a. Peramalan Kualitatif Yaitu peramalan yang didasarkan atas kwalitatif pada masa lalu. Hasil
peramalan yang dibuat sangat tergantung pada orang yang menyusunnya. Hal ini penting karena hasil peramalan tersebut ditentukan berdasarkan pemikiran
yang bersifat intuisi, judgement atau pendapat, dan pengetahuan serta pengalaman dari penyusunannya. Biasanya peramalan secara kwalitatif ini
didasarkan atas hasil penyelidikan, seperti Delphi, S-curev, analogies dan penelitian bentuk atau morphological research atau didasarkan atas ciri-ciri
normative seperti decision matrices atau decisions tress. b. Peramalan Kuantitatif
Yaitu peramalan yang didasarkan atas data kuantitatif pada masa lalu. Hasil peramalan yang dibuat sangat tergantung pada metode yang dipergunakan
dalam peramalan tersebut. Dengan metode yang berbeda akan diperoleh hasil peramalan yang berbeda, apapun yang perlu diperhatikan dari penggunaan
metode tersebut, adalah baik tidaknya metode yang dipergunakan, sangat ditentukan oleh perbedaan atau penyimpangan antara hasil dengan kenyataan
yang terjadi. Metode yang baik adalah metode yang memberikan nilai-nilai perbedaan atau penyimpangan yang mungkin. Peramalan kuntitatif hanya
dapat digunakan apabila terdapat tiga kondisi sebagai berikut: a. Adanya informasi tentang keadaan yang lain.
b. Informasi tersebut dapat dikuantifikasikan dalam bentuk data. Dapat diasumsikan bahwa pola yang lalu akan berkelanjutan pada masa yang
akan datang.
2.5 Metode Exponential Smoothing
Metode peramalan exponential smoothing merupakan sekelompok metode yang menunjukkan pembobotan menurun secara exponential terhadap nilai
pengamatan yang lebih tua. Dalam metode pemulusan eksponensial, terdapat satu atau
Universitas Sumatera Utara
lebih parameter pemulusan yang ditentukan secara eksplisit, dan hasil pilihan ini menentukan bobot yang dikenakan pada nilai observasi.[14]
Metode Exponential Smoothing Juga dikenal sebagai simple exponential smoothing yang digunakan pada peramalan jangka pendek, biasanya hanya 1 bulan ke
depan. Model mengasumsikan bahwa data berfluktuasi di sekitar nilai mean yang tetap, tanpa trend atau pola pertumbuhan konsisten. Rumus untuk single exponential
smoothing adalah sebagai berikut[15]:
= + 1
− Keterangan :
= Data penj ual an pada per iode t = Peramalan pada waktu t
= Peramalan pada waktu t + 1 = Konstanta perataan antara 0.1 sampai 0.9
Pendekatan penghalusan eksponensial mudah digunakan, dan telah berhasil diterapkan pada hampir setiap bisnis. Walaupun demikian, nilai yang tepat untuk
konstanta penghalus α dapat membuat diferensiasi antara peramalan yang akurat dan
tidak akurat. Nilai α yang tinggi dipilih saat rata-rata cenderung berubah. Nilai α yang rendah digunakan saat rata-rata cenderung stabil. Tujuan pemilihan suatu nilaiuntuk
konstanta penghalus adalah untuk mendapatkanperamalan yang paling akurat[18].
2.6 Diagram Konteks
Diagram konteks merupakan salah satu alat bantu dalam melakukan analisis terstruktur. Diagram konteks ini menggambarkan suatu sistem secara garis besarnya
atau keseluruhannya saja. Dalam diagram konteks juga digambarkan entitas eksternal yang merupakan brainware yang menghasilkan data yang akan diolah sistem maupun
Universitas Sumatera Utara
tujuan[13]. Diagram konteks juga merupakan diagram yang memperlihatkan aplikasi
sebagai bentuk satu proses yang terjadi atau pemetaan yang terjadi. Sumber [16].
Diagram konteks adalah diagram tingkat atas, yaitu diagram secara global dari sebuah sistem informasi yangmenggambarkan aliran-aliran data ke dalamdan ke luar
dari dalam dan luar entitaseksternal.Diagram konteks adalah kasus khusus DFD bagian dari DFD yang berfungsi menetapkan model lingkaran yang dipresentasikan
dengan lingkaran tunggal yang mewakilikeseluruhan sistem.
2.7 Data flow diagram DFD