TA : Rancang Bangun Sistem Informasi Peramalan Penjualan, Dengan Menggunakan Metode Exponential Smoothing (Studi Kasus CV. Djenggolo Sidoarjo).

(STUDI KASUS CV. DJENGGOLO SIDOARJO)

Nama : Danny Satya Pambudhi NIM : 05.41010.0066

Program : S1 (Strata Satu) Jurusan : Sistem Informasi

SEKOLAH TINGGI MANAJEMEN INFORMATIKA DAN TEKNIK KOMPUTER

SURABAYA 2009

Halaman

ABSTRAK ………... ii

KATA PENGANTAR ……… iii

DAFTAR ISI ………. v

DAFTAR TABEL……….. viii

DAFTAR GAMBAR………. x

DAFTAR LAMPIRAN ……… xix

BAB I PENDAHULUAN 1.1 Latar Belakang Permasalahan …..……… 1

1.2 Perumusan Masalah …..……… 3

1.3 Batasan Masalah …..………. 3

1.4 Tujuan ………. 4

1.5 Sistematika Penulisan ……… 4

BAB II LANDASAN TEORI 2.1 Konsep Sistem Informasi ………... 6

2.2 Peramalan ………... 8

2.3 Kebutuhan Akan Peramalan ………... 9

2.4 Jenis Peramalan ……….… 10

2.5 Proses Peramalan ……….. 10

2.6 Data Trend ……….. 13

2.7 Exponential Smoothing ……… 13

2.8 Teknik Peramalan Holt ………. 14

2.9 Pengukuran Kesalahan Peramalan ……… 16

2.10 Penjualan ………..…. 18

BAB III PERANCANGAN SISTEM 3.1 Analisa Sistem ………... 19

3.1.1 Dokumen Flow Pembelian ……… 20

3.1.2 Dokumen Flow Penjualan ………. 21

3.2 Alur Pengembangan Sistem ……… 22

3.2.1 Dokumen Flow Terkomputerisasi Pembelian ………… 23

3.2.2 Dokumen Flow Terkomputerisasi Penjualan ………… 24

3.2.3 Flowchart Peramalan Penjualan dengan Metode Exponential Smoothing dengan tekhnik Holt…………. 25

3.2.4 Data Flow Diagram ……… 30

3.2.5 Konteks Diagram ……….. 30

3.2.6 Diagram Berjenjang ……….. 31

3.2.7 DFD Level 0 ………. 32

3.2.8 DFD Level 1 Proses Transaksi ………... 34

3.2.9 DFD Level 1 Proses Pembuatan Laporan ……….. 35

3.2.10 DFD Level 2 Proses Transaksi Pembelian Bahan Baku.. 35

3.2.11 DFD Level 2 Proses Transaksi Penjualan Barang …….. 36

3.2.12 Entity Relationalship Diagram ……….……… 37

3.2.13 Struktur Tabel ……… 39

3.3 Desain IO ……… 44

3.3.1 Desain Input Master Data Customer ……….. 44

3.3.2 Desain Input Master Data Supplier ……… 45

3.3.3 Desain Input Master Data Bahan ……… 45

3.3.4 Desain Input Master Data Barang Produk ………. 46

3.3.5 Desain Input Peramalan Produk ……… 47

3.3.6 Desain Input Transaksi Penjualan ………. 48

3.3.7 Desain Input Transaksi Pembelian ………. 49

3.3.8 Desain Output Laporan Penjualan ………. 50

3.3.9 Desain Output Laporan Detil Penjualan ………. 50

3.3.10 Desain Output Laporan Pembelian ………. 51

3.3.11 Desain Output Laporan Detil Pembelian ……… 51

3.3.12 Desain Output Laporan Hasil Peramalan……… 52

BAB IV IMPLEMENTASI DAN EVALUASI 4.1 Kebutuhan Sistem ……… 53

4.1.1 Perangkat Keras ………. 53

4.1.2 Perangkat Lunak ………. 53

4.2 Implementasi Sistem ……… 53

4.3 Uji Coba dan Evaluasi………75

4.3.1 Uji coba fitur dasar Sistem ………. 76

4.3.2 Evaluasi Sistem ………. 98

BAB V PENUTUP 5.1. Kesimpulan ……….………..102

5.2. Saran ………..………102

DAFTAR PUSTAKA ………103

LAMPIRAN ……….103

BIODATA ……….134

1.1 Latar Belakang Permasalahan

Semua organisasi beroperasi dalam suatu lingkungan yang mengandung unsur ketidakpastian, tetapi keputusan harus tetap diambil yang nantinya akan mempengaruhi masa depan organisasi tersebut, suatu pendugaan secara ilmiah terhadap masa datang akan jauh lebih berarti ketimbang pendugaan yang tidak ilmiah (Lincoin Arsyad, 1993:3). menurut Lincoin Arsyad yang dimaksud dengan pendugaan secara ilmiah adalah pembuatan ramalan yang didasarkan pada metode-metode manipulasi data secara logis yang dihasilkan dari kejadian-kejadian masa lalu.

Dalam sebuah perusahaan yang bergerak di bidang jasa atau bidang manufaktur, diperlukan suatu perencanaan yang tepat agar perusahaan tersebut dapat terus bersaing dengan para kompetitornya. Semakin tepat keputusan yang dibuat, maka semakin kecil pula resiko perusahaan tersebut mengalami kerugian. Dikarenakan adanya kompetitor yang membuat persaingan lebih ketat, Perusahaan mesti mengadakan serangkaian kegiatan penjualan yang efektif dan memberikan peralatan promosi untuk merangsang pembelian agar lebih meningkat (Kotler, 1989:28).

Dalam penelitian ini studi kasus dilakukan pada sebuah perusahaan manufaktur, yang mana salah satu hal yang harus diperhatikan adalah perencanaan untuk penetepan anggaran biaya produksi. Yang mana perusahaan harus dapat meminimalkan kesalahan dalam hal penetapan anggaran biaya produksi. Dan pada kenyataannya sering terjadi suatu keadaan dimana jumlah

angka penjualan barang yang diproduksi tidak sebanding atau dikatakan lebih kecil daripada jumlah angka produksi barang sehingga dapat menyebabkan kerugian pada perusahaan. Selain itu pula dalam setiap pencatatan transaksi yang telah dilakukan baik itu transaksi penjualan produk atau transaksi pembelian bahan masih dilakukan secara manual dan pelaksanaannya tidak dilakukan secara rutin setiap kali terdapat transaksi, sehingga pihak manajemen kesulitan dalam melakukan suatu keputusan berdasarkan laporan penjualan atau pembelian karena ketersediaan kedua laporan tersebut selalu terlambat. Dalam penelitian ini metode yang digunakan dalam proses perhitungan peramalan adalah metode exponential smoothing, karena menurut Lincolin Arsyad, metode exponential smoothing adalah salah satu metode yang tepat untuk digunakan dalam proses perhitungan peramalan jika data yang akan diteliti bersifat trend. Hal tersebut sesuai dengan pola data yang terdapat pada data penjualan yang pola datanya terkadang menaik atau cenderung menurun pada suatu periode tertentu.

Berdasarkan uraian permasalahan di atas, akan dibuat Sistem Informasi Peramalan Penjualan Dengan Menggunakan Metode Exponential Smoothing. Sehingga melalui sistem ini, dapat diketahui angka penjualan pada periode mendatang yang tentunya dapat membantu perusahaan untuk merencanakan jumlah angka produksi yang akan di hasilkan dengan lebih tepat serta terintegrasi dengan pencatatan setiap transaksi penjualan atau transaksi pembelian yang sudah dilakukan. sehingga melalui output dari sistem ini yang berupa laporan transaksi penjualan, transaksi pembelian dan laporan hasil perhitungan peramalan diharapkan dapat membantu pihak manajerial dalam membuat suatu keputusan.

1.2 Perumusan Masalah

Berdasarkan latar belakang di atas, dapat dirumuskan permasalahan sebagai berikut:

1. Bagaimana membuat rancang bangun sistem informasi untuk peramalan penjualan pada CV. Djenggolo.

2. Bagaimana membuat sistem untuk meramalkan data penjualan untuk mengetahui jumlah barang yang terjual di periode mendatang dengan menggunakan metode peramalan exponential smoothing.

1.3 Batasan Masalah

Batasan masalah dalam sistem ini adalah sebagai berikut:

1. Peramalan jumlah angka penjualan dilakukan dengan menggunakan metode Exponential Smoothing dengan teknik Holt.

2. Studi kasus dilakukan di CV. Djenggolo Sidoarjo.

3. Periode yang akan diramalkan adalah untuk periode 1 bulan mendatang. 4. Proses yang dibahas dalam sistem ini antara lain:

a. Proses pencatatan penjualan

Pencatatan penjualan yang dimaksud adalah mendata atau menyimpan setiap transaksi penjualan tiap produk.

b. Proses pencatatan pembelian

Pencatatan pembelian yang dimaksud adalah mendata atau menyimpan setiap transaksi pembelian bahan baku.

1.4 Tujuan

Tujuan dari pembuatan sistem ini adalah :

1. Membuat rancang bangun sistem informasi peramalan penjualan pada CV. Djenggolo agar dapat membantu perusahaan mengambil suatu keputusan setelah mengetahui peramalan penjualan di masa mendatang.

2. Membuat sistem untuk meramalkan hasil penjualan untuk mengetahui jumlah barang yang terjual di periode mendatang dengan menggunakan metode peramalan exponential smoothing.

1.5 Sistematika Penulisan

Sistematika penulisan yang digunakan dalam penyusunan laporan Tugas Akhir ini dibedakan dengan pembagian bab dengan rincian sebagai berikut: BAB I : PENDAHULUAN

Pada bab ini dijelaskan tentang latar belakang, perumusan masalah, batasan masalah dan tujuan tugas akhir ini.

BAB II : LANDASAN TEORI

Pada bab ini dijelaskan tentang teori yang mendukung pokok pembahasan tugas akhir yang meliputi konsep sistem informasi, kebutuhan akan peramalan, macam peramalan, proses peramalan, konsep dari data trend, konsep metode exponential smoothing, perhitungan meramalan dengan tekhnik holt.

BAB III : PERANCANGAN SISTEM

Dalam bab ini dijelaskan tentang tahap yang dikerjakan dalam penyelesaian Tugas Akhir mulai dari analisa sistem, perancangan sistem, pembuatan dokumen flow terkomputerisasi, pembuatan flowchart perhitungan peramalan, pembuatan DFD, perancangan ERD, dan Desain Input/Output.

BAB IV : EVALUASI

Bab ini menjelaskan tentang implementasi program, berisi langkah-langkah implementasi perancangan program dan hasil implementasi program, serta analisis terhadap kinerja program tersebut.

BAB V : PENUTUP

Bab ini berisi kesimpulan yang menjawab pernyataan dalam perumusan masalah dan beberapa saran yang bermanfaat dalam pengembangan sistem di masa mendatang.

2.1 Konsep Sistem Informasi

Sebelum merancang sistem perlu dikaji konsep dan definisi dari sistem.. Sistem informasi terdiri dari input, proses, dan output, seperti yang terlihat pada Gambar 2.1. Pada bagian proses terdapat hubungan timbal balik dengan 2 (dua) elemen, yaitu kontrol kinerja sistem dan sumber-sumber penyimpanan data, baik berupa karakter-karakter huruf maupun berupa numerik (Herlambang, Tanuwijaya, 2005:47). Sekarang ini bentuk data bisa berupa suara atau audio

maupun gambar atau video. Data ini diproses dengan metode-metode tertentu dan menghasilkan output berupa informasi laporan maupun solusi dari proses yang telah dijalankan.

Control of System Performance

Storage of Data Resources Processing Data Input of Data

Resources

Output of Information

Products

Gambar 2.1 Proses Sistem Informasi

Sutabri (2004:3) mendefenisikan bahwa sistem adalah suatu kumpulan atau himpunan dari unsur, komponen atau variabel-variabel yang terorganisasi,

saling berinteraksi, saling tergantung satu sama lain dan terpadu. Keterkaitan antara satu komponen dengan komponen lainnya dalam sistem informasi bertujuan menghasilkan suatu informasi dalam suatu bidang. Alur informasi sangat diperlukan dalam sistem informasi, hal ini disebabkan keanekaragaman kebutuhan akan suatu informasi oleh pengguna informasi.

Sutabri (2004:36) membagi komponen-komponen yang saling berinteraksi dalam sistem informasi terdiri dari:

1. Komponen masukan, yaitu data yang masuk ke dalam sistem informasi yang dapat berupa dokumen-dokumen dasar.

2. Komponen model, yaitu komponen yang terdiri dari kombinasi prosedur, logika dan model matematik yang akan memanipulasi data input dan data yang tersimpan di basis data dengan cara yang sudah ditentukan untuk menghasilkan keluaran yang diiginkan.

3. Komponen keluaran, yaitu komponen yang merupakan informasi yang berkualitas dan dokumentasi yang berguna.

4. Komponen teknologi, yaitu komponen yang digunakan untuk menerima input, menjalankan model, menyimpan dan mengakses data, menghasilkan dan mengirimkan keluaran dan membantu pengendalian sistem secara keseluruhan. Komponen ini terbagi menjadi tiga bagian yaitu teknisi, perangkat lunak dan perangkat keras.

5. Komponen basis data, merupakan kumpulan data yang saling berkaitan dan berhubungan antara satu dengan lainnya. Basis data tersimpan dalam perangkat keras komputer dan perangkat lunak untuk memanipulasinya.

Data dalam basis data perlu diorganisasikan sedemikian rupa dan digunakan untuk keperluan penyediaan informasi.

2.2 Peramalan

Pengertian peramalan menurut Makridakis (1999:4), peramalan merupakan bagian integral dari kegiatan pengambilan keputusan manajemen. Organisasi selalu menentukan sasaran dan tujuan, berusaha menduga-duga faktor lingkungan, lalu memilih tindakan yang diharapkan akan menghasilkan pencapaian sasaran dan tujuan tersebut. Kebutuhan akan peramalan meningkat seiring dengan usaha manajemen untuk mengurangi ketergantungannya atas hal-hal yang belum pasti. Peramalan menjadi lebih ilmiah sifatnya dalam menghadapi lingkungan manajemen. Karena setiap bagian organisasi berkaitan satu sama lain, baik buruknya ramalan dapat mempengaruhi seluruh bagian organisasi.

Suatu sistem peramalan harus mempunyai kaitan diantara ramalan-ramalan yang dibuat pada bidang manajemen yang lain. Jika peramalan ingin berhasil, maka harus diperhatikan adanya saling ketergantungan yang tinggi diantara ramalan berbagai divisi atau departemen. Sebagai contoh, kesalahan dalam proyeksi penjualan dapat menimbulkan reaksi berantai yang mempengaruhi ramalan anggaran, pengeluaran, operasi, arus kas, tingkat persediaan, harga dan seterusnya.

Menurut Martiningtyas (2004:101), apabila dilihat dari sifat ramalan yang disusun, maka peramalan dapat dibedakan atas dua macam, yaitu:

1. Peramalan Kualitatif, yaitu peramalan yang didasarkan atas data kualitatif pada masa yang lalu. Hasil peramalan yang dibuat sangat tergantung pada orang yang menyusunnya karena hasil peramalan tersebut ditentukan

berdasarkan pemikiran yang bersifat intuisi, judgment, atau pendapat, dan pengetahuan serta pengalaman dari penyusunnya.

2. 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. Metode yang baik adalah metode yang memberikan nilai-nilai perbedaan atau penyimpangan yang paling kecil. Peramalan kuantitatif hanya dapat digunakan apabila terdapat kondisi sebagai berikut:

a. Tersedianya informasi tentang masa lalu.

b. Adanya informasi yang dapat dikuantufikasikan dalam bentuk data numerik.

Dapat diasumsikan bahwa pola yang lalu akan berkelanjutan pada masa yang akan datang.

2.3 Kebutuhan akan peramalan

Hampir semua organisasi, secara besar dan kecil, swasta dan pemerintah, menggunakan peramalan baik secara eksplisit maupun implisit, karena hampir semua organisasi harus membuat rencana dalam menghadapi masa yang akan datang. Peramalan dibutuhkan dalam bidang keuangan, pemasaran, sumber daya manusia, dan produksi. Dalam pemerintah maupun organisasi yang bertujuan laba.

Fungsi peramalan bukanlah pengganti dari perencanaan. Mekipun peramalan berperan penting dalam seriap bidang fungsional manajemen bisnis, peramalan hanyalah salah satu aspek dari perencanaan.

2.4 Jenis Peramalan

Peramalan dikelompokkan dalam peramalan jangka panjang dan peramalan jangka pendek. Peramalan jangka panjang diperlukan untuk mencapai tujuan umum organisasi jangka panjang, oleh karena itu peramalan jangka panjang ini merupakan titik perhatian utama dari manajemen puncak. Peramalan jangka pendek digunakan untuk merancang strategi-strategi yang mendesak (jangka pendek) dan digunakan oleh manajemen menengah dan manajemen lini pertama untuk memenuhi kebutuhan jangka waktu dekat.

Peramalan juga dapat dikelompokkan menjadi peramalan mikro dan makro. Yang membedakan adalah luas cakupan lingkungan data yang diteliti.

Peramalan juga dikelompokkan menjadi peramalan yang bersifat kuantitatif dan kualitatif. Pada teknik peramalan kualitataif murni seorang peramal tidak membutuhkan manipulasi data sama sekali, hanya keputusan dari peramal tersebut yang digunakan. Walaupun sebenarnya keputusan dari peramal tersebut juga hasil dari pengalaman yang berdasarkan data historis.

Pada sisi lain, teknik kuantitatif murni sama sekali tidak memerlukan input dari peramal. Karena teknik ini hanya membutuhkan manipulasi data yang lebih canggih.

2.5 Proses Peramalan

Semua metode peramalan menggunakan pengalaman-pengalaman masa lalu untuk meramalkan masa depan yang mengandung ketidakpastian. Oleh karena itu, metode peramalan mengasumsikan bahwa kondisi-kondisi yang menghasilkan data masa lalu tidak berbeda dengan kondisi di masa mendatang

kecuali variabel-variabel yang secara eksplisit digunakan dalam model peramalan tersebut.

Tahap-tahap peramalan dapat dibagi menjadi beberapa tahap sebagai berikut :

1. Penentuan tujuan

Pada tahap ini penentuan tujuan dari setiap peramalan harus disebutkan secara tertulis, formal dan eksplisit. Si pembuat ramalan harus memahami kegunaan-kegunaan dari proyeksi manajerial yang telah ditetapkan, dan peramal harus meyakinkan bahwa terjadi konsistensi di antara ramalan-ramalan tersebut. Tujuan ramalan mempengaruhi panjangnya periode ramalan dan menentukan frekuensi revisi.

2. Pemilihan teori yang relevan

Tahap ini menentukan hubungan teoritis yang menentukan perubahan-perubahan variabel yang diramalkan.

Suatu teori yang tepat guna akan selalu membantu seorang peramal dalam mengidentifikasi setiap kendala yang ada untuk dipecahkan dan dimasukkan kedalam proses peramalan.

3. Pengumpulan data

Tahap ini merupakan tahap yang paling kritikal karena tahap-tahap berikutnya dapat dilakukan atau tidak tergantung pada relevansi data yang diperoleh tersebut.

Pada tahap ini dilakukan penyeleksian data karena dalam proses peramalan seringkali kita mempunyai data yang tidak relevan dengan masalah yang akan di analisis sehingga dapat mengurangi keakuratan dari peramalan.

5. Pengestimasian model sementara

Tahap ini adalah tahap untuk menguji kesesuaian data yang telah diperoleh ke dalam model peramalan, dalam artian meminimumkan kesalahan peramalan. Semakin sederhana suatu model biasanya semakin baik model tersebut dalam artian bahwa model tersebut mudah diterima oleh para manajer yang akan membuat proses pengambilan keputusan perusahaan.

6. Evaluasi dan revisi model

Sebelum melakukan penerapan secara aktual, suatu model harus diuji terlebih dahulu untuk menentukan akurasi, validitas, dan keandalan yang diharapkan. Jika berbagai uji keandalan dan akurasi telah diterapkan pada model tersebut, revisi mungkin perlu dilakukan dengan memasukkan faktor-faktor kausal dalam model tersebut.

7. Penyajian ramalan sementara kepada manajemen

Demi keberhasilan suatu peramalan, maka dibutuhkan input dari manajemen 8. Revisi final

Ramalan tidak bersifat statis. Penyiapan ramalan yang baru akan dilakukan tergantung pada hasil evaluasi tahap-tahap sebelumnya

9. Pendistribusian hasil peramalan

Pendistribusian hasil peramalan kepada manjemen harus pada waktu yang tepat dan dalam format yang konsisten. Jika tidak, nilai ramalan tersebut akan berkurang.

10. Penentuan langkah-langkah pemantauan

Suatu kegiatan peramalan yang baik membutuhkan penetapan langkah-langkah pemantauan untuk mengevaluasi peramalan ketika sedang

berlangsung dan langkah pemantauan yang memungkinkan seorang peramal untuk mengantisipasi perubahan yang tak terduga.

2.6 DataTrend

Data trend adalah data berpola deret yang mengandung komponen jangka panjang yang menunjukkan pertumbuhan atau penurunan dalam data tersebut sepanjang suatu periode waktu yang panjang. Dengan kata lain, suatu data runtut waktu dikatakan mempunyai trend jika nilai harapannya berubah sepanjang waktu sehingga data tersebut diharapkan untuk menaik atau menurun selama periode peramalan diinginkan. Biasanya data runtut waktu ekonomis mengandung suatu trend. Pengaruh dari pola data ini misalnya pada permintaan akan komponen-komponen elektronik akan meningkat dengan semakin berkembangnya industri komputer, atau permintaan terhadap jasa kereta api menurun dengan semakin berkembangnya teknologi jasa angkutan udara.

Beberapa metode peramalan yang mbisa dipergunakan untuk data trend antara lain : rata-rata bergerak linier, exponential smoothing, regresi sederhana, model gompertz, kurva pertumbuhan.

2.7 Exponential Smoothing

Menurut Lincoln Arsyad (2001;87), Exponential smoothing adalah suatu prosedur yang mengulang perhitungan secara terus menerus dengan menggunakan data terbaru. Metode ini didasarkan pada perhitungan rata-rata data-data masa lalu

secara exponential. Setiap data diberi bobot, dimana data yang lebih baru diberi bobot yang lebih besar. Bobot yang digunakan adalah α untuk data yang paling baru yang paling baru, α(1- α) digunakan untuk data yang agak lama, α(1- α)² untuk data yang lebih lama lagi dan seterusnya.

Dalam bentuk yang mulus (smooth), ramalan yang baru (untuk waktu t+1) dapat dianggap sebagai rata-rata yang diberi bobot terhadap data terbaru (pada waktu t) dan ramalan yang lama (untuk waktu t). bobot α diberikan pada data terbaru, dan bobot 1- α diberikan pada ramalan yang lama, dimana 0 < α < 1. Dengan demikian :

Ramalan baru = αx(data baru) + ( 1 – α)x (ramalan yang lama). Secara matematis, persamaan exponential smoothing dapat ditulis :

Ŷ t+1 = αY t + (1- α) Ŷ t

...(1) Dimana :

Ŷ t+1 = nilai ramalan untuk periode berikutnya α = konstanta pemulusan (0 < α < 1)

Y t = data baru atau nilai Y yang sebenarnya pada periode t

Ŷt = nilai pemulusan yang lama atau rata-rata yang dimuluskan hingga periode t – 1.

2.8 Teknik Peramalan Holt

Salah satu teknik yang digunakan untuk meramal data yang mengikuti suatu trend adalah metode dua parameter Holt. Teknik Holt memperhalus trend dengan menggunakan konstanta-konstanta pemulusan yang berbeda. Tiga persamaan yang digunakan dalam teknik ini adalah sebagai berikut:

1. Rangkaian pemulusan secara eksponensial

At = α Yt + (1 – α) (At-1 + Tt-1)...(2) 2. Estimasi trend

Tt = β (At – At-1) + ( 1 – β) Tt-1 ...(3) 3. Ramalan pada periode p

Ŷt + p = At + pTt ...(4) Dimana

At = Nilai baru yang telah dimuluskan

α= konstanta pemulusan untuk data (0 ≤ α ≤ 1)

Yt = data yang baru atau yang sebenarnya pada periode t

β = konstanta pemulusan untuk estimasi trend (0 ≤ β ≤ 1)

Tt = estimasi trend

p = periode yang diramalkan

Ŷt + p = nilai ramalan pada periode p

Persamaan pertama hampir sama dengan model dasar pemulusan eksponensial tunggal, hanya saja variabel trend ditambahkan pada persamaan tersebut. Estimasi trend dihitung dengan menghitung selisih antara dua nilai pemulusan eksponensial.

Konstatanta pemulusan yang kedua (β) digunakan untuk menghaluskan estimasi trend, pada persamaan untuk menghitung estimasi trend menunjukkan

bahwa estimasi trend dikalikan denga β dan kemudian ditambahkan pada estimasi

yang lama, dikalikan dengan (1 – β). Hasil dari persamaan tersebut adalah trend yang dihaluskan tanpa pengaruh random.

Pada persamaan untuk menghitung ramalan pada periode p. Estimasi trend dikalikan dengan jumlah periode yang akan diramalkan dan kemudian hasilnya ditambahkan pada data pemulusan yang tahunnya sama untuk menghilangkan pengaruh random.

2.9 Pengukuran Kesalahan Peramalan

Teknik peramalan kuantitatif biasanya menggunakan data runtut waktu, maka notasi matematis harus kita gunakan untuk menunjukkan suatu periode waktu tertentu. Huruf Y digunakan untuk menunjukkan suatu variabel data runtut waktu. Periode waktu dari satu variabel ditunjukkan sebagai subskrip. Oleh karena itu, Y t menunjukkan nilai Y pada periode t.

Notasi matematis juga harus digunakan untuk membedakan nilai variabel data runtut waktu sebenarnya dengan nilai permalan.nilai peramalan untuk Y t adalah Ŷt. Akurasi dari teknik peramalan seringkali dinilai dengan cara meperbandingkannya dengan data aslinya yakni Y1 ,Y2,... dengan nilai-nilai data hasil peramalan Ŷ1, Ŷ2,... (Lincolin Arsyad, 2001:57).

Notasi dasar peramalan adalah sebagai berikut: Y t = nilai data runtut waktu periode t

Ŷt = nilai peramalan Yt

et = Y t - Ŷt = residual atau kesalahan peramalan

Beberapa metode telah digunakan untuk menunjukkan kesalahan yang disebabkan oleh suatu teknik peramalan tertentu. Hampir semua ukuran tersebut menggunakan pengrata-rataan beberapa fungsi dari perbedaan antara nilai sebenarnya dengan nilai peramalannya. Perbedaan antara nilai sebenarnya dengan nilai peramalan ini biasanya disebut dengan residual.

Kesalahan rata-rata kuadrat atau mean squared error (MSE) merupakan metode alternatif dalam mengevaluasi suatu teknik peramalan. Setiap kesalahan atau residual dikuadratkan, kemudian dijumlahkan dan dibagi dengan jumlah observasi. Pendekatan ini menghukum suatu kesalahan peramalan yang besar karena dikuadratkan. Pendekatan ini penting karena suatu teknik yang menghasilkan kesalahan yang moderat lebih disukai oleh suatu peramalan yang biasanya menghasilkan kesalahan yang lebih kecil tetapi kadang-kadang menghasilkan kesalahan yang sangat besar. Rumus MSE dirumuskan sebagai berikut:

MSE = ∑ (Y�−Y��)

2 �

�=1

n ………(5)

Kadang kala lebih bermanfaat jika kita menghitung kesalahan peramalan dengan menggunakan secara prosentase ketimbang nilai absolutnya. Persentase kesalahan absolute rata-rata atau mean absolute percentage error (MAPE) dihitung dengan menemukan kesalahan absolute pada setiap periode, kemudian membaginya dengan nilai observasi pada periode tersebut, dan akhirnya merata-ratakan persentase absolute ini. Pendekatan ini sangat berguna jika ukuran variabel peramalan merupakan faktor penting dalam mengevaluasi akurasi peramalan tersebut. MAPE memberikan petunjuk seberapa besar kesalahan peramalan dibandingkan dengan nilai sebenarnya dari series tersebut. Persamaan berikut menunjukkan bagaimana cara menghitung MAPE:

MAPE = ∑

�

�=1 | Y�−Ŷ_Y� |

Perlu juga untuk menentukan apakah suatu metode permalan bias atau tidak (secara konsisten tinggi atau rendah). Persentase kesalahan rata-rata atau

mean percentage error (MPE) digunakan dalam kasus seperti ini. MPE dihitung

dengan cara menemukan kesalahan setiap periode, kemudian membaginya dengan nilai sebenarnya pada periode tersebut, dan kemudian merata-ratakan persentase kesalahan tersebut. Jika perndekatan peramalan tersebut tidak bias, maka perhitungan dengan MPE akan menghasilkan persentase mendekati nol. Jika hasil persentase negatifnya cukup besar maka metode peramalan tersebut menghasilkan hasil ramalan yang terlalu tinggi atau sebaliknya. Persamaan berikut menunjukkan bagaimana cara menghitung MPE:

MPE = ∑

�

�=1 ( Y�−Ŷ_Y� )

� ...(7)

2.10 Penjualan

Menurut Philip Kotler dalam bukunya yang berjudul Manajemen

Pemasaran Analisis, Perencanaan dan Pengendalian Edisi kelima, penjualan

adalah semua kegiatan usaha yang diperlukan untuk mengakibatkan terjadinya perpindahan milik daripada barang dan jasa. Dapatlah diketahui bahwa penjualan sangat penting bagi perusahaan, karena berfungsi untuk menghubungkan antara barang dan jasa dari produsen sampai ke konsumen. Dengan adanya penjualan memungkinkan perusahaan untuk memperbesar atau meningkatkan jumlah keuntungan dan meningkatkan jumlah penjualan.

3.1 Analisa Sistem

Di dalam penyusunan tugas akhir ini, dirumuskan bahwa permasalahan yang terdapat dalam CV. Djenggolo adalah dalam proses produksinya, jumlah angka produksinya tetap, atau jumlahnya sama setiap periodenya. Jadi jika terjadi keadaan dimana jumlah angka penjualan lebih besar daripada jumlah angka pembelian, maka akan menyebabkan terjadinya kekurangan stock bahan baku. Atau jika terjadi keadaan dimana jumlah angka pembelian lebih besar dibandingkan dengan angka penjualan, maka akan menyebabkan penumpukan barang di gudang, selain itu jika hal tersebut terjadi, bisa dikatakan bahwa mengalami kerugian, karena jumlah angka penjualan lebih kecil dari pada angka produksi. Selain itu proses pencatatan hasil penjualan masih dilakukan secara manual. Dan dalam pencatatannya dilakukan tidak dikelompokkan berdasarkan periode, melainkan dilakukan dikelompokkan berdasarkan customer. Sehingga kesulitan untuk memberikan laporan yang dikelompokkan berdasarkan periode.

Untuk menyelesaikan masalah tersebut, perlu adanya sebuah aplikasi yang dapat meramalkan jumlah angka penjualan di periode mendatang, yang diharapkan dapat digunakan sebagai salah satu aspek pertimbangan untuk menentukan jumlah angka produksi agar menjadi lebih efektif.

Metode yang digunakan untuk menghitung ramalan penjualan adalah Metode Exponential Smoothing. Metode tersebut digunakan karena yang digunakan untuk proses perhitungan bersifat trend.

3.1.1Dokumen Flow Manual Pembelian

Gambar 3.1 Dokumen Flow Manual Pembelian Bahan

Pada Gambar 3.1 menjelaskan tentang proses pembelian barang bahan baku. Bagian gudang mengecek data bahan dengan ketersediaannya di gudang. Setelah itu bagian gudang akan membuat daftar pembelian bahan yang berisi daftar bahan yang akan dibeli beserta jumlahnya. Kemudian daftar pembelian tersebut akan diberikan kepada supplier yang kemudian oleh supplier akan dibuatkan nota. Kemudian oleh bagian gudang akan dibuat laporan pembelian bahan

3.1.2Dokumen Flow Manual Penjualan

Gambar 3.2 Dokumen Flow Manual Penjualan Barang

Pada Gambar 3.2 menjelaskan tentang proses penjualan, pertama akan dibuat surat penawaran barang yang kemudian diserahkan kepada customer. Setiap terjadi transaksi penjualan, bagian penjualan akan membuat faktur penjualan. Dan berdasarkan pada faktur penjualan tersebut, bagian penjualan juga membuat laporan penjualan.

3.2Alur Pengembangan Sistem

Berikut digambarkan alur pengembangan pada aplikasi yang akan dibuat pada Gambar 3.3

Input data produk, dan Data Penjualan Produk

Proses Peramalan Penjualan pada periode mendatang dengan metode

Exponential Smoothing

Hasil peramalan penjualan dengan metode exponential

smoothing berupa jumlah penjualan untuk

masing-masing jenis barang pada periode

mendatang

Gambar 3.3 Alur Pengembangan Sistem Informasi Peramalan Penjualan dengan metode Exponential Smoothing

Pada Gambar 3.3 menjelaskan proses untuk menghasilkan output berupa laporan yang berisi jumlah penjualan pada periode mendatang yang merupakan hasil proses perhitungan permalan dengan menggunakan metode Exponential Smoothing.

Proses dimulai dengan input dari data produk yang akan diramalkan jumlah penjualannya dan data penjualan produk yang ada pada periode sebelumnya. Karena untuk melakukan perhitungan peramalan, data yang ada pada periode sebelumnya digunakan sebagai input untuk proses perhitungan.

Kemudian input berupa barang yang akan ditentukan dan data penjualan pada periode sebelumnya tersebut oleh sistem akan dilakukan proses perhitungan peramalan dengan menggunakan metode exponential smoothing,

Hasil dari perhitungan peramalan tersebut adalah berupa laporan jumlah penjualan jenis produk tertentu pada periode mendatang.

3.2.1Dokumen Flow Terkomputerisasi Pembelian

Gambar 3.4 Dokumen Flow Terkomputerisasi Pembelian Bahan Pada Gambar 3.4 untuk proses terkomputerisasi pembelian bahan mengacu pada sistem yang ada sebelumnya, namun untuk pengecekan stock sampai pembuatan daftar pembelian bahan dapat secara dilakukan oleh sistem

Setiap terjadi transaksi pembelian bahan, harus dicatat dalam transaksi pembelian agar tersimpan dalam data transaksi pembelian dan data bahan dapat diupdate stocknya.

3.2.2Dokumen Flow Terkomputerisasi Penjualan

Gambar 3.5 Dokumen Flow Terkomputerisasi Penjualan Barang

Pada Gambar 3.5 untuk proses terkomputerisasi penjualan barang juga mengacu pada sistem yang yang ada sebelumnya, setiap transaksi penjualan yang terjadi harus dicatat dalam transaksi penjualan agar tersimpan dalam data penjualan dan data stock barang produk dapat terupdate stocknya.

3.2.3 Flowchart Peramalan Penjualan dengan Metode Exponential Smoothing dengan tekhnik Holt

Mengacu pada Lincolin Arsyad (2001;104), flowchart Untuk menghitung peramalan hasil penjualan dengan metode Exponenential Smoothing dengan tekhnik Holt adalah sebagai berikut

Ambil data penjualan yang akan digunakan untuk

proses perhitungan

Inisialisasi nilai alpha dan beta dan jumlah periode

Start

Apakah kombinaasi alpha dan beta menghasilkan MSE terkecil ?

Stop Ya Tidak

Ramalan jumlah penjualan di periode

mendatang Perhitungan Eksponential At = α Yt + (1 – α) (At-1 + Tt-1)

Perhitungan Eksponential At = α Yt + (1 – α) (At-1 + Tt-1)

Hitung estimasi trend Tt = β (At – At-1) + ( 1 – β) Tt-1

Hitung estimasi trend Tt = β (At – At-1) + ( 1 – β) Tt-1

Hitung ramalan pada periode p

Ŷt + p = At + pTt

Hitung ramalan pada periode p

Ŷt + p = At + pTt

Hitung kesalahan peramalan et = Y t - Ŷt

Hitung kesalahan peramalan et = Y t - Ŷt

Hitung MSE Hitung MSE

Gambar 3.6 Flowchart peramalan penjualan dengan Metode Exponential Smoothing

Flowchart yang terlihat pada Gambar 3.6 menjelaskan bagaimana proses peramalan penjualan dengan menggunakan metode Eksponential Smoothing. Pada proses awal pertama kali sistem akan mengambil input dari user berupa panjang periode data penjualan yang akan digunakan untuk proses perhitungan.

Start

Inisialisasi nilai α dan jumlah periode

t = t +1

Perhitungan Eksponential At = α Yt + (1 – α) (At-1 + Tt-1)

Apakah t <= jumlah periode ?

Stop

Ambil nilai estimasi trend pada periode sebelumnya (Tt-1)

Ya

Tidak

Ambil data penjualan pada periode t (Yt)

Gambar 3.7 Subroutine Perhitungan Eksponential

Kemudian yang langkah selanjutnya yang dilakukan adalah sistem akan melakukan inisialisasi nilai alpha dan beta. Nilai alpha digunakan untuk perhitungan pemulusan secara exponential seperti yang digambarkan pada Gambar 3.7, kemudian nilai beta digunakan untuk menghitung estimasi trend seperti yang digambarkan pada Gambar 3.8 berikut :

Start

Hitung estimasi trend Tt = β (At – At-1) + ( 1 – β) Tt-1

Inisialisasi nilai beta (β) dan jumlah periode

t = t +1

Ambil nilai perhitungan exponential pada

periode sebelumnya (At-1)

Ambil nilai perhitungan exponential pada

periode t (At)

Ambil nilai estimasi trend pada periode

sebelumnya (Tt-1)

Apakah t <= jumlah periode ?

Stop Ya

Tidak

Gambar 3.8 Subroutine perhitungan estimasi trend

Proses perhitungan yang dilakukan adalah perhitungan data eksponential

untuk mendapatkan nilai baru yang telah dimuluskan. Kemudian perhitungan estimasi trend, setelah mendapatkan nilai baru yang telah dimuluskan dan estimasi trend,langkah selanjutnya adalah menjumlahkan kedua nilai tersebut untuk mendapatkan nilai peramalan penjualan pada periode mendatang, seperti yang terlihat pada Gambar 3.9 berikut :

Start

t = t +1

Ambil nilai perhitungan exponential pada periode t (At)

Ambil nilai estimasi trend pada periode t (Tt)

Apakah t <= jumlah periode ?

Stop Ya

Tidak

Hitung ramalan pada periode p

Ŷt + p = At + pTt

Gambar 3.9 Subroutine hitung ramalan pada periode berikutnya kemudian dihitung kesalahan peramalan yang dihasilkan dari selisih antara data pada periode t dan nilai peramalan pada periode t tersebut seperti yang terlihat pada Gambar 3.10 berikut :

Start

t = t +1

Ambil data penjualan pada periode t (Y t)

Ambil perhitungan peramalan pada periode t (Ŷt )

Hitung kesalahan peramalan et = Y t - Ŷt

Apakah t <= jumlah periode ?

Stop Ya

Tidak

Setelah mendapatkan nilai kesalahan peramalan pada setiap periode. Nilai tersebut digunakan untuk menghitung MSE seperti yang terlihat pada Gambar 3.11 berikut :

Start

t = t +1

Ambil nilai residual pada periode t (et)

Apakah t <= jumlah periode ?

Stop Ya

Tidak

Inisialisasi jumlah periode (n)

Jumlah kan masing2 nilai kuadrat dari nilai residual pada periode

tersebut

Σet2 = Σet2 + et2

Hitung MSE

Gambar 3.11 Subroutine hitung nilai MSE

. Kombinasi dari alpha dan beta yang menghasilkan nilai MSE yang terkecil digunakan untuk perhitungan. Output dari sistem berupa angka penjualan suatu barang produk tertentu diperiode mendatang yang nilai MSE nya terkecil, yang dapat ditampilkan dalam bentuk laporan peramalan penjualan.

3.2.4Data Flow Diagram

Data Flow Diagram (DFD)adalah suatu diagram yang digunakan untuk

menggambarkan arus data suatu sistem. Diawali dengan membuat konteks diagram yang digunakan untuk memberikan gambaran secara keseluruhan arus data pada suatu sistem, yang kemudian diturunkan ke dalam sub-sub yang lebih kecil dan mendetail.

3.2.5Konteks Diagram

Laporan Pembelian Barang Faktur Penjualan

Faktur Pembelian Daftar Pembelian Barang Data Supplier

Data Penawaran Barang

Surat Permintaan Barang

Data Customer

Laporan Penjualan per Bulan

Laporan Peramalan Penjualan 0

SI Peramalan Penjualan dengan Menggunakan Metode Exponential Smoothing + Manajer Customer Supplier

Gambar 3.12 Konteks diagram Sistem Informasi Peramalan Penjualan dengan Menggunakan Metode Exponential Smoothing pada CV. Djenggolo

Pada Gambar 3.12 menjelaskan rancangan sistem secara global. Pada Sistem Informasi Peramalan Penjualan ini terdapat 3 buah External Entity yaitu Customer, Manajer, dan Supplier.

3.2.6Diagram Berjenjang Sistem Informasi Peramalan Penjualan dengan Menggunakan Metode Exponential Smoothing 0 Proses Transaksi 2 Proses Perhitungan Peramalan Penjualan 3 Proses Pembuatan Laporan 4 Proses Penambahan Data Customer Baru 5 Proses Penambahan Data Supplier Baru 1 Proses Transaksi Pembelian Bahan Baku 2.1 Proses Transaksi Penjualan Barang 2.2 Proses Membuat Daftar Pembelian Barang 2.1.1 Proses Simpan Data Stock Barang 2.1.2 Proses Membuat Penawaran Barang 2.2.1 Proses Simpan Data Penjualan dan Update Data Barang Produk 2.2.3 Proses Pembuatan Laporan Peramalan Penjualan 4.1 Proses Pembuatan Laporan Penjualan 4.2 Proses Pembuatan Laporan Pembelian Barang 4.3 Proses Membuat Faktur Penjualan 2.2.2

Gambar 3.13 Diagram Berjenjang Sistem Informasi Peramalan Penjualan dengan Menggunakan Metode Exponential Smoothing

Pada Gambar 3.13 dijelaskan dalam sistem informasi peramalan penjualan dengan menggunakan metode exponential smoothing terdapat empat proses utama, yaitu proses penambahan data baru, proses transaksi yang meliputi proses transaksi penjualan dan transaksi pembelian bahan baku, kemudian proses perhitungan peramalan penjualan, dan proses pembuatan laporan yang meliputi proses pembuatan laporan peramalan penjualan, proses pembuatan laporan penjualan dan proses pembuatan laporan pembelian barang.

3.2.7DFD level 0

Update data customer

Data Customer Update data supplier

Data Supplier

data detil penjualan Update data detil penjualan

Data detil pembelian Update data detil pembelian

Laporan Pembelian Barang

Data Stock Bahan Faktur Penjualan

Data_Pembelian

Data Customer Data Supplier

Faktur Pembelian

update data stock bahan

update data peramalan penjualan

data penjualan data peramalan penjualan

data penjualan

Laporan Penjualan per Bulan update data pembelian

Update data penjualan Daftar Pembelian Barang

Data Penawaran Barang

Surat Permintaan Barang

Laporan Peramalan Penjualan

Custo mer Custome r Customer Supplie r Supplier 3 Proses Pembuatan Laporan +

1 Data Customer 2 data supllier

2

Proses Transaksi

+

3 Data Penjualan 4 data pembelian

4 Proses Perhitungan

peramalan penjualan

5 data peramalan penjualan

6 Data Bahan Customer

Manajer Manajer 11 data detil pembelian

12 data detil penjualan 1

Proses penambahan data supplier baru

5 Proses penambahan data customer

baru

Pada Gambar 3.14 merupakan DFD Level 0 dari context diagram. Pada DFD level 0 terbagi menjadi 6 sub proses yaitu:

1. Proses penambahan data supplier baru

Digunakan untuk menambahkan data baru pada atau pada data supplier. 2. Proses transaksi

Digunakan untuk mencatat transaksi penjualan yang akan digunakan untuk menghitung peramalan penjualan pada periode mendatatang, atau mencatat transaksi pembelian barang.

3. Proses perhitungan peramalan penjualan

Digunakan untuk meramalkan penjualan yang akan terjadi di periode mendatang.

4. Proses pembuatan laporan

Pada proses ini digunakan untuk memberikan informasi ramalan penjualan di periode mendatang, informasi transaksi penjualan, dan informasi transaksi pembelian.

5. Proses penambahan data customer baru

Pada proses ini digunakan untuk mencatat setiap data customer yang melakukan transaksi pembelian produk kepada pihak CV. Djenggolo

3.2.8DFD Level 1 Proses Transaksi

[Update data detil penjualan] [Update data detil pembelian]

Data Barang Produk update data stock produk

[Faktur Penjualan]

[Faktur Pembelian] [Data Supplier]

[Data Customer] Data Stock Bahan [update data pembelian]

[update data stock bahan] [Daftar Pembelian Barang]

[Update data penjualan] [Surat Permintaan Barang]

[Data Penawaran Barang]

Customer

Supplier

3 Data Penjualan

4 data pembelian

6 Data Bahan

2.1 Poses Transaksi Pembelian Bahan Baku + 2.2 Proses Transaksi Penjualan Barang +

2 data supllier

1 Data Customer

8 Data_Barang_Produk

11 data detil

pembelian

12 data detil

penjualan

Gambar 3.15 DFD Level 1 Proses Transaksi

Pada Gambar 3.15 menunjukkan proses yang ada dalam proses transaksi, yaitu proses transaksi pembelian bahan baku dan proses transaksi penjualan barang. Setiap transaksi penjualan atau pembelian barang yang dilakukan, akan disimpan dalam data penjualan atau data pembelian, dan akan dilakukan proses update stock pada data barang atau data barang produk.

3.2.9 DFD Level 1 Proses Pembuatan Laporan

[data detil penjualan]

[Data detil pembelian]

[Laporan Pembelian Barang] [Data_Pembelian]

[Laporan Penjualan per Bulan] [data penjualan]

[data peramalan penjualan]

[Laporan Peramalan Penjualan]

Manajer 5 data peramalan penjualan

3 Data Penjualan

3.1 Proses Membuat Laporan Peramalan Penjualan 3.2 Proses Membuat Laporan Penjualan

4 data pembelian

3.3

Proses Membuat Laporan Pembelian

Barang

11 data detil pembelian 12 data detil

penjualan

Gambar 3.16 DFD Level 1 Proses Pembuatan Laporan

Pada Gambar 3.16 menunjukkan proses untuk menampilkan informasi berupa laporan peramalan penjualan, laporan penjualan dan laporan pembelian barang.

3.2.10 DFD Level 2 Proses Transaksi Pembelian Bahan Baku

[Update data detil pembelian]

[update data stock bahan] [update data pembelian]

[Faktur Pembelian]

[Data Supplier]

[Daftar Pembelian Barang]

[Data Stock Bahan]

Supplier 6 Data Bahan

4 data pembelian

2.1.1 Proses Membuat Daftar Pembelian Barang 2.1.2 Proses Simpan Data Stock Bahan 2 data supllier

11 data detil pembelian

Pada Gambar 3.17 menunjukkan proses pencatatan transaksi setiap dilakukan pembelian bahan baku, data akan disimpan dalam data pembelian dan data detil pembelian, serta pada data barang akan dilakukan update stock.

3.2.11 DFD Level 2 Proses Transaksi Penjualan Barang

[Update data detil penjualan] [Data Barang Produk]

[update data stock produk]

[Data Customer]

[Update data penjualan] Faktur Penjualan [Faktur Penjualan]

[Surat Permintaan Barang] [Data Penawaran Barang]

Customer

3 Data Penjualan

1 Data Customer

2.2.1 Proses Membuat penawaran barang 2.2.2 Proses Membuat Faktur Penjualan 2.2.3 Proses Simpan Data

Penjualan dan Update Data Barang

Produk

8 Data_Barang_Produk

8 Data_Barang_Produk

12 data detil

penjualan

Gambar 3.18 DFD Level 2 Proses Transaksi Penjualan Barang Pada Gambar 3.18, setiap terjadi transaksi penjualan, maka akan disimpan dalam data penjualan dan data detil penjualan, serta stock pada data barang produk akan diupdate.

3.2.12 ERD (Entity Relationship Diagram)

Secara conceptual ERD yang digunakan dalam Sistem Informasi Peramalan Penjualan digambarkan menjadi 2 bagian yaitu untuk proses transaksi penjualan dan proses transaksi pembelian :

Produk y ang di jual

Memilik i has il Ramalan Memilik i det il penjualan

Dilak uk an Oleh

Customer Customer_id Nama_Cus tomer Alamat Detil_Penjualan Kode_Transaksi_Penjualan Id_Produk Jumlah Subtotal Data_Penjualan Kode_Transaksi_Penjualan Customer_id Tgl_transaks i Total_Harga Data_Barang_Produk Id_Produk Nama_Produk Satuan Harga_Satuan Jumlah_Stoc k Data_Hasil_Ramalan Id_Ramalan Id_Produk Periode_input Periode_output_hasil Hasil_peramalan Tingkat_Kesalahan

Gambar 3.19 CDM proses transaksi penjualan

KO DE_BAHAN = KOD E_BAH AN

KO DE_TR ANSAKSI _PEMBELIAN = KO DE_TR ANSAKSI _PEMBELI AN

SU PPLI ER_I D = SUPPLIER_ID

SUPPLIER

SUPPLIER_ID varc har(10) NAMA_SUPPLIER varc har(8) ALAMAT varc har(50)

DATA_BAHAN KODE_BAHA N varc har(10) NAMA_BAHAN varc har(10) SATUAN varc har(15) JUMLA H_STOCK numeric(10) STOCK_MINIMAL numeric(20)

DATA_PEMBELIA N

KODE_TRANSAKSI_PEMBELIAN varc har(10) SUPPLIER_ID varc har(10) TGL_TRANSAKSI date

TOTAL numeric(10)

DETIL_PEMBELIAN

KODE_TRANSAKSI_PEMBELIAN varc har(15) KODE_BAHA N varc har(10) JUMLA H numeric(10) SUBTOTAL numeric(10)

Gambar 3.20 CDM proses transaksi pembelian

Pada Gambar 3.19 dan Gambar 3.20 digambarkan tabel yang akan digunakan dalam perancangan sistem, beserta field atau kolom yang terdapat pada tiap tabel, nama relasi serta sifat hubungan antar entity. Dalam sistem ini terdapat 9 buah tabel yaitu antara lain customer, supplier, data penjualan, data pembelian, data detil penjualan, data detil pembelian, data hasil ramalan, data barang, dan data barang produk.

Secara Physical ERD Sistem Informasi Peramalan Penjualan dijelaskan melalui gambar berikut :

I D_PROD UK = I D_PR ODUK

I D_PROD UK = I D_PR ODUK KO DE_TR ANSAKSI _PENJ UALAN = KOD E_TRANSAKSI_PENJU ALAN

CU STO MER _I D = CU STOMER_I D

CUSTOMER

CUSTOMER_ID varc har(15) NAMA_CUSTOMER varc har(20) ALAMAT varc har(50)

DETIL_PENJUALAN

KODE_TRANSAKSI_PENJUALAN varc har(15) ID_PRODUK varc har(10) JUMLA H numeric(10) SUBTOTAL numeric(10)

DATA_PENJUA LAN

KODE_TRANSAKSI_PENJUALAN varc har(15) CUSTOMER_ID varc har(15) TGL_TRANSAKSI date

TOTAL numeric(10)

DATA_BARANG_PRODUK ID_PRODUK varc har(10) NAMA_PRODUK varc har(20) SATUAN varc har(15) HARGA_SATUAN numeric(10) JUMLA H_STOCK numeric(20)

DATA_HASIL_RAMALAN ID_RAMALAN varc har(10) ID_PRODUK varc har(10) PERIODE_INPUT varc har(15) PERIODE_OUTPUT date HASIL_PERA MALA N numeric(10) TINGKAT_KESALAHAN numeric(5)

Gambar 3.21 PDM proses transaksi penjualan

KO DE_BAHAN = KOD E_BAH AN

KO DE_TR ANSAKSI _PEMBELIAN = KO DE_TR ANSAKSI _PEMBELI AN

SU PPLI ER_I D = SUPPLIER_ID

SUPPLIER

SUPPLIER_ID varc har(10) NAMA_SUPPLIER varc har(8) ALAMAT varc har(50)

DATA_BAHAN KODE_BAHA N varc har(10) NAMA_BAHAN varc har(10) SATUAN varc har(15) JUMLA H_STOCK numeric(10) STOCK_MINIMAL numeric(20)

DATA_PEMBELIA N

KODE_TRANSAKSI_PEMBELIAN varc har(10) SUPPLIER_ID varc har(10) TGL_TRANSAKSI date

TOTAL numeric(10)

DETIL_PEMBELIAN

KODE_TRANSAKSI_PEMBELIAN varc har(15) KODE_BAHA N varc har(10) JUMLA H numeric(10) SUBTOTAL numeric(10)

Gambar 3.22 PDM proses transaksi pembelian

Pada Gambar 3.21dan Gambar 3.22 digambarkan keterangan field pada setiap tabel, serta hubungan foreign key antar tabel.

3.2.13 Struktur Tabel

Struktur tabel yang digunakan dalam pembuatan Sistem Informasi Peramalan Penjualan dengan Menggunakan Metode Exponential Smoothing

adalah sebagai berikut : a. Tabel Customer

Nama Tabel : Customer Primary Key : Customer_Id Foreign Key : -

Fungsi : Menyimpan data identitas customer Tabel 3.1 Data Customer

No Field Type Length Keterangan

1 Customer_Id Varchar 15 Kode customer 2 Nama_Customer Varchar 20 Nama customer

3 Alamat Varchar 50 Tempat tinggal customer 4 Telepon Number 20 No telepon customer

b. Tabel Supplier

Nama Tabel : Supplier Primary Key : Supplier_Id Foreign Key : -

Tabel 3.2 Data Supplier

No Field Type Length Keterangan

1 Supplier_Id Varchar 10 Kode supplier 2 Nama_Supplier Varchar 8 Nama supplier

3 Alamat Varchar 50 Tempat tinggal supplier 4 Telepon Number 20 No telepon supplier

c. Tabel Data Bahan

Nama Tabel : Data_Bahan Primary Key : Kode_Bahan Foreign Key : -

Fungsi : Menyimpan data barang Tabel 3.3 Data Bahan

No Field Type Length Keterangan

1 Kode_Bahan Varchar 10 Kode bahan 2 Nama_Bahan Varchar 10 Nama bahan

3 Satuan Varchar 15 Satuan barang

4 Jumlah_Stock Numeric 10 Jumlah stock tersimpan 5 Stock_Minimal Numeric 20 Persediaan minimum yang

harus ada

d. Tabel Data Barang Produk

Nama Tabel : Data_Barang_Produk Primary Key : Id_Produk

Foreign Key : -

Tabel 3.4 Data Barang Produk

No Field Type Length Keterangan

1 Id_Produk Varchar 10 Kode barang produk 2 Nama_Produk Varchar 20 Nama Produk

3 Satuan Varchar 15 Satuan Produk

4 Harga_Satuan Numeric 10 Harga satuan produk 5 Jumlah_Stock Numeric 20 Jumlah produk tersedia

e. Tabel Data Penjualan

Nama Tabel : Data_Penjualan

Primary Key : Kode_Transaksi_Penjualan Foreign Key : -

Fungsi : Menyimpan data master transaksi penjualan Tabel 3.5 Data Penjualan

No Field Type Length Keterangan

1 Kode_Transaksi_Penjualan Varchar 15 Kode pada faktur penjualan 2 Customer_Id Varchar 15 id customer

3 Tgl_transaksi Date - Tanggal transaksi penjualan

4 Total Numeric 10 Total Harga

f. Tabel Detil Penjualan

Nama Tabel : Detil_Penjualan Primary Key : -

Foreign Key : Kode_transaksi_penjualan mengacu pada tabel Penjualan pada kolom Kode_transaksi_penjualan

Tabel 3.6 Detil Penjualan

No Field Type Length Keterangan

1 Kode_Transaksi_Penjualan Varchar 15 Kode pada faktur penjualan 2 Id_Produk Varchar 10 Kode barang produk

3 Jumlah Numeric 10 Jumlah barang

4 Subtotal Numeric 10 Total harga tiap satu produk

g. Tabel Data Pembelian

Nama Tabel : Data_Pembelian

Primary Key : Kode_Transaksi_Pembelian Foreign Key : -

Fungsi : Menyimpan data master transaksi pembelian Tabel 3.7 Data Pembelian

No Field Type Length Keterangan

1 Kode_Transaksi_Pembelian Varchar 15 Kode pada faktur pembelian 2 Supplier_Id Varchar 15 id supplier 3 Tgl_transaksi Date - Tanggal transaksi

pembelian

4 Total Numeric 10 Total harga pembelian

h. Tabel Detil Pembelian

Nama Tabel : Detil_Pembelian Primary Key : -

Foreign Key : Kode_transaksi_pembelian mengacu pada tabel Pembelian pada kolom Kode_transaksi_pembelian Fungsi : Menyimpan data detail transaksi pembelian

Tabel 3.8 Detil Pembelian

No Field Type Length Keterangan

1 Kode_Transaksi_Pembelian Varchar 15 Kode pada faktur penjualan 2 Kode_Bahan Varchar 10 Kode bahan

3 Jumlah Numeric 10 Jumlah barang

4 Harga_Satuan Numeric 10 Harga satuan barang 5 Subtotal Numeric 10 Total harga tiap satu

produk

i. Tabel Data Hasil Ramalan

Nama Tabel : Data_Hasil_Ramalan Primary Key : Id_Ramalan

Foreign Key : Id_Produk mengacu pada tabel Data_Barang_Produk pada kolom Id_Produk

Fungsi : Menyimpan data hasil peramalan penjualan suatu produk Tabel 3.9 Data Hasil Peramalan

No Field Type Length Keterangan

1 Id_ramalan Varchar 10 Kode hasil ramalan 2 Id_Produk Varchar 10 Kode produk yang akan

diramalkan

3 Periode_input Varchar 15 Periode input untuk perhitungan peramalan 4 Periode_output Date - Periode yang dihasilkan dari

peramalan

5 Hasil_peramalan Numeric 10 Jumlah terjualnya barang yang diramalkan

6 Tingkat_Kesalahan Numeric 5 Tingkat kesalahan perhitungan peramalan

3.3 Desain IO

3.3.1 Desain Input Master Data Customer

Data Customer

Cus-xxxx

Mr.xxxxx

Jl.xxxxx

123456789

Gambar 3.23 Desain Input Master Data Customer

Form master data customer digunakan untuk menyimpan data pelanggan, pada form tersebut terdapat 3 tombol, tombol simpan, digunakan untuk menyimpan data setelah terlebih dahulu mengisi kolom yang diperlukan yaitu customer id, nama customer, alamat customer, dan nomor telepon customer. Tombol rubah digunakan untuk merubah data yang sudah ada. Dan tombol keluar digunakan untuk keluar dari form master data customer dan kembali ke Menu Utama.

3.3.2 Desain Input Master Data Supplier

Data Supplier

Mr.xxxxx

Jl.xxxxx

123456789 Spl-xxxxx

Gambar 3.24 Desain Input Master Data Supplier

Form master data supplier digunakan untuk menyimpan data supplier bahan baku kedalam data supplier. Tombol simpan digunakan untuk menyimpan data setelah terlebih dahulu kolom supplier id, nama supplier, alamat supplier, dan telepon supplier terisi terlebih dahulu. Tombol rubah digunakan untuk merubah data supplier yang ada atau yang sudah tersimpan sebelumnya. Tombol keluar digunakan untuk keluar dari form master supplier dan kembali ke menu utama.

3.3.3 Desain Input Master Data Bahan

Form master data barang digunakan untuk menyimpan data bahan atau bahan baku produksi, untuk menyimpan data terlebih dahulu kolom kode barang, nama barang, satuan, dan jumlah stock barang harus dilengkapi.

Data Barang

Brg-xxxx

xxxxxxx

Kg

123456

Gambar 3.25 Desain Input Master Data Bahan

Tombol simpan digunakan untuk menyimpan data, tombol rubah digunakan untuk merubah data barang yang sudah ada atau sudah tersimpan, tombol keluar digunakan untuk keluar dari form master barang dan kembali ke menu utama.

3.3.4 Desain Input Master Data Barang Produk

Form master data barang produk digunakan untuk menyimpan data barang produk atau data hasil produksi. untuk menyimpan data, terlebih dahulu kolom id produk, nama produk, satuan produk, jumlah stock produk, harga satuan produk harus terisi terlebih dahulu. Tombol simpan berfungsi untuk menyimpan data, tombol rubah berfungsi untuk merubah data barang produk yang sudah ada, dan tombol keluar digunakan untuk keluar dari form master data barang produk dan kembali ke menu utama.

Data Barang Produk

Prd-xxxx

xxxxxx

Kg

1234

Rp.1234

Gambar 3.26 Desain Input Data Master Barang Produk

3.3.5 Desain Input Peramalan Produk

Peramalan Produk

Prd-xxxx

xxxxx

Nov

2009

2008

2009 Apr

Feb

234

Untuk mendapatkan nilai ramalan penjualan yang akan diperoleh pada periode mendatang, pertama pilih produk yang akan diramalkan hasil penjualannya, kemudian kolom periode yang diramalkan di isi dengan bulan dan tahun yang diinginkan untuk mendapatkan hasil peramalan. Tombol hitung digunakan untuk mendapatkan nilai peramalan, tombol simpan digunakan untuk menyimpan hasil peramalan. Tombol keluar digunakan untuk keluar dari form peramalan dan kembali ke menu utama.

3.3.6 Desain Input Transaksi Penjualan

Transaksi Penjualan

dd/MM/yyyy

SOxxxxxxxx-x

Cus-xxx

Mr.xxx

Prd-xxx

xxxxx

233 M3

Gambar 3.28 Desain Input Transaksi Penjualan

Form transaksi penjualan digunakan untuk menyimpan transaksi penjualan yang sudah dilakukan. Untuk menyimpan data, lengkapi kolom yang

ada, tombol tambah digunakan untuk menambah item produk kedalam transaksi,tombol hapus digunakan untuk menghapus salah satu item produk pada transaksi, tombol simpan digunakan untuk menyimpan data transaksi penjualan, tombol keluar digunakan untuk keluar dari form transaksi penjualan dan kembali ke menu utama.

3.3.7 Desain Input Transaksi Pembelian

Transaksi Pembelian

FKxxxxxxxx-x dd/MM/yyyy

Spl-xxx

PT.xxx

Brg-xxx xxxxx

Ton 1234

Gambar 3.29 Desain Input Transaksi Pembelian

Form transaksi pembelian digunakan untuk menyimpan data transaksi pembelian bahan baku produksi, tombol tambah digunakan untuk menambah item barang kedalam transaksi, tombol hapus digunakan untuk menghapus item barang dari transaksi, tombol simpan digunakan untuk menyimpan data, tombol keluar digunakan untuk keluar dari form transaksi pembelian.

3.3.8 Desain Output Laporan Penjualan

Laporan Penjualan

2008

SOxxxxxxxx-x Cus-xxx 1234 SOxxxxxxxx-x Cus-xxx 1234

Gambar 3.30 Desain Output Laporan Penjualan

Form laporan penjualan digunakan untuk menampilkan transaksi penjualan yang terjadi berdasarkan periode.

3.3.9 Desain Output Laporan Detil Penjualan

Laporan Detil Penjualan

SOxxxxxxxx-x

Cus-xxx

Mr.xxxx

Jl.xxxxx

Gambar 3.31 Desain Output Laporan Detil Penjualan

Form laporan detil penjualan digunakan untuk menampilkan transaksi penjualan secara setail berdasarkan kode transaksi penjualan.

3.3.10 Desain Output Laporan Pembelian

Laporan Pembelian

2009

FKxxxxxxxx-x Spl-xxx 1234 FKxxxxxxxx-x Spl-xxx 1234

Gambar 3.32 Desain Output Laporan Pembelian

Form laporan pembelian digunakan untuk menampilkan transaksi pembelian bahan baku yang sudah dilakukan berdasarkan periode.

3.3.11 Desain Output Laporan Detil Pembelian

Laporan Detil Pembelian

FKxxxxxxxx-x

Spl-xxx

PT.ccxxx

Jl.xxxxx

Gambar 3.33 Desain Output Laporan Detil Pembelian

Form laporan detil pembelian digunakan untuk menampilkan laporan pembelian secara detail berdasarkan kode transaksi pembelian.

3.3.12 Desain Output Laporan Hasil Peramalan

Laporan Hasil Peramalan

Prd-xxx

Prd-xxx

November 2009

Apr 2008 May

2354

23.54

Gambar 3.34 Desain Output Laporan Hasil Peramalan

Form laporan hasil peramalan digunakan untuk menampilkan hasil perhitungan peramalan yang sudah dilakukan berdasarkan produk yang akan diramalkan dan periode yang akan diramalkan.

4.1Kebutuhan Sistem

Untuk dapat menggunakan Sistem Informasi Peramalan Penjualan dengan Menggunakan Metode Exponential Smoothing, diperlukan beberapa perangkat yang diperlukan yaitu berupa perangkat keras dan perangkat lunak.

4.1.1Perangkat Keras

a. Processor Pentium IV 1.5 Ghz atau lebih tinggi b. Memory 256 Mb atau lebih tinggi

c. Ruang Hardisk yang dibutuhkan sebesar 100 Mb d. Mouse dan Keyboard

4.1.2Perangkat Lunak

a. Microsoft Windows XP sebagai sistem operasi. b. Microsoft SQL Server 2000 sebagai database server. c. Dot net framework 2 digunakan untuk running program. d. Crystal Report digunakan untuk kelengkapan laporan program.

4.2Implementasi Sistem

Pada sub bab ini, akan dijelaskan tentang penggunaan yang telah dibuat, mulai dari tampilan aplikasi, fungsi dan cara penggunaannya.

Saat pertama kali sistem dijalankan, user tidak dapat menggunakan seluruh fitur yang ada pada aplikasi kecuali fitur login. Karena user diharuskan

login terlebih dahulu sebelum menggunakan aplikasi. pada Gambar 4.1 terlihat form login yang digunakan untuk login user, agar dapat menggunakan aplikasi.

Gambar 4.1 Form Login

Terdapat 2 macam user pada aplikasi ini. Yaitu sebagai user admin dan user operator. User admin dapat menggunakan seluruh fitur yang ada pada aplikasi ini, sedangkan user operator tidak dapat menggunakan fitur master form, dan fitur untuk perhitungan peramalan penjualan.

Setelah user melakukan proses login, dalam kasus ini user yang digunakan adalah user admin. Maka seluruh fitur yang ada pada aplikasi dapat digunakan.

Pada Gambar 4.2 terlihat form utama dan seluruh fitur pada aplikasi tersebut dapat digunakan karena terlebih login sebagai user admin.

Gambar 4.2 Form Utama

Seperti yang terlihat pada Gambar 4.2, pada form halaman utama terdapat 4 menu, yaitu Menu, Master, Transaksi, dan Laporan. Pada menu pertama yang terlihat pada Gambar 4.3.

Gambar 4.3 Menu

Pada menu tersebut terdapat submenu log in, digunakan untuk login user pada saat pertama kali aplikasi dijalankan. Log out digunakan untuk untuk log out, rubah password seperti yang terlihat pada Gambar 4.4 digunakan untuk mengganti password, dan exit digunakan untuk keluar dari aplikasi.

Gambar 4.4 Form Rubah Password

Pada form rubah password seperti yang terlihat pada Gambar 4.4, untuk mengganti password, user terlebih dahulu melakukan input password lama, kemudian input dengan password yang baru. Tombol “simpan” digunakan untuk melakukan penggantian password lama dengan password baru, tombol “batal” digunakan untuk membersihkan input dari user, dan tombol “keluar” digunakan untuk keluar dari form rubah password dan kembali ke menu utama.

Kemudian pada menu kedua seperti yang terlihat pada Gambar 4.5

Pada menu master seperti yang terlihat pada Gambar 4.5, terdapat sub menu data barang produk, seperti yang terlihat pada Gambar 4.6, form data barang produk digunakan untuk maintenance data hasil produksi.

Gambar 4.6 Form Data Barang Produk

Pada form data barang produk, terdapat 3 kolom, yaitu “tambah data baru”, yang digunakan untuk menambah data produk, kemudian kolom “rubah data” digunakan untuk merubah data produk yang sudah ada, dan kolom “update stock”, digunakan untuk merubah jumlah stock suatu produk.

Pada form yang terlihat pada Gambar 4.6, untuk mengisi data produk baru, user harus mengisi nama produk, kemudian pilih satuan, jumlah stock yang ada dan harga satuan produk tersebut. Tombol “simpan” digunakan untuk melakukan proses penyimpanan, dan tombol “batal” digunakan untuk membersihkan semua input dari user. Dan tombol “keluar” digunakan untuk keluar dari form data barang produk.

Kolom berikutnya yang terdapat pada form data barang produk adalah “rubah data” seperti yang terlihat pada Gambar 4.7.

Gambar 4.7 Rubah Data Barang Produk

Seperti yang telihat pada Gambar 4.7, kolom “rubah data” digunakan untuk merubah data produk yang sudah ada. Untuk merubah data dari suatu produk, user harus melakukan input id produk, atau memilih salah satu produk yang tampil. Setelah selesai melakukan perubahan data, tombol “simpan” digunakan untuk menyimpan hasil perubahan, tombol “batal” digunakan untuk menghapus input dari user. Dan tombol “keluar” digunakan untuk keluar dari form master data barang produk.

Sedangkan kolom berikutnya adalah kolom “update stock” seperti yang terlihat pada Gambar 4.8 berikut. Kolom ini berfungsi untuk melakukan perubahan jumlah stock suatu produk jika terdapat perubahan jumlah stock produk diluar proses penjualan suatu produk.

Gambar 4.8 Update Stock Barang Produk

Untuk melakukan proses perubahan jumlah stock suatu produk. Terlebih dahulu user harus melakukan input berupa id produk, atau dapat memilih salah satu produk dari data produk yang sudah ditampilkan. Untuk melakukan penambahan stock, nominalnya di isi pada field “penambahan stock sebanyak” serta keperluan harus dilengkapi, tombol “tambah” digunakan untuk menyimpan penambahan stock tersebut. Begitu juga untuk melakukan pengurangan stock, nominalnya di isi pada field “pengurangan stock sebanyak” serta keperluan pengurangan stock tersebut harus dilengkapi, tombol “kurangi” digunakan untuk menyimpan pengurangan stock tersebut. Tombol “batal” digunakan untuk menghapus input dari user, dan tombol “keluar” digunakan untuk keluar dari form data barang produk.

Sub menu berikutnya yang terdapat pada menu master adalah data barang seperti yang terlihat pada Gambar 4.9 yang berfungsi untuk melakukan

maintenance data barang. Yang dimaksud data barang disini adalah data yang berisi barang atau bahan baku yang digunakan untuk proses produksi.

Gambar 4.9 Form Data Bahan

Pada form data barang terdapat 3 kolom, kolom pertama adalah “tambah data baru” yang digunakan untuk menambah data bahan, kolom yang kedua adalah “rubah data” yang digunakan untuk merubah data bahan yang sudah ada, dan kolom yang ketiga adalah kolom “update stock” yang digunakan untuk merubah jumlah stock bahan.

Pada kolom pertama seperti yang tampak pada Gambar 4.9, untuk menambah data bahan, user harus melakukan input pada semua field yang diperlukan seperti nama barang, satuan, jumlah stock yang ada dan stock minimal. Tombol “simpan” digunakan untuk menyimpan data, tombol “batal” digunakan untuk menghapus input yang sudah dilakukan oleh user, dan tombol “keluar” digunakan untuk keluar dari form data bahan.

Kolom kedua seperti yang terlihat pada Gambar 4.10, digunakan untuk merubah data suatu bahan yang sudah ada atau sudah tersimpan.

Gambar 4.10 Form Rubah Data bahan

Untuk merubah suatu data bahan, user harus member input berupa kode barang suatu barang yang akan dirubah datanya atau memilih barang dari data barang yang sudah ditampilkan pada tabel. Tombol “simpan” digunakan untuk menyimpan hasil perubahan data yang sudah dilakukan oleh user, tombol “batal” digunakan untuk menghapus seluruh input dari user, dan tombol “keluar” digunakan untuk keluar dari form data barang.

Kolom berikutnya seperti yang tampak pada Gambar 4.11 digunakan untuk melakukan perubahan stock suatu bahan, diluar lingkup proses pembelian yang dapat menyebabkan berubahnya jumlah stock suatu bahan.

Gambar 4.11 Update Stock Data Bahan

Untuk merubah stock suatu bahan, user harus memberi input berupa kode barang suatu bahan yang jumlah stock nya akan dirubah, atau memilih salah satu barang yang ditampilkan dari data, untuk menambah jumlah stock, user memberi input berupa nominal pada field “penambahan stock sebanyak”, dan beri input keperluan penambahan stock tersebut pada field “keperluan” kemudian tekan tombol “tambah” untuk menyimpan penambahan stock tersebut. Sedangkan untuk melakukan pengurangan stock, inputkan nominal pada field “pengurangan stock sebanyak”, dan inputkan keperluan pengurangan stock tersebut pada field

“keperluan” kemudian tekan tombol “kurangi” untuk menyimpan pengurangan stock tersebut. Tombol “batal” digunakan untuk menghapus semua inputan dari user, dan tombol “keluar” digunakan untuk keluar dari form data bahan.

Sub menu berikutnya pada menu master adalah data supplier seperti yang terlihat pada Gambar 4.12 berikut.

Gambar 4.12 Form Data Supplier

Form data supplier seperti berfungsi untuk melakukan maintenance pada data supplier. supplier disini yang dimaksud adalah pihak pemasok bahan baku untuk keperluan produksi. Pada form ini terdapat 2 kolom yaitu kolom “tambah data baru” dan kolom “rubah data”.

seperti yang terlihat pada Gambar 4.12 kolom yang pertama digunakan untuk menyimpan data supplier, untuk menyimpan data supplier, user harus melakukan input pada field nama supplier, alamat supplier dan telepon. Tombol “simpan” digunakan untuk menyimpan data, tombol “batal” digunakan untuk menghapus input dari user, dan tombol “keluar” digunakan untuk keluar dari form data supplier.

Kolom yang kedua adalah “rubah data” yang berfungsi untuk melakukan perubahan data suatu supplier yang sudah ada. Seperti yang terlihat pada Gambar 4.13 berikut.

Gambar 4.13 Rubah Data Supplier

Untuk merubah data, user harus member input berupa supplier id dari supplier yang akan dirubah, atau dapat memilih pada data supplier yang tampil. Tombol “simpan” digunakan untuk menyimpan hasil perubahan yang sudah dilakukan oleh user, tombol “batal” digunakan untuk menghapus input dari user, dan tombol “keluar” digunakan untuk keluar dari form data supplier.

Sub menu berikutnya yang ada pada menu master adalah data customer seperti yang terlihat pada Gambar 4.14 yang berfungsi untuk proses maintenance

data customer. Customer yang dimaksud adalah pihak yang menjadi konsumen dari produk yang dihasilkan. Pada form data customer terdapat 2 kolom yaitu “tambah data baru” yang digunakan untuk menyimpan data customer baru, dan kolom “rubah data” yang digunakan untuk melakukan perubahan data customer yang sudah ada atau yang sudah tersimpan.

Gambar 4.15 Form Data Customer

Untuk menyimpan data customer, user harus member input pada field

nama customer, alamat customer, dan telepon. Tombol “simpan” digunakan untuk menyimpan input yang sudah dilakukan oleh user, tombol “batal” digunakan untuk menghapus input dari user, dan tombol “keluar” digunakan untuk keluar dari form data customer.

Kolom berikutnya adalah “rubah data” seperti yang terlihat pada Gambar 4.16 berikut:

Untuk melakukan perubahan data suatu customer, user harus melakukan input customer id user yang akan dirubah datanya, atau memilih salah satu dari data user yang sudah ditampilkan, tombol “simpan” digunakan untuk menyimpan perubahan data yang sudah dilakukan oleh user, tombol “batal” digunakan untuk menghapus input dari user, dan tombol “keluar” digunakan untuk keluar dari form data user.

Sub menu berikutnya pada menu master adalah data user yang berfungsi untuk melakukan proses maintenance data user. User disini yang dimaksud adalah user level operator. Karena terdapat 2 macam user level yang menggunakan sistem ini, yaitu user level admin dan user level operator. Pada form data user terdapat 2 kolom yaitu kolom “tambah data baru” yang digunakan untuk menambahkan user operator yang baru, dan kolom “rubah data” yang digunakan untuk melakukan perubahan data user yang sudah ada.

Pada kolom yang pertama seperti yang terlihat pada Gambar 4.17, untuk menambahkan user baru, user harus menginput semua field yang ada, tombol “simpan” digunakan untuk menyimpan data user baru yang sudah diberi input oleh user, tombol “batal” digunakan untuk menghapus input dari user, dan tombol “keluar” digunakan untuk keluar dari form data user.

Pada kolom yang kedua seperti yang terlihat pada Gambar 4.18 berikut.

Gambar 4.18 Rubah Data User

Untuk melakukan perubahan data, user harus member input berupa user id dari data suatu user yang akan dirubah, atau memilih salah satu user dari data user yang sudah ditampilkan. Tombol “simpan” digunakan untuk menyimpan perubahan data yang sudah dilakukan, tombol “batal” digunakan untuk menghapus input dari user, tombol “keluar” digunakan untuk keluar dari form data user.

Menu berikutnya adalah transaksi seperti yang terlihat pada Gambar 4.19 berikut.

Gambar 4.19 Menu Transaksi

Terdapat 3 sub menu pada menu transaksi, yaitu transaksi penjualan, transaksi pembelian dan peramalan penjualan.

Sub menu transaksi penjualan seperti yang terlihat pada Gambar 4.20 berikut digunakan untuk menyimpan transaksi penjualan produk.

Untuk menyimpan transaksi penjualan, user harus melengkapi seluruh

field, mulai dari nomor faktur, tanggal transaksi, customer id dapat diisi dengan menekan tulisan “cari” di sebelah field customer id, atau jika ada customer baru yang belum terdaftar, user dapat menyimpan customer baru tersebut terlebih dahulu dengan meng-klik tulisan “daftar baru”, kemudian id produk yang dijual kepada customer dapat diisi dengan menekan tulisan “cari” disebelah field id produk, jumlah adalah jumlah produk yang dijual pada customer tersebut, tombol “tambah” digunakan untuk mendata masing produk yang dibeli oleh customer tersebut. Tombol “simpan” digunakan untuk menyimpan transaksi penjualan tersebut, tombol “batal” digunakan untuk menghapus input dari user, tombol “keluar” digunakan untuk keluar dari form transaksi penjualan.

Sub menu berikutnya yang ada pada menu transaksi adalah transaksi pembelian yang digunakan untuk mencatat pembelian bahan baku produk seperti yang terlihat pada Gambar 4.21 berikut.

Untuk mencatat transaksi pembelian yang telah dilakukan, user harus melengkapi seluruh field yang diperlukan, mulai dari no faktur, tanggal transaksi, supplier id dapat diisi dengan meng-klik tulisan “cari” di sebelah field supplier id, jika supplier tersebut belum terdaftar atau tidak ada dalam daftar, tekan tulisan “daftar baru” untuk menyimpan data supplier baru yang belum terdata tersebut. Kemudian kode barang dapat diisi dengan menekan tulisan “cari” di sebelah field

kode barang. Harga satuan diisi dengan harga satuan dari barang tersebut, jumlah barang yang dibeli. Tombol “tambah” digunakan untuk menambah suatu barang ke dalam daftar pembelian, tombol “simpan” digunakan untuk menyimpan transaksi pembelian tersebut, tombol “batal” digunakan untuk menghapus input dari user, dan tombol “keluar” digunakan untuk keluar dari form transaksi pembelian.

Sub menu berikutnya adalah form peramalan penjualan seperti yang terlihat pada Gambar 4.22 berikut.

Form peramalan penjualan digunakan untuk meramalkan jumlah penjualan suatu produk untuk satu bulan berikutnya. Untuk meramalkan suatu produk, user harus memilih salah satu produk yang akan diramalkan. Setelah memilih salah satu produk yang akan diramalkan, sistem akan secara otomatis menetapkan panjang periode yang akan diramalkan yang diperoleh dari tanggal paling awal dan tanggal paling akhir terjualnya produk tersebut yang ada pada data penjualan. User dapat merubah panjang periode data yang akan diramalkan tersebut hanya pada tanggal awalnya, panjang atau pendeknya periode data yang akan dihitung mempengaruhi jumlah peramalan yang akan dihasilkan. Tombol “hitung” digunakan untuk melakukan perhitungan peramalan.

Setelah dilakukan proses perhitungan, akan muncul nilai alpha dan beta yang merupakan suatu konstanta yang digunakan untuk melakukan perhitungan peramalan. Nilai alpha dan beta berkisar antara 0.1 sampai 0.9, kombinasi nilai alpha dan beta yang berbeda akan menghasilkan nilai MSE (Mean Square Error) atau rata-rata kesalahan kuadrat yang berbeda. Sistem secara otomatis akan melakukan perhitungan dari macam-macam kombinasi yang berbeda antara alpha dan beta yang berbeda yang menghasilkan nilai MSE yang paling kecil. Kemudian hasil perhitungan kombinasi antara alpha dan beta yang menghasilkan MSE paling kecil akan ditampilkan pada tabel, dan akan ditampilakan nilai penjualan yang telah diramalkan yang akan terjadi pada periode mendatang. Tombol “simpan” digunakan untuk menyimpan proses perhitungan peramalan yang sudah dilakukan. Tombol “batal” digunakan untuk menghapus input dari user. Dan tombol keluar digunakan untuk keluar dari form peramalan penjualan.

Menu berikutnya adalah menu laporan seperti yang tampak pada gambar 4.23 berikut.

Gambar 4.23 Sub Menu Laporan

Pada form laporan seperti yang tampak pada Gambar 4.24 berikut, terdapat 4 jenis laporan yaitu laporan grafik penjualan, laporan penjualan per periode, laporan pembelian per periode, dan laporan hasil perhitungan peramalan.

Gambar 4.24 Laporan Grafik Penjualan

Untuk menampilkan laporan grafik penjualan, pada menu jenis laporan harus dipilih “grafik penjualan”, dan memilih produk yang akan ditampilkan laporannya, serta periode diisi dengan tahun penjualan produk yang akan

ditampilkan. Tombol “tampilkan” digunakan untuk menampilkan laporan, tombol “keluar” digunakan untuk keluar dari form laporan.

Gambar 4.25 Laporan Penjualan Periode

Seperti yang tampak pada Gambar 4.25, laporan penjualan periode digunakan untuk menampilkan laporan penjualan secara detail suatu transaksi penjualan pada suatu periode tertentu, untuk menampilkan laporan tersebut, pada menu jenis laporan harus dipilih “penjualan”, kemudian lengkapi bulan dan tahun periode penjualan suatu produk yang akan ditampilkan, tombol “tampilkan” digunakan untuk menampilkan laporan berdasarkan periode yang telah diberi input oleh user tersebut, tombol “keluar” digunakan untuk keluar dari form laporan.

Jenis laporan berikutnya adalah laporan pembelian barang per periode seperti yang terlihat pada Gambar 4.26 berikut, barang disini yang dimaksud adalah bahan baku untuk keperluan produksi.

Gambar 4.26 Laporan Pembelian

Seperti yang terlihat pada Gambar 4.26, untuk menampilan laporan pembelian pada suatu periode, pada menu jenis laporan harus dipilih “pembelian”, kemudian user harus menginputkan bulan dan tahun periode transaksi pembelian yang ingin ditampilkan, tombol “tampilkan” digunakan untuk menampilkan laporan sesuai dengan periode bulan dan tahun yang telah diberi input oleh user, tombol “keluar” digunakan untuk keluar dari form laporan.

Jenis laporan berikutnya seperti yang terlihat pada Gambar 4.27 adalah laporan hasil perhitungan peramalan yang yang diperoleh dari form peramalan penjualan yang sudah dilakukan oleh user. Pada laporan ini terdapat kemungkinan perbedaan hasil perhitungan peramalan dikarenakan panjang periode peramalan yang digunakan untuk perhitungan dapat mempengaruhi hasil perhitungan peramalan.

Gambar 4.27 Laporan Hasil Peramalan

Untuk menampilkan laporan hasil perhitungan peramalan yang sudah dilakukan, pada menu jenis laporan harus dipilih “peramalan”, kemudian pilih jenis produk yang diramalkan, dan periode bulan dan tahun produk tersebut diramalkan penjualannya. Tombol “tampilkan” digunakan untuk menampilkan laporan hasil perhitungan peramalan, tombol “keluar” digunakan untuk keluar dari form laporan hasil peramalan.

4.3Uji Coba dan Evaluasi

Uji coba dan evaluasi dilakukan untuk memastikan bahwa aplikasi telah berjalan sesuai dengan kebutuhan atau tujuan yang diharapkan. Proses pengujian dilakukan dengan menggunakan Black Box Testing dimana aplikasi akan diuji dengan melakukan berbagai percobaan untuk membuktikan bahwa aplikasi telah dibuat sesuai dengan kebutuhan.

4.3.1Uji Coba Fitur Dasar Sistem

Uji coba fitur dasar sistem berfungsi utuk mengecek apakah seluruh fitur yang ada pada aplikasi telah berjalan sesuai dengan fungsinya. Berikut adalah uji coba fitur dasar sistem yang telah dilakukan

1. Uji coba fitur login

Proses login dibutuhkan input berupa user id dan password, melalui login ini akan dibedakan user level yang akan menggunakan aplikasi ini

Tabel 4.1 Tabel User

No User id Password

User

Level Nama Alamat Telepon

1 Admin 1 Admin

Agus Ismantoro

Bumi Sooko Indah

CC/32 8963999

2 Operator1 123 Operator Rini

Suharsini Pondok Mutiara harum 8050475

AB/14

Tabel 4.2 Tabel Hasil Test Case Login Test

Tujuan Input

Output

Status Case

ID diharapkan

1 userid dan memasukkan userid = form login tertutup Sukses password yang admin dan password = 1 dan muncul form

valid

utama untuk admin

(Gambar 4.2)

2 userid dan memasukkan userid = muncul peringatan Sukses password yang operator1 dan password = password salah

4.3.2 Evaluasi Sistem

Pada bagian ini dilakukan evaluasi proses perhitungan peramalan penjualan dengan menggunakan metode exponential smoothing tekhnik holt. Pada kasus ini produk kastein 10 x 20 x 40 yang akan diramalkan jumlah penjualannya pada periode satu bulan berikutnya, sedangkan data penjualan yang digunakan untuk perhitungan adalah data penjualan pada periode Agustus 2007 – Mei 2009. Pada Tabel 4.17 berikut adalah data penjualan produk kastein 10 x 20 x 40 untuk periode Agustus 2007 - Mei 2009

Tabel 4.16 Tabel Data Penjualan No Bulan Jumlah Penjualan (buah)

1 Augustus 2007 110

2 September 2007 155

3 Oktober 2007 160

4 November 2007 185

5 Desember 2007 175

6 Januari 2008 200

7 Februari 2008 175

8 Maret 2008 245

9 April 2008 180

10 Mei 2008 320

11 Juni 2008 310

12 Juli 2008 295

13 Agustus 2008 305

14 September 2008 275

15 Oktober 2008 195

16 November 2008 280

17 Desember 2008 285

18 Januari 2009 270

19 Februari 2009 250

20 Maret 2009 230

21 April 2009 280

99

Kemudian akan dihitung peramalan penjualan yang akan terjadi pada periode bulan Juni 2009, sistem ini melakukan literasi perhitungan dengan menggunakan kombinasi alpha dan beta dengan nilai antara 0.1 sampai 0.9. karena kombinasi perhitungan antara alpha dan beta berbeda, akan menghasilkan nilai MSE yang berbeda. Tabel 4.18 berikut adalah tabel literasi alpha dan beta serta jumlah hasil peramalan dan nilai MSE yang dihasilkan.

Tabel 4.19 Tabel literasi alpha beta Nilai Peramalan MSE

0.1 0.1 306 3951.05

0.1 0.2 328 3773.23

0.1 0.2 328 3773.23

0.1 0.3 332 4024.73

0.1 0.4 319 4026.59

0.1 0.5 301 4275.09

0.1 0.6 284 4107.86

0.1 0.7 264 3903.59

0.1 0.8 241 3800.45

0.1 0.9 235 3562.14

0.2 0.1 311 2816.77

0.2 0.2 299 2762.5

0.2 0.3 282 2798.64

0.2 0.4 267 2846.73

0.2 0.5 257 2722.59

0.2 0.6 253 2798.27

0.2 0.7 255 2732.82

0.2 0.8 260 2728.27

0.2 0.9 265 2690.36

0.3 0.1 301 2374.23

0.3 0.2 289 2355.5

0.3 0.3 277 2404.18

0.3 0.4 276 2402.95

0.3 0.5 278 2513.68

0.3 0.6 283 2522.64

Tabel 4.19 Tabel literasi (Lanjutan) alpha beta Nilai Peramalan MSE

0.3 0.8 299 2636.68

0.3 0.9 308 2731.5

0.4 0.1 297 2174.59

0.4 0.2 294 2246

0.4 0.3 291 2291

0.4 0.4 293 2362.14

0.4 0.5 299 2445.32

0.4 0.6 307 2502.45

0.4 0.7 312 2603.32

0.4 0.8 318 2702.32

0.4 0.9 321 2861.59

0.5 0.1 306 2151.55

0.5 0.2 304 2235.41

0.5 0.3 304 2285.14

0.5 0.4 308 2397.91

0.5 0.5 314 2515.91

0.5 0.6 320 2590.18

0.5 0.7 324 2688.59

0.5 0.8 327 2821.64

0.5 0.9 331 2979.18

0.6 0.1 313 2103.05

0.6 0.2 313 2252.27

0.6 0.3 316 2349.45

0.6 0.4 322 2458.23

0.6 0.5 328 2571.5

0.6 0.6 333 2684.41

0.6 0.7 338 2832.68

0.6 0.8 343 2984.27

0.6 0.9 349 3121.09

0.7 0.1 319 2161.14

0.7 0.2 322 2303.36

0.7 0.3 326 2425

0.7 0.4 332 2579.5

0.7 0.5 340 2732.14

0.7 0.6 345 2854.36

101

Tabel 4.19 Tabel literasi (Lanjutan) alpha beta Nilai Peramalan MSE

0.7 0.8 360 3167.64

0.7 0.9 366 3329.23

0.8 0.1 327 2269.05

0.8 0.2 331 2433.55

0.8 0.3 337 2579.36

0.8 0.4 343 2750.5

0.8 0.5 351 2903.55

0.8 0.6 357 3082.45

0.8 0.7 365 3269.36

0.8 0.8 371 3479.55

0.8 0.9 378 3736.73

0.9 0.1 335 2407.14

0.9 0.2 338 2580.41

0.9 0.3 345 2793.14

0.9 0.4 351 2988.91

0.9 0.5 359 3225

0.9 0.6 365 3474.41

0.9 0.7 372 3760

0.9 0.8 376 4098.32

0.9 0.9 381 4465.23

Setelah sistem melakukan literasi perhitungan dengan berbagai kombinasi nilai alpha dan beta tersebut, akan dipilih kombinasi nilai alpha dan beta yang memiliki nilai MSE terkecil, yaitu alpha sebesar 0.6, beta sebesar 0.1, MSE sebesar 2103.045. dan nilai peramalan produk kastein 10 x 20 x 40 yang terjual pada periode Juni 2009 adalah sebanyak 313 buah.

5.1 Kesimpulan

Berdasarkan hasil uji coba dan analisa yang telah dilakukan dalam pembuatan aplikasi Sistem Informasi Peramalan Penjualan Dengan Menggunakan Metode Exponential Smoothing dengan studi kasus CV. Djenggolo Sidoarjo, dapat diambil kesimpulan sebagai berikut :

1. Sistem dapat meramalkan jumlah barang yang akan terjual pada periode 1 bulan mendatang dengan menggunakan metode exponential smoothing dengan teknik holt.

2. Dengan mengetahui jumlah penjualan pada 1 bulan kedepan dari hasil perhitungan peramalan tersebut, dapat digunakan sebagai salah satu bahan pertimbangan oleh pihak manajerial untuk menentukan jumlah produksi yang akan dilakukan.

5.2 Saran

Adapun saran-saran yang dapat digunakan untuk mengembangkan aplikasi yang telah dibuat adalah sebagai berikut :

1. Menambahkan perhitungan untuk menghitung peramalan dengan metode lain seperti metode moving average, atau metode exponential smoothing dengan teknik brown agar dapat digunakan sebagai pembanding.

2. Periode mendatang yang akan diramalkan bersifat dinamis.

3. Dari hasil perhitungan peramalan, dapat ditambahkan perhitungan untuk penjadwalan pembelian bahan.

DAFTAR PUSTAKA

Arsyad Lincolin 1993. Peramalan Bisnis. BPFE. Yogyakarta.

Herlambang, Soendoro & Haryanto Tanuwijaya, 2005, Edisi Pertama, Sistem Informasi Konsep, Teknologi & Manajemen, Graha Ilmu, Surabaya.

Kotler, Philip. 1989. Manajemen Pemasaran Analisis, Perencanaan dan Pengendalian Edisi kelima. Erlangga. Jakarta.

Makridakis, Spyros, Wheelwright, Steven & McGee, Victor, 1993, Edisi Kedua, Metode dan Aplikasi Peramalan, Erlangga, Jakarta.

Martiningtyas, Nining, 2004, Buku Materi Kuliah STIKOM Statistika, STIKOM Surabaya, Surabaya.