TA : Rancang Bangun Aplikasi Peramalan Permintaan Bahan Baku pada PT. Baba Rafi Indonesia dengan Metode Pemulusan Eksponensial Winter.

PEMULUSAN EKSPONENSIAL WINTER (STUDI KASUS DAERAH SURABAYA)

Nama : Luci Anna L. G. NIM : 09.41010.0236 Program : S1 (Strata 1) Jurusan : Sistem Informasi

SEKOLAH TINGGI

MANAJEMEN INFORMATIKA & TEKNIK KOMPUTER SURABAYA

PEMULUSAN EKSPONENSIAL WINTER (STUDI KASUS DAERAH SURABAYA)

TUGAS AKHIR

Diajukan sebagai salah satu syarat untuk menyelesaikan Program Sarjana Komputer

Oleh:

Nama : Luci Anna L. G. NIM : 09.41010.0236 Program : S1 (Strata Satu) Jurusan : Sistem Informasi

SEKOLAH TINGGI

MANAJEMEN INFORMATIKA & TEKNIK KOMPUTER SURABAYA

vi

PT. Baba Rafi Indonesia merupakan perusahaan waralaba makanan cepat saji, khas Timur Tengah, yang kini semakin dikenal luas. Selain waralaba, PT. Baba Rafi Indonesia juga menyediakan bahan baku untuk memasok semua outlet yang tersebar di seluruh wilayah Indonesia. Gudang yang berada di Surabaya dapat memasok kurang lebih dua puluh outlet. Banyaknya jumlah outlet dan permintaan bahan baku yang tidak pasti, membuat Divisi Logistik gudang di Surabaya sering menghadapi permasalahan dalam menyediakan bahan baku ke waralaba dan outlet.

Masalah yang ada dapat diatasi dengan menggunakan aplikasi peramalan untuk menentukan jumlah bahan baku yang harus disediakan di gudang Surabaya. Aplikasi peramalan dibuat mulai dari pengumpulan data, persiapan data, dan membangun model aplikasi. Berdasarkan hasil pengumpulan data, diperoleh pola data yang cenderung musiman dan trend sehingga aplikasi peramalan menggunakan metode Pemulusan Eksponensial Winter. Tahap selanjutnya adalah mengimplementasikan dan mengevaluasi aplikasi yang telah didesain, apakah berjalan sesuai dengan yang diharapkan atau tidak.

Aplikasi peramalan yang telah dibuat dapat membantu Divisi Logistik dalam menentukan jumlah bahan baku yang harus disediakan di gudang Surabaya berdasarkan data permintaan masa lalu. Laporan hasil peramalan dan daftar jumlah bahan baku yang harus dibeli diharapkan dapat mencukupi permintaan waralaba dan outlet mandiri.

ix

ABSTRAK ... vi

KATA PENGANTAR ... vii

DAFTAR ISI ... ix

DAFTAR TABEL ... xii

DAFTAR GAMBAR ...xv

DAFTAR LAMPIRAN ...xx

BAB I PENDAHULUAN ...1

1.1 Latar Belakang Masalah ... 1

1.2 Perumusan Masalah ... 3

1.3 Pembatasan Masalah ... 4

1.4 Tujuan ... 4

1.5 Manfaat ... 4

1.6 Sistematika Penulisan ... 5

BAB II LANDASAN TEORI ...7

2.1 PT. Baba Rafi Indonesia. ... 7

2.2 Sistem ... 9

2.3 Sistem Perangkat Lunak ... 9

2.4 Siklus Hidup Pengembangan Sistem (SDLC) ... 10

2.4.1 Tahapan SDLC ... 11

2.4.2 Model SDLC ... 17

2.5 Persediaan ... 19

x

2.8 Jenis Data pada Kegiatan Peramalan ... 24

2.9 Data Stasioner dan Data Tidak Stasioner ... 24

2.10 Uji Pola Data ... 25

2.11 Pemulusan Eksponensial Winter ... 29

2.12 Alat Ukur Kesalahan Prediksi ... 30

2.13 Fixed Time Period System (P Model) ... 33

2.14 Black Box Testing ... 34

BAB III ANALISIS DAN PERANCANGAN SISTEM ...35

3.1 Analisis Sistem ... 35

3.1.1 Perumusan Masalah ... 35

3.1.2 Pengumpulan Data ... 37

3.1.3 Persiapan Data ... 37

3.1.4 Membangun Model ... 37

3.2 Perancangan Sistem ... 39

3.2.1 System Flow ... 42

3.2.1 Context Diagram ... 46

3.2.3 Diagram Jenjang Proses ... 46

3.2.4 Data Flow Diagram ... 47

3.2.5 Entity Relationship Diagram ... 51

3.2.6 Struktur Tabel ... 54

3.2.7 Perancangan Input dan Output ... 59

xi

3.3.1 Perancangan Uji Coba Sistem ... 72

3.3.2 Perancangan Pengukuran Kesalahan ... 83

3.3.3 Perancangan Persediaan Bahan Baku yang Akan Datang ... 83

BAB IV IMPLEMENTASI DAN EVALUASI ...85

4.1 Implementasi Sistem ... 85

4.1.1 Kebutuhan Sistem ... 85

4.1.2 Penjelasan Hasil Implementasi Sistem ... 86

4.2 Evaluasi Sistem ... 100

4.2.1 Uji Coba Sistem ... 100

4.2.2 Perhitungan Kesalahan Peramalan ... 147

4.2.3 Perhitungan Persediaan Bahan Baku yang Akan Datang ... 150

BAB V PENUTUP...153

5.1 Kesimpulan ... 153

5.2 Saran ... 153

DAFTAR PUSTAKA ...154

xii

Tabel 2.1 Ciri Sebuah Kegiatan Peramalan ... 22

Tabel 3.1 Struktur pengguna ... 54

Tabel 3.2 Struktur jenisBahanBaku ... 54

Tabel 3.3 Struktur bahanBaku... 55

Tabel 3.4 Struktur supplier ... 55

Tabel 3.5 Struktur permintaanBahanBaku ... 56

Tabel 3.6 Struktur detailPermintaanBahanBaku ... 56

Tabel 3.7 Struktur pemesananBahanBaku ... 57

Tabel 3.8 Struktur detailPemesananBahanBaku ... 57

Tabel 3.9 Struktur perhitunganRamalan ... 58

Tabel 3.10 Struktur hasilRamalan ... 58

Tabel 3.11 Struktur ftp ... 59

Tabel 3.12 Rancangan Uji Coba Menu Utama ... 73

Tabel 3.13 Data Uji Coba Menu Login ... 73

Tabel 3.14 Rancangan Uji Coba Menu Login ... 73

Tabel 3.15 Data Uji Coba Menu Ubah Password ... 74

Tabel 3.16 Rancangan Uji Coba Menu Ubah Password ... 74

Tabel 3.17 Rancangan Uji Coba Menu Pengelolaan Jenis Bahan Baku ... 75

Tabel 3.18 Rancangan Uji Coba Menu Pengelolaan Bahan Baku ... 76

Tabel 3.19 Rancangan Uji Coba Menu Pengelolaan Supplier ... 77

Tabel 3.20 Rancangan Uji Coba Menu Pengelolaan Permintaan Bahan Baku... 78

xiii

Tabel 3.23 Data Uji Coba FTP ... 81

Tabel 3.24 Rancangan Uji Coba Menu Peramalan Permintaan Bahan Baku ... 81

Tabel 3.25 Data Uji Coba Menu Laporan Permintaan Bahan Baku ... 82

Tabel 3.26 Rancangan Uji Coba Menu Laporan Permintaan Bahan Baku ... 83

Tabel 4.1 Test Case Form Menu Utama ... 100

Tabel 4.2 Data Uji Coba Form Login ... 102

Tabel 4.3 Test Case Form Login ... 102

Tabel 4.4 Data Uji Coba Form Ubah Password ... 104

Tabel 4.5 Test Case Form Ubah Password ... 104

Tabel 4.6 Test Case Form Pengelolaan Jenis Bahan Baku ... 108

Tabel 4.7 Test Case Form Pengelolaan Bahan Baku ... 114

Tabel 4.8 Test Case Form Pengelolaan Supplier ... 120

Tabel 4.9 Test Case Form Pengelolaan Permintaan Bahan Baku ... 126

Tabel 4.10 Test Case Form Pengelolaan Pemesanan Bahan Baku ... 130

Tabel 4.11 Data Uji Coba Form Peramalan Permintaan Bahan Baku ... 135

Tabel 4.12 Data Uji Coba FTP ... 135

Tabel 4.13 Test Case Form Peramalan Permintaan Bahan Baku ... 135

Tabel 4.14 Data Uji Coba Form Laporan Permintaan Bahan Baku ... 144

Tabel 4.15 Test Case Form Laporan Permintaan Bahan Baku ... 144

Tabel 4.16 Alpha, Beta, Gamma Peramalan Permintaan Bahan Baku Bawang Bombay 1g Gudang PT. Baba Rafi Indonesia Kantor Pusat Surabaya ... 148

Tabel 4.17 Perhitungan Peramalan Permintaan Bahan Baku Bawang Bombay 1p Gudang PT. Baba Rafi Indonesia Kantor Pusat Surabaya ... 149

xiv

1p Gudang PT. Baba Rafi Indonesia Kantor Pusat Surabaya ... 151 Tabel 4.19 Hasil Perhitungan Fixed Time Period System ... 152

xv

Gambar 2.1 Alur Distribusi Pemasokan Bahan Baku Gudang PT. Baba

Rafi Indonesia Kantor Pusat Surabaya ... 8

Gambar 2.2 Tahap Analisis Kebutuhan (England dkk, 2004) ... 12

Gambar 2.3 Model Waterfall (Royce dan Winston, 1970) ... 18

Gambar 2.4 Time Series ... 27

Gambar 2.5 Otokorelasi ... 28

Gambar 2.6 Nilai Otokorelasi ... 28

Gambar 3.1 Document Flow Peramalan Divisi Logistik ... 36

Gambar 3.2 Time Series Dg Burger Ayam 1p ... 38

Gambar 3.3 Otokorelasi Dg Burger Ayam 1p ... 39

Gambar 3.4 Blok Diagram Aplikasi Peramalan Permintaan Bahan Baku ... 40

Gambar 3.5 Flowchart Aplikasi Peramalan Pemulusan Eksponensial Winter ... 41

Gambar 3.6 System Flow Pengelolaan Permintaan Bahan Baku ... 43

Gambar 3.7 System Flow Pengelolaan Pemesanan Bahan Baku ... 44

Gambar 3.8 System Flow Peramalan Permintaan Bahan Baku ... 45

Gambar 3.9 Context Diagram Aplikasi Peramalan Permintaan Bahan Baku ... 46

Gambar 3.10 Diagram Jenjang Proses Aplikasi Peramalan Permintaan Bahan Baku ... 47

Gambar 3.11 DFD Level 0 Aplikasi Peramalan Permintaan Bahan Baku ... 49

Gambar 3.12 DFD Level 1 Mengelola Data ... 50

Gambar 3.13 DFD Level 1 Meramalkan Bahan Baku ... 50

Gambar 3.14 DFD Level 1 Membuat Laporan ... 51

xvi

Halaman

Gambar 3.16 PDM Aplikasi Peramalan Permintaan Bahan Baku ... 53

Gambar 3.17 Form Input Daftar Permintaan Bahan Baku ... 60

Gambar 3.18 Form Output Laporan Hasil Peramalan Permintaan Bahan Baku .. 60

Gambar 3.19 Form Output Daftar Jumlah Bahan Baku yang Harus Dibeli ... 61

Gambar 3.20 Form Output Laporan Permintaan Bahan Baku ... 62

Gambar 3.21 Rancangan Form Menu Utama ... 63

Gambar 3.22 Rancangan Form Login ... 63

Gambar 3.23 Rancangan Form Ubah Password ... 64

Gambar 3.24 Rancangan Form Pengelolaan Jenis Bahan Baku ... 65

Gambar 3.25 Rancangan Form Pengelolaan Bahan Baku ... 66

Gambar 3.26 Rancangan Form Pengelolaan Supplier ... 67

Gambar 3.27 Rancangan Form Pengelolaan Permintaan Bahan Baku ... 69

Gambar 3.28 Rancangan Form Pengelolaan Pemesanan Bahan Baku ... 70

Gambar 3.29 Rancangan Form Peramalan Permintaan Bahan Baku ... 71

Gambar 3.30 Rancangan Form Laporan Permintaan Bahan Baku ... 72

Gambar 4.1 Form Menu Utama ... 87

Gambar 4.2 Form Login ... 88

Gambar 4.3 Form Ubah Password ... 88

Gambar 4.4 Form Pengelolaan Jenis Bahan Baku ... 90

Gambar 4.5 Form Pengelolaan Bahan Baku ... 92

Gambar 4.6 Form Pengelolaan Supplier ... 93

Gambar 4.7 Form Pengelolaan Permintaan Bahan Baku ... 95

xvii

Halaman

Gambar 4.9 Form Peramalan Permintaan Bahan Baku ... 98

Gambar 4.10 Form Laporan Permintaan Bahan Baku ... 98

Gambar 4.11 Hasil Test Case 01 ... 101

Gambar 4.12 Hasil Test Case 02 ... 101

Gambar 4.13 Hasil Test Case 03 ... 103

Gambar 4.14 Hasil Test Case 04 ... 103

Gambar 4.15 Hasil Test Case 05 dan Test Case 06 ... 104

Gambar 4.16 Hasil Test Case 07 ... 106

Gambar 4.17 Hasil Test Case 08 ... 106

Gambar 4.18 Hasil Test Case 09 ... 107

Gambar 4.19 Hasil Test Case 10 ... 107

Gambar 4.20 Hasil Test Case 11 ... 108

Gambar 4.21 Hasil Test Case 12 ... 110

Gambar 4.22 Hasil Test Case 13 ... 111

Gambar 4.23 Hasil Test Case 14 ... 111

Gambar 4.24 Hasil Test Case 15 ... 112

Gambar 4.25 Hasil Test Case 16 ... 112

Gambar 4.26 Hasil Test Case 17 ... 113

Gambar 4.27 Hasil Test Case 18 ... 113

Gambar 4.28 Hasil Test Case 19 ... 114

Gambar 4.29 Hasil Test Case 20 ... 116

Gambar 4.30 Hasil Test Case 21 ... 117

xviii

Halaman

Gambar 4.32 Hasil Test Case 23 ... 118

Gambar 4.33 Hasil Test Case 24 ... 118

Gambar 4.34 Hasil Test Case 25 ... 119

Gambar 4.35 Hasil Test Case 26 ... 119

Gambar 4.36 Hasil Test Case 27 ... 120

Gambar 4.37 Hasil Test Case 28 ... 122

Gambar 4.38 Hasil Test Case 29 ... 123

Gambar 4.39 Hasil Test Case 30 ... 123

Gambar 4.40 Hasil Test Case 31 ... 124

Gambar 4.41 Hasil Test Case 32 ... 124

Gambar 4.42 Hasil Test Case 33 ... 125

Gambar 4.43 Hasil Test Case 34 ... 125

Gambar 4.44 Hasil Test Case 35 ... 126

Gambar 4.45 Hasil Test Case 36 ... 128

Gambar 4.46 Hasil Test Case 37 ... 128

Gambar 4.47 Hasil Test Case 38 ... 129

Gambar 4.48 Hasil Test Case 39 ... 129

Gambar 4.49 Hasil Test Case 41 ... 130

Gambar 4.50 Hasil Test Case 42 ... 132

Gambar 4.51 Hasil Test Case 43 ... 133

Gambar 4.52 Hasil Test Case 44 ... 133

Gambar 4.53 Hasil Test Case 45 ... 134

xix

Halaman

Gambar 4.55 Hasil Test Case 48 ... 138

Gambar 4.56 Hasil Test Case 49 ... 138

Gambar 4.57 Hasil Test Case 50 ... 139

Gambar 4.58 Hasil Test Case 51 ... 140

Gambar 4.59 Hasil Test Case 52 ... 141

Gambar 4.60 Hasil Test Case 53 ... 141

Gambar 4.61 Hasil Test Case 54 ... 142

Gambar 4.62 Hasil Test Case 55 ... 143

Gambar 4.63 Hasil Test Case 56 ... 143

Gambar 4.64 Hasil Test Case 57 ... 145

Gambar 4.65 Hasil Test Case 58 ... 146

Gambar 4.66 Hasil Test Case 59 ... 146

Gambar 4.67 Hasil Perhitungan Peramalan dengan Aplikasi ... 148

xx

Lampiran 1. Biodata Penulis ... 155

Lampiran 2. Data Bahan Baku Outlet Mandiri yang Selalu Terjual (continue) . 156 Lampiran 3. Data Bahan Baku Outlet Mandiri yang Tidak Selalu Terjual (discontinue) ... 164

Lampiran 4. Perhitungan Otokorelasi Dg Burger 1p ... 166

Lampiran 5. Perhitungan Peramalan dengan Aplikasi ... 172

Lampiran 6. Perhitungan Peramalan Manual ... 173

Lampiran 7. Uji Coba Perbandingan Perhitungan Peramalan dan Aktual ... 175

Lampiran 8. Laporan Hasil Peramalan ... 180

Lampiran 9. Daftar Jumlah Bahan Baku yang Harus Dibeli ... 182

1 1.1Latar Belakang Masalah

PT. Baba Rafi Indonesia merupakan perusahaan waralaba (franchise) makanan cepat saji khas Timur Tengah yang kini semakin dikenal luas. PT. Baba Rafi Indonesia memiliki 375 outlet yang tersebar di seluruh Nusantara. Selain waralaba, PT. Baba Rafi Indonesia juga menyediakan gudang untuk memasok bahan baku kebab, burger, hot dog, piramizza, dan roti maryam ke semua outlet yang tersebar di seluruh Nusantara. Gudang PT. Baba Rafi Indonesia yang bertempat di Semolowaru-Surabaya merupakan salah satu gudang kantor pusat yang memasok bahan baku ke semua outlet yang berada di Jawa Timur, Jawa Tengah, Bali, Cilacap, Kalimantan, dan Sulawesi. Gudang PT. Baba Rafi Indonesia kantor pusat Surabaya memasok bahan baku kurang lebih dua puluh

outlet mandiri di Surabaya. Gudang PT. Baba Rafi Indonesia kantor pusat

Surabaya memiliki 17 kategori bahan baku dan 31 item bahan baku untuk dipasok ke semua outlet yang tersebar di seluruh Nusantara.

Banyaknya outlet serta ketidakpastian pesanan permintaan bahan baku membuat Divisi Logistik PT. Baba Rafi Indonesia sering menghadapi permasalahan dalam hal ketersediaan bahan baku ke waralaba dan outlet mandiri. Bahan baku yang tersedia pada gudang Surabaya sering tidak dapat mencukupi pesanan permintaan waralaba dan outlet mandiri. Hal tersebut sering menimbulkan kekecewaan dari pihak waralaba dan outlet mandiri karena gudang Surabaya hanya dapat menyediakan 50%-60% dari jumlah pesanan permintaan

yang dipesan oleh waralaba dan outlet mandiri sementara waralaba dan outlet mandiri harus dapat memenuhi permintaan konsumen dengan stok bahan baku yang terbatas. Hal tersebut dapat menimbulkan kemungkinan kehilangan pelanggan. Selain itu volume penjualan bahan baku gudang Surabaya mengalami penurunan yang diakibatkan ketidakmampuan gudang Surabaya dalam menyediakan bahan baku ke waralaba dan outlet mandiri. Hal ini dapat menyebabkan kerugian perusahaan.

Untuk mengatasi hal tersebut, maka dibutuhkan sebuah perhitungan untuk dapat meramalkan jumlah bahan baku yang harus disediakan berdasarkan data permintaan bahan baku periode sebelumnya. Data tersebut dapat digunakan untuk memperkirakan jumlah bahan baku yang harus disediakan oleh gudang Surabaya, sehingga gudang Surabaya tidak mengalami kekurangan bahan baku akibat ketidakpastian pesanan dan dapat memenuhi pesanan permintaan waralaba dan outlet mandiri yang tersebar luas. Selain itu dengan adanya perhitungan peramalan diharapkan dapat meningkatkan volume penjualan bahan baku gudang Surabaya yang sebelumnya menurun akibat tidak dapat menyediakan bahan baku ke waralaba dan outlet mandiri.

Data permintaan bahan baku gudang PT. Baba Rafi Indonesia kantor pusat Surabaya memiliki data yang tidak stasioner (data bersifat tidak stabil) karena data runtut waktu sepanjang 47 minggu menunjukkan pertumbuhan dan penurunan (trend) musiman. Menurut Makridakis dan Wheelwright (1992: 81), metode Pemulusan Eksponensial Winter sangat tepat digunakan untuk menangani data musiman selain data yang memiliki trend. Keuntungan dari penggunaan metode Pemulusan Eksponensial Winter adalah mudah pemakaiannya karena

relatif sederhana dan biaya rendah (Arsyad, 1994). Mean Squared Error (MSE) atau kesalahan (error) yang dihasilkan oleh metode Pemulusan Eksponesial Winter relatif lebih kecil dibandingkan dengan metode Pemulusan Eksponensial Holt dan Brown (Arsyad, 1994).

Kemajuan teknologi informasi memungkinkan kegiatan peramalan saat ini dapat dilakukan dengan mudah lewat bantuan komputer (Santoso, 2009: 16). Untuk mengatasi masalah yang ada, maka dibutuhkan suatu rancang bangun aplikasi peramalan. Aplikasi peramalan ini dapat mempercepat perhitungan peramalan sehingga hasil peramalan tersebut dapat membantu Divisi Logistik dalam menentukan jumlah bahan baku yang harus disediakan gudang Surabaya dengan tepat. Aplikasi yang dirancangbangun ini menggunakan metode Pemulusan Eksponensial Winter sebagai penyelesaian perhitungan peramalan karena data permintaan bahan baku gudang Surabaya memiliki data trend dan data musiman.

Aplikasi peramalan yang dibuat diharapkan dapat menghasilkan laporan hasil peramalan permintaan bahan baku yang akan datang dan daftar jumlah bahan baku yang harus dibeli berdasarkan perhitungan peramalan yang telah dilakukan. Laporan dan daftar tersebut diharapkan dapat membantu Divisi Logistik gudang PT. Baba Rafi Indonesia kantor pusat Surabaya dalam menangani kekurangan stok bahan baku yang akan dipasok ke waralaba dan outlet.

1.2Perumusan Masalah

Berdasarkan latar belakang masalah yang ada, maka rumusan masalah dalam penelitian ini yaitu:

1. Bagaimana melakukan peramalan permintaan bahan baku periode mendatang berdasarkan data permintaan bahan baku periode sebelumnya dengan menerapkan metode Pemulusan Eksponensial Winter pada gudang PT. Baba Rafi Indonesia kantor pusat.

2. Bagaimana melakukan peramalan permintaan seluruh barang secara bersamaan dengan metode Pemulusan Eksponensial Winter.

1.3Pembatasan Masalah

Adapun batasan-batasan masalah yang ada di dalam penelitian ini yaitu: 1. Data permintaan bahan baku yang digunakan untuk uji pola data adalah data

permintaan selama 47 minggu (periode 2012) untuk 29 bahan baku outlet mandiri yang selalu terjual (continue) dan dua bahan baku outlet mandiri yang tidak selalu terjual (discontinue).

2. Hanya meramalkan permintaan bahan baku outlet mandiri. 3. Hanya meramalkan item bahan baku.

4. Data yang diramal maksimal tiga minggu.

1.4Tujuan

Berdasarkan rumusan masalah dan batasan masalah yang ada, maka tujuan dari penelitian ini adalah merancang bangun aplikasi peramalan permintaan bahan baku pada PT. Baba Rafi Indonesia dengan metode Pemulusan Eksponensial Winter (Studi Kasus Daerah Surabaya).

1.5Manfaat

Manfaat yang diharapkan dari pembuatan aplikasi peramalan permintaan bahan baku ini adalah:

1. Membantu Divisi Logistik gudang PT. Baba Rafi Indonesia kantor pusat Surabaya dalam menentukan jumlah bahan baku yang harus disediakan gudang PT. Baba Rafi Indonesia kantor pusat Surabaya.

2. Membantu Divisi Logistik gudang PT. Baba Rafi Indonesia kantor pusat Surabaya dalam meningkatkan volume penjualan bahan baku gudang Surabaya yang sebelumnya menurun akibat tidak dapat menyediakan bahan baku ke waralaba dan outlet mandiri.

1.6Sistematika Penulisan

Penulisan laporan penelitian ini disusun dalam bentuk bab. Setiap bab akan dijelaskan dalam beberapa sub bab. Berikut ini adalah penjelasan dari setiap bab yang ada dalam penulisan laporan.

Bab pertama pendahuluan, menjelaskan tentang latar belakang masalah, inti dari permasalahan yang disebutkan pada perumusan masalah, dan pembatasan masalah yang menjelaskan tentang batasan-batasan dari sistem yang dibuat agar tidak menyimpang dari ketentuan yang ditetapkan. Berdasarkan rumusan masalah dan batasan masalah disusun tujuan dari penelitian yaitu merancang dan membangun aplikasi peramalan. Selain itu bab ini juga menjelaskan manfaat yang dapat diberikan dari pembuatan aplikasi. Pada akhir bab dijelaskan tentang sistematika penulisan laporan penelitian.

Bab kedua landasan teori, menjelaskan tentang teori-teori yang berkaitan dalam penyelesaian laporan, yaitu penjelasan tentang Sistem Perangkat Lunak, Sistem, Siklus Hidup Pengembangan Sistem. Selain itu bab ini juga menjelaskan teori Persediaan, Peramalan, Tahapan Peramalan, Jenis Data pada Kegiatan Peramalan, Data Stasioner dan Tidak Stasioner, Uji Pola Data, Pemulusan

Eksponensial Winter, Alat Ukur Kesalahan Prediksi, Fixed Time Period System (P Model), dan Black Box Testing.

Bab ketiga analisis dan perancangan, menjelaskan tentang cara menganalisis dan merancang sistem. Analisis sistem dimulai dari Perumusan Masalah, Pengumpulan Data, Persiapan Data, dan Membangun Model. Perancangan sistem dimulai dari System Flow, Context Diagram, Diagram Jenjang Proses, Data Flow Diagram (DFD), Entity Relationship Diagram (ERD), Struktur Tabel, perancangan Input dan Output dan perancangan Interface.

Bab keempat implementasi dan evaluasi menjelaskan kebutuhan perangkat lunak dan perangkat keras yang dibutuhkan untuk menjalankan sistem serta menjelaskan hasil dari implementasi sistem dan evaluasi sistem. Evaluasi yang dilakukan adalah hasil uji coba sistem dan perhitungan kesalahan peramalan. Bab kelima kesimpulan dan saran adalah bab terakhir dari penulisan laporan ini. Kesimpulan menjelaskan hasil dari evaluasi sistem, sedangkan saran menjelaskan tentang masukan terhadap sistem untuk pengembangan lebih lanjut.

7 2.1PT. Baba Rafi Indonesia

PT. Baba Rafi Indonesia merupakan sebuah waralaba (franchise) makanan cepat saji khas Timur Tengah. PT. Baba Rafi Indonesia memiliki 375

outlet yang tersebar di seluruh Nusantara. Pada saat ini PT. Baba Rafi Indonesia

tidak hanya melebarkan sayap di Indonesia. Kini, PT. Baba Rafi Indonesia telah resmi terdaftar sebagai anggota Malaysian Franchise Association (MFA) dan siap melebarkan sayapnya ke Thailand, Vietnam, Brunei Darussalam serta Filipina.

PT. Baba Rafi memiliki visi dan misi. Visi PT. Baba Rafi Indonesia adalah menjadi perusahaan waralaba makanan cepat saji khas Timur Tengah terdepan di Indonesia dan Internasional. Misi PT. Baba Rafi Indonesia antara lain, yaitu:

1. Meningkatkan dan mengembangkan mutu dan pelayanan produk makanan cepat saji khas Timur Tengah.

2. Meningkatkan jumlah franchise.

3. Meningkatkan kualitas kontrol (control quality) franchise, pelayanan, dan produk.

4. Meningkatkan Budaya Kerja melalui peningkatan kualitas Sumber Daya Manusia (SDM) dan menerapkan Good Corporate Governance (GCG).

5. Meningkatkan corporate value dan corporate image.

Gambar 2.1 adalah alur distribusi pemasokan bahan baku Gudang PT. Baba Rafi Indonesia Kantor Pusat Surabaya. Gudang PT. Baba Rafi Indonesia

Kantor Pusat Surabaya memasok bahan baku ke semua waralaba dan outlet mandiri yang berada di Jawa Timur, Jawa Tengah, Bali, Cilacap, Kalimantan, dan Sulawesi. Jumlah outlet yang tersebar pada wilayah pemasokan bahan baku Gudang PT. Baba Rafi Indonesia Kantor Pusat Surabaya adalah 75 outlet waralaba dan 50 outlet mandiri. Saat ini sebagian besar outlet mandiri tidak aktif sehingga outlet mandiri yang aktif tinggal 20 outlet.

Gudang PT. Baba Rafi Indonesia

Kantor Pusat Surabaya

Franchise Outlet Mandiri

Franchise 1 ... Franchise 2 ... Franchise n Outlet

Mandiri 1 ...

Outlet Mandiri 2 ...

Outlet Mandiri n

Customer

Customer CustomerCustomer CustomerCustomer CustomerCustomer CustomerCustomer CustomerCustomer

Gambar 2.1 Alur Distribusi Pemasokan Bahan Baku Gudang PT. Baba Rafi Indonesia Kantor Pusat Surabaya

Adapun penelitian ini membahas peramalan permintaan bahan baku outlet mandiri yang didistribusikan pada daerah Surabaya. Jumlah outlet mandiri yang tersebar pada daerah Surabaya adalah dua puluh outlet. Dua puluh outlet tersebut

tersebar di daerah Surabaya Selatan, Surabaya Timur, Surabaya Utara, Surabaya Barat, dan Surabaya Pusat.

2.2Sistem

Sistem dapat didefinisikan dengan pendekatan prosedur dan dengan pendekatan komponen. Dengan pendekatan prosedur, sistem dapat didefinisikan sebagai kumpulan dari prosedur-prosedur yang mempunyai tujuan tertentu. Dengan pendekatan komponen, sistem dapat didefinisikan sebagai kumpulan dari komponen yang saling berhubungan satu dengan yang lainnya membentuk satu kesatuan untuk mencapai tujuan tertentu (Jogiyanto, 2003).

Suatu sistem sebenarnya terdiri dari dua bagian, yaitu struktur dan proses. Struktur adalah komponen dari sistem tersebut dan proses adalah prosedurnya. Kedua pendekatan tersebut hanya mengambil satu aspek dari sistem saja untuk menjelaskannnya dari sudut pandangan aspek tersebut (Jogiyanto, 2003).

2.3Sistem Perangkat Lunak

Perangkat keras komputer tidak akan dapat berbuat apa-apa tanpa adanya perangkat lunak. Teknologi yang canggih dari perangkat keras akan berfungsi bila instruksi-instruksi tertentu telah diberikan kepadanya. Instruksi-instruksi tersebut disebut dengan perangkat lunak (software). Perangkat lunak dapat diklasifikasikan ke dalam dua bagian besar (Jogiyanto, 2003), yaitu sebagai berikut ini.

1. Perangkat lunak sistem (system software), yaitu perangkat lunak yang dapat mengoperasikan sistem komputernya. Perangkat lunak sistem dapat dikelompokkan lagi menjadi empat bagian sebagai berikut ini.

a. Perangkat lunak sistem operasi (operating system), yaitu program yang ditulis untuk mengendalikan dan mengoordinasi operasi dari sistem komputer.

b. Perangkat lunak sistem bantuan (utility), yaitu program yang ditulis untuk bantuan yang berhubungan dengan sistem komputer, misalnya memformat disk, menyalin disk, mencegah dan membersihkan virus dan lain sebagainya.

c. Perangkat lunak bahasa (language software), yaitu program yang digunakan untuk menerjemahkan instruksi-instruksi yang ditulis dalam bahasa pemrograman ke dalam bahasa mesin supaya dapat dimengerti oleh komputer.

2. Perangkat lunak aplikasi (application software), yaitu program yang ditulis dan diterjemahkan oleh language software untuk menyelesaikan suatu aplikasi tertentu.

2.4Siklus Hidup Pengembangan Sistem

Siklus Hidup Pengembangan Sistem (SHPS) atau Software Development

Life Cycle (SDLC) adalah proses mengembangkan atau mengubah suatu sistem

perangkat lunak dengan menggunakan model-model dan metodologi yang digunakan orang untuk mengembangkan sistem-sistem perangkat lunak sebelumnya (berdasarkan best practice atau cara-cara yang sudah teruji baik) (Sommerville dan Sawyer, 1997).

2.4.1 Tahapan SDLC

SDLC memiliki tahapan-tahapan dalam pengembangan sistem. Tahapan tersebut, yaitu software requirement, software design, software construction,

software testing, software maintenance.

A. Software Requirement

Software requirement memiliki beberapa tahapan, yaitu:

A.1 Elisitasi Kebutuhan

Elisitasi atau pengumpulan kebutuhan merupakan aktivitas awal dalam proses rekayasa perangkat kebutuhan. Sebelum kebutuhan dapat dianalisis, dimodelkan, atau ditetapkan, kebutuhan harus dikumpulkan melalui proses elisitasi. Elisitasi kebutuhan adalah sekumpulan aktivitas yang ditunjukan untuk menemukan kebutuhan suatu sistem melalui komunikasi dengan pelanggan, pengguna sistem, dan pihak lain yang memiliki kepentingan dalam pengembangan sistem.

Sejalan dengan proses rekayasa kebutuhan secara keseluruhan, elisitasi kebutuhan bertujuan untuk:

a. Mengetahui masalah apa saja yang perlu dipecahkan dan mengenali batasan-batasan sistem. Proses-proses dalam pengembangan perangkat lunak sangat ditentukan oleh seberapa dalam dan luas pengetahuan developer tentang permasalahan.

b. Mengenali siapa saja stakeholder, yaitu setiap pihak yang memiliki kepentingan terhadap sesuatu, dimana dalam konteks perangkat lunak adalah proyek pengembangan perangkat lunak itu sendiri. Beberapa yang dapat dikatakan sebagai stakeholder antara lain adalah konsumen atau client yang

membayar sistem, pengembang yang merancang, membangun, dan merawat sistem, dan pengguna yang berinteraksi dengan sistem untuk mendapatkan hasil kerja pengguna.

c. Mengenali tujuan dari sistem, yaitu sasaran-sasaran yang harus dicapai. Tujuan merupakan sasaran sistem yang harus dipenuhi, penggalian high level

goals di awal proses pengembangan sangatlah penting karena bertujuan lebih

terfokus pada ranah masalah dan kebutuhan stakeholder daripada solusi yang dimungkinkan untuk masalah tersebut.

A.2 Analisis

Tahap analisis merupakan tahap identifikasi, seleksi, dan perencanaan sistem yang bertujuan untuk mendeteksi dan memberikan solusi antar kebutuhan serta mengetahui ruang lingkup perangkat lunak dan bagaimana perangkat lunak tersebut berinteraksi dengan lingkungan.

Diagram pada Gambar 2.2 menunjukkan tahapan-tahapan di dalam analisis kebutuhan. Pada dasarnya, aktivitas analisis dibutuhkan dalam setiap proses dalam daur hidup pengembangan perangkat lunak.

A.3 Spesifikasi Kebutuhan

Spesifikasi kebutuhan yang dibutuhkan dalam pengembangan sistem, yaitu:

a. Kebutuhan Fungsional

Kebutuhan fungsional merupakan dasar dari penyusunan fungsi-fungsi yang akan dibangun di dalam perangkat lunak. Fungsi-fungsi perangkat lunak tersebut telah melewati proses identifikasi kebutuhan setiap pengguna, sehingga diharapkan fungsi-fungsi tersebut akan tepat pada sasaran dan sesuai dengan apa yang dibutuhkan.

b. Kebutuhan Non-Fungsional

Kebutuhan non-fungsional adalah fungsi-fungsi di luar fungsi utama yang mendukung fungsi utama itu sendiri. Adapun beberapa fungsi tersebut menurut ISO 9001, yaitu time behavior, security, operability, accuracy, dan

maintain ability.

A.4 Requirement Verification and Validation

Dokumen Software Requirement Specification (SRS) dibentuk dan disusun berdasarkan data-data yang telah diperoleh dari client. Data-data tersebut telah melewati proses seleksi dan analisis sehingga hasil yang didapat lebih spesifik dan lebih sesuai dengan permintaan client. Dokumen SRS harus diverifikasi kembali kepada client dengan tujuan agar aplikasi yang dibangun

benar-benar terarah dan tidak mengalami banyak perubahan yang signifikan sehingga secara tidak langsung akan meningkatkan efisiensi waktu pengerjaan. Setelah diverifikasi, client diharapkan dapat memberikan validasi terhadap spesifikasi kebutuhan perangkat lunak yang akan dibangun tersebut sebagai tanda kesepakatan antar kedua belah pihak sekaligus sebagai awal untuk melanjutkan ke tahap Software Construction.

B. Software Design

Tahap desain adalah tahapan merancang pemodelan data yang dapat divisualisasikan melalui Entity Relationship Diagram (ERD), Conceptual Data

Model (CDM), dan Physical Data Model (PDM). Pemodelan proses dapat

divisualisasikan melalui Data Flow Diagram (DFD) atau melalui Unified

Modeling Language (UML). Dalam tahap ini juga mentransformasikan hasil dari

analisis kebutuhan menjadi kebutuhan yang sudah lengkap yang difokuskan pada bagaimana memenuhi fungsi-fungsi yang dibutuhkan. Desain tersebut mencakup desain form dan laporan, desain antarmuka dan dialog, desain basis data dan file (framework), dan desain proses atau desain struktur proses serta juga termasuk

flowchart program. Flowchart adalah suatu penggambaran secara grafik dari

langkah-langkah dan urutan-urutan prosedur dari suatu program. Keberadaan

flowchart sangat membantu analis sistem dan programmer dalam memecahkan

suatu permasalahan menjadi segmen-segmen yang lebih kecil sehingga mempermudah dalam melakukan analisis alternatif-alternatif lain dalam pengoperasian.

C. Software Construction

Tahap ini melakukan konversi hasil desain ke sistem informasi yang lengkap melalui tahapan coding atau pengodean termasuk bagaimana membuat basis data dan menyiapkan prosedur kasus pengujian, mempersiapkan berkas atau

file pengujian, pengodean, pengompilasian, memperbaiki dan membersihkan

program serta melakukan peninjauan pengujian. Construction ini memiliki beberapa tahapan secara umum, yaitu:

a. Software Construction Fundamentals

Pada tahap pertama, dilakukan pendefinisian dasar tentang prinsip-prinsip yang digunakan dalam proses implementasi seperti minimalisasi kompleksitas, mengantisipasi perubahan, dan standar yang digunakan.

b. Managing Construction

Bagian ini mendefinisikan tentang model implementasi yang digunakan, rencana implementasi, dan ukuran pencapaian dari implementasi tersebut. c. Practical Considerations

Bagian ini membahas tentang desain implementasi yang digunakan, bahasa pemrograman yang digunakan, kualitas dari implementasi yang dilakukan, proses pengujian, dan integrasi.

D. Software Testing

Tahap ini mendemonstrasikan sistem perangkat lunak yang telah selesai dibuat untuk dijalankan, apakah telah sesuai dengan kebutuhan yang telah ditentukan sebelumnya dan dapat diadaptasi pada lingkungan sistem yang baru. Tahapan ini tertuang dalam suatu dokumen Test Plan, yang dimulai dari membuat

terminology testing, kemudian selanjutnya merancang Test Levels yang terbagi

antara target pengujian dan objektif dari pengujian. Pada tahap berikutnya adalah mendefinisikan Test Techniques, yaitu tentang bagaimana teknik yang digunakan termasuk dasar-dasar pengujian berdasarkan intuisi dan pengalaman serta teknik pengujian secara teknik coding, teknik kesalahan, teknik penggunaan, dan teknik terkait lainnya. Tahap selanjutnya adalah mendefinisikan Test-Related Measures, yaitu ukuran-ukuran pencapaian testing yang telah dilakukan untuk kemudian dievaluasi kembali. Tahap terakhir adalah mendefinisikan Test Process yang berisi tentang aktifitas pengujian.

E. Software Maintenance

Tahap ini adalah tahap yang mendeskripsikan pekerjaan untuk mengoperasikan dan memelihara sistem informasi pada lingkungan pengguna termasuk implementasi akhir dan proses peninjauan kembali. Pemeliharaan sistem ini terdiri dari beberapa jenis, yaitu: a) Corrective, yaitu memperbaiki desain dan

error pada program; b) Adaptive, yaitu memodifikasi sistem untuk beradaptasi

dengan perubahan lingkungan; c) Perfective, yaitu melibatkan sistem untuk menyelesaikan masalah baru atau mengambil kesempatan untuk penambahan fitur; d) Preventive, yaitu menjaga sistem dari kemungkinan masalah pada masa yang akan datang.

Prosedur pemeliharaan tersebut disusun dalam beberapa tahapan. Tahap awal adalah menyusun Software Maintenance Fundamentals yang berisi tentang dasar-dasar pemeliharaan, segala yang dibutuhkan untuk melakukan pemeliharaan, dan kategori pemeliharaan. Selanjutnya adalah mendefinisikan Key

manajemen pemeliharaan dan biaya, serta ukuran pemeliharaan perangkat lunak. Tahap selanjutnya adalah mendefinisikan proses dan aktivitas pemeliharaan tersebut ke dalam Maintenance Process.

2.4.2 Model SDLC

SDLC memiliki beberapa model dalam penerapan tahapan prosesnya. Masing-masing model memiliki kelemahan dan kelebihan, sehingga hal yang terpenting adalah mengenali tipe pelanggan dan memilih menggunakan model SDLC yang sesuai dengan karakter pelanggan dan sesuai dengan karakter pengembang perangkat lunak. Model SDLC yang digunakan pada penelitian ini adalah Model Waterfall.

Model SDLC Waterfall sering juga disebut model sekuensial linier atau siklus hidup klasik. Model Waterfall menyediakan pendekatan siklus hidup perangkat lunak secara sekuensial atau terurut dimulai dari analisis, desain, pengodean, pengujian, dan tahap pendukung. Dari kenyataan yang terjadi sangat jarang Model Waterfall dapat dilakukan sesuai siklusnya karena seperti perubahan spesifikasi perangkat lunak terjadi di tengah siklus pengembangan, adanya kesulitan bagi pelanggan untuk mendefinisikan semua spesifikasi di awal siklus pengembangan.

Pelanggan sering kali membutuhkan contoh untuk menjabarkan spesifikasi kebutuhan sistem lebih lanjut, serta pelanggan tidak mungkin bersabar mengakomodasi perubahan yang diperlukan di akhir siklus pengembangan. Dengan berbagai kelemahan yang dimiliki Model Waterfall namun model ini telah menjadi dasar dari model-model lain dalam melakukan perbaikan model pengembangan perangkat lunak.

Model Waterfall ini adalah model SDLC yang paling sederhana, dan hanya cocok untuk pengembangan perangkat lunak dengan spesifikasi yang tidak berubah-ubah. Tahapan dari Model Waterfall ini dapat dilihat pada Gambar 2.3.

Gambar 2.3 Model Waterfall (Royce, 1970)

Berikut ini akan dijelaskan secara singkat tentang tahapan dalam Model

Waterfall, yaitu:

1. System Requirements

Merupakan tahap pengumpulan data tentang kondisi awal dari suatu permasalahan yang akan diselesaikan. Data tersebut seperti siapa saja

stakeholder yang ada, bagaimana keadaan sistem yang sedang digunakan saat

ini dan perubahan seperti apa yang diinginkan oleh para stakeholder tersebut. 2. Software Requirements

Tahap selanjutnya adalah mendefinisikan kebutuhan perangkat lunak yang akan dibangun sesuai dengan apa yang diinginkan oleh para stakeholder. 3. Analysis

Tahap ini merupakan tahap mengidentifikasi, menyeleksi, dan merencanakan sistem yang bertujuan untuk mendeteksi dan memberikan solusi terhadap permasalahan yang ada.

4. Program Design

Tahap ini melakukan desain, pendefinisian dan pengolahan data yang terkait dengan fungsi, desain basis data, pendefinisian pengolahan basis data, waktu eksekusi, mendefinisikan antarmuka dan penjelasan tentang input, process, dan output.

5. Coding

Tahap untuk melakukan pengodean untuk membangun perangkat lunak sesuai dengan hasil dari desain program sekaligus menyiapkan dokumentasi untuk setiap aktivitas pengodean.

6. Testing

Melakukan uji kelayakan perangkat lunak yang telah dibangun sesuai dengan skenario dan test plan yang disiapkan.

7. Operations

Tahap ini adalah pengimplementasian dan instalasi perangkat lunak. Perangkat lunak tersebut akan diadaptasi dengan sistem yang lama untuk kemudian dilakukan evaluasi.

2.5Persediaan

Persediaan adalah sumber daya yang menunggu proses lebih lanjut (idle

resource). Yang dimaksud dengan proses lebih lanjut tersebut adalah berupa

distribusi ataupun kegiatan konsumsi pangan pada sistem rumah tangga (Nasution, 1999).

Timbulnya persediaan dalam suatu sistem, baik sistem manufaktur maupun non manufaktur adalah merupakan akibat dari 3 kondisi sebagai berikut (Nasution, 1999):

1. Mekanisme pemenuhan atas permintaan (transaction motive). Permintaan akan suatu barang tidak akan dapat dipenuhi dengan segera bila barang tersebut tidak tersedia sebelumnya, karena untuk mengadakan barang dibutuhkan waktu untuk pembuatannya maupun untuk mendatangkannya. Hal ini berarti bahwa adanya persediaan merupakan hal yang sulit dihindarkan. 2. Adanya keinginan untuk mencegah ketidakpastian (precautionary motive).

Ketidakpastian yang dimaksudkan adalah:

a. Adanya permintaan yang bervariasi dan tidak pasti dalam jumlah maupun waktu kedatangan.

b. Waktu pembuatan yang cenderung tidak konstan antara satu produk dengan produk yang lain.

c. Waktu tunggu (lead time) yang cenderung tidak pasti karena berbagai faktor yang tak dapat dikendalikan sepenuhnya.

Ketidakpastian ini akan dicegah oleh jenis persediaan yang disebut persediaan yang harus ada (safety stock). Persediaan yang harus ada ini digunakan jika permintaan melebihi peramalan, produksi lebih rendah dari rencana, atau waktu tunggu (lead time) lebih panjang dari yang diperkirakan semula.

3. Keinginan melakukan spekulasi (speculative motive) yang bertujuan mendapatkan keuntungan besar dari kenaikan harga barang di masa mendatang.

Dari uraian di atas, dapat ditarik kesimpulan bahwa fungsi utama persediaan adalah menjamin kelancaran mekanisme pemenuhan permintaan barang sesuai dengan kebutuhan konsumen sehingga sistem yang dikelola dapat mencapai kinerja (performance) yang optimal.

2.6Peramalan

Definisi peramalan sendiri sebenarnya beragam. Berikut beberapa definisi tentang peramalan (Santoso, 2009):

1. Perkiraan munculnya sebuah kejadian di masa depan berdasarkan data yang ada di masa lampau.

2. Proses menganalisis data historis dan data saat ini untuk menentukan pola di masa mendatang.

3. Proses estimasi dalam situasi yang tidak diketahui. 4. Pernyataan yang dibuat tentang masa depan.

5. Penggunaan ilmu dan teknologi untuk memperkirakan situasi di masa depan. 6. Upaya sistematis untuk mengantisipasi kejadian atau kondisi di masa depan.

Dari beberapa definisi di atas, dapat disimpulkan bahwa peramalan berkaitan dengan upaya memperkirakan apa yang terjadi di masa depan, berbasis pada metode ilmiah (ilmu dan teknologi) serta dilakukan secara sistematis. Walaupun demikian, kegiatan peramalan tidaklah semata-mata berdasarkan prosedur ilmiah atau terorganisir, karena ada kegiatan peramalan yang menggunakan intuisi (perasaan) atau lewat diskusi informal dalam sebuah grup.

Tabel 2.1 Ciri Sebuah Kegiatan Peramalan (Santoso, 2009)

Aspek Peramalan

Fokus Data di masa lalu

Tujuan Menguji perkembangan saat ini dan relevansinya di masa mendatang

Metode Proyeksi berdasar ilmu statistik, diskusi, dan review program

Orang yang terlibat Pembuat keputusan, petugas administrasi, praktisi, analis

Frekuensi Regular (teratur)

Kriteria Keberhasilan Tidak sekedar akurasi, namun bersifat pembelajaran

Dari kriteria di atas, terlihat bahwa peramalan adalah kegiatan yang bersifat teratur, berupaya memprediksi masa depan dengan menggunakan tidak hanya metode ilmiah, namun juga mempertimbangkan hal-hal yang bersifat kualitatif, seperti perasaan, pengalaman seseorang dan lainnya (Santoso, 2009).

2.7Tahapan Peramalan

Menurut Santoso (2009), untuk mendapatkan hasil peramalan yang baik dan secara efektif dapat menjawab masalah yang ada, kegiatan peramalan sebaiknya mengikuti tahapan baku berikut ini:

1. Perumusan masalah dan pengumpulan data

Tahap pertama yang sebenarnya penting dan menentukan keberhasilan peramalan adalah menentukan masalah tentang apa yang akan diprediksi. Formulasi masalah yang jelas akan menuntun pada ketepatan jenis dan banyaknya data yang akan dikumpulkan. Dapat saja masalah telah ditetapkan, namun data yang relevan tidak tersedia. Hal ini akan memaksa diadakannya perumusan ulang atau mengubah metode peramalan.

Setelah masalah dirumuskan dan data telah terkumpul, tahap selanjutnya adalah menyiapkan data hingga dapat diproses dengan benar. Hal ini diperlukan, karena dalam praktek ada beberapa masalah berkaitan dengan data yang telah terkumpul:

a. Jumlah data terlalu banyak b. Jumlah data justru terlalu sedikit c. Data harus diproses terlebih dahulu

d. Data tersedia namun rentang waktu data tidak sesuai dengan masalah yang ada

e. Data tersedia namun cukup banyak data yang hilang (missing), yakni data yang tidak lengkap.

3. Membangun model

Setelah data dianggap memadai dan siap dilakukan kegiatan prediksi, proses selanjutnya adalah memilih metode (model) yang tepat untuk melakukan peramalan pada data tersebut.

4. Implementasi model

Setelah metode peramalan ditetapkan, maka model dapat diterapkan pada data dan dapat dilakukan prediksi pada data untuk beberapa periode ke depan. 5. Evaluasi peramalan

Hasil peramalan yang telah ada kemudian dibandingkan dengan data aktual. Metode peramalan tidak dapat memprediksi data di masa depan secara tepat yang ada adalah ketepatan prediksi. Untuk itu, pengukuran kesalahan peramalan dilakukan untuk melihat apakah metode yang telah digunakan sudah memadai untuk memprediksi sebuah data.

2.8Jenis Data pada Kegiatan Peramalan

Data yang akan diprediksi secara umum dapat dibagi menjadi dua tipe, yakni data kualitatif dan data kuantitatif. Menurut Arsyad (2001), data kualitatif adalah serangkaian observasi yang setiap observasinya terdapat dalam sampel (atau populasi) tergolong pada salah satu dari kelas-kelas yang eksklusif secara bersama dan kemungkinannya tidak dapat dinyatakan dalam angka. Sebaliknya data kuantitatif adalah serangkaian observasi yang dapat dinyatakan dengan angka.

Data kuantitatif dapat dibagi menjadi dua bagian, yaitu (Santoso, 2009): 1. Data time series

Data time series adalah data yang ditampilkan berdasarkan waktu, seperti data bulanan, data harian, data mingguan atau jenis waktu yang lain. Contoh data

time series adalah data penjualan bulanan motor di daerah A dari tahun 2000

sampai 2007.

2. Data cross-sectional

Data cross-sectional adalah data yang tidak berdasar waktu tertentu, namun pada satu (titik) waktu tertentu. Contoh data cross-sectional adalah data biaya promosi di sepuluh area pemasaran produk X selama bulan Januari 2008.

2.9Data Stasioner dan Data Tidak Stasioner

Data stasioner adalah data yang rata-rata nilainya tidak berubah dari waktu ke waktu, atau dapat dikatakan data bersifat stabil. Sebaliknya, data dapat saja tidak stasioner, ketika pada uji pola data didapati adanya trend atau pola musiman (pengaruh musim) (Santoso, 2009).

2.10 Uji Pola Data

Uji pola data pada intinya adalah menguji apakah sebuah data dapat dikatakan stasioner ataukah tidak. Jika pada data terdapat trend atau ada komponen musiman atau siklis, dikatakan bahwa data tidak dapat dikatakan stasioner. Namun sebaliknya, jika pada data tidak ada trend, musiman ataukah siklis, maka data dapat dikatakan stasioner. Stasioneritas data penting untuk menentukan lebih jauh metode peramalan apa yang tepat dilakukan. Metode untuk data yang stasioner akan berbeda dengan metode peramalan untuk data yang tidak stasioner (Santoso, 2009).

Salah satu ciri data stasioner adalah adanya korelasi antar data penjualan. Otokorelasi dapat membuktikan adanya korelasi antar data penjualan. Pada umumnya, jika sebuah data saling berkorelasi pada jarak waktu yang berdekatan, misalnya antara waktu t dengan waktu sebelumnya (t-1), maka dikatakan data mempunyai kecenderungan berotokorelasi. Besaran korelasi antara data ke t dan data ke t-1 cukup tinggi, kemudian menurun secara bertahap. Data demikian bisa diduga mempunyai unsur trend di dalamnya dan tidak bersifat acak. Sebaliknya, data yang mempunyai korelasi antar waktu yang rendah serta tidak menunjukkan pola penurunan otokorelasi yang bertahap, pada data tersebut dapat dikatakan tidak ada unsur trend (Santoso, 2009).

Cara lain yang cukup praktis adalah melihat tampilan grafik data. Jika ada unsur trend, maka terlihat data dari waktu ke waktu cenderung semakin naik atau semakin turun. Sebaliknya, jika data stasioner, grafik akan relatif tidak menaik atau menurun. Ada pola kenaikan data yang diikuti oleh pola data yang menurun (Santoso, 2009).

Pengujian stasioneritas data dapat dilakukan dengan dua cara yaitu dengan grafik (lebih praktis) atau dengan menghitung otokorelasi. Sebaliknya kedua cara dilakukan secara bersama-sama karena saling melengkapi (Santoso, 2009).

Untuk menghitung otokorelasi digunakan persamaan sebagai berikut (Santoso, 2009):

∑ ̅ ̅

∑ ̅ ……… 2.1

dengan:

= koefisien otokorelasi = data saat ini (yang ke t) ̅ = rata-rata data

= data pada periode k sebelum data saat ini. Jika k=1, maka menjadi atau data satu lag dari periode sebelumnya. Jika k=2, maka menjadi atau data dua lag dari periode awal.

= jumlah data

Setelah nilai otokorelasi didapat, maka langkah selanjutnya menguji nilai otokorelasi dengan menggunakan uji t. Proses pengujian dengan menggunakan t (Santoso, 2009):

1. Merumuskan hipotesis, yang secara standar dapat dinyatakan sebagai berikut: H0: 1 = 0, atau koefisien korelasi yang didapat tidak signifikan.

H1: 1 ≠ 0, atau koefisien korelasi yang didapat memang nyata.

2. Menghitung t hitung dan t tabel. t hitung didapat dengan persamaan:

………... 2.2 dengan

√ ∑

………....…... 2.3

t tabel dihitung dari tabel t pada tingkat kepercayaan tertentu (biasanya 95%) dan dengan df = n – 1.

3. Pengambilan keputusan:

Jika t hitung < t tabel, H0 diterima. Jika t hitung > t tabel, H0.

Cara kedua pengujian stasioneritas dengan melihat pola data secara grafis dapat dilakukan dengan menggunakan software Minitab 16. Apabila terdapat pola data yang naik dan turun seperti pada Gambar 2.4, maka data dikatakan tidak stasioner karena adanya trend. Selain data itu dikatakan stasioner karena adanya

trend, diperkirakan data tersebut terdapat pola data musiman. Untuk memastikan

data tersebut terdapat pola data musiman, maka dapat dilakukan uji otokorelasi.

Gambar 2.5 Otokorelasi

Hasil uji otokorelasi yang ditunjukkan pada Gambar 2.5 menunjukkan adanya korelasi. Korelasi tersebut disimbolkan dengan bar berwarna biru pada lag pertama sampai dengan lag kedua belas. Lag pertama dan lag ketiga yang melewati garis batas merah menunjukkan bahwa terdapat trend dan data tidak stasioner. Bar lag pertama sampai keempat menunjukkan bar pertama dan bar keempat lebih tinggi dibandingkan dengan bar kedua dan bar ketiga. Perbedaan ketinggian untuk setiap empat lag tersebut membuktikan adanya pengaruh musiman selain adanya trend. Nilai korelasi dapat dilihat pada Gambar 2.6.

2.11 Pemulusan Eksponensial Winter

Salah satu bentuk pemulusan lain yang berguna dikembangkan oleh Winters pada awal dekade 1960-an. Metode ini memberikan hasil yang serupa dengan pemulusan eksponensial linier, tetapi memiliki manfaat tambahan dalam kemampuannya untuk menangani data musiman selain data yang memiliki trend (Makridakis dan Wheelwright, 1992).

Pemulusan eksponensial linier dan musiman Winters didasari oleh tiga persamaan, yang masing-masing memuluskan satu faktor yang berkaitan dengan satu di antara tiga komponen pola - faktor random, trend, dan musiman. Dalam hal ini, metode ini serupa dengan pemulusan eksponensial linier, yang memuluskan faktor random dan menyesuaikan dengan trend. Tetapi, Metode Winters mencakup parameter tambahan untuk menangani faktor musiman.

Keempat persamaan yang digunakan dalam Metode Winter adalah sebagai berikut (Arsyad, 1994):

1. Pemulusan Eksponensial:

……….………….. 2.4

2. Estimasi Trend:

……….. 2.5

3. Estimasi Musiman:

……….…….. 2.6

4. Ramalan pada periode p di masa datang

̂ ……… 2.7 dengan:

 = konstanta pemulusan untuk data (0 <  < 1)

= data yang baru atau yang sebenarnya pada periode t

 = konstanta pemulusan untuk estimasi trend (0 <  < 1) = estimasi trend

 = konstanta pemulusan untuk estimasi musiman (0 <  < 1) = estimasi musiman

p = periode yang diramalkan

L = panjangnya musim ̂ ramalan pada periode p

t = waktu

2.12 Alat Ukur Kesalahan Prediksi

Oleh karena teknik peramalan kuantitatif biasanya menggunakan data runtut waktu, maka notasi matematis harus digunakan 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, menunjukkan nilai Y pada periode t (Arsyad, 1994).

Notasi matematis juga harus digunakan untuk membedakan nilai variabel

data runtut waktu sebenarnya dengan nilai peramalan. Tanda “^” (topi) diletakkan

di atas variabel yang sedang diramalkan. Nilai peramalan untuk adalah ̂. Akurasi dari teknik peramalan sering kali dinilai dengan cara membandingkan data asli yakni , , ... dengan nilai-nilai data hasil peramalan ̂, ̂, ...

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

̂ = nilai peramalan dari

̂ = residual atau kesalahan peramalan

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

Persamaan 2.8 digunakan untuk menghitung kesalahan atau residual dari setiap periode peramalan.

̂ ……… 2.8

dengan:

= kesalahan peramalan pada periode t = nilai sebenarnya pada periode t ̂ = nilai peramalan pada periode t

Salah satu cara untuk mengevaluasi teknik peramalan adalah menggunakan penjumlahan kesalahan absolut. Simpangan absolut rata-rata atau

Mean Absolute Deviation (MAD) mengukur akurasi peramalan dengan

merata-ratakan kesalahan peramalan (nilai absolutnya). MAD ini sangat berguna jika seorang analis ingin mengukur kesalahan peramalan dalam unit ukuran yang sama seperti data aslinya. Persamaan 2.9 menunjukkan bagaimana cara menghitung MAD (Arsyad, 1994: 58).

MAD = ∑ ̂ ……….……... 2.9 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 mengakibatkan suatu kesalahan peramalan yang besar karena dikuadratkan. Pendekatan ini penting karena menghasilkan kesalahan yang lebih sesuai untuk hasil peramalan yang biasanya menghasilkan kesalahan yang lebih kecil dan kadang-kadang menghasilkan kesalahan yang sangat besar. Persamaan 2.10 menunjukkan bagaimana cara menghitung MSE.

MSE =

∑ ̂

………... 2.10

Adakalanya lebih bermanfaat jika kesalahan peramalan dihitung secara persentase dibandingkan secara absolut. Rata-rata persentase kesalahan absolut atau Mean Absolute Percentage Error (MAPE) dihitung dengan menemukan kesalahan absolut setiap periode, kemudian menghitung kesalahan absolut pada periode tersebut, dan akhirnya merata-rata persentase kesalahan absolut 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. MAPE juga dapat digunakan untuk memperbandingkan akurasi dari teknik yang sama atau berbeda pada dua series yang berbeda. Persamaan 2.11 menunjukkan bagaimana cara menghitung MAPE (Arsyad, 1994).

MAPE =

∑ ̂

………. 2.11

Sering kali perlu juga untuk menentukan apakah suatu metode peramalan bias atau tidak (secara konsisten tinggi atau rendah). Rata-rata persentase kesalahan atau Mean Percentage Error (MPE) digunakan dalam kasus seperti ini.

MPE dihitung dengan cara menemukan kesalahan setiap periode, kemudian menghitung persentase kesalahan pada periode tersebut, dan kemudian merata-rata persentase kesalahan tersebut. Jika pendekatan peramalan tersebut tidak bias, maka persamaan 2.12 akan menghasilkan persentase mendekati nol. Jika hasil persentase negatifnya cukup besar, maka metode peramalan tersebut menghasilkan hasil ramalan yang terlalu tinggi, demikian sebaliknya.

MPE =

∑ ̂

……… 2.12

Empat cara pengukuran akurasi peramalan yang dibahas sebelumnya digunakan untuk tujuan berikut (Arsyad, 1994):

1. Pembandingan akurasi dari dua teknik peramalan yang berbeda. 2. Pengukuran kegunaan atau reliabilitas suatu teknik peramalan. 3. Pencarian teknik peramalan yang optimal.

2.13 Fixed Time Period System (P Model)

Fixed Time Period System (FTPS) adalah suatu sistem cara pemesanan

bahan yang jarak atau interval waktu dari pemesanan tetap tetapi dengan jumlah berbeda-beda, misalnya tiap minggu atau bulan (Chase dkk, 2006). Jarak waktu pemesanan yang tetap membuat pemesanan dilakukan tanpa memperhatikan jumlah persediaan yang masih ada. Banyaknya jumlah barang yang dipesan ditetapkan sebesar selisih dari jumlah persediaan maksimum yang telah ditentukan dengan jumlah persediaan yang tersisa.

Berikut ini adalah persamaan dari FTPS (P Model): q = rata-rata permintaan + safety stok – persediaan saat ini

dengan:

q = jumlah pesanan

T = periode review

L = lead time

̅ = rata-rata permintaan

z = standar deviasi

= standar devisiasi permintaan selama periode review dan lead time

I = quantity on hand + quantity on order

2.14 Black Box Testing

Menurut Rizky (2011), black box testing adalah tipe pengujian yang memperlakukan perangkat lunak yang tidak diketahui kinerja internalnya. Para

penguji memandang perangkat lunak seperti layaknya sebuah “kotak hitam” yang

tidak penting dilihat isinya tapi cukup dikenai proses pengujian di bagian luar. Jenis pengujian ini hanya memandang perangkat lunak dari sisi spesifikasi dan kebutuhan yang telah didefinisikan pada saat awal perancangan.

Beberapa keuntungan yang diperoleh dari jenis pengujian ini antara lain: 1. Anggota tim penguji tidak harus dari seseorang yang memiliki kemampuan

teknis di bidang pemrograman.

2. Kesalahan dari perangkat lunak ataupun bug sering ditemukan oleh komponen penguji yang berasal dari pengguna.

3. Hasil dari black box testing dapat memperjelas kontradiksi ataupun kerancuan yang mungkin timbul dari eksekusi sebuah perangkat lunak.

35 3.1Analisis Sistem

3.3.1 Perumusan Masalah

PT. Baba Rafi Indonesia merupakan perusahaan waralaba (franchise) makanan cepat saji khas Timur Tengah yang memiliki 375 outlet yang tersebar di seluruh Nusantara. Selain waralaba, PT. Baba Rafi Indonesia juga menyediakan gudang untuk memasok bahan baku kebab, burger, hot dog, piramizza dan roti maryam ke semua outlet yang tersebar di seluruh Nusantara. Gudang PT. Baba Rafi Indonesia kantor pusat Surabaya memasok bahan baku kurang lebih ke dua puluh outlet mandiri di Surabaya.

Divisi Logistik membutuhkan informasi mengenai jumlah bahan baku yang harus disediakan oleh gudang PT. Baba Rafi Indonesia kantor pusat Surabaya pada periode mendatang. Informasi tersebut dibutuhkan Divisi Logistik karena selama ini gudang PT. Baba Rafi Indonesia kantor pusat Surabaya sering tidak dapat mencukupi pesanan permintaan waralaba dan outlet mandiri. Hal tersebut dapat menimbulkan kemungkinan kehilangan pelanggan. Selain itu volume penjualan bahan baku gudang Surabaya mengalami penurunan yang diakibatkan ketidakmampuan gudang Surabaya dalam menyediakan bahan baku ke waralaba dan outlet mandiri. Hal ini dapat menyebabkan kerugian perusahaan.

Gudang PT. Baba Rafi Indonesia kantor pusat Surabaya saat ini belum memiliki sistem yang dapat membantu dalam menentukan jumlah bahan baku yang harus disediakan. Penentuan jumlah bahan baku yang harus disediakan

dilakukan dengan memperkirakan jumlah permintaan bahan baku bulan lalu. Penentuan jumlah bahan baku berdasarkan perkiraan ini sering tidak tepat karena gudang PT. Baba Rafi Indonesia kantor pusat Surabaya tetap kekurangan bahan baku.

Berdasarkan peramalan manual yang dilakukan oleh manajer Divisi Logistik gudang PT. Baba Rafi Indonesia kantor pusat Surabaya dapat digambarkan document flow yang ditunjukkan pada Gambar 3.1.

Manajer Logistik Staf Logistik

Mulai

Memperkira-kan Jumlah Bahan Baku Periode Mendatang Data Jumlah Permintaan Bahan

Baku Bulan Lalu

Jumlah Bahan Baku Yang Harus Disediakan

Membeli Bahan

Baku

Selesai Menghitung Jumlah Bahan

Baku Yang Harus Dibeli

Gambar 3.1 Document Flow Peramalan Divisi Logistik

Sistem yang baru diperlukan untuk mengatasi penentuan jumlah bahan baku pada gudang PT. Baba Rafi Indonesia kantor pusat Surabaya. Sistem yang baru diharapkan dapat membantu Divisi Logistik gudang PT. Baba Rafi Indonesia

kantor pusat Surabaya dalam menentukan jumlah bahan baku yang harus disediakan.

3.3.2 Pengumpulan Data

Setelah tahap perumusan masalah, tahap selanjutnya adalah tahap pengumpulan data. Pada tahap ini dilakukan pengumpulan data yang diperlukan untuk uji pola data. Data yang dikumpulkan adalah data permintaan 31 item bahan baku outlet mandiri selama 47 minggu (periode 2012). Data tersebut dikumpulkan dari data primer perusahaan.

3.3.3 Persiapan Data

Berdasarkan data yang telah dikumpulkan yaitu 31 item bahan baku, yang dapat disiapkan untuk diuji pola data adalah data permintaan 29 item bahan baku outlet mandiri saja. Dua puluh sembilan item bahan baku tersebut adalah data bahan baku yang selalu terjual (continue), sedangkan dua item bahan baku yang lain merupakan data bahan baku yang tidak selalu terjual (discontinue). data tersebut tidak dapat digunakan untuk diuji pola data. Daftar permintaan 29 item bahan baku yang continue dapat dilihat pada lampiran 2, sedangkan daftar permintaan dua item bahan baku yang discontinue dapat dilihat pada lampiran 3.

3.3.4 Membangun Model

Data permintaan bahan baku yang continue diuji pola data time series dan otokorelasi dengan menggunakan software Minitab 16 untuk menentukan metode yang sesuai dalam menyelesaikan masalah yang ada. Berdasarkan pengujian pola data time series yang dilakukan untuk data permintaan bahan baku Dg Burger Ayam 1p, hasilnya menunjukkan bahwa data permintaan bahan baku

tersebut tidak statisioner karena data runtut waktu sepanjang 47 minggu menunjukkan pertumbuhan dan penurunan (trend). Untuk lebih jelasnya, hasil tersebut dapat dilihat pada Gambar 3.2.

Gambar 3.2 Time Series Dg Burger Ayam 1p

Hasil pengujian otokorelasi untuk bahan baku yang sama, yaitu Dg Burger Ayam 1p menunjukkan adanya korelasi. Korelasi tersebut disimbolkan dengan bar berwarna biru pada lag pertama sampai dengan lag kedua belas. Lag pertama yang melewati garis batas merah menunjukkan bahwa terdapat trend pada data permintaan Dg Burger Ayam 1p dan data permintaannya tidak stasioner. Hasil tersebut dapat dilihat pada Gambar 3.3. Berdasarkan Gambar 3.3, dapat dilihat bahwa bar lag pertama sampai ketiga menunjukkan bar pertama dan bar ketiga lebih tinggi dibandingkan dengan bar kedua. Hal ini juga ditunjukkan pada bar lag keempat sampai keenam. Bar keempat dan bar keenam lebih tinggi dibandingkan dengan bar kelima. Perbedaan ketinggian untuk setiap tiga lag tersebut membuktikan adanya pengaruh musiman selain adanya trend. Untuk

mengetahui nilai korelasi dari lag pertama dan lag kedua dengan perhitungan manual dapat dilihat pada lampiran 4.

Gambar 3.3 Otokorelasi Dg Burger Ayam 1p

Berdasarkan sub bab 2.11, maka metode Pemulusan Eksponensial Winter sangat tepat digunakan untuk menangani data musiman selain data yang memiliki

trend. Mean squared error (MSE) atau kesalahan (error) yang dihasilkan oleh

metode Pemulusan Eksponesial Winter relatif lebih kecil. Penyelesaian masalah dengan metode Pemulusan Eksponensial Winter ini diharapkan dapat memberikan informasi sesuai dengan kebutuhan pengguna.

3.2Perancangan Sistem

Secara garis besar, proses yang akan dilakukan oleh sistem untuk menangani masalah yang ada dapat dilihat pada blok diagram yang ditunjukkan pada Gambar 3.4.

Input: - Data Jumlah Permintaan Bahan Baku Periode Sebelumnya Proses: Peramalan Dengan Metode Pemulusan Eksponensial Winter Menghitung Perkiraan Bahan Baku Yang Harus

Dibeli

Membuat Laporan Jumlah Bahan Baku Yang Harus Dibeli

Output:

- Jumlah Permintaan Bahan Baku Mingguan - Jumlah Bahan Baku Yang Harus Disediakan (Hasil Peramalan) - Jumlah Bahan Baku Yang Harus Dibeli Oleh Divisi Logistik gudang PT. Baba Rafi Indonesia kantor pusat Surabaya

Gambar 3.4 Blok Diagram Aplikasi Peramalan Permintaan Bahan Baku

Gambar 3.4 menggambarkan alur sistem peramalan permintaan bahan baku. Data permintaan bahan baku menjadi inputan dari peramalan yang akan dilakukan. Proses yang dilakukan setelah menerima inputan adalah meramalkan permintaan bahan baku dengan metode Pemulusan Eksponensial Winter. Hasil dari peramalan tersebut menghasilkan jumlah permintaan bahan baku mingguan, jumlah bahan baku yang diramal, dan jumlah bahan baku yang harus disediakan oleh Divisi Logistik gudang PT. Baba Rafi Indonesia kantor pusat Surabaya.

Gambar 3.5 menunjukkan perancangan prosedural Pemulusan Eksponensial Winter. Perhitungan peramalan diawali dengan menyiapkan data jumlah permintaan bahan baku periode sebelumnya dan menentukan panjang musiman (L) yang akan diramal. Panjang periode ramalan yang ditentukan adalah tiga periode. Setelah data permintaan bahan baku, panjang musiman, dan panjang periode ramalan ditentukan, maka tahap selanjutnya adalah menentukan parameter. Parameter yang ditentukan adalah parameter stasioner, trend, dan musiman. Ketiga parameter tersebut digunakan untuk mencari , , dan . Hasil perhitungan , , dan digunakan untuk mencari ̂ . Perhitungan

peramalan dilakukan hingga mencapai MSE terkecil. Hasil dari MSE tersebut dapat menentukan jumlah bahan baku yang harus disediakan gudang PT. Baba Rafi Indonesia kantor pusat Surabaya.

Perancangan sistem dilakukan setelah analisis permasalahan selesai dilakukan. Aplikasi peramalan ini dirancang dengan menggunakan perancangan terstruktur. Perancangan diawali dengan membuat perancangan proses, yaitu

flowchart, system flow, context diagram, dan data flow diagram. Setelah

perancangan proses selesai dirancang dilanjutkan dengan membuat perancangan data yang berupa skema basis data, yaitu entity relationship diagram. Kemudian dilanjutkan membuat perancangan antarmuka dengan pengguna.

Mulai

Panjang Musiman (L)

Menentukan Parameter Stasioner, Trend, dan Musiman

Menentukan Nilai Pemulusan Eksponensial

Menentukan Nilai Estimasi Trend

Menentukan Nilai Estimasi Musiman

Menentukan Ramalan Untuk Periode Selanjutnya (P)

Hasil Peramalan Periode t+P

Selesai

Panjang Periode Ramalan (P) <= 3 Periode

Hasil MSE dari Peramalan Data Jumlah Penjualan

Bahan Baku

3.3.1 System Flow

System Flow aplikasi peramalan permintaan bahan baku pada gudang PT.

Baba Rafi Indonesia kantor pusat terdiri dari tiga bagian, yaitu: a. System Flow Pengelolaan Permintaan Bahan Baku

System flow pengelolaan permintaan bahan baku ini berawal dari staf logistik

yang ingin memasukkan data permintaan bahan baku yang dipesan oleh outlet mandiri. Pertama staf logistik memasukkan data login yang berupa username dan password. Username dan password tersebut akan dicocokkan dengan tabel pengguna. Apabila username dan password tersebut valid maka sistem akan menampilkan form pengelolaan permintaan bahan baku. Staf logistik kemudian dapat memasukkan data permintaan bahan baku yang dipesan oleh

outlet mandiri dan menyimpannya. Apabila username dan password tersebut

tidak valid maka staf logistik diminta untuk mengisi kembali username dan

password yang valid. Data permintaan bahan baku ini akan digunakan

sebagai perhitungan peramalan dengan metode Pemulusan Eksponensial Winter. Untuk lebih jelasnya, system flow pengelolaan permintaan bahan baku dapat dilihat pada Gambar 3.6.

b. System Flow Pengelolaan Pemesanan Bahan Baku

System flow pengelolaan pemesanan bahan baku ini berawal dari staf logistik

yang ingin memasukkan data pemesanan bahan baku yang akan dipesan ke

supplier. Pertama staf logistik memasukkan data login yang berupa username

dan password. Username dan password tersebut akan dicocokkan dengan tabel pengguna. Apabila username dan password tersebut valid maka sistem akan menampilkan form pengelolaan pemesanan bahan baku. Staf logistik

kemudian dapat memasukkan data pemesanan bahan baku yang dipesan ke

supplier dan menyimpannya. Apabila username dan password tersebut tidak

valid maka staf logistik diminta untuk mengisi kembali username dan

password yang valid. Data pemesanan bahan baku ini akan digunakan sebagai

perhitungan jumlah bahan baku yang harus dibeli oleh gudang PT. Baba Rafi Indonesia kantor pusat dengan menggunakan metode Fixed Time Period

System. Untuk lebih jelasnya, system flow pengelolaan pemesanan bahan baku

dapat dilihat pada Gambar 3.7.

Sistem Pengelolaan Permintaan Bahan Baku

Staf Logistik Outlet Mandiri

Mulai

Menyimpan Data Permintaan Bahan Baku Data Permintaan Bahan Baku Data Permintaan Bahan Baku Data Permintaan Bahan Baku Berhasil Disimpan Selesai Usernama Dan Password Mengecek Data Usernama Dan Password Valid? Pengelolaan Permintaan Bahan Baku Ya 1 Tidak Menampilkan Pengelolaan Permintaan Bahan Baku

Me a pilka Pesa Data

Permintaan Bahan Baku

Berhasil Disi pa

1

Pengguna

permintaanBahan Baku

Sistem Pengelolaan Pemesanan Bahan Baku

Staf Logistik

Mulai

Menyimpan Data Pemesanan Bahan Baku Data Pemesanan Bahan Baku Data Pemesanan Bahan Baku Berhasil Disimpan Selesai Usernama Dan Password Mengecek Data Usernama Dan Password Valid? Pengelolaan Pemesanan

Bahan Baku _Ya

1 Tidak Menampilkan Pengelolaan Pemesanan Bahan Baku

Me a pilka Pesa Data

Pemesanan Bahan Baku

Berhasil Disi pa

1

pengguna

pemesananBahan Baku

Gambar 3.7 System Flow Pengelolaan Pemesanan Bahan Baku

c. System Flow Peramalan Permintaan Bahan Baku

System flow peramalan permintaan bahan baku ini berawal dari manajer

logistik yang ingin melihat hasil peramalan bahan baku yang harus dibeli. Pertama manajer logistik akan memasukkan data login yang berupa username dan password. Username dan password tersebut akan dicocokkan dengan tabel pengguna. Apabila username dan password tersebut valid maka sistem akan menampilkan form peramalan bahan baku dimana terdapat pilihan kriteria untuk memilih bahan baku dan range tanggal peramalan yang akan dilakukan. Apabila username dan password tersebut tidak valid maka staf logistik diminta untuk mengisi kembali username dan password yang valid.

Data permintaan bahan baku yang ada digunakan untuk menghitung jumlah permintaan bahan baku periode mingguan. Jumlah bahan baku yang telah dihitung berdasarkan periode mingguan tersebut digunakan untuk menghitung peramalan permintaan bahan baku yang akan datang. Data stok dan safety stok yang ada pada tabel bahan baku dan data pemesanan bahan baku serta hasil peramalan yang telah dilakukan digunakan untuk menghitung bahan baku yang harus dibeli. Setelah perhitungan bahan baku yang harus dibeli telah dilakukan maka sistem mencetak daftar jumlah bahan baku yang harus dibeli oleh gudang PT. Baba Rafi Indonesia kantor pusat Surabaya. Untuk lebih jelasnya, system flow peramalan bahan baku dapat dilihat pada Gambar 3.8.

Manajer Logistik Sistem Peramalan Permintaan Bahan Baku

Mulai

Data Usernama Dan Password Mengecek Data Usernama Dan Password Valid? Kriteria Yang Dapat Dipilih Ya

Kriteria Yang Dipilih

Meramalkan Jumlah Permintaan Bahan

Baku Yang Akan Datang Jumlah Bahan Baku

Yang Harus Dibeli

Menghitung Jumlah Bahan Baku Yang

Harus Dibeli

Mencetak Daftar Jumlah Bahan Baku

Yang Harus Dibeli Daftar Jumlah Bahan

Baku Yang Harus Dibeli

Selesai

1 Tidak

Menampilkan Kriteria Yang Dapat

Dipilih 1

Menghitung Jumlah Bahan Baku Yang Diminta (Mingguan) Pengguna permintaanBahan Baku perhitunganPeram alan hasilRamalan bahanBaku pemesananBahan Baku ftp

3.3.2 Context Diagram

Context diagram adalah gambaran menyeluruh dari Data Flow Diagram. Context diagram terdapat dua External Entity, yaitu manajer logistik dan staf

logistik. Untuk lebih jelasnya, context diagram aplikasi peramalan permintaan bahan baku dapat dilihat pada Gambar 3.9.

Gambar 3.9 Context Diagram Aplikasi Peramalan Permintaan Bahan Baku

3.3.3 Diagram Jenjang Proses

Diagram jenjang proses berguna sebagai alat desain dan teknik dokumentasi dalam siklus pengembangan sistem yang berbasis pada fungsi. Tujuan dari diagram jenjang proses adalah dapat memberikan informasi mengenai fungsi-fungsi yang ada di dalam sistem tersebut. Aplikasi peramalan permintaan bahan baku memiliki tiga sub proses yang meliputi mengelola data, meramalkan bahan baku, dan membuat laporan. Sub proses dari mengelola data adalah mengelola data pengguna, data jenis bahan baku, bahan baku, permintaan bahan baku, supplier, dan pemesanan bahan baku. Sub proses dari meramalkan bahan baku adalah mengecek login, memilih kriteria, menghitung jumlah bahan baku yang diminta, meramalkan permintaan bahan baku yang diminta, dan menghitung bahan baku yang dibeli. Untuk lebih jelasnya, diagram jenjang proses peramalan bahan baku dapat dilihat pada Gambar 3.10.

0

Aplikasi Sistem Peramalan Permintaan Bahan Baku

1 Mengelola Data 2 Meramalkan Bahan Baku 3 Membuat Laporan 1.1 Mengelola Data Pengguna 1.2 Mengelola Data Jenis Bahan Baku

1.3 Mengelola Data Bahan Baku 1.4 Mengelola Permintaan Bahan Baku 2.1 Mengecek Login 2.2 Memilih Kriteria 2.3 Menghitung Jumlah

Bahan Baku Yang Diminta

2.4 Meramalkan Permintaan Bahan Baku Yang Diminta

2.5 Menghitung Bahan

Baku Yang Dibeli

3.1 Memilih Laporan 3.2 Mencetak Laporan 1.5 Mengelola Data Supplier 1.6 Mengelola Data Pemesanan Bahan Baku

Gambar 3.10 Diagram Jenjang Proses Aplikasi Peramalan Permintaan Bahan Baku

3.3.4 Data Flow Diagram (DFD)

Data flow diagram merupakan perangkat yang digunakan pada

metodologi pengembangan sistem yang terstruktur. DFD dapat menggambarkan seluruh kegiatan yang terdapat pada sistem secara jelas. Selain itu, DFD juga mampu menggambarkan komponen dan aliran data antar komponen yang terdapat pada sistem yang akan dikembangkan.

a. Data Flow Diagram Level 0

Gambar 3.11 menggambarkan aplikasi peramalan permintaan bahan baku yang dilakukan oleh manajer logistik. Sistem ini dibagi menjadi tiga sub

dilihat pada lampiran 2 sedangkan perhitungan peramalan pada periode p di masa yang akan datang dapat dilihat pada lampiran 5.

Gambar 4.67 Hasil Perhitungan Peramalan dengan Aplikasi

b. Perhitungan Peramalan Manual

Perhitungan peramalan manual dengan metode Pemulusan Eksponensial Winter pada bahan baku Bawang Bombay 1g ini dihitung dengan menggunakan Ms. Excel. Pengguna harus mensimulasikan alpha, beta, dan gamma sebanyak 93 untuk mendapatkan nilai MSE terkecil. Tabel 4.16 adalah hasil alpha, beta, dan gamma dengan nilai MSE terkecil yang dihasilkan oleh perhitungan peramalan dengan aplikasi. Hasil perhitungan peramalan dengan aplikasi dan perhitungan peramalan manual yang disimulasikan menghasilkan nilai yang sama.

Tabel 4.16 Alpha, Beta, Gamma Peramalan Permintaan Bahan Baku Bawang Bombay 1g Gudang PT. Baba Rafi Indonesia Kantor Pusat Surabaya

Alpha 0.8 Beta 0.1 Gamma 0.1

Tabel 4.17 Perhitungan Peramalan Permintaan Bahan Baku Bawang Bombay 1g Gudang PT. Baba Rafi Indonesia Kantor Pusat Surabaya

t Yt At Tt St Yt+p

(Ramalan p)

Et

(error) et^2

1 41800 41800 0 1 41800 0.0 0.0

2 46500 45560.0 376.0 1.00 41800 4700.0 22090000.0 3 44150 44507.2 233.1 1.00 41800 2350.0 5522500.0 4 32000 34548.1 -786.1 0.99 44740.3

-12740.3 162315753.7 5 47650 44793.9 317.1 1.01 33831.6 13818.4 190947721.9 6 41600 42328.9 38.9 1.00 45074.8 -3474.8 12074153.7 7 48250 47360.4 538.1 1.00 42055.3 6194.7 38373914.7 8 41200 42270.6 -24.7 1.00 48292.9 -7092.9 50308582.2 9 42300 42372.1 -12.0 1.00 42142.6 157.4 24763.0 10 45300 44885.3 240.5 1.00 42158.5 3141.5 9869315.2

… … … …

Untuk lebih jelasnya, perhitungan peramalan manual dapat dilihat pada lampiran 6.

c. Perbandingan Perhitungan Peramalan Aplikasi dan Manual

Hasil perhitungan peramalan aplikasi pada Gambar 4.67 dengan perhitungan peramalan manual pada lampiran 6 yang telah dilakukan menghasilkan nilai yang sama. Namun, kecepatan perhitungan peramalan dengan aplikasi akan mempermudah manajer logistik gudang PT. Baba Rafi Indonesia Kantor Pusat Surabaya untuk meramalkan jumlah permintaan bahan baku yang akan datang.

Manajer logistik tidak perlu mensimulasikan alpha, beta, dan gamma untuk mendapatkan nilai MSE terkecil mengingat simulasi dilakukan sebanyak 93. Selain itu, dengan menggunakan aplikasi peramalan ini, manajer logistik juga dapat mengetahui jumlah bahan baku yang harus dibeli untuk masa yang akan datang.

4.2.3 Perhitungan Persediaan Bahan Baku yang Akan Datang

Perhitungan persediaan bahan baku yang digunakan pada aplikasi ini adalah perhitungan dengan metode Fixed Time Period System. Fixed time period system digunakan untuk mengetahui jumlah bahan baku yang harus dipesan ke

supplier dengan memperhatikan jarak atau interval waktu dari pemesanan yang

tetap serta rata-rata permintaan, safety stock, on hand, dan jumlah bahan baku datang.

a. Perhitungan Persediaan Bahan Baku yang Akan Datang dengan Aplikasi Perhitungan persediaan bahan baku dengan aplikasi ini menggunakan metode Fixed Time Period System. Perhitungan dimulai setelah manajer melakukan

peramalan berdasarkan kriteria yang dipilih. Untuk lebih jelasnya, perhitungan persediaan bahan baku dengan menggunakan aplikasi dapat dilihat pada Gambar 4.68.

Perhitungan persediaan bahan baku Bawang Bombay 1g, Cheese Saos 1p 1g, dan Dg Burger Ayam 1p dengan aplikasi ini dihitung dengan menggunakan rumus 2.13. Salah satu parameter yang dibutuhkan sistem untuk menghitung jumlah persediaan yang akan datang adalah ̅ (rata-rata permintaan) dimana ̅ diperoleh dari hasil peramalan yang dilakukan pada Gambar 4.67 atau lampiran 6.

Gambar 4.68 Hasil Perhitungan Persediaan Bahan Baku dengan Aplikasi

b. Perhitungan Persediaan Bahan Baku yang Akan Datang Manual

Perhitungan persediaan bahan baku manual dengan metode Fixed Time Period System pada bahan baku Bawang Bombay 1g ini dihitung dengan

menggunakan Ms. Excel. Tabel 4.18 adalah parameter yang digunakan dalam perhitungan fixed time period system dengan menggunakan Ms. Excel dimana

̅ diperoleh dari hasil peramalan yang dilakukan. Tabel 4.19 adalah hasil perhitungan persediaan bahan baku dengan Ms. Excel.

Tabel 4.18 Parameter Perhitungan Persediaan Bahan Baku Bawang Bombay 1g Gudang PT. Baba Rafi Indonesia Kantor Pusat Surabaya

Inisial Keterangan Nilai

q Jumlah pesanan -

T Periode review 1

L Lead time 2/7

̅49 Rata-rata permintaan minggu ke 49 62,882

̅50 Rata-rata permintaan minggu ke 50 44,157

Z Safety stock 0 I49 quantity on hand + quantity on order ke 49 0 I50 quantity on hand + quantity on order ke 50 0 I51 quantity on hand + quantity on order ke 51 0

Tabel 4.19 Hasil Perhitungan Fixed Time Period System Jumlah Pesanan Minggu

49/M1

Jumlah Pesanan Minggu 50/M2

Jumlah Pesanan Minggu 51/M3

q49 = ̅

q49 = 62,882 x (1 +

0,2857) + 0 – 0 q49 = 80,848

q50 = ̅

q50 = 44,157 x (1 +

0,2857) + 0 – 0 q50 = 56,773

q51 = ̅

q51 = 20,409 x (1 +

0,2857) + 0 – 0 q51 = 26,240

c. Perbandingan Perhitungan Persediaan Bahan Baku Aplikasi dan Manual Hasil perhitungan persediaan bahan baku aplikasi pada Gambar 4.68 dengan perhitungan peramalan manual pada Tabel 4.19 yang telah dilakukan menghasilkan nilai yang sama. Namun, perhitungan persediaan bahan baku dengan aplikasi dapat menghasilkan data supplier dan lead time pemesanan bahan baku. Data tersebut dapat menjadi pertimbangan bagi manajer logistik dalam memesan bahan baku berdasarkan lead time supplier. Kecepatan perhitungan persediaan bahan baku dengan aplikasi akan mempermudah manajer logistik gudang PT. Baba Rafi Indonesia Kantor Pusat Surabaya untuk menghitung jumlah permintaan bahan baku yang akan datang berdasarkan hasil peramalan yang dilakukan.

154

PT. Baba Rafi Indonesia. 1994. Peramalan Bisnis Edisi Pertama. Yogyakarta: BPFE-Yogyakarta.

Arsyad, Lincolin. 1994. Peramalan Bisnis Edisi Pertama. Yogyakarta: BPFE-Yogyakarta.

Chase R. B., Jacobs F. R., & Aquilano N. J. 2006. Operations Management For Competitive Advantage 11th Edition. New York: McGraw-Hill.

England, John Wiley., dan Sons. 2004. “Guide to the Software Engineering Body

of Knowledge 2004 Version:” SWEBOK A Project of the IEEE Computer

Society Professional Practices Committee. IEEE.

Jogiyanto HM, MBA, Akt., Ph.D. 2003. Sistem Teknologi Informasi Pendekatan Terintegrasi: Konsep Dasar, Teknologi, Aplikasi, Pengembangan dan Pengelolaan. Yogyakarta: Andi.

Makridakis, Spyros, dan Wheelwright, Steven C. 1992. Metode-metode Peramalan untuk Manajemen Edisi Kelima. Jakarta: Binarupa Aksara.

Nasution, A. H. 1999. Perencanaan dan Pengendalian Persediaan. Surabaya: ITS.

Rizky, Soetam. 2011. Konsep Dasar Rekayasa Perangkat Lunak. Jakarta: PT. Prestasi Pustakaraya.

Royce, Winston. 1970. "Managing the Development of Large Software Systems", Proceedings of IEEE WESCON 26 (August): 1–9.

Santoso, Singgih. 2009. Metode Peramalan Bisnis Masa Kini dengan MINITAB dan SPSS. Jakarta: PT. Elex Media Komputindo.

Sommerville, I. dan Sawyer, P. 1997. Requirements Engineering: A Good Practice. Chichester.