Peramalan Kebutuhan Bahan Baku Pembuatan Produk Plastik berdasarkan Data Pendapatan Menggunakan Metode ARIMA
PERAMALAN KEBUTUHAN BAHAN BAKU PEMBUATAN PRODUK
PLASTIK BERDASARKAN DATA PENDAPATAN
MENGGUNAKAN METODE ARIMA
ALEXANDER
111402082
PROGRAM STUDI S1 TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2016
Universitas Sumatera Utara
PERAMALAN KEBUTUHAN BAHAN BAKU PEMBUATAN PRODUK
PLASTIK BERDASARKAN DATA PENDAPATAN
MENGGUNAKAN METODE ARIMA
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah
Sarjana Teknologi Informasi
ALEXANDER
111402082
PROGRAM STUDI S1 TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2016
Universitas Sumatera Utara
ii
PERSETUJUAN
Judul
: PERAMALAN KEBUTUHAN BAHAN BAKU
PEMBUATAN PRODUK PLASTIK BERDASARKAN
DATA PENDAPATAN MENGGUNAKAN METODE
ARIMA
Kategori
: SKRIPSI
Nama
: ALEXANDER
Nomor Induk Mahasiswa
: 111402082
Program Studi
: S1 TEKNOLOGI INFORMASI
Departemen
: TEKNOLOGI INFORMASI
Fakultas
: ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
Komisi Pembimbing
:
Pembimbing 2
Pembimbing 1
Dr. Erna Budhiarti Nababan, M.IT
Baihaqi Siregar, S.SI, M.IT
NIP. -
NIP. 198603032010121004
Diketahui/disetujui oleh
Program Studi S1 Teknologi Informasi
Ketua,
Muhammad Anggia Muchtar, ST., MM.IT
NIP. 19800110 200801 1 010
Universitas Sumatera Utara
iii
PERNYATAAN
PERAMALAN KEBUTUHAN BAHAN BAKU PEMBUATAN PRODUK
PLASTIK BERDASARKAN DATA PENDAPATAN
MENGGUNAKAN METODE ARIMA SKRIPSI
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan
dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan, 28 Januari 2016
Alexander
111402082
Universitas Sumatera Utara
iv
UCAPAN TERIMA KASIH
Puji dan syukur penulis sampaikan kehadirat Tuhan Yang Maha Esa yang telah
memberikan rahmat serta restu-Nya sehingga penulis dapat menyelesaikan skripsi ini
sebagai syarat untuk memperoleh gelar Sarjana Teknologi Informasi.
Pertama, penulis ingin mengucapkan terima kasih kepada Bapak Baihaqi Siregar,
S.Si, M.IT selaku pembimbing pertama dan Ibu Dr. Erna Budhiarti Nababan, M.IT selaku
pembimbing kedua yang telah membimbing penulis dalam penelitian serta penulisan
skripsi ini. Penulis tidak akan dapat menyelesaikan skripsi ini tanpa inspirasi serta motivasi
yang diberikan dari kedua pembimbing. Penulis juga mengucapkan terima kasih kepada
Bapak Prof. Dr. Opim Salim Sitompul, M.Sc sebagai dosen pembanding pertama dan
Bapak Romi Fadillah Rahmat, B.Comp.Sc, M.Sc sebagai dosen pembanding kedua yang
telah memberikan masukan serta kritik yang bermanfaat dalam penulisan skripsi ini.
Ucapan terima kasih juga ditjukan kepada semua dosen serta semua pegawai pada program
studi S1 Teknologi Informasi, yang telah membantu serta membimbing penulis selama
proses perkuliahan.
Penulis tentunya berterima kasih kepada kedua orang tua penulis, Bapak penulis
Anton, serta Ibu penulis Leily yang telah membesarkan penulis dengan sabar dan penuh
cinta. Terima kasih juga penulis ucapkan kepada adik penulis, Vania. yang selalu
memberikan dukungan kepada penulis. Penulis juga berterima kasih kepada seluruh
anggota keluarga penulis yang namanya tidak dapat disebutkan satu-satu.
Terima kasih juga penulis ucapkan kepada seluruh teman-teman angkatan 2011
yang telah bersama-sama penulis melewati perkuliahan pada program studi S1 Teknologi
Informasi, serta teman-teman mahasiswa Teknologi Informasi lainnya.
Universitas Sumatera Utara
v
ABSTRAK
Peramalan adalah suatu proses memperkirakan sesuatu yang akan datang dengan
melakukan perhitungan dari data sebelumnya. Dalam hal ini penulis akan melakukan
peramalan penjualan produksi plastik dengan menggunakan metode ARIMA Box-Jenkins
untuk peramalan 2015. Data yang digunakan adalah data penjualan parbik produksi plastik
di bandung tahun 2012 sampai 2014. Penelitian ini akan menggunakan prosedur ARIMA
di SAS yang memungkinkan untuk identifikasi, estimasi dan peramalan model Time
Series. Pengukuran tingkat akurasi hasil peramalan dilakukan dengan nilai MAPE (Mean
Absolute Percentage Error). Hasil peramalan yang dilakukan untuk tahun 2015
menggunakan ARIMA (3,0,2) pada data penjualan produk plastik periode 2012 sampai
2014 menghasilkan tingkat akurasi peramalan sebesar 74% untuk produk PP Trilene dan
sebesar 68% untuk produk PP Tintapro.
Kata Kunci : ARIMA, SAS, MAPE, dan Peramalan
Universitas Sumatera Utara
vi
INVENTORY-MATERIAL NEEDS FOR PLASTIC PRODUCTS FORECASTING
BASED ON INCOME DATA USING ARIMA METHOD
ABSTRACT
Forecasting is a process of estimating an output in comparison of its calculation using
previous data. In this research, the forecasting points to plastic production sale forecasting
using ARIMA Box-Jenkins method to forecast 2015. Data used are factory plastic sale
production in 2012 to 2014. This research uses ARIMA procedure in SAS that enables in
identification, estimation and model Time Series forecasting. The accuracy of forecasting
results is measured by the value of MAPE ( Mean Absolute Percentage Error). The results
of forecasting using ARIMA (3,0,2) made for the year 2015, on the PP plastic product
sales data period from January 2012 up to December 2014 resulted in forecasting accuracy
level up to 74 % for product PP and 68% for product PP Tintanpro.
Keywords : ARIMA, SAS, MAPE and Forecasting
Universitas Sumatera Utara
vii
DAFTAR ISI
Hal.
PERSETUJUAN
ii
PERNYATAAN
iii
UCAPAN TERIMA KASIH
iv
ABSTRAK
v
ABSTRACT
vi
DAFTAR ISI
vii
DAFTAR TABEL
x
DAFTAR GAMBAR
xi
BAB 1
BAB 2
PENDAHULUAN
1
1.1 Latar Belakang
1
1.2 Rumusan Masalah
2
1.3 Batasan Masalah
2
1.4 Tujuan Penelitian
3
1.5 Manfaat Penelitian
3
1.6 Metodologi Penelitian
3
1.7 Sistematika Penulisan
4
LANDASAN TEORI
6
2.1 Peramalan
6
2.2 Metode Derek Berkala
8
2.3 Klasifikasi Model ARIMA
9
2.4 ACF dan PACF
10
2.4.1 ACF (Autocorrelation Function)
10
2.4.2 PACF (Partial Autocorrelation Function)
11
2.5 Tahapan Metode ARIMA
2.5.1 Konstan (Stasioner)
2.5.1.1 Rata-Rata (Mean)
11
12
12
Universitas Sumatera Utara
viii
2.5.1.2 Varians
13
2.5.1.3 Data Konstan dan Non-Konstan Dalam Mean 13
2.5.1.4 Data Konstan dan Non-Konstan Stasioner
Dalam Varians
BAB 3
14
2.5.2
Identifikasi
14
2.5.3
Estimasi
15
2.5.3.1 Residu
15
2.5.3.2 Pemeriksaan Kesalahan Standar Residu
15
2.5.4 Diagnosis
16
2.5.5 Peramalan
17
2.6 SAS
18
2.7 Penelitian Terdahulu
19
Analisis Dan Perancangan
22
3.1 Arsitektur Umum
22
3.2 Pengumpulan Data
23
3.3 Preprocessing Data
25
3.3.1 Data Cleaning
25
3.3.2 Data Integration
26
3.3.3 Data Selection
27
3.4 Peramalan
28
3.4.1 Pengujian Data Konstan
28
3.4.2 Identifikasi Model ARIMA
32
3.4.3 Estimasi
33
3.4.3.1 Estimasi Parameter Model ARIMA (4,0,0)
33
3.4.3.2 Estimasi Parameter Model ARIMA (3,0,2)
35
3.4.4 Diagnostik
36
3.4.5 Peramalan
38
3.5 Pengiriman Data Menggunakan Web Server
39
3.6 Perancangan
39
3.6.1 Use Case Diagram
39
Universitas Sumatera Utara
ix
BAB 4
3.6.2 Acitivity Diagram
43
3.6.3 Perancangan User Interface
44
IMPLEMENTASI DAN PENGUJIAN
49
4.1 Implementasi Sistem
49
4.1.1 Spesifikasi perangkat keras dan perangkat lunak
yang digunakan
4.1.2 Implementasi Perancangan Antarmuka
4.2 Pengujian Kinerja Sistem
49
49
54
4.2.1 Rencana Pengujian Sistem
55
4.2.2 Kasus Dan Hasil Pengujian Sistem
55
4.2.3 Pengujian Kinerja Sistem
58
4.2.4 Pengujian Data
69
KESIMPULAN DAN SARAN
72
5.1 Kesimpulan
72
5.2 Saran
72
DAFTAR PUSTAKA
73
BAB 5
Universitas Sumatera Utara
x
DAFTAR TABEL
Hal.
Tabel 2.1. Bentuk Tranformasi
14
Tabel 2.2. Pola ACF dan PACF
15
Tabel 2.3. Penelitian terdahulu
20
Tabel 3.1. Data Histori Penjualan Produk Plastik HDPE per PCS
23
Tabel 3.2. Data Histori Penjualan Produk Plastik PE per PCS
24
Tabel 3.3. Data Histori Penjualan Produk Plastik PP per PCS
25
Tabel 3.4. Output ESACF
34
Tabel 3.5. Estimasi Model ARIMA (4,0,0)
35
Tabel 3.6. Estimasi Model ARIMA (3,2,0)
36
Tabel 3.7. Hasil Chi-Square Dengan Pengujian Ljung-Box
39
Tabel 3.8. Definisi Aktor
42
Tabel 3.9. Definisi User Case
42
Tabel 3.10. Skenario Use Case Pengguna
43
Tabel 3.11. Skenario Use Case Data Penjualan
44
Tabel 3.12. Skenario Use Case Peramalan
44
Tabel 4.1. Rencana Pengujian Sistem
57
Tabel 4.2. Hasil Pengujian Halaman Login
58
Tabel 4.3. Hasil Pengujian Halaman Data Penjualan
59
Tabel 4.4. Hasil Pengujian Halaman Data Peramalan
60
Tabel 4.5. Hasil Pengujian Halaman Pengguna
60
Tabel 4.6. Data Penjualan Produk Plastik PP Tahun 2012-2014
61
Tabel 4.7. Nilai Autokorelasi Data Produk PP
63
Tabel 4.8. Nilai Autokorelasi Parsial Data Produk PP
65
Tabel 4.9. Nilai Hasil Transformasi Data Produk PP
67
Universitas Sumatera Utara
xi
Tabel 4.10. Estimasi Model ARIMA (3,0,2)
68
Tabel 4.11. Nilai Autokorelasi Residu ARIMA (3,0,2)
69
Tabel 4.12. Hasil Chi-Square Dengan Pengujian Ljung-Box
70
Tabel 4.13. Hasil Peramalan Produk PP Tahun 2015
71
Tabel 4.14. Hasil Peramalan Produk PP Tahun 2015 Yang Telah Ditransformasi
Kuadrat
72
Tabel 4.15. Hasil Peramalan Produk PP Trilene Tahun 2015
72
Tabel 4.16. Hasil Peramalan Produk PP Tintapro Tahun 2015
73
Tabel 4.17. Hasil Nilai Error Produk PP Trilene Tahun 2015
74
Tabel 4.18. Hasil Nilai Error Produk PP Tintapro Tahun 2015
74
Universitas Sumatera Utara
xii
DAFTAR GAMBAR
Hal.
Gambar 2.1. Diagram Tahapan-Tahapan Pada Model ARIMA
12
Gambar 3.1. Arsitektur Umum
22
Gambar 3.2. Proses Data Cleaning Mengubah Koma Dengan Titik
26
Gambar 3.3. Proses Data Integration Pergabungan Data Tahun 2012
Sampai Tahun 2014
27
Gambar 3.4. Proses Data Selection Menyeleksi Data Mana Saja Yang
Gambar 3.5
Relevan
28
Plot Autokorelasi Data Produk PP
30
Gambar 3.6. Plot Autokorelasi Parsial Data Produk PP
31
Gambar 3.7. Box-Cox Uji Konstan Varians
32
Gambar 3.8. Box-Cox Uji Konstan Varians
33
Gambar 3.9. Plot Autokorelasi Residu ARIMA (3,0,2)
38
Gambar 3.10. Pengiriman Data Menggunakan Web Server
40
Gambar 3.11. Usecase Aplikasi Peramalan Bahan Baku
41
Gambar 3.12. Acitivity Diagram Data Penjualan
45
Gambar 3.13. Acitivity Diagram Data Peramalan
46
Gambar 3.14. Rancangan Halaman Login
47
Gambar 3.15. Rancangan Halaman Penjualan
48
Gambar 3.16. Rancangan Halaman Data Peramalan
49
Gambar 3.17. Rancangan Halaman Data Pengguna
50
Gambar 4.1. Halaman Login
52
Gambar 4.2. Halaman Data Penjualan
53
Gambar 4.3. Grafik Total Penjualan Selama Setahun Di Halaman Data
Universitas Sumatera Utara
xiii
Penjualan
53
Gambar 4.4. Grafik Tiap Jenis Produk Plastik Penjualan Selama Setahun
Di Halaman Data Penjualan
54
Gambar 4.5. Halaman Peramalan Produk Plastik
55
Gambar 4.6. Grafik Peramalan Plastik Di Halaman Peramalan Produk
Plastik
55
Gambar 4.7. Grafik Peramalan Bahan Baku Produk Plastik Di Halaman
Peramalan Produk Plastik
56
Gambar 4.8. Data Peramalan Bahan Baku Produk Plastik Di Halaman
Peramalan Produk Plastik
56
Gambar 4.9. Halaman Data Pengguna
57
Gambar 4.10. Hasil Perbandingan Peramalan PP Trilene Dengan Data
Asli PP Trilene
75
Gambar 4.11. Hasil Perbandingan Peramalan PP Tintanpro Dengan Data
Asli PP Tintanpro
76
Universitas Sumatera Utara
PLASTIK BERDASARKAN DATA PENDAPATAN
MENGGUNAKAN METODE ARIMA
ALEXANDER
111402082
PROGRAM STUDI S1 TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2016
Universitas Sumatera Utara
PERAMALAN KEBUTUHAN BAHAN BAKU PEMBUATAN PRODUK
PLASTIK BERDASARKAN DATA PENDAPATAN
MENGGUNAKAN METODE ARIMA
SKRIPSI
Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah
Sarjana Teknologi Informasi
ALEXANDER
111402082
PROGRAM STUDI S1 TEKNOLOGI INFORMASI
FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
MEDAN
2016
Universitas Sumatera Utara
ii
PERSETUJUAN
Judul
: PERAMALAN KEBUTUHAN BAHAN BAKU
PEMBUATAN PRODUK PLASTIK BERDASARKAN
DATA PENDAPATAN MENGGUNAKAN METODE
ARIMA
Kategori
: SKRIPSI
Nama
: ALEXANDER
Nomor Induk Mahasiswa
: 111402082
Program Studi
: S1 TEKNOLOGI INFORMASI
Departemen
: TEKNOLOGI INFORMASI
Fakultas
: ILMU KOMPUTER DAN TEKNOLOGI INFORMASI
UNIVERSITAS SUMATERA UTARA
Komisi Pembimbing
:
Pembimbing 2
Pembimbing 1
Dr. Erna Budhiarti Nababan, M.IT
Baihaqi Siregar, S.SI, M.IT
NIP. -
NIP. 198603032010121004
Diketahui/disetujui oleh
Program Studi S1 Teknologi Informasi
Ketua,
Muhammad Anggia Muchtar, ST., MM.IT
NIP. 19800110 200801 1 010
Universitas Sumatera Utara
iii
PERNYATAAN
PERAMALAN KEBUTUHAN BAHAN BAKU PEMBUATAN PRODUK
PLASTIK BERDASARKAN DATA PENDAPATAN
MENGGUNAKAN METODE ARIMA SKRIPSI
SKRIPSI
Saya mengakui bahwa skripsi ini adalah hasil karya saya sendiri, kecuali beberapa kutipan
dan ringkasan yang masing-masing telah disebutkan sumbernya.
Medan, 28 Januari 2016
Alexander
111402082
Universitas Sumatera Utara
iv
UCAPAN TERIMA KASIH
Puji dan syukur penulis sampaikan kehadirat Tuhan Yang Maha Esa yang telah
memberikan rahmat serta restu-Nya sehingga penulis dapat menyelesaikan skripsi ini
sebagai syarat untuk memperoleh gelar Sarjana Teknologi Informasi.
Pertama, penulis ingin mengucapkan terima kasih kepada Bapak Baihaqi Siregar,
S.Si, M.IT selaku pembimbing pertama dan Ibu Dr. Erna Budhiarti Nababan, M.IT selaku
pembimbing kedua yang telah membimbing penulis dalam penelitian serta penulisan
skripsi ini. Penulis tidak akan dapat menyelesaikan skripsi ini tanpa inspirasi serta motivasi
yang diberikan dari kedua pembimbing. Penulis juga mengucapkan terima kasih kepada
Bapak Prof. Dr. Opim Salim Sitompul, M.Sc sebagai dosen pembanding pertama dan
Bapak Romi Fadillah Rahmat, B.Comp.Sc, M.Sc sebagai dosen pembanding kedua yang
telah memberikan masukan serta kritik yang bermanfaat dalam penulisan skripsi ini.
Ucapan terima kasih juga ditjukan kepada semua dosen serta semua pegawai pada program
studi S1 Teknologi Informasi, yang telah membantu serta membimbing penulis selama
proses perkuliahan.
Penulis tentunya berterima kasih kepada kedua orang tua penulis, Bapak penulis
Anton, serta Ibu penulis Leily yang telah membesarkan penulis dengan sabar dan penuh
cinta. Terima kasih juga penulis ucapkan kepada adik penulis, Vania. yang selalu
memberikan dukungan kepada penulis. Penulis juga berterima kasih kepada seluruh
anggota keluarga penulis yang namanya tidak dapat disebutkan satu-satu.
Terima kasih juga penulis ucapkan kepada seluruh teman-teman angkatan 2011
yang telah bersama-sama penulis melewati perkuliahan pada program studi S1 Teknologi
Informasi, serta teman-teman mahasiswa Teknologi Informasi lainnya.
Universitas Sumatera Utara
v
ABSTRAK
Peramalan adalah suatu proses memperkirakan sesuatu yang akan datang dengan
melakukan perhitungan dari data sebelumnya. Dalam hal ini penulis akan melakukan
peramalan penjualan produksi plastik dengan menggunakan metode ARIMA Box-Jenkins
untuk peramalan 2015. Data yang digunakan adalah data penjualan parbik produksi plastik
di bandung tahun 2012 sampai 2014. Penelitian ini akan menggunakan prosedur ARIMA
di SAS yang memungkinkan untuk identifikasi, estimasi dan peramalan model Time
Series. Pengukuran tingkat akurasi hasil peramalan dilakukan dengan nilai MAPE (Mean
Absolute Percentage Error). Hasil peramalan yang dilakukan untuk tahun 2015
menggunakan ARIMA (3,0,2) pada data penjualan produk plastik periode 2012 sampai
2014 menghasilkan tingkat akurasi peramalan sebesar 74% untuk produk PP Trilene dan
sebesar 68% untuk produk PP Tintapro.
Kata Kunci : ARIMA, SAS, MAPE, dan Peramalan
Universitas Sumatera Utara
vi
INVENTORY-MATERIAL NEEDS FOR PLASTIC PRODUCTS FORECASTING
BASED ON INCOME DATA USING ARIMA METHOD
ABSTRACT
Forecasting is a process of estimating an output in comparison of its calculation using
previous data. In this research, the forecasting points to plastic production sale forecasting
using ARIMA Box-Jenkins method to forecast 2015. Data used are factory plastic sale
production in 2012 to 2014. This research uses ARIMA procedure in SAS that enables in
identification, estimation and model Time Series forecasting. The accuracy of forecasting
results is measured by the value of MAPE ( Mean Absolute Percentage Error). The results
of forecasting using ARIMA (3,0,2) made for the year 2015, on the PP plastic product
sales data period from January 2012 up to December 2014 resulted in forecasting accuracy
level up to 74 % for product PP and 68% for product PP Tintanpro.
Keywords : ARIMA, SAS, MAPE and Forecasting
Universitas Sumatera Utara
vii
DAFTAR ISI
Hal.
PERSETUJUAN
ii
PERNYATAAN
iii
UCAPAN TERIMA KASIH
iv
ABSTRAK
v
ABSTRACT
vi
DAFTAR ISI
vii
DAFTAR TABEL
x
DAFTAR GAMBAR
xi
BAB 1
BAB 2
PENDAHULUAN
1
1.1 Latar Belakang
1
1.2 Rumusan Masalah
2
1.3 Batasan Masalah
2
1.4 Tujuan Penelitian
3
1.5 Manfaat Penelitian
3
1.6 Metodologi Penelitian
3
1.7 Sistematika Penulisan
4
LANDASAN TEORI
6
2.1 Peramalan
6
2.2 Metode Derek Berkala
8
2.3 Klasifikasi Model ARIMA
9
2.4 ACF dan PACF
10
2.4.1 ACF (Autocorrelation Function)
10
2.4.2 PACF (Partial Autocorrelation Function)
11
2.5 Tahapan Metode ARIMA
2.5.1 Konstan (Stasioner)
2.5.1.1 Rata-Rata (Mean)
11
12
12
Universitas Sumatera Utara
viii
2.5.1.2 Varians
13
2.5.1.3 Data Konstan dan Non-Konstan Dalam Mean 13
2.5.1.4 Data Konstan dan Non-Konstan Stasioner
Dalam Varians
BAB 3
14
2.5.2
Identifikasi
14
2.5.3
Estimasi
15
2.5.3.1 Residu
15
2.5.3.2 Pemeriksaan Kesalahan Standar Residu
15
2.5.4 Diagnosis
16
2.5.5 Peramalan
17
2.6 SAS
18
2.7 Penelitian Terdahulu
19
Analisis Dan Perancangan
22
3.1 Arsitektur Umum
22
3.2 Pengumpulan Data
23
3.3 Preprocessing Data
25
3.3.1 Data Cleaning
25
3.3.2 Data Integration
26
3.3.3 Data Selection
27
3.4 Peramalan
28
3.4.1 Pengujian Data Konstan
28
3.4.2 Identifikasi Model ARIMA
32
3.4.3 Estimasi
33
3.4.3.1 Estimasi Parameter Model ARIMA (4,0,0)
33
3.4.3.2 Estimasi Parameter Model ARIMA (3,0,2)
35
3.4.4 Diagnostik
36
3.4.5 Peramalan
38
3.5 Pengiriman Data Menggunakan Web Server
39
3.6 Perancangan
39
3.6.1 Use Case Diagram
39
Universitas Sumatera Utara
ix
BAB 4
3.6.2 Acitivity Diagram
43
3.6.3 Perancangan User Interface
44
IMPLEMENTASI DAN PENGUJIAN
49
4.1 Implementasi Sistem
49
4.1.1 Spesifikasi perangkat keras dan perangkat lunak
yang digunakan
4.1.2 Implementasi Perancangan Antarmuka
4.2 Pengujian Kinerja Sistem
49
49
54
4.2.1 Rencana Pengujian Sistem
55
4.2.2 Kasus Dan Hasil Pengujian Sistem
55
4.2.3 Pengujian Kinerja Sistem
58
4.2.4 Pengujian Data
69
KESIMPULAN DAN SARAN
72
5.1 Kesimpulan
72
5.2 Saran
72
DAFTAR PUSTAKA
73
BAB 5
Universitas Sumatera Utara
x
DAFTAR TABEL
Hal.
Tabel 2.1. Bentuk Tranformasi
14
Tabel 2.2. Pola ACF dan PACF
15
Tabel 2.3. Penelitian terdahulu
20
Tabel 3.1. Data Histori Penjualan Produk Plastik HDPE per PCS
23
Tabel 3.2. Data Histori Penjualan Produk Plastik PE per PCS
24
Tabel 3.3. Data Histori Penjualan Produk Plastik PP per PCS
25
Tabel 3.4. Output ESACF
34
Tabel 3.5. Estimasi Model ARIMA (4,0,0)
35
Tabel 3.6. Estimasi Model ARIMA (3,2,0)
36
Tabel 3.7. Hasil Chi-Square Dengan Pengujian Ljung-Box
39
Tabel 3.8. Definisi Aktor
42
Tabel 3.9. Definisi User Case
42
Tabel 3.10. Skenario Use Case Pengguna
43
Tabel 3.11. Skenario Use Case Data Penjualan
44
Tabel 3.12. Skenario Use Case Peramalan
44
Tabel 4.1. Rencana Pengujian Sistem
57
Tabel 4.2. Hasil Pengujian Halaman Login
58
Tabel 4.3. Hasil Pengujian Halaman Data Penjualan
59
Tabel 4.4. Hasil Pengujian Halaman Data Peramalan
60
Tabel 4.5. Hasil Pengujian Halaman Pengguna
60
Tabel 4.6. Data Penjualan Produk Plastik PP Tahun 2012-2014
61
Tabel 4.7. Nilai Autokorelasi Data Produk PP
63
Tabel 4.8. Nilai Autokorelasi Parsial Data Produk PP
65
Tabel 4.9. Nilai Hasil Transformasi Data Produk PP
67
Universitas Sumatera Utara
xi
Tabel 4.10. Estimasi Model ARIMA (3,0,2)
68
Tabel 4.11. Nilai Autokorelasi Residu ARIMA (3,0,2)
69
Tabel 4.12. Hasil Chi-Square Dengan Pengujian Ljung-Box
70
Tabel 4.13. Hasil Peramalan Produk PP Tahun 2015
71
Tabel 4.14. Hasil Peramalan Produk PP Tahun 2015 Yang Telah Ditransformasi
Kuadrat
72
Tabel 4.15. Hasil Peramalan Produk PP Trilene Tahun 2015
72
Tabel 4.16. Hasil Peramalan Produk PP Tintapro Tahun 2015
73
Tabel 4.17. Hasil Nilai Error Produk PP Trilene Tahun 2015
74
Tabel 4.18. Hasil Nilai Error Produk PP Tintapro Tahun 2015
74
Universitas Sumatera Utara
xii
DAFTAR GAMBAR
Hal.
Gambar 2.1. Diagram Tahapan-Tahapan Pada Model ARIMA
12
Gambar 3.1. Arsitektur Umum
22
Gambar 3.2. Proses Data Cleaning Mengubah Koma Dengan Titik
26
Gambar 3.3. Proses Data Integration Pergabungan Data Tahun 2012
Sampai Tahun 2014
27
Gambar 3.4. Proses Data Selection Menyeleksi Data Mana Saja Yang
Gambar 3.5
Relevan
28
Plot Autokorelasi Data Produk PP
30
Gambar 3.6. Plot Autokorelasi Parsial Data Produk PP
31
Gambar 3.7. Box-Cox Uji Konstan Varians
32
Gambar 3.8. Box-Cox Uji Konstan Varians
33
Gambar 3.9. Plot Autokorelasi Residu ARIMA (3,0,2)
38
Gambar 3.10. Pengiriman Data Menggunakan Web Server
40
Gambar 3.11. Usecase Aplikasi Peramalan Bahan Baku
41
Gambar 3.12. Acitivity Diagram Data Penjualan
45
Gambar 3.13. Acitivity Diagram Data Peramalan
46
Gambar 3.14. Rancangan Halaman Login
47
Gambar 3.15. Rancangan Halaman Penjualan
48
Gambar 3.16. Rancangan Halaman Data Peramalan
49
Gambar 3.17. Rancangan Halaman Data Pengguna
50
Gambar 4.1. Halaman Login
52
Gambar 4.2. Halaman Data Penjualan
53
Gambar 4.3. Grafik Total Penjualan Selama Setahun Di Halaman Data
Universitas Sumatera Utara
xiii
Penjualan
53
Gambar 4.4. Grafik Tiap Jenis Produk Plastik Penjualan Selama Setahun
Di Halaman Data Penjualan
54
Gambar 4.5. Halaman Peramalan Produk Plastik
55
Gambar 4.6. Grafik Peramalan Plastik Di Halaman Peramalan Produk
Plastik
55
Gambar 4.7. Grafik Peramalan Bahan Baku Produk Plastik Di Halaman
Peramalan Produk Plastik
56
Gambar 4.8. Data Peramalan Bahan Baku Produk Plastik Di Halaman
Peramalan Produk Plastik
56
Gambar 4.9. Halaman Data Pengguna
57
Gambar 4.10. Hasil Perbandingan Peramalan PP Trilene Dengan Data
Asli PP Trilene
75
Gambar 4.11. Hasil Perbandingan Peramalan PP Tintanpro Dengan Data
Asli PP Tintanpro
76
Universitas Sumatera Utara