2 Pengolahan Beras Keluar

Gambar 3.11 DFD Level 2 Pengolahan Beras keluar [st ok beras]

idmasuk

[dat a detail masuk]

[dat a detail masuk]

data valid data valid

data valid detail masuk

beras masuk

[info beras masuk]

tot al

idberas & banyak

[nama supplier]

idmasuk & tanggal

[dat a beras masuk]

[dat a beras]

[dat a beras masuk baru]

[buat laporan masuk]

[dat a user valid]

[dat a beras masuk] [lap beras masuk]

Pengelola 4.3 buat laporan beras masuk beras_masuk beras 4.1 tambah transaksi masuk 4.2 tambah detail

beras masuk

supplier

detail_masuk

[stok beras] idkeluar

merek dan banyak idkeluar & keluar

[data beras keluar baru]

data valid

data valid inf o detail keluar

inf o transaksi keluar

total

merek & banyak idkeluar [info beras keluar]

[data beras keluar]

[buat laporan keluar]

[data beras]

[data detail keluar]

[data detail keluar]

[data user valid]

data valid [lap beras keluar]

[data beras keluar] Pengelola

beras_keluar

Login

5.3 buat laporan beras keluar

beras detail_keluar 5.1 tambah transaksi keluar 5.2 tambah data

3.2.2.5. DFD Level 2 Peramalan

Gambar 3.12 DFD Level 2 Peramalan

3.2.3. Spesifikasi Proses

Spesifikasi proses digunakan untuk menggambarkan proses model aliran yang terdapat pada DFD. Spesifikasi proses dari gambaran DFD diatas akan dijelaskan pada tabel dibawah ini :

Tabel 3.6 Spesifikasi Proses

No Proses Keterangan

1.

No. Proses 1

Nama Proses Login

Source(sumber) Pengelola

Input Data pengelola

Output info valid dan info invalid

[data pembobotan] [has il pembobotan]

[total beras keluar]

info pembobotan

data beras

data beras data beras

[data beras ]

data valid

[merek beras dan bulan ramal] [data us er valid]

data valid data valid

[has il peramalan] [has il perhitungan]

[info pengaman]

[info peramalan] P engelola

6.2 perhitungan

peramalan

6.3

P engaman Login

ramalan beras

6.1 data dibobotkan detail_keluar

Destination (tujuan) Pengelola

Logika 1. Pengelola mengisi idpengguna dan

password

2. Jika benar user dapat masuk ke proses lain 3. Jika salah ada peringatan

2.

No. Proses 2.1

Nama Proses Tambah data beras Source(sumber) Pengelola

Input Data beras baru

Output Info beras baru

Destination (tujuan) Pengelola

Logika 1. Pengelola menginputkan data

2. Jika data benar maka akan disimpan dalam database

3. Jika salah maka muncul informasi kesalahan

3.

No. Proses 2.2

Nama Proses Cari data beras Source(sumber) Pengelola

Input Nama beras

Output Info beras cari

Destination (tujuan) Pengelola

Logika 1. Pengelola memasukan nama beras

2. Sistem mengecek nama beras

3. Jika ada maka tampil data beras yang dicari

4. Jika tidak ada tampil informasi bahwa data beras tidak ada.

4.

No. Proses 2.3

Nama Proses Edit data beras Source(sumber) Pengelola

Input Data beras edit

Output Info beras edit

Destination (tujuan) Pengelola

Logika 1. Pengelola memilih data yang akan di edit 2. Pengelola menginputkan data beras baru 3. Jika data benar maka akan disimpan dalam

database

4. Jika salah maka muncul informasi kesalahan

5.

No. Proses 3.1

Nama Proses Tambah data supplier Source(sumber) Pengelola

Input Data supplier baru

Output Info supplier baru

Destination (tujuan) Pengelola

2. Jika data benar maka akan disimpan dalam database

3. Jika salah maka muncul informasi kesalahan

6.

No. Proses 3.2

Nama Proses Cari data supplier Source(sumber) Pengelola

Input Nama supplier

Output Info supplier cari

Destination (tujuan) Pengelola

Logika 1. Pengelola memasukan nama supplier

2. Sistem mengecek nama supplier

3. Jika ada maka tampil data beras yang dicari

4. Jika tidak ada informasi bahwa data supplier tidak ada.

7.

No. Proses 3.3

Nama Proses Edit data supplier Source(sumber) Pengelola

Input Data supplier edit

Output Info supplier edit

Destination (tujuan) Pengelola

Logika 1. Pengelola memilih data yang akan di edit 2. Pengelola menginputkan data supplier

baru

3. Jika data benar maka akan disimpan dalam database

4. Jika salah maka muncul informasi kesalahan

8.

No. Proses 4.1

Nama Proses Tambah transaksi beras masuk Source(sumber) Pengelola

Input Data beras masuk

Output Beras masuk baru

Destination (tujuan) Pengelola

Logika 1. pengelola memasukan data beras masuk

2. jika benar data disimpan ke dalam database dan menambah stok pada tabel beras

3. jika salah ada pemberitahuan

9. No. Proses 4.2

Nama Proses Tambah detail masuk Source(sumber) Pengelola

Input Data beras masuk

Output Beras masuk baru

Destination (tujuan) Pengelola

masuk per merek 2. Jika benar data disimpan 3. Jika salah ada pemberitahuan

10.

No. Proses 4.3

Nama Proses Buat laporan data beras masuk Source(sumber) Pengelola

Input Data detail beras masuk, data beras masuk baru

Output Laporan beras masuk

Destination (tujuan) Pengelola

Logika 1. data yang berasal dari data base diambil 2. dibuat laporan

11.

No. Proses 5.1

Nama Proses Tambah data transaksi keluar Source(sumber) Pengelola

Input Data beras keluar

Output Pengelola

Destination (tujuan) Beras keluar baru

Logika 1. Pengelola memasukan data beras keluar

2. Jika benar data disimpan ke dalam database dan mengurangi stok pada tabel beras

3. Jika salah tampil pesan kesalahan

12. No. Proses 5.2

Nama Proses Tambah detail beras keluar Source(sumber) Pengelola

Input Data beras keluar

Output Pengelola

Destination (tujuan) Beras keluar baru

Logika 1. Pengelola memasukan data detail beras keluar

2. Jika benar data disimpan ke dalam database

3. Jika salah tampil pesan kesalahan

13.

No. Proses 5.3

Nama Proses Buat laporan beras keluar Source(sumber) Pengelola

Input Data beras keluar baru dan detail beras keluar baru

Output Laporan beras keluar baru

Destination (tujuan) Pengelola

Logika 1. Data beras keluar yang berasal dari database diambil

2. dibuat laporan

14.

No. Proses 6.1

Nama Proses Perhitungan pembobotan Source(sumber) Pengelola

Input Data beras keluar

Output Info pembobotan

Logika 1. Dari tabel beras keluar didapat info beras keluar yang akan diberi pembobotan. 2. Hasil dari pembobotan disimpan

15.

No. Proses 6.2

Nama Proses Perhitungan ramalan Source(sumber) Pengelola

Input Info pembobotan

Output Data hasil ramalan

Destination (tujuan) Pengelola

Logika 1. Dari tabel pembobotan didapat info

pembobotan yang akan dimasukan kedalam rumus.

2. Hasil dari perhitungan rumus dimasukan kedalam tabel peramalan

16.

No. Proses 6.3

Nama Proses Pengamanan

Source(sumber) Pengelola

Input Data hasil ramalan

Output Info pengaman

Destination (tujuan) Pengelola

Logika 1. Data hasil peramalan dikalikan dengan kesalahan ramalan bulan sebelumnya. 2. Hasilnya berupa info pengaman 3.2.4. Kamus Data

Kamus data merupakan deskripsi formal mengenai seluruh elemen yang tercakup dalam DFD. Kamus data untuk diagram alir data pada aplikasi ini akan dijelaskan sebagai berikut :

Tabel 3.7 Kamus Data Nama Aliran Data Data pengelola

Digunakan pada Proses login

Deskripsi Berisi data pengelola

Struktur data Id+password

Nama password

[A-Z|a-z|0-9] [A-Z|a-z|0-9]

Nama Aliran Data Data beras

Digunakan pada Proses pengolahan beras masuk

Deskripsi Berisi data beras dan data supplier yang belum ada dalam tabel supplier

Struktur data Idberas+Merek beras Idberas

Merek beras

[0-9]

stok [0-9]

Nama Aliran Data Data supplier

Digunakan pada Proses pengolahan beras masuk

Deskripsi Berisi data beras dan data supplier yang belum ada dalam tabel supplier

Struktur data Idsupplier+nama+alamat+no_tlp Idsupplier

nama alamat no_tlp

[0-9]

[A-Z|a-z|0-9] [A-Z|a-z|0-9] [0-9]

Nama Aliran Data Data beras masuk Digunakan pada Pengolahan beras masuk

Deskripasi Berisi data beras yang akan masuk Struktur data Idberas+idsupplier+jumlah+tanggal Merek

Nama Supplier Tanggal Jumlah

[A-Z|a-z|0-9] [A-Z|a-z|0-9] Date

[0-9]

Nama Aliran Data Data beras keluar

Digunakan pada Pengolahan data beras keluar Deskripasi Berisi data beras yang akan keluar

Struktur data Idberas+Tanggal+jumlah

Merek Tanggal Jumlah

[A-Z|a-z|0-9] Date

[0-9]

3.2.5. Skema Relasi

Skema relasi menggambarkan hubungan antar data, arti data dan batasannya dijelaskan dengan baris dan kolom.

beras PK idberas merek stok supplier PK idsupplier nama alamat notlp beras_masuk PK idmasuk FK1 idsupplier tgldatang total Beras_keluar PK idkeluar tglkeluar total detail_masuk PK,FK1 idmasuk PK,FK2 idberas banyak idberas detail_keluar PK,FK1 idkeluar PK,FK2 idberas banyak peramalan PK BulanTahun PK idberas ramalan kesalahan pembobotan PK,FK1 BulanTahun PK,FK1 idberas X Y XY XX ramalan kesalahan idkeluar

Gambar 3.13 Skema Relasi

3.2.6. Struktur Tabel

Tabel-tabel yang terdapat dalam basis data yang digunakan dalam sistem ini adalah sebagai berikut :

1. Tabel beras

Tabel ini adalah perancangan untuk tabel beras yang akan digunakan pada pembangunan sistem. Struktur tabel beras adalah sebagai berikut :

Tabel 3.8 Tabel beras

No Field Type Size Keterangan

1 Idberas char 4 PK

2 Merek varchar 20

3 Stok int

2. Tabel supplier

Tabel ini adalah perancangan untuk tabel supplier yang akan digunakan pada pembangunan sistem. Struktur tabel supplier adalah sebagai berikut :

C-10

LAMPIRAN D

D-1

LAMPIRAN D

DOKUMEN PERUSAHAAN