TA : Rancang Bangun Aplikasi Peramalan Permintaan Obat Pada Rumah Sakit Petrokimia Gresik Menggunakan Metode Trend Exponential.

RANCANG BANGUN APLIKASI PERAMALAN

PERMINTAAN OBAT PADA RUMAH SAKIT PETROKIMIA

GRESIK MENGGUNAKAN METODE TREND EXPONENTIAL

TUGAS AKHIR

Program Studi

S1 Sistem Informasi

Oleh:

DONI FITRAH AJIEB

10.41010.0125

FAKULTAS TEKNOLOGI DAN INFORMATIKA

INSTITUT BISNIS DAN INFORMATIKA STIKOM SURABAYA

ix

ABSTRAK ... vi

KATA PENGANTAR ... vii

DAFTAR ISI ... ix

DAFTAR TABEL ... xii

DAFTAR GAMBAR... xiii

DAFTAR LAMPIRAN... xv

BAB I PENDAHULUAN... 1

1.1 Latar Belakang Masalah ... 1

1.2 Perumusan Masalah... 4

1.3 Pembatasan Masalah... 4

1.4 Tujuan Penelitian... 5

1.5 Manfaat Penelitian... 5

1.6 Sistematika Penulisan ... 5

BAB II LANDASAN TEORI ... 8

2.1 Peramalan... 8

2.1.1 Jenis Peramalan ... 8

2.2 Peramalan Permintaan ... 10

2.3 Data Runtut Waktu ... 11

2.3.1 Pola Data Runtut Waktu ... 11

2.4 Analisis Pola Data dengan Analisis Otokorelasi... 14

2.5 Model Trend Exponential ... 14

x

2.8 Aplikasi ... 18

2.9 Pengujian Black Box ... 19

2.10 Teknik Pengumpulan Data... 19

BAB III ANALISIS DAN PERANCANGAN SISTEM... 21

3.1 Analisis Sistem ... 21

3.1.1 Komunikasi... 21

3.1.2 Perencanaan ... 26

3.2 Perancangan Sistem ... 26

3.2.1 Perancangan Proses... 27

3.2.2 Perancangan Basis Data ... 31

3.2.3 Perancangan Antar Muka Pengguna ... 34

3.3 Perancangan Pengujian Sistem... 38

3.3.1 Pengujian Sistem Oleh Ahli Sistem... 38

3.3.2 Pengujian Data... 40

BAB IV IMPLEMENTASI DAN EVALUASI ... 42

4.1 Implementasi Sistem (Konstruksi Sistem) ... 42

4.1.1 Kebutuhan Sistem ... 42

4.1.2 Hasil Implementasi Sistem... 43

4.2 Evaluasi Sistem (Pengujian Sistem) ... 47

4.2.1 Hasil Uji Coba ... 48

xi

5.1 Kesimpulan ... 63

5.2 Saran ... 63

DAFTAR PUSTAKA ... 65

1 1.1 Latar Belakang Masalah

Rumah Sakit Petrokimia Gresik (RSPG) merupakan salah satu Rumah sakit yang merupakan mitra kerja dari PT Jamsostek Cabang. Rumah Sakit ini merupakan Rumah sakit umum yang didalamnya terdapat unit perawatan Radiologi, CT Scan, dan lain-lain. Rumah Sakit ini beralamat di Jl. Jenderal Ahmad yani no 69 Gresik, selain melayani perawatan di atas RSPG juga melayani penjualan obat untuk pihak eksternal maupun menyediakan stok obat untuk unit terkait yang ada di dalam RSPG tersebut, namun pada penelitian ini unit yang terkait adalah unit gudang sebagai unit penyimpanan obat serta unit yang menjembatani pihak RSPG dan pihak supplier obat, selain unit gudang unit lain nya adalah unit farmasi, UGD dan lain lain.

Proses bisnis yang berkaitan dengan stok obat yang ada di RS Petrokimia yaitu proses permintaan obat ke gudang dari unit yang membutuhkan. Proses permintaan obat ke gudang dimulai saat unit terkait memerlukan obat, unit tersebut akan melakukan permintaan pemenuhan obat ke gudang agar obat yang dimiliki oleh unit tersebut dapat terpenuhi. Kemudian gudang akan menerima daftar obat apa saja yang diminta oleh unit tersebut. Pihak gudang akan melakukan pengecekan pada stok obat yang dimiliki dengan permintaan obat yang diminta oleh unit tersebut, bila obat tersebut ada maka akan langsung dipenuhi permintaan obat tersebut, namun apabila obat tersebut kurang atau habis stoknya maka pihak gudang akan melakukan pengadaan barang tersebut melalui bagian

pengadaan. Obat yang dimiliki oleh RS tersebut ada ratusan, namun ada beberapa obat yang mengalami masalah yakni obat tersebut sering mengalami masalah pemenuhan. Obat yang mengalami permasalahan dalam stok adalah, Spuit 10cc Terumo, Aquabidest Inj 25ml/fls, Ringer lactat 500ml inf, Antrain inj, Spuit 10ml stera.

Gambar 1.1 Grafik Permintaan Obat AQUABIDEST INJ 25ML/FLS

Gambar di atas adalah grafik permintaan obat AQUABIDEST INJ 25ML/FLS, data tersebut diperoleh dengan cara memilah data obat tersebut kemudian pemenuhan obat tersebut dibagi menjadi tiap minggu, sehingga mendapatkan 76 data obat dari November 2013 hingga April 2015.

Permasalahan yang dihadapi saat ini adalah, pihak gudang belum dapat mengetahui dengan pasti berapa permintaan obat yang akan masuk untuk periode selanjutnya. Hal ini berdampak pada muncul nya kemungkinan permintaan yang

tidak dapat dipenuhi, selain itu dampak lain nya adalah turun nya tingkat pelayanan obat kepada pasien.

Dari uraian di atas maka dibutuhkan sebuah aplikasi yang dapat membantu perusahaan dalam melakukan peramalan permintaan obat, sehingga unit terkait dapat mengetahui dengan pasti berapa permintaan obat yang akan masuk untuk periode selanjutnya. Aplikasi peramalan permintaan yang nantinya akan dibuat akan menggunakan metode Trend Exponential. Alasan metode ini digunakan sebagai penyelesaian masalah adalah penulis telah melakukan pengujian pola data terhadap sampel obat, data obat sebanyak 76 data tersebut diolah menggunakan aplikasi bernama Minitab untuk dapat dilihat bentuk dari pola datanya. Bentuk pola data dari kelima obat yang bermasalah dapat dilihat pada gambar dibawah ini.

Pada gambar di atas dapat dilihat pola data obat tersebut membentuk pola trend, bila pola data menunjukkan pola trend maka metode yang paling tepat digunakan adalah metode Trend Exponential, untuk bentuk pola data yang lain dapat dilihat pada lampiran.

1.2 Perumusan Masalah

Berdasarkan latar belakang di atas, maka dapat dirumuskan permasalahan yaitu bagaimana merancang dan membangun aplikasi peramalan permintaan obat pada RS Petrokimia Gresik yang dapat meningkatkan keakuratan peramalan permintaan obat.

1.3 Pembatasan Masalah

Berdasarkan rumusan masalah di atas, maka batasan masalah yang digunakan dalam penelitian ini adalah sebagai berikut:

1. Peramalan dilakukan dengan metode Trend Exponential.

2. Periode yang akan diramalkan adalah periode jangka pendek yaitu 1 minggu ke depan.

3. Periode data permintaan obat yang digunakan bulan November tahun 2013 sampai dengan bulan April tahun 2015.

4. Proses aplikasi ini hanya akan menghasilkan output berupa hasil permintaan obat, tidak sampai pada pemesanan obat ke supplier.

5. Lima jenis data obat yang digunakan dalam penelitian, yaitu: a. SPUIT 10CC TERUMO

b. AQUABIDEST INJ 25ML/FLS c. RINGER LACTAT 500ML INF

d. ANTRAIN INJ e. SPUIT 10ML STERA

6. Pengujian aplikasi dilakukan oleh ahli sistem, sedangkan pengujian data dilakukan dengan bantuan staf ahli.

1.4 Tujuan Penelitian

Berdasarkan perumusan masalah di atas, tujuan dari Tugas Akhir yang dibuat yaitu menghasilkan aplikasi rancang bangun peramalan permintaan obat pada RS Petrokimia Gresik.

1.5 Manfaat Penelitian

Manfaat dari rancang bangun aplikasi peramalan permintaan untuk perusahaan yaitu memberikan kontribusi untuk mengurangi resiko unit terkait kehabisan stok obat yang dimiliki.

1.6 Sistematika Penulisan

Sistematika penulisan disusun dengan tujuan agar segala aktifitas yang dilakukan dalam penelitian ini dapat terekam dalam bentuk laporan secara jelas dan sistematis. Penyajiannya dibagi berdasarkan beberapa bab.

BAB I PENDAHULUAN

Pada bab ini menjelaskan latar belakang masalah yang mendasari penulis dalam merancang dan membangun aplikasi penanganan komplain. Bab ini juga mencakup perumusan masalah, pembatasan masalah, tujuan penelitian, manfaat penelitian dan sistematika penulisan laporan penelitian.

BAB II LANDASAN TEORI

Pada bab ini akan menjelaskan mengenai teori-teori yang mendukung atau digunakan sebagai bahan acuan pada saat, setelah ataupun sebelum melakukan penelitian antara lain peramalan, kebutuhan akan peramalan, macam peramalan, proses peramalan, definisi data, macam-macam data, data runtut waktu, pola data runtut waktu, analisis pola data dengan analisis otokorelasi, metode trend exponential, analisis dan perancangan sistem, proses pengembangan model waterfall, aplikasi, pengujian black box.

BAB III ANALISIS DAN PERANCANGAN SISTEM

Dalam bab akan menjelaskan bagaimana awal proses penelitian ini dilakukan sehingga menghasilkan sebuah perancangan yang diperoleh melalui beberapa tahapan seperti, pengumpulan data, identifikasi permasalahan, analisis permasalahan, solusi permasalahan yang diberikan, sampai dengan perancangan system, seperti system flow, use case diagram, activity diagram, sequence diagram, class diagram, struktur basis data, dan interface dari aplikasi yang dirancang dan dibangun.

BAB IV IMPLEMENTASI DAN EVALUASI

Pada bab ini menjelaskan mengenai hasil implementasi dari analisis dan perancangan sistem yang telah dilakukan. Bab ini menunjukkan tampilan dari aplikasi yang telah dibuat, serta analisis dari hasil uji coba aplikasi yang telah dilakukan.

BAB V KESIMPULAN DAN SARAN

Pada bab ini menjelaskan tentang kesimpulan dari hasil analisis dan perancangan aplikasi penanganan komplain. Selain itu, pada bab ini berisi tentang pembahasan permasalahan yang telah dilakukan dan saran bagi pengembangan aplikasi penanganan komplain sehingga aplikasi dapat disesuaikan dengan seiring bertambahnya kebutuhan bisnis dari perusahaan.

8

Dalam merancang dan membangun aplikasi, sangatlah penting untuk mengetahui terlebih dahulu dasar-dasar teori yang digunakan. Dasar-dasar teori tersebut digunakan sebagai landasan berpikir dalam melakukan pembahasan lebih lanjut sehingga terbentuk suatu aplikasi yang sesuai dengan tujuan awal.

2.1 Peramalan

Menurut Arsyad (2001: 7), peramalan menunjukkan perkiraan yang akan terjadi pada suatu keadaan tertentu. Ramalan menjadi input bagi proses perencanaan dan pengambilan keputusan. Peramalan merupakan proses untuk memperkirakan berapa kebutuhan dimasa akan datang, kebutuhan tersebut meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu, dan lokasi yang dibutuhkan dalam rangka memenuhi permintaan sebuah barang maupun jasa. Hasil dari peramalan tersebut akan menjadi masukan untuk proses perencanaan ataupun proses pengambilan keputusan pada perusahaan.

2.1.1 Jenis Peramalan

Menurut Arsyad (2001: 9)Jenis–jenis peramalan yaitu:

a. Peramalan dilihat dari sifat penyusunnya dapat dibedakan sebagai berikut: 1. Peramalan yang subjektif

Peramalan yang didasarkan pada perasaan atau instuisi dari orang yang melakukan peramalan.

2. Peramalan yang objektif

Peramalan yang didasarkan pada data-data dari masa lalu dengan menggunakan metode–metode dalam penganalisaan data tersebut.

b. Peramalan dilihat dari sifat ramalan yang telah disusun dapat dibedakan sebagai berikut:

1. Peramalan Kualitatif

Peramalan yang didasarkan atas data kualitatif pada masa lalu, hasil peramalan tergantung pada yang melakukan proses peramalan.

2. Peramalan Kuantitatif

Peramalan yang didasarkan atas data kuantitatif pada masa lalu, hasil peramalan tergantung pada metode yang digunakan selama proses peramalan.

c. Peramalan dilihat dari waktu dapat dibedakan sebagai berikut: 1. Peramalan Jangka Panjang

Peramalan jangka panjang diperlukan mencapai tujuan umum organisasi jangka panjang, oleh karena itu peramalan jangka panjang ini merupakan titik perhatian utama dari manajemen puncak.

2. Peramalan Jangka Pendek

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.

2.1.2 Proses Peramalan

Menurut Arsyad (2001: 12) Ramalan-ramalan yang berguna bagi manajemen harus dianggap sebagai suatu proses yang sistemis. Sifat dinamis dari pasar mengharuskan suatu ramalan untuk dikaji ulang, direvisi, dan diskusikan. Oleh karena itu, tahap-tahap peramalan dapat dibagi menjadi beberapa tahap sebagai berikut:

1. Penentuan tujuan peramalan. 2. Pemilihan teori yang relevan. 3. Pencarian data yang tepat. 4. Analisis data.

5. Pengestimasian model awal (sementara). 6. Evaluasi dan revisi model.

7. Penyajian ramalan sementara kepada manajemen. 8. Pembuatan revisi final.

9. Pendistribusian hasil peramalan.

10. Penentuan langkah-langkah pemantauan.

2.2 Peramalan Permintaan

Peramalan permintaan merupakan tingkat permintaan produk-produk yang diharapkan akan terealisir untuk jangka waktu tertentu pada waktu tertentu pada masa yang akan datang. Peramalan permintaan ini akan menjadi masukan yang penting dalam pengambilan keputusan perencanaan dan pengendalian perusahaan, karena unit terkait bertanggung jawab untuk memenuhi kebutuhan obat yang dibutuhkan oleh pasien, peramalan permintaan

ini digunakan untuk meramalkan permintaan produk yang bersifat bebas (tidak bergantung), seperti peramalan produk jadi.

2.3 Data Runtut Waktu

Setiap variabel yang terdiri dari data yang dikumpulkan, dicatat, atau diobservasi sepanjang waktu yang berurutan disebut data runtut waktu (time series) (Arsyad, 2001:37).

2.3.1 Pola Data Runtut Waktu

Langkah penting dalam memilih suatu data runtut waktu (time series) yang tepat adalah dengan mempertimbangkan jenis pola data, sehingga metode yang paling tepat dengan pola tersebut dapat diuji. Pola data dapat dibedakan menjadi empat jenis (Makridakis, Wheelwright dan McGee, 1995 : 10-11) yaitu: a. Pola horizontal (H)

Pola horizontal terjadi bila nilai data berfluktuasi di sekitar nilai rata-rata yang konstan. (Deret seperti itu adalah “statsioner” terhadap nilai rata-ratanya). Suatu produk yang penjualannya tidak meningkat atau menurun selama waktu tertentu termasuk dalam jenis ini. Gambar 2.1 menunjukkan suatu pola khas dari data horizontal atau stasioner.

Gambar 2.1 Pola Horisontal b. Pola musiman (S)

Pola musiman terjadi saat dimana suatu deret dipengaruhi oleh faktor musiman (misalnya kuartal tahun tertentu, bulanan, atau hari pada minggu tertentu). Untuk pola musiman kuartalan dapat dilihat pada Gambar 2.2. Menurut Arsyad (2001:38), variasi musiman menunjukkan kondisi musim atau hari libur.

c. Pola siklis (C)

Pola siklis ini terjadi karena datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis. Pola siklis dapat dilihat pada Gambar 2.3.

Gambar 2.3 Pola Data Siklis

d. Pola trend (T)

Pola ini terjadi bila terdapat kenaikan atau penurunan sekuler jangka panjang dalam data.Pola trend dapat dilihat pada Gambar 2.4.

2.4 Analisis Pola Data dengan Analisis Otokorelasi

Menurut Arsyad (2001 : 39), pola data, termasuk trend, musiman, dan ketidakberaturan, dapat dianalisis dengan menggunakan pendekatan analisis otokorelasi. Persamaan (1) berikut ini biasanya digunakan untuk menghitung koefisien otokorelasi tingkat pertama ( ) atau korelasi dengan

.

=

…………...(1)

Keterangan:

= koefisien otokorelasi tingkat pertama = nilai rata-rata serial data

= observasi pada waktu t

= observasi pada satu periode sebelumnya (t-1) 2.5 Model Trend Exponential

Menurut Arsyad (2001 : 104), untuk melakukan pengukuran sebuah deret waktu yang mengalami kenaikan atau penurunan yang cepat maka digunakan metode trend eksponensial. Dalam metode ini digunakan tiga persamaan antara lain:

a. Rangkaian pemulusan secara eksponensial

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

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

Keterangan:

At = nilai baru yang telah dimuluskan

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

= data baru atau nilai Y yang sebenarnya pada periode t β = konstanta pemulusan untuk estimasi trend (0≤β ≤ 1) Tt = estimasi trend

p = periode yang diramalkan = nilai ramalan pada periode p

Persamaan kedua (2) memiliki variabel trend (Tt), berbeda dengan pemulusan eksponential tunggal. Estimasi trend dihitung dengan cara menghitung selisih antara dua nilai pemulusan eksponensial (At–At-1).

Konstanta pemulusan yang kedua (β) digunakan untuk menghaluskan estimasi trend. Persamaan tiga (3) menunjukkan bahwa estimasi trend (At– At-1) dikalikan dengan β dan kemudian ditambahkan pada estimasi yang lama (Tt), dikalikan dengan (1-β). Hasil persamaan tiga (3) adalah trend yang dihaluskan tanpa pengaruh random.

Persamaan keempat (4) memperlihatkan ramalan untuk periode p. estimasi trend (Tt) dikalikan dengan jumlah periode yang akan diramalkan (p) dan kemudian hasilnya ditambahkan pada data pemulusan yang tahunnya sama (At) untuk menghilangkan pengaruh random.

2.6 Testing

Analisis sistem dilakukan dengan tujuan untuk dapat mengidentifikasi dan mengevaluasi permasalahan yang terjadi dan kebutuhan yang diharapkan, sehingga dapat diusulkan perbaikannya. Perancangan sistem merupakan penguraian suatu sistem informasi yang utuh ke dalam bagian komputerisasi yang dimaksud, mengidentifikasi dan mengevaluasi permasalahan, menentukan kriteria, menghitung kosistensi terhadap kriteria yang ada, serta mendapatkan hasil atau tujuan dari masalah tersebut serta mengimplementasikan seluruh kebutuhan operasional dalam membangun aplikasi.

Menurut Kendall (2003:7), analisis dan perancangan sistem dipergunakan untuk menganalisis, merancang, dan mengimplementasikan peningkatan-peningkatan fungsi bisnis yang dapat dicapai melalui penggunaan sistem informasi terkomputerisasi.

2.7 Proses Pengembangan model Waterfall

Model Waterfall pertama kali diperkenalkan oleh Winston Royce tahun 1970. Menurut Kristanto (2004 : 12), keluaran dari setiap tahap merupakan masukan bagi tahap berikutnya. Model proses pengembangan ini dikatakan waterfall karena setiap tahap demi tahap yang dilalui harus menunggu selesainya tahap sebelumnya dan berjalan urut. Kemajuan tahapan mengalir dari atas ke bawah, seperti air terjun yang mengalir.

Menurut Tanuwijaya dan Herlambang (2003 : 186 - 188), model waterfall ini cocok untuk produksi suatu aplikasi tunggal yang biayanya rendah. Model waterfall dapat dilihat pada Gambar 2.4. Keuntungan yang diperoleh

dengan menggunakan model waterfall adalah terstruktur. Langkah-langkah yang penting dalam model ini adalah sebagai berikut.

a. Penentuan dan analisis spesifikasi (Requirements Definition).

Dalam tahap ini kendala dan tujuan dihasilkan dari konsultasi dengan pengguna sistem, kemudian dibuat dalam bentuk yang dapat dimengerti oleh pemakai dan staf pengembang.

b. Desain sistem dan sistem informasi (System and Software Design).

Proses desain system membagi kebutuhan-kebutuhan menjadi sistem informasi atau perangkat keras. Proses tersebut menghasilkan sebuah arsitektur sistem keseluruhan. Desain sistem informasi termasuk menghasilkan fungsi sistem-sistem inforrmasi dalam bentuk yang mungkin ditransformasi ke dalam satu atau lebih program yang dapat dijalankan. c. Implementasi dan uji coba unit (Implementation and Unit Testing).

Selama tahap ini desain sistem informasi disadari sebagai sebuah program lengkap atau unit program. Uji unit termasuk pengujian bahwa setiap unit sesuai spesifikasi.

d. Integrasi dan uji coba system (Integration and System Testing).

Unit program diintegrasikan dan diuji menjadi sistem yang lengkap untuk menyakinkan bahwa persyaratan sistem informasi telah dipenuhi. Setelah ujicoba, sistem disampaikan kepada pelanggan.

e. Operasi dan pemeliharaan (Operation and Maintenance).

Normalnya, ini adalah fase yang yang terpanjang. Sistem dipasang, digunakan, dan dilakukan pemeliharaan termasuk pembetulan kesalahan

yang tidak ditemukan pada langkah sebelumnya. Perbaikan implementasi unit sistem dan peningkatan jasa sistem sebagai kebutuhan baru ditemukan.

Gambar 2.5 Model Pengembangan Waterfall

2.8 Aplikasi

Menurut Jogiyanto (2005 : 12), aplikasi adalah penggunaan dalam suatu komputer, instruksi (instruction) atau pernyataan (statement) yang disusun sedemikian rupa sehingga komputer dapat memproses masukan menjadi keluaran. Menurut kamus besar bahasa Indonesia (2005 : 52), aplikasi adalah penerapan dari rancang sistem untuk mengolah data yang menggunakan aturan atau ketentuan bahasa pemrograman tertentu. Dari definisi di atas dapat disimpulkan bahwa aplikasi adalah suatu program komputer yang dibuat untuk mengerjakan dan melaksanakan tugas khusus dari pengguna.

2.9 Pengujian Black Box

Menurut Pressman (2004 : 532), pengujian adalah proses eksekusi suatu program dengan maksud menemukan kesalahan. Menurut Pressman (2004 : 577), teknik pengujian black box adalah yang paling lazim selama integrasi. Pengujian black box digunakan untuk memperlihatkan bahwa fungsi-fungsi perangkat lunak adalah operasional bahwa masukan diterima dengan baik dan keluaran dihasilkan dengan tepat.

2.10 Teknik Pengumpulan Data

Menurut Sugiyono (2013: 223 - 237), bila dilihat dari segi cara atau teknik pengumpulan data, maka teknik pengumpulan data dapat dilakukan dengan tiga cara, yaitu:

a. Wawancara

Wawancara digunakan sebagai teknik pengumpulan data apabila peneliti ingin melakukan studi pendahuluan untuk menemukan permasalahan yang harus diteliti, dan juga apabila peneliti ingin mengetahui hal-hal dari responden yang lebih mendalam dan jumlah respondennya sedikit atau kecil.

b. Kuesioner

Menurut Sugiyono (2013: 230), kuesioner merupakan teknik pengumpulan data yang dilakukan dengan cara memberi seperangkat pertanyaan atau pernyataan tertulis kepada responden untuk dijawabnya. Kuesioner juga cocok untuk digunakan bila jumlah responden cukup besar dan tersebar di wilayah yang luas.

c. Observasi

Observasi merupakan proses untuk memperoleh data dari tangan pertama dengan mengamati orang dan tempat pada saat dilakukan penelitian. Menurut Sugiyono (2013: 235 - 237), dari segi proses pelaksanaan pengumpulan data, observasi dapat dibedakan menjadi dua, yaitu:

1. Observasi Berperan serta

Peneliti terlibat dengan kegiatan sehari-hari orang yang sedang diamati atau yang digunakan sebagai sumber data penelitian. Dalam suatu perusahaan atau organisasi pemerintah misalnya peneliti dapat berperan sebagai karyawan, ia dapat mengamati bagaimana perilaku karyawan dalam bekerja, semangat kerjanya dan lain sebagainya.

2. Observasi Non-partisipan

21

Pada bab ini dijelaskan mengenai analisis dari permsalahan yang diambil pada Rumah Sakit Petrokimia Gresik. Selain itu, bab ini juga merancang desain sistem dari Rancang Bangun Aplikasi Peramalan Permintaan Obat pada Rumah Sakit Petrokimia Gresik Menggunakan Metode Trend Exponential.

3.1 Analisis Sistem

Pada tahap analisis dilakukan beberapa proses yang berhubungan dengan tahapan awal metode penelitian. Pada metode penelitian yang diambil menggunakan model waterfall. Pada model waterfall terdapat beberapa tahapan yang meliputi tahap komunikasi, tahap perencanaan, tahap pemodelan, tahap konstruksi dan tahap penerapan aplikasi. Pada tahap analisis sistem membahas tentang komunikasi dan perencanaan.

3.1.1 Komunikasi

Cara ini dilakukan untuk melihat kondisi Rumah Sakit Petrokimia Gresik dalam hal mengurus permintaan persediaan obat dari unit ke gudang. Observasi yang dilakukan meliputi observasi terhadap laporan permintaan obat dan penentuan persediaan untuk satu bulan sebelumnya.

A Analisis Bisnis

Pada analisis bisnis dituliskan hasil dari observasi dan wawancara secara rinci tentang proses pengadaan bahan baku yang terjadi pada saat ini. Proses analisis bisnis dapat disusun empat identifikasi yaitu identifikasi masalah, identifikasi pengguna, identifikasi data dan identifikasi fungsi.

1. Identifikasi masalah

Manajer pada Rumah Sakit Petrokimia Gresik berperan penting dalam setiap perencanaan perusahaan Rumah Sakit Petrokimia Gresik dan salah satunya adalah penentuan permintaan obat untuk periode ke depan.

2. Identifikasi pengguna

Setelah ditemukan beberapa permasalahan yang muncul, maka dapat dilakukan identifikasi pengguna. Pada proses peramalan permintaan obat penggunanya adalah manajer, namun selain manajer ada beberapa pengguna yang berperan pada penelitian ini, antara lain staf ahli dan ahli sistem. Staf ahli di sini adalah pihak dari RSPG sendiri yang melakukan peramalan permintaan, selain itu staf ahli di sini juga memiliki tujuan membantu melakukan perbandingan hasil peramalan untuk periode ke depan. Ahli sistem di sini adalah yang menjalankan fungsi dari aplikasi peramalan permintaan obat.

3. Identifikasi data

Pada tahap identifikasi data diperlukan beberapa data untuk merancang aplikasi ini. Data tersebut meliputi data obat, data permintaan.

4. Identifikasi fungsi

Setelah dilakukan proses identifikasi permasalahan, pengguna dan data, maka dapat dilakukan proses identifikasi fungsi. Identifikasi fungsi menghasilkan beberapa fungsi yaitu fungsi peramalan permintaan.

B Analisis Kebutuhan Pengguna

Berdasarkan hasil wawancara dan observasi dengan bagian farmasi dan gudang Rumah Sakit Petrokimia Gresik, didapatkan kebutuhan pengguna yaitu:

Tabel 3.1 Tabel Kebutuhan Pengguna

Deskripsi Fungsi ini digunakan oleh manajemen untuk melakukan proses peramalan permintaan obat, dengan menggunakan data permintaan yang telah direkap oleh bagian gudang di Ms. Excel Aktor Manajemen

Input Data history permintaan obat

Proses Melakukan proses peramalan dari data history permintaan obat menggunakan metode trend ekspoensial.

Output Prediksi jumlah permintaan obat

Peraturan Data ramalan permintaan dianggap akurat, jika Mean Percentage Error (MAPE)≤ 20%

C Analisis Kebutuhan Data

Dalam tahap ini, menjelaskan tentang aplikasi yang akan dirancang dan dibangun digunakan untuk membantu pihak Rumah Sakit Petrokimia Gresik dalam menentukan jumlah permintaan obat untuk periode selanjutnya.

Berikut ini adalah data yang telah dikumpulkan berdasarkan proses wawancara ataupun observasi pada perusahaan, yaitu:

1. Data Permintaan.

Data permintaan yang berhasil dikumpulkan adalah data mulai dari November 2013 hingga bulan April 2015. Data ini digunakan sebagai acuan dalam melakukan proses menentukan jumlah permintaan obat untuk periode ke depan, mengingat metode yang digunakan sebagai pendukung dalam proses perencanaan penentuan persediaan untuk periode ke depan adalah metode peramalan, dimana dibutuhkan pengolahan data untuk mengetahui pola data permintaan pada perusahaan. Dengan demikian data permintaan dapat digunakan untuk menentukan metode peramalan yang tepat. Data permintaan juga akan selalu digunakan setiap kali akan melakukan proses menentukan jumlah permintaan obat untuk periode ke depan.

2. Data Obat

Data obat di sini digunakan untuk proses peramalan permintaan, data obat di sini berisi nama obat yang akan diketahui jumlah permintaan nya untuk periode ke depan.

D Analisis Kebutuhan Fungsi

Berdasarkan user requirement di atas, maka dapat dirancang kebutuhan fungsi dari aplikasi Pada tahap kebutuhan fungsi digunakan untuk mengimplementasikan seluruh fungsi yang didapatkan dari hasil analisis kebutuhan pengguna.

Tabel 3.2 Tabel Kebutuhan Fungsi

Deskripsi Fungsi ini digunakan oleh manajemen untuk melakukan proses peramalan permintaan obat, dengan menggunakan data permintaan yang telah direkap oleh bagian gudang di Ms. Excel

Pemicu Awal Manajemen melakukan login

Input Data history permintaan obat yang diambil dari Ms. Excel Pre-conditions Aktor sudah terotentikasi

Alur

komputerisasi

1. Aktor menekan tombol upload excel.

1.1. Aplikasi akan menampilkan form openfiledialog.

2. Aktor memilih file excel.

3. Aktor menekan tombol buka pada form openfiledialog.

3.1. Aplikasi menampilkan data permintaan obat yang telah diupload.

4. Aktor memilih data obat dari listbox.

4.1. Aplikasi akan menampilkan data permintaan obat yang telah dipilih kedalam gridview. 4.2. Aplikasi akan melakukan iterasi nilai α dan

β.

4.3. Aplikasi akan menghitung MAPE terbaik

dari nilai random α dan β.

5. Aktor melakukan proses peramalan permintaan. 5.1. Aplikasi akan melakukan proses peramalan

permintaan.

5.2. Aplikasi akan menampilkan data prediksi jumlah permintaan untuk periode ke depan. Akhir Data Prediksi jumlah permintaan.

-3.1.2 Perencanaan

Pada tahap perencanaan dilakukan proses penjadwalan dari awal melakukan observasi pada RS Petrokimia Gresik, kemudian proses wawancara dengan pengguna. Setelah melakukan tahap tersebut, maka dapat disusun analisis bisnis yang selanjutnya peneliti melakukan proses analisis kebutuhan pengguna dengan cara observasi dan wawancara dengan pengguna pada RS Petrokimia Gresik. Kemudian proses selanjutnya yaitu, peneliti membuat analisis kebutuhan data dan analisis kebutuhan fungsi. Setelah itu, peneliti melakukan perencanaan yang menghasilkan beberapa kebutuhan perangkat keras dan perangkat lunak yang digunakan dalam pembuatan aplikasi. Setelah itu dilakukan proses pemodelan yang membahas tentang perancangan arsitektur, perancangan proses, perancangan basis data, perancangan antar muka dan perancangan pengujian. Setelah itu proses pengkodean dan pengujian aplikasi pada tahap konstruksi.

Untuk membuat aplikasi ini dibutuhkan beberapa spesifikasi perangkat keras dan perangkat lunak. Untuk perangkat keras dibutuhkan processor core i3, memory RAM 2 Gb, hardisk 320 Gb, VGA 1 Gb, Monitor dengan resolusi 1024 x 768, mouse, keyboard. Sedangkan untuk perangkat lunak dibutuhkan SqlServer, .Net Framework 3.5 lain dan Sistem Operasi Windows 7.

3.2 Perancangan Sistem

Berdasarkan hasil analisis yang sudah dibuat, maka dapat dilakukan perancangan sistem sebagai dasar pembuatan aplikasi peramalan permintaan obat. Pada tahap perancangan sistem diawali dengan analisis kebutuhan pengguna,

kemudian analisis kebutuhan perangkat lunak, perancangan proses, perancangan basis data, perancangan antar muka dan perancangan uji coba.

3.2.1 Perancangan Proses

Pada tahap perancangan proses terdapat beberapa proses yaitu merancang alur proses bisnis, pembuatan use case diagram, activity diagram, sequence diagram, class diagram.

A. Use Case Diagram

Use case diagram digunakan untuk menjelaskan hubungan antara actor dengan sistem yang akan dibuat. Use case diagram juga digunakan untuk mengetahui fungsi apa saja yang ada di dalam sebuah sistem. Pada gambar 3.1 use case peramalan permintaan memiliki dua buah fungsi utama, fungsi yang pertama adalah

1. Fungsi mencari alfa, beta, dan MAPE.

Fungsi ini memiliki inputan berupa data permintaan obat, yang nantinya data permintaan obat tersebut akan diolah sehingga menghasilkan keluaran berupa nilai alfa, beta dan MAPE yang terbaik.

2. Fungsi melakukan proses peramalan permintaan.

Fungsi ini merupakan fungsi lanjutan dari fungsi sebelumnya, dimana inputan dari proses ini berasal dari fungsi sebelumnya. Data alfa, beta, dan MAPE yang terbaik akan menjadi inputan untuk mencari nilai permintaan obat untuk periode ke depan.

B. Activity Diagram

Pada bagian activity diagram dijelaskan proses lebih detil mengenai proses pencarian alfa, beta, dan MAPE yang nantinya digunakan untuk proses peramalan permintaan. Proses ini diawali dengan manajer melakukan proses upload data permintaan obat yang sudah direkap dalam bentuk excel. Data permintaan obat tersebut berisikan id obat, nama obat, tanggal permintaan obat, dan jumlah permintaan obat. Setelah selesai melakukan upload data permintaan obat tadi, maka data obat tadi akan disimpan, sehingga dapat digunakan sebagai inputan untuk mencari nilai alfa, beta dan MAPE.

Proses pencarian variabel ini dihitung menggunakan rumus-rumus yang ada pada metode trend exponential. Tujuan dari dicari nya variabel ini adalah menemukan nilai MAPE terbaik dari iterasi alfa dan beta. Kemudian saat alfa dan beta telah ditemukan maka alfa beta tersebut akan disimpan yang nantinya nilai

variabel inilah yang nanti akan digunakan untuk mencari nilai permintaan obat untuk periode ke depan. Untuk lebih jelasnya dapat dilihat pada gambar 3.2.

Activity diagram kedua ini menjelaskan proses peramalan permintaan, proses ini merupakan kelanjutan dari proses sebelumnya. Proses ini diawali dengan mengambil data alfa, beta, dan MAPE terbaik yang kemudian akan diproses untuk mencari nilai peramalan permintaan untuk periode ke depan. Keluaran yang dihasilkan pada proses ini adalah nilai peramalan permintaan untuk periode ke depan.

C. Sequence Diagram

Sequence Diagram ini menjelaskan proses yang terjadi saat aplikasi dijalankan, entitas yang ada pada diagram ini adalah manajer, FrmPeramalan, OpenFileDialog, HandlerAlfaBeta, HandlerPeramalan. Untuk lebih jelas dapat dilihat pada lampiran 4.

3.2.2 Perancangan Basis Data

Setelah merancang desain proses dari sisntem dengan menggunakan software requirement, use case diagram, activity diagram dan sequence diagram, maka proses selanjutnya yaitu merancang skema database. Pada tahap merancang skema database digunakan beberapa cara yaitu membuat class diagram dan menyusun struktur tabel.

A. Conceptual Data Model (CDM)

Pada Conceptual Data Model (CDM) terdapat dua entitas yaitu permintaan dan hasil ramalan. Kedua entitas tersebut memiliki relasi many to many sehingga nantinya pada PDM akan memunculkan tabel baru yang bernama hitung periode. Berikut ini desain CDM yang digunakan dalam merancang aplikasi dapat dilihat pada Gambar 3.4.

Memiliki Permintaan id_permintaan id_obat nama_obat tgl jml_permintaan status

<pi> Variable characters (50) Variable characters (50) Variable characters (50) Date

Integer

Variable characters (50) <M> Identifier_1 <pi> Hasil_Ramalan id_hasil tgl nama_obat alfa beta hasil_peramalan

<pi> Variable characters (10) Date

Variable characters (50) Float

Float Float

<M>

Identifier_1 <pi>

B. Physical Data Model (PDM)

Pada Physical Data Model (PDM) ini terdapat tiga entitas dari hasil generate Conceptual Data Model (CDM) yang dibuat sebelumnya. Berikut ini desain PDM yang digunakan dalam merancang aplikasi dapat dilihat pada Gambar 3.5. Permintaan id_permintaan id_obat nama_obat tgl jml_permintaan status varchar(50) varchar(50) varchar(50) date integer varchar(50) <pk> Hasil_Ramalan id_hasil tgl nama_obat alfa beta hasil_peramalan varchar(10) date varchar(50) float float float <pk> Hitung_Periode id_permintaan id_hasil no_periode jumlah varchar(50) varchar(10) varchar(10) float <pk,fk1> <pk,fk2> <pk>

Gambar 3.5 Physical Data Model (PDM)

C. Struktur Tabel

Dari gambar diatas dapat dilihat setiap entitas dalam proses memiliki hubungan satu dengan yang lain. Pada class diagram di atas manajer tidak masuk dalam entitas dikarenakan pada aplikasi ini hanya ada satu manajer saja yang mengakses aplikasi ini. Kemudian dalam gambar di atas dapat dilihat bahwa tabel permintaan memiliki hubungan dengan table hasil_ramalan dan tabel hitung_periode, dikarenakan kedua tabel tersebut mengambil data jumlah obat yang dimiliki oleh tabel permintaan.

1. Nama Tabel : Permintaan

Keterangan : Digunakan untuk menyimpan data obat. Tabel 3.3 Permintaan

Nama Kolom Tipe Data Constraint Keterangan

Id_permintaan Varchar(50) PK Kode permintaan obat

Id_obat Varchar(50) FK Kode obat

Nama_obat Varchar(50) - Nama obat

Tgl Date - Tanggal permintaan obat

Jml_permintaan Int - Jumlah permintaan obat

Status Varchar (50) - Status obat

2. Nama Tabel : Hitung Periode

Keterangan : Digunakan untuk menyimpan hasil perhitungan peramalan periode ke depan.

Tabel 3.4 Hitung Periode

Nama Kolom Tipe Data Constraint Keterangan

No_periode Varchar(10) PK Kode Periode Id_hasil Varchar(10) PK Kode hasil ramalan

Nama_obat Varchar(50) - Nama Obat

Jumlah int - Jumlah nilai peramalan

permintaan

3. Nama Tabel : Hasil Ramalan

Keterangan : Digunakan untuk menyimpan nilai variabel alfa, beta. Tabel 3.5 Variabel

Nama Kolom Tipe Data Constraint Keterangan

Id_hasil Varchar(10) PK Kode perhitungan

Tgl Varchar(50) FK Tanggal

Nama Kolom Tipe Data Constraint Keterangan

Alfa Float Nilai alfa

Beta Float - Nilai beta

Hasil_peramalan Float - Nilai Hasil Peramalan

3.2.3 Perancangan Antar Muka Pengguna

Setelah membuat class diagram, maka proses selanjutnya yaitu melakukan perancangan interface. Perancangan interface berfungsi agar pengguna dapat mengetahui form yang digunakan sebagai input untuk dimasukkan pada aplikasi dan output yang dihasilkan oleh aplikasi. Di samping itu, pengguna dapat dengan mudah memahami alur sistem yang berjalan pada aplikasi. Pada pembuatan rancangan interface ini dibagi menjadi dua bagian yaitu membuat desain input output dari aplikasi dan membuat user interface dari aplikasi.

A. Halaman Menu Utama

Halaman ini merupakan halaman awal pada saat manajer mengakses aplikasi peramalan permintaan. Pada halaman ini terdapat tiga menu utama, yaitu Menu, Permintaan Barang dan Cetak Laporan. Pada setiap menu terdapat beberapa sub-menu, pada menu utama Permintaan Barang terdapat tiga sub-menu yaitu Data Permintaan Obat, Cari Alfa Beta dan Peramalan Permintaan Obat. Kemudian pada menu Cetak Laporan ada sub-menu Laporan Peramalan Permintaan. Desain halaman menu utama dapat dilihat pada gambar 3.6.

Menu Logo

Permintaan Barang Cetak Laporan Logout Data Permintaan Obat

Cari Alpha Beta

Peramalan Permintaan Obat

Laporan Peramalan Permintaan

Gambar 3.6 Rancangan Halaman Menu Utama

B. Halaman Upload

Halaman ini dapat diakses dengan menekan sub-menu Data Permintaan Obat, maka halaman ini akan muncul. Halaman ini digunakan manajer untuk meng-upload data permintaan, data permintaan yang diupload berupa file excel. Data permintaan yang telah diupload dapat langsung dilihat dalam bentuk data grid, setelah ditampilkan data tersebut bias langsung disimpan dalam database. Desain halaman menu utama dapat dilihat pada gambar 3.7.

Browse Simpan Upload Data Permintaan

Menampilkan Data Permintaan

Gambar 3.7 Halaman Upload

C. Halaman Lihat Data Permintaan

Halaman ini dapat diakses dengan menekan sub-menu data permintaan obat, maka halaman ini akan muncul. Halaman ini digunakan manajer untuk dapat melihat data permintaan yang telah diupload pada halaman upload. User memilih id obat yang telah diupload kemudian dengan menekan tombol lihat, maka data yang telah diupload tadi akan tampil dalam datagridview yang ada pada halaman ini. Rancangan antar muka untuk halaman lihat data permintaan dapat dilihat pada gambar 3.8.

Lihat ID Obat

Menampilkan Data Permintaan Nama Obat

D. Halaman Cari Alfa, Beta, MAPE terbaik

Halaman ini dapat diakses dengan menekan sub-menu Data Permintaan Obat, maka halaman ini akan muncul. Halaman ini digunakan manajer untuk melakukan perhitungan peramalan seperti nilai alfa, beta dan MAPE. Manajer hanya perlu memilih id barang yang akan diramalkan, kemudian memilih periode awal dan periode akhir barang yang ingin diramalkan.

Menu Logo

Permintaan Barang Cetak Laporan Id Barang

Nama Barang

Periode Aw Periode Akhir

Ramalkan

Gambar 3.9 Rancangan Halaman Peramalan Permintaan

Setelah itu manajer hanya perlu menekan tombol ramalkan untuk mengetahui proses dan hasil dari peramalan yang telah dilakukan. Selain itu user juga dapat menyimpan data alfa, beta, dan MAPE, yang nantinya akan digunakan dalam proses peramalan permintaan. Desain halaman menu utama dapat dilihat pada gambar 3.9.

E. Halaman Laporan Permintaan

Halaman ini dapat diakses melalui menu cetak laporan, dengan menekan menu laporan permintaan maka akan keluar tampilan laporan permintaan seperti gambar 3.10.

Browse

Data Obat

Data Permintaan Obat Periode kedepan

Gambar 3.10 Halaman Laporan Periode

3.3 Perancangan Pengujian Sistem

Pada tahap perancangan pengujian sistem oleh ahli sistem dilakukan uji coba fungsional. Uji coba tersebut menguji fungsi utama pada aplikasi yang dapat memecahkah rumusan masalah.

3.3.1 Pengujian Sistem Oleh Ahli Sistem

Pada tahap perancangan pengujian sistem oleh ahli sistem dilakukan uji coba fungsional. Uji coba tersebut menguji fungsi utama pada aplikasi yang dapat memecahkah rumusan masalah. Selain itu uji coba ini dilakukan untuk mengetahui kondisi berhasil atau tidak nya fungsi pada aplikasi berjalan.

A Perancangan Uji Coba Perhitungan Variabel

Perancangan uji coba peramalan permintaan ini berfungsi untuk mengetahui kesesuaian hasil dari perhitungan yang dilakukan oleh aplikasi dengan perhitungan yang dilakukan oleh staf ahli. Perancangan peralaman permintaan ini dibagi menjadi dua tahap, tahap pertama yaitu pengujian hasil perhitungan nilai alfa, beta dan MAPE yang dilakukan pada aplikasi dengan yang dilakukan secara manual.

Tabel 3.6 Uji Coba Perhitungan Variabel

No Tujuan Keluaran yang Diharapkan

1 Membandingkan hasil

perhitungan yang dilakukan oleh aplikasi dengan Ms.Excel.

Aplikasi menampilkan hasil

perhitungan dengan nilai yang sama dengan perhitungan Ms.Excel.

Manual dalam hal ini adalah perhitungan nilai alfa, beta dan MAPE menggunakan Microsoft Excel. Dengan dilakukan nya pengujian ini diharapkan dapat diketahui tingkat kesesuaian hasil aplikasi dalam perhitungan nilai variabel di atas. Rancangan uji coba peramalan permintaan sesi pertama untuk melihat nilai variabel dapat dilihat pada tabel 3.6. Kondisi yang dianggap berhasil adalah hasil keluaran dari aplikasi dengan hasil yang dikeluarkan pada excel sama.

B Perancangan Uji Coba Peramalan Permintaan

Perancangan uji coba tahap kedua adalah membandingkan hasil peramalan untuk periode ke depan yang akan diramalkan. Perbandingan ini dilakukan berdasarkan hasil perhitungan peramalan yang dilakukan oleh aplikasi dengan hasil perhitungan peramalan yang dilakukan oleh staf ahli. Uji coba ini

dilakukan bila perancangan uji coba tahap pertama telah dilakukan, karena dalam melakukan uji coba ini diperlukan data dari pengujian tahap pertama.

Tabel 3.7 Uji coba perbandingan hasil peramalan.

No Tujuan Keluaran yang Diharapkan

1 Membandingkan hasil

perhitungan peramalan untuk periode ke depan yang dilakukan oleh aplikasi dengan staf ahli.

Aplikasi menampilkan hasil perhitungan dengan nilai yang sama dengan perhitungan yang dihasilkan oleh user.

3.3.2 Pengujian Data

Pengujian data ini dilakukan untuk mengetahui hasil dari aplikasi dengan data yang dimiliki oleh penulis serta data yang telah didapat dari staf ahli. Data yang dibandingkan adalah data obat AQUABIDEST INJ 25ML/FLS, data obat tersebut telah dimasukkan dalam aplikasi dan diolah sehingga menghasilkan keluaran berupa permintaan obat untuk periode ke depan. Tujuan dari pengujian data ini adalah untuk membandingkan hasil permintaan obat untuk periode ke depan yang dihasilkan oleh aplikasi dengan hasil peramalan permintaan obat yang dilakukan oleh staf ahli.

Tabel 3.8 Hasil Peramalan Periode Obat Staf Ahli

Periode Nama Obat Permintaan

52 AQUABIDEST INJ

25ML/FLS 680

Tabel 3.8 merupakan hasil peramalan yang dilakukan oleh staf ahli RS Petrokimia Gresik. Data yang penulis berikan sama yaitu data obat AQUABIDEST INJ 25ML/FLS untuk periode 1 hingg 51. Hasil dari tabel di atas

merupakan peramalan permintaan untuk satu periode ke depan yaitu periode ke 52 dengan jumlah permintaan sebesar 680.

Tabel 3.9 Hasil Peramalan Periode Obat Aplikasi

Periode Nama Obat Permintaan

52 AQUABIDEST INJ

25ML/FLS 646

Tabel 3.9 di atas merupakan tabel hasil peramalan permintaan yang dihasilkan oleh aplikasi, perhitungan untuk tabel di atas dari periode 1 hingga 51. Namun hasil dari keluaran aplikasi berbeda dengan keluaran yang dihasilkan oleh staf ahli, terdapat selisih sebesar 56 poin.

42 4.1 Implementasi Sistem (Konstruksi Sistem)

Berdasarkan hasil analisis dan perancangan sistem pada bab sebelumnya, maka dapat dinyatakan bahwa sistem berjalan pada arsitektur desktop dikarenakan pengguna aplikasi hanya satu user saja, yaitu manajer yang melakukan proses peramalan.

4.1.1 Kebutuhan Sistem

Terdapat kebutuhan perangkat keras maupun perangkat lunak komputer agar aplikasi peramalan permintaan obat yang dibangun dapat digunakan semestinya dan sesuai dengan usulan yang dipaparkan sebelumnya. Maksud dari kebutuhan perangkat keras adalah spesifikasi minimum komputer yang dibutuhkan agar aplikasi peramalan permintaan obat dengan baik, sedangkan maksud dari kebutuhan perangkat lunak adalah daftar perangkat lunak yang dibutuhkan untuk membantu kinerja aplikasi peramalan permintaan obat

A. Kebutuhan Perangkat Keras

Aplikasi peramalan permintaan obat yang sudah dibangun membutuhkan beberapa spesifikasi perangkat keras. Spesifikasi ini dibuat berdasarkan perangkat lunak yang dibutuhkan sehingga aplikasi dapat berjalan secara maksimal. Perangkat keras tersebut memiliki spesifikasi minimum sebagai berikut:

1. Processor Core i3 2. Memory 2 Gb

3. Harddsik 320 Gb 4. VGA 512 Mb

B. Kebutuhan Perangkat Lunak

Aplikasi pengelolaan dokumen penambahan bahan baku yang sudah dibangun membutuhkan beberapa perangkat lunak untuk membantu kinerja aplikasi. Perangkat lunak tersebut yaitu:

1. SqlServer

2. .Net Framework 3.5

3. Disarankan menggunakan Sistem Operasi Windows 7 4.1.2 Hasil Implementasi Sistem

Aplikasi peramalan permintaan obat ini digunakan oleh manajer sebagai pengguna yang melakukan proses peramalan permintaan. Pada sub-bab ini akan dijelaskan halaman-halaman apa saja yang digunakan oleh pengguna.

A. Halaman Menu Utama

Halaman menu utama merupakan halaman yang muncul pertama kali ketika user akan menggunakan aplikasi peramalan permintaan. Halaman ini berguna untuk mengakses beberapa menu yang ada pada aplikasi, seperti menu data permintaan, menu peramalan permintaan dan menu laporan peramalan permintaan. Tampilan dari dari halaman menu utama dapat dilihat pada gambar 4.1.

Gambar 4.1 Halaman Menu Utama Aplikasi Peramalan Permintaan Obat.

B. Halaman Data Permintaan Obat

Pada menu aplikasi data permintaan obat terdapat dua fungsi yang dapat digunakan oleh user, antara lain upload data permintaan obat dan lihat data permintaan obat. Pada sub menu upload permintaan obat user dapat melakukan proses upload data permintaan dari bentuk excel untuk disimpan dalam database. Halaman upload dapat dilihat pada gambar 4.2.

Kemudian proses kedua yang bisa dilakukan pengguna pada menu Data Permintaan Obat adalah lihat data permintaan obat. Pengguna dapat menggunakan fungsi ini untuk melihat data permintaan obat yang telah di upload pada form upload data permintaan obat. Pengguna hanya perlu memilih data obat yang telah diupload kemudian data permintaan tersebut akan secara otomatis ditampilkan dalam bentuk datagrid. Halaman lihat data obat dapat dilihat pada gambar 4.3.

Gambar 4.2 Halaman Upload Data Permintaan

Gambar 4.3 Halaman Lihat Data Permintaan Obat

C. Halaman Peramalan Permintaan Obat

Halaman peramalan permintaan obat ini digunakan oleh user untuk melakukan proses perhitungan nilai dari alfa, beta dan MAPE. Serta melakukan proses peramalan permintaan untuk periode ke depan, selain mencari nilai veriabel pada halaman ini juga dilakukan proses menyimpan nilai variabel terbaik

serta memilih periode yang akan diramalkan untuk periode ke depan. Tampilan dari halaman peramalan permintaan obat dapat dilihat pada gambar 4.4.

Gambar 4.4 Halaman Peramalan Obat.

D. Halaman Laporan Peramalan Permintaan

Halaman laporan peramalan permintaan ini digunakan oleh pengguna untuk melihat jumlah permintaan obat yang diramalkan beberapa periode ke depan. Periode ini dipilih pada saat menjalankan proses perhitungan variabel pada halaman peramalan permintaan obat, dengan memilih jumlah periode yang akan diramalkan maka pada halaman ini akan memunculkan hasil peramalan berdasarkan jumlah periode yang telah dipilih pada halaman sebelumnya.

Tampilan dari halaman laporan peramalan permintaan dapat dilihat pada gambar 4.5.

Gambar 4.5 Halaman Laporan Peramalan Permintaan

4.2 Evaluasi Sistem (Pengujian Sistem)

Setelah melakukan perencanaan dan implementasi dari aplikasi peramalan permintaan obat, maka tahapan terakhir yang dilakukan dalam penelitian ini adalah tahap evaluasi sistem. Tahapan evaluasi sistem yang dilakukan adalah melihat hasil uji coba sistem. Hasil uji coba sistem dilakukan untuk menguji kembali semua tahapan yang sudah dilakukan selama pengujian berlangsung apakah sudah sesuai dengan hasil yang diharapkan. Pembahasan hasil

uji coba bertujuan untuk menarik kesimpulan terhadap hasil-hasil uji coba yang dilakukan terhadap sistem.

4.2.1 Hasil Uji Coba

Berdasarkan implementasi sistem yang sudah dibuat, maka tahap selanjutnya yaitu hasil uji coba. Hasil uji coba sistem dilakukan dengan menguji aplikasi per fungsi.

Uji coba yang dilakukan untuk menguji fungsionalitas dari aplikasi peramalan permintaan obat dilakukan dengan teknik black box testing. Tahapan evaluasi sistem dilakukan untuk menguji setiap fungsi-fungsi yang telah ditentukan sebelumnya sehingga aplikasi yang sudah dibuat sesuai dengan awal dari pemecahan permasalahan yang ada pada RS Petrokimia Gresik dalam aplikasi peramalan permintaan obat.

1. Hasil Uji Coba Data Permintaan

Halaman data permintaan ini digunakan oleh pengguna sebagai media untuk mengolah data permintaan obat, dalam menu ini terdapat dua fungsi yaitu upload data permintaan obat dan lihat data permintaan obat. Proses upload data permintaan obat dimulai dari pengguna menekan tombol browse untuk mencari data permintaan dalam bentuk excel untuk diupload ke dalam datagridview untuk ditampilkan. Tipe data dari excel adalah .xls, kondisi upload akan gagal jika tipe data yang digunakan untuk upload adalah selain tipe data .xls.

Setelah memilih file excel tersebut, data permintaan dari excel akan tampil pada datagrid, seperti yang ditunjukkan pada gambar 4.6.

Gambar 4.6 Menampilkan Hasil Upload Data Permintaan

Kemudian untuk melakukan penyimpanan data yang telah ditampilkan, pengguna harus menekan tombol simpan, bila data berhasil disimpan maka akan muncul notifikasi bahwa data berhasil disimpan, seperti yang ditunjukan pada gambar 4.7.

Tabel 4.1 Hasil Uji Coba Login Fungsionalitas Halaman Tujuan Cara Melakukan Pengujian Hasil yang diharapkan Realisasi

Upload sistem. Upload. a. Memasukkan data dengan format yang benar.

a. Bila format sudah benar maka data akan tersimpan Sukses (lihat Gambar 4.6). b. Memasukkan data dengan tipe data salah

b. Bila tipe data yang dimasukkan salah maka akan muncul notifikasi kesalahan data

2. Hasil Pencarian Alfa Beta dan MAPE

Peramalan permintaan dilakukan oleh pengguna dengan menggunakan dua kali proses perhitungan, proses yang pertama adalah pencarian nilai alfa, beta dan MAPE. Perhitungan alfa, beta dan MAPE ini didapatkan dari data permintaan yang telah diupload sebelumnya. Untuk mengakses menu ini, pengguna memilih sub-menu peramalan permintaan, lalu kemudian meilih data barang yang ingin dilakukan perhitungan seperti yang ditunjukkan gambar 4.8.

Gambar 4.8 Memilih Data Permintaan Obat

Bila sudah dipilih, maka data permintaan akan diproses oleh aplikasi dan memunculkan hasil perhitungan kedalam listview yang ada pada halaman peramalan permintaan. Fungsi ini bertujuan untuk mencari nilai alfa, beta dan nilai MAPE terbaik, yang nantinya akan digunakan dalam proses kedua.

Alur dari proses ini adalah iterasi perhitungan dengan merubah nilai alfa, dan beta. Nilai dari alfa dan beta ini adalah dari 0.1 hingga 0.9 dan tiap iterasi akan memiliki nilai MAPE masing-masing. Bila proses iterasi sudah selesai, maka

akan diambil nilai MAPE yang terendah dari nilai alfa dan beta. Nilai inilah yang nantinya akan disimpan dan pengguna bisa melanjutkan proses kedua, untuk lebih jelas bisa dilihat pada gambar 4.9.

Gambar 4.9 Mencari nilai Alfa, Beta MAPE

Pada gambar 4.9 di atas dapat dilihat proses yang dilakukan oleh aplikasi, dari mulai mencari nilai Yt, At, Tt, Y^t dan et hingga akhirnya mendapatkan nilai MAPE untuk setiap iterasi. Pengujian halaman ini dilakukan dengan cara

membandingkan hasil perhitungan yang dilakukan oleh aplikasi dan perhitungan yang dilakukan dengan menggunakan excel. Kondisi dianggap berhasil jika nilai yang dihasilkan oleh aplikasi sama dengan nilai perhitungan dalam excel. Perbandingan hasil dari hasil perhitungan dapat dilihat pada lampiran 1.

Selain membandingkan hasil keluaran, fungsi ini juga menampilkan nilai alfa beta dan MAPE terbaik, untuk menampilkan hasil tersebut pengguna harus menekan tombol ramalkan, hasil yang keluar akan seperti gambar 4.10.

Tabel 4.2 Tabel Uji Coba Pencarian Alfa Beta Fungsionalitas Halaman Tujuan Cara Melakukan Pengujian Hasil yang diharapkan Realisasi Perhitungan Alfa Beta. Peramalan Permintaan. a. Melakukan perbandinga n hasil keluaran aplikasi dengan excel.

a. Bila hasil keluaran aplikasi dengan excel sama. Sukses (lihat Gambar 4.9). b. Melakukan perbandinga n hasil keluaran aplikasi dengan excel.

b. Bila hasil keluaran aplikasi dengan excel tidak sama.

3. Hasil Uji Coba Peramalan Permintaan

Uji coba peramalan permintaan ini merupakan proses lanjutan dari pencarian nilai alfa beta dan MAPE pada uji coba sebelumnya. Proses ini bertujuan untuk mencari nilai permintaan untuk periode ke depan. Data yang digunakan pada proses ini adalah 51 data, maka peramalan permintaan yang akan diramalkan adalah untuk periode ke-52. Periode ke-52 ini didapat dari hasil pencarian alfa beta dan MAPE. Untuk mendapatkan hasil perhitungan periode ke depan, pengguna hanya perlu menekan tombol ramalkan. Hasil peramalan bisa dilihat pada gambar 4.11.

Gambar 4.11 Hasil Peramalan Periode Ke depan

Pengujian fungsi ini dilakukan dengan cara membandingkan hasil peramalan permintaan periode selanjutnya dengan hasil peramalan yang dilakukan oleh staf ahli dari rumah sakit petrokimia. Proses ini dilakukan untuk mengetahui seberapa akurat aplikasi dalam memprediksi peramalan periode ke depan. Staf ahli diberikan data permintaan obat yang belum diolah dari periode 1 hingga 51 kemudian pengguna akan meramalkan permintaan obat periode ke-52. Hasil peramalan pengguna tersebut akan dibandingkan dengan hasil aplikasi.

Tabel 4.3 Tabel Perbandingan Hasil Peramalan

Hasil Peramalan

Data Staf Ahli Data Aplikasi

680 646

Pada tabel di atas dapat dilihat perbedaan hasil peramalan permintaan untuk periode 52, data pada periode ke-52 yang diberikan oleh pihak staf ahli

didapatkan dari data permintaan obat dari periode 1 hingga 51 diolah dan menghasilkan angka sebesar 680. Sedangkan data obat pada periode ke 52 yang dihasilkan oleh aplikasi dengan menggunakan metode peramalan Trend Exponential menghasilkan angka sebesar 646.

4. Hasil Uji Coba Permintaan Obat

Uji coba permintaan obat ini, membahas tentang hasil dari perhitungan peramalan permintaan obat untuk periode ke depan. Untuk mengakses fungsi ini pengguna harus menekan pilihan Laporan Peramalan Permintaan, menu ini akan menampilkan hasil simpanan dari menu peramalan permintaan. Namun sebelum masuk dalam fungsi ini, pengguna terlebih dahulu harus mengisikan periode yang akan diramalkan ke depan nya. Untuk lebih jelas dapat dilihat pada gambar 4.12.

Pada gambar di atas, pengguna harus memilih periode yang akan diramalkan untuk dapat dimunculkan pada menu berikutnya. Periode yang dapat dipilih dibatasi hanya 10 periode, bila periode telah dipilih maka, data peramalan akan disimpan dan akan ditampilkan pada menu laporan peramalan permintaan.

Gambar 4.13 Laporan Peramalan Permintaan

Data peramalan berupa alfa beta dan MAPE yang sudah diolah akan disimpan dan dimunculkan pada menu seperti gambar 4.13 di atas, kemudian untuk mengetahui jumlah permintaan untuk periode ke depan, pengguna tinggal menekan data peramalan yang telah disimpan, data tersebut akan ditampilkan pada listview seperti pada gambar 4.14.

Gambar 4.14 Hasil Permintaan Periode Ke depan

Menu diatas memiliki fitur untuk dapat melakukan export hasil dari peramalan dalam bentuk Excel, dengan cara menekan tombol Export to Excel di atas, maka secara otomatis akan muncul tampilan Excel yang berisikan data obat yang telah dipilih, hasil peramalan untuk beberapa periode ke depan, nilai variabel, serta tanggal periode permintaan obat sesuai dengan berapa periode yang akan diramalkan, untuk lebih jelasnya hasil dari export ini dapat dilihat pada gambar

Gambar 4.15 Hasil Export Laporan Peramalan Permintaan

4.2.2 Pembahasan Hasil Uji Coba

Pembuatan aplikasi peramalan permintaan dapat membantu pihak pengguna untuk mengelola data permintaan dengan lebih mudah, serta dapat membantu dalam hal menentukan nilai peramalan permintaan untuk periode ke depan.

Untuk memastikan kesesuaian data yang dihasilkan oleh aplikasi, maka dibuatlah sebuah pengujian yang membandingkan hasil perhitungan variabel sampai dengan pengujian untuk membandingkan hasil peramalan permintaan obat untuk periode ke depan. Dari dua pengujian di atas didapatkan hasil yang sesuai dengan harapan peneliti, sehingga dikatan aplikasi sudah sesuai dengan prosedur yang ada.

Hasil pengujian ini dibuat dengan membandingan hasil peramalan satu periode ke depan untuk masing-masing obat, dengan begitu bisa terlihat perbedaan dan kelebihan dari aplikasi peramalan permintaan obat yang telah dibuat.

Tabel 4.4 Perbandingan hasil obat AQUABIDEST INJ 25ML/FLS Data Permintaan Periode ke 52

Data Real Staf Ahli Aplikasi

543 680 646

Tabel di atas merupakan perbandingan hasil peramalan yang dilakukan antara staf ahli dengan aplikasi untuk obat AQUABIDEST INJ 25ML/FLS, dapat dilihat hasil peramalan yang dilakukan oleh staf ahli memiliki selisih 137 pack, sedangkan hasil peramalan yang dihasilkan oleh aplikasi memiliki selisih 103 pack. Bisa dilihat bahwa pada tabel di atas aplikasi dapat melakukan peramalan permintan untuk periode ke 52 lebih baik daripada staf ahli.

Tabel 4.5 Perbandingan hasil Obat SPUIT 10 CC TERUMO

Data Permintaan Periode ke 52 Data Real Staf Ahli Aplikasi

479 550 406

Tabel di atas merupakan perbandingan hasil peramalan yang dilakukan antara staf ahli degan aplikasi untuk obat SPUIT 10 CC TERUMO, dapat dilihat hasil peramalan yang dilakukan oleh staf ahli memiliki selisih 71 biji, sedangkan hasil peramalan yang dihasilkan oleh aplikasi memiliki selisih 73 biji namun tidak sesuai dengan data real. Bisa dilihat bahwa untuk obat SPUIT 10 CC TERUMO hasil peramalan yang dilakukan oleh staf ahli lebih baik daripada yang dilakukan oleh aplikasi.

Tabel 4.6 Perbandingan hasil Obat RINGER LACTAT 500 ML INF Data Permintaan Periode ke 52

Data Real Staf Ahli Aplikasi

389 550 402

Tabel di atas merupakan perbandingan hasil peramalan yang dilakukan antara staf ahli degan aplikasi untuk obat RINGER LACTAT 500 ML INF, dapat dilihat hasil peramalan yang dilakukan oleh staf ahli memiliki selisih 161 pack, sedangkan hasil peramalan yang dihasilkan oleh aplikasi memiliki selisih 13 pack. Bisa dilihat bahwa untuk obat RINGER LACTAT 500 ML INF hasil peramalan yang dilakukan oleh staf ahli tidak lebih baik daripada yang dilakukan oleh aplikasi.

Tabel 4.7 Perbandingan hasil Obat SPUIT 10 ML STERA

Data Permintaan Periode ke 52 Data Real Staf Ahli Aplikasi

442 535 552

Tabel di atas merupakan perbandingan hasil peramalan yang dilakukan antara staf ahli dengan aplikasi untuk obat SPUIT 10 ML STERA, dapat dilihat hasil peramalan yang dilakukan oleh staf ahli memiliki selisih 93 biji, sedangkan hasil peramalan yang dilakukan oleh aplikasi memiliki selisih 110 biji. Bisa dilihat bahwa untuk obat SPUIT 10 ML STERA hasil peramalan yang dilakukan oleh staf ahli lebih baik daripada yang dilakukan oleh aplikasi.

Tabel 4.8 Perbandingan hasil Obat ANTRAIN INJ Data Permintaan Periode ke 52

Data Real Staf Ahli Aplikasi

275 350 332

Tabel di atas merupakan perbandingan hasil permalan yang dilakukan antara staf ahli dengan aplikasi untuk obat ANTRAIN INJ, dapat dilihat hasil peramalan yang dilakukan oleh satf ahli memiliki selisih 75 ampul, sedangkan hasil peramalan yang dilakukan oleh aplikasi memiliki selisih 57 ampul. Bisa dilihat bahwa untuk obat ANTRAIN INJ hasil peramalan yang dilakukan oleh staf ahli tidak lebih baik daripada yang dilakukan oleh aplikasi.

63 5.1 Kesimpulan

Setelah melakukan rancang bangun aplikasi peramalan permintaan obat ini, dapat disimpulkan beberapa hal sebagai berikut:

1. Aplikasi telah berjalan sesuai dengan fungsi yang ada pada RSPG. Dibuktikan dengan aplikasi ini telah mampu mendekati perkiraan yang dilakukan oleh staf ahli pada saat melakukan peramalan permintaan, kedua hasil tersebut memiliki selisih sebanyak 34 dengan nilai MAPE sebesar 0.00058 untuk obat AQUABIDEST INJ 25ML/FLS.

2. Aplikasi dapat memberikan kemudahan dalam penentuan variabel dan peramalan permintaan, dimana bila dilakukan secara manual akan lebih memakan waktu, dengan adanya aplikasi ini dapat memangkas kinerja pengguna dalam menentukan peramalan permintaan untuk periode ke depan.

5.2 Saran

Berikut ini adalah saran yang dapat diberikan untuk pengembangan penelitian selanjutnya:

1. Aplikasi bisa ditambahkan metode yang lebih bisa memuluskan hasil peramalan permintaan obat, sehingga hasil peramalan permintaan obat yang

dihasilkan aplikasi dengan staf ahli tidak memiliki perbedaan yang mencolok.

65 Yogyakarta.

Jogiyanto, Prof., DR., HM., Akt., MBA. Analisis dan DesainSistem Informasi : Pendekatan terstruktur, Teori dan Praktik Aplikasi Bisnis. (Edisi III). Yogyakarta : ANDI.

Kendall, Kennenth E. dan Kendall,Julie, E. 2006.Analisisdan Perancangan Sistem. (Edisi Kelima). PT.INDEKS.

Kristanto, Andri. 2004. Rekayasa Perangkat Lunak (Konsep Dasar). (Edisi Pertama). Yogyakarta : Gava.

Makridakis, Spyros dan Wheelright, Steven C. dan McGEE, Victor E. 1995. Metode dan Aplikasi Peramalan. (Edisi Kedua), Jakarta : Erlangga.

Pressman, R. S. (2002). Rekayasa Perangkat Lunak Pendekatan Praktisi. Yogyakarta: ANDI.

Tanuwijaya, Haryanto dan Herlambang, Soendoro. 2005. Sistem Informasi; Konsep, Teknologi & Manajemen. Yogyakarta : Graha Ilmu.

60

Hasil pengujian ini dibuat dengan membandingan hasil peramalan satu periode ke depan untuk masing-masing obat, dengan begitu bisa terlihat perbedaan dan kelebihan dari aplikasi peramalan permintaan obat yang telah dibuat.

Tabel 4.4 Perbandingan hasil obat AQUABIDEST INJ 25ML/FLS Data Permintaan Periode ke 52

Data Real Staf Ahli Aplikasi

543 680 646

Tabel di atas merupakan perbandingan hasil peramalan yang dilakukan antara staf ahli dengan aplikasi untuk obat AQUABIDEST INJ 25ML/FLS, dapat dilihat hasil peramalan yang dilakukan oleh staf ahli memiliki selisih 137 pack, sedangkan hasil peramalan yang dihasilkan oleh aplikasi memiliki selisih 103 pack. Bisa dilihat bahwa pada tabel di atas aplikasi dapat melakukan peramalan permintan untuk periode ke 52 lebih baik daripada staf ahli.

Tabel 4.5 Perbandingan hasil Obat SPUIT 10 CC TERUMO

Data Permintaan Periode ke 52 Data Real Staf Ahli Aplikasi

479 550 406

Tabel di atas merupakan perbandingan hasil peramalan yang dilakukan antara staf ahli degan aplikasi untuk obat SPUIT 10 CC TERUMO, dapat dilihat hasil peramalan yang dilakukan oleh staf ahli memiliki selisih 71 biji, sedangkan hasil peramalan yang dihasilkan oleh aplikasi memiliki selisih 73 biji namun tidak sesuai dengan data real. Bisa dilihat bahwa untuk obat SPUIT 10 CC TERUMO hasil peramalan yang dilakukan oleh staf ahli lebih baik daripada yang dilakukan oleh aplikasi.

Tabel 4.6 Perbandingan hasil Obat RINGER LACTAT 500 ML INF Data Permintaan Periode ke 52

Data Real Staf Ahli Aplikasi

389 550 402

Tabel di atas merupakan perbandingan hasil peramalan yang dilakukan antara staf ahli degan aplikasi untuk obat RINGER LACTAT 500 ML INF, dapat dilihat hasil peramalan yang dilakukan oleh staf ahli memiliki selisih 161 pack, sedangkan hasil peramalan yang dihasilkan oleh aplikasi memiliki selisih 13 pack. Bisa dilihat bahwa untuk obat RINGER LACTAT 500 ML INF hasil peramalan yang dilakukan oleh staf ahli tidak lebih baik daripada yang dilakukan oleh aplikasi.

Tabel 4.7 Perbandingan hasil Obat SPUIT 10 ML STERA

Data Permintaan Periode ke 52 Data Real Staf Ahli Aplikasi

442 535 552

Tabel di atas merupakan perbandingan hasil peramalan yang dilakukan antara staf ahli dengan aplikasi untuk obat SPUIT 10 ML STERA, dapat dilihat hasil peramalan yang dilakukan oleh staf ahli memiliki selisih 93 biji, sedangkan hasil peramalan yang dilakukan oleh aplikasi memiliki selisih 110 biji. Bisa dilihat bahwa untuk obat SPUIT 10 ML STERA hasil peramalan yang dilakukan oleh staf ahli lebih baik daripada yang dilakukan oleh aplikasi.

62

Tabel 4.8 Perbandingan hasil Obat ANTRAIN INJ Data Permintaan Periode ke 52

Data Real Staf Ahli Aplikasi

275 350 332

Tabel di atas merupakan perbandingan hasil permalan yang dilakukan antara staf ahli dengan aplikasi untuk obat ANTRAIN INJ, dapat dilihat hasil peramalan yang dilakukan oleh satf ahli memiliki selisih 75 ampul, sedangkan hasil peramalan yang dilakukan oleh aplikasi memiliki selisih 57 ampul. Bisa dilihat bahwa untuk obat ANTRAIN INJ hasil peramalan yang dilakukan oleh staf ahli tidak lebih baik daripada yang dilakukan oleh aplikasi.

63 5.1 Kesimpulan

Setelah melakukan rancang bangun aplikasi peramalan permintaan obat ini, dapat disimpulkan beberapa hal sebagai berikut:

1. Aplikasi telah berjalan sesuai dengan fungsi yang ada pada RSPG. Dibuktikan dengan aplikasi ini telah mampu mendekati perkiraan yang dilakukan oleh staf ahli pada saat melakukan peramalan permintaan, kedua hasil tersebut memiliki selisih sebanyak 34 dengan nilai MAPE sebesar 0.00058 untuk obat AQUABIDEST INJ 25ML/FLS.

2. Aplikasi dapat memberikan kemudahan dalam penentuan variabel dan peramalan permintaan, dimana bila dilakukan secara manual akan lebih memakan waktu, dengan adanya aplikasi ini dapat memangkas kinerja pengguna dalam menentukan peramalan permintaan untuk periode ke depan.

5.2 Saran

Berikut ini adalah saran yang dapat diberikan untuk pengembangan penelitian selanjutnya:

1. Aplikasi bisa ditambahkan metode yang lebih bisa memuluskan hasil peramalan permintaan obat, sehingga hasil peramalan permintaan obat yang

64

dihasilkan aplikasi dengan staf ahli tidak memiliki perbedaan yang mencolok.

65

Jogiyanto, Prof., DR., HM., Akt., MBA. Analisis dan DesainSistem Informasi : Pendekatan terstruktur, Teori dan Praktik Aplikasi Bisnis. (Edisi III). Yogyakarta : ANDI.

Kendall, Kennenth E. dan Kendall,Julie, E. 2006.Analisisdan Perancangan Sistem. (Edisi Kelima). PT.INDEKS.

Kristanto, Andri. 2004. Rekayasa Perangkat Lunak (Konsep Dasar). (Edisi Pertama). Yogyakarta : Gava.

Makridakis, Spyros dan Wheelright, Steven C. dan McGEE, Victor E. 1995. Metode dan Aplikasi Peramalan. (Edisi Kedua), Jakarta : Erlangga.

Pressman, R. S. (2002). Rekayasa Perangkat Lunak Pendekatan Praktisi. Yogyakarta: ANDI.

Tanuwijaya, Haryanto dan Herlambang, Soendoro. 2005. Sistem Informasi; Konsep, Teknologi & Manajemen. Yogyakarta : Graha Ilmu.