Pendahuluan
Data Mining
dapat membantu bisnis untuk menganalisis data, perilaku pengguna, dan
memprediksi tren masa depan(Hamid Mughal, 2018). Data mining merupakan suatu
teknologi yang dapat mengumpulkan atau mengolah suatu data yang ukuranya sangat
besar. Untuk penggunan
sendiri, Data mining memiliki 2 fungsi: Fungsi Deskriptif, Prediktif, dan lain-lain.
Fungsi prediktif merupakan fungsi
yang dimana, untuk bisa memprediksi variabel yang belum diketahui nilainya, Dibutuhkan suatu proses yang nantinya akan menemukan
beberapa pola-pola tertentu dari suatu
data. Di dalam
data mining terdapat beberapa
metode,
atau cara yang digunakan untuk menyelesaikan berbagai macam tujuan tertentu. Salah satu dari metode
tersebut adalah Forecasting.
Metode forecasting adalah
metode pembuat prediksi yang menggunakan data riwayat, atau data pada masa lalu,
untuk memprediksi suatu nilai yang akan
dicapai pada periode di masa mendatang.
Dengan menggunakan metode ini, nilai pada periode sebelumnya bisa menjadi dasar untuk bahan prediksi di periode
masa mendatang.
Dengan adanya Forecasting, Bukan tidak mungkin untuk memperkirakan kemungkinan
untuk dapat memprediksikan hasil yang nantinya akan didapat di masa mendatang. Terutama dalam penjualan dari usaha yang memproduksi produk yang berupa kue
kering. Dengan menggunakan algoritma pemrograman yang tepat, sebuah teknologi
dapat memperhitungkan hasil pendapatan suatu usaha produksi kue kering dimasa
mendatang. DimtyaCookies adalah rumah produksi, yang memproduksi kue kering
khas lebaran. Setiap tahunya DimtyaCookies hanya memproduksi selama kegiatan
puasa ramadhan.
DimtyaCookies
memiliki masalah, yang ingin penulis angkat untuk dijadikan bahan dasar Untuk
penelitian skripsi, yang dimana masalah tersebut adalah, belum adanya sistem
yang dapat memprediksikan hasil penjualan dimasa mendatang. Dengan kurangnya prediksi
yang dimiliki mengakibatkan kesalahan prediksi pada saat pembelian bahan baku,
sehingga terjadinya, fenomena bahan baku yang terbuang, diakibatkan oleh jumlah
permintaan yang tidak sesuai dengan bahan baku yang sudah dipersiapkan. Untuk
menyelesaikan masalah tersebut, Penulis
membuat penelitian yang Berjudul �Perancangan Sistem Prediksi Penjualan
Menggunakan Metode Simple Moving Average�. Dengan menggunakan salah satu dari algoritma
Forecasting yang berupa
algoritma Simple Moving Average. Yang dimana algoritma tersebut dapat memprediksikan hasil penjualan
dimasa mendatang dan bisa untuk menekan kemungkinan terbuangnya bahan baku pada
saat penyetokan.
Dalam pemilihan
algoritma, penulis melakukan beberapa perbandingan algoritma, untuk menemukan
algoritma yang cocok terhadap dataset yang dimiliki untuk detail lebih lanjut
bisa dilihat pada halaman Lampiran, berdasarkan perhitungan pada halaman
Lampiran terbukti algoritma Simple Moving
Average sangat cocok untuk dataset yang dimiliki oleh penulis berdasarkan
nilai RMSE yang kecil.
�Dengan menjumlahkan dengan beberapa data
penjualan yang ada sebelumnya. Simple Moving Average merupakan sebuah peramalan yang umum dan banyak digunakan dalam
memproduksi mapun memprediksi laba dan rugi perusahaan(Aini et al., 2018).
Tinjauan Teoritis
Didalam proses pembuatan penelitian ini penulis
menggunakan beberapa teori yang bisa membantu dan mendukung penulis,
selama penelitianya berlangsung. Teori yang digunakan adalah sebagai berikut:
Data
mining
Data mining adalah proses yang mempelajari alur atau pertukaran data
dari gudang data. Proses ini memiliki berbagai macam pola dan aturan berbeda,
yang dapat membantu pengguna. Untuk menganalisa data yang telah dikumpulkan
oleh gudang data(Hamid Mughal, 2018).
Forecasting
Forecasting adalah ilmu atau seni, yang mempelajari ilmu memprediksi atau meramal,
pada suatu peristiwa-peristiwa.
Yang akan terjadi(Aini et al., 2018). Forecasting
merupakan suatu kegiatan meramalkan penjualan di masa mendatang, dengan
menentukan perkiraan
besarnya volume, potensi, dan luas pasar di masa mendatang(Rahmatullah et al., 2020).
Forecasting adalah suatu usaha yang melakukan prosess memperkirakan tentang apa yang
mungkin terjadi dimasa depan Secara sistematis(Kurniadi, 2018). Salah satu contoh dari penggunaan forecasting adalah penggunaan untuk memprediksi ketersediaan pada
pasokan air yang dimiliki(Fatimah et al., 2018).
Simple
Moving Average
Metode Simple
Moving Average (SMA). Adalah
metode yang sangat sederhana, yang dimana dalam perhitungan nya tidak
menggunakan pembobotan terhadap closing price(Aini et al., 2018). Unuk penggunaanya Sangat mudah untuk Digunakan. Yang
dimana algoritma ini bekerja, dengan mengambil Nilai prediksi pada sebuah
periode. berdasarkan rata-rata dari sekian baris data sebelumnya. Metode SMA
mampu dan dapat melakukan perhitungan dengan data permintaan penjualan yang
stabil dan atau konstan(Hariri et al., 2021).
Simple Moving average bekerja dengan menghitung rata-rata bergerak selama
periode tertentu, berdasarkan serangkaian parameter(Sembiring et al., 2021).
Mt = Rata-rata bergerak pada
periode t
Yt+1 = Nilai ramalan periode
berikutnya
Yt = Jumlah data dalam rata-rata
bergerak
Langkah-langkah
penggunaan algoritma terdapat pada rumus diatas (Syafira & Hutahaean,
2022). Simple Moving
Average Menghitung dengan menggunakan rata-rata dari sejumlah (n) data
terkini untuk meramalkan periode mendatang. Simple Moving Average akan efektif
diterapkan apabila kita dapat berasumsi bahwa permintaan pasar terhadap produk
akan tetap stabil sepanjang waktu(Kurniadi, 2018). Pengumpulan data dapat dilakukan dengan melakukan
wawancara terhadap sumber terkait, untuk memperoleh data dan informasi yang
dibutuhkan(Lusinia & Rahmansyah,
2020).
Prototype
Prototype Model
adalah salah satu dari model yang terdapat dalam siklus SDLC. Model Prototype adalah metode yang memperbolehkan pengguna
untuk memiliki gambaran awal tentang sistem yang akan dibuat, serta bisa
menguji gambaran awal yang dimiliki oleh pengguna langsung ke dalam sistem yang
sedang dikembangkan.
Web
Web
adalah sebuah Software Aplikasi yang terdapat pada browser digunakan untuk
menerima, menampilkan, dan menerjemahkan informasi dari World Wide Web(www). Dan informasi tersebut dibuat dalam format
kode dalam bentuk HTML(Taryana & Kom, 2021).
Node Js
Node js
adalah runtime environment untuk javascript. runtime environment sendiri adalah
keadaan dimana suatu program aplikasi sedang dijalankan. Node js ini bersifat open source, yang dimana developer dapat
menggunakannya dengan gratis.
Framework
Framework
adalah kerangka kerja, yang dapat membantu pengembang untuk menulis code dengan
lebih terstruktur dan rapi. Framework
dirancang tujuan untuk menggantikan konsep lama aplikasi multi page, di mana dokumen HTML baru dimuat dengan setiap
interaksi dengan konsep aplikasi single
page, di mana hanya bagian UI yang diubah(Merkel, 2021).
Angular
Angular adalah
platform dan framework yang menggunakan html, css, dan typescript yang sering
digunakan dalam pengembangan Web
Development. Dalam pengembanganya angular dikembangkan pada tahun 2016 dan
sekarang didasarkan pada TypeScript, bukan JavaScript (Merkel, 2021).
Strapi
Strapi merupakan
Headless CMS open-soure yang dimana Strapi memberikan kebebasan kepada
pengembang untuk menggunakan alat dan kerangka kerja favorit mereka. Strapi
memberikan pengembang kebebasan untuk memilih frameworks, alat kesukaan dan favorit
mereka, juga para pengembang diberi kebebasan memungkinkan editor untuk
mengelola dan mendistribusikan konten mereka dengan mudah(Sanjaya & Suwarno,
2021).
SQLITE
SQLite
adalah sebuah sistem manajemen relational database yang bersifat open source, serverless, dan portabel yang digunakan untuk mempermudah akses dan
mengelola database anda. SQLite juga memungkinkan para
pengembang untuk mengatur penyimpana data dengan cara yang lebih sederhana(Ali Subhan Afrizal, S.T.,
2019).
UML
Unified Modeling
Language merupakan kumpulan pemodelan diagram yang merancang sistem
berorientasi object secara visual
yang menggambarkan arsitektur, atribut, perilaku dengan kompleksitas yang baik
dan mudah dimengerti(Madjid et al., 2021).
Penelitian Sebelumnya
Penelitian
sebelumnya adalah kumpulan dari beberapa penelitian terdahulu. sehingga hasil
dari beberapa penelitian sebelumnya bisa menjadi referensi atau acuan untuk
penelitian di masa yang akan datang.
Tabel 1
Penelitian
Terdahulu
|
No |
Judul |
Tahun |
Metode |
Penulis |
Hasil Penelitian |
|
1 |
Prediksi Penjualan
Barang Menggunakan Algoritma Moving Average Pada Toko Ars Frozen food |
2022 |
Moving Average |
Nur, Alfian Choirun, Rois Helilintar, Risa Informatika, Teknik Teknik,
Fakultas Nusantara, Universitas Kediri, Pgri |
Hasil Penelitian yang terjadi berupa halaman yang menampilkan hasil
peramalan dari periode yang sudah diinputkan sebelumnya(Nur et al., 2022). |
|
2 |
Prediksi Pemakaian Air
PDAM Menggunakan Metode Simple Moving Average |
2018 |
Simple Moving Average |
Fatimah, Fajar Tejawati, Andi Puspitasari, Novianti |
sistem ini mampu memberikan hasil prediksi yang baik yaitu dengan nilai
MAPE sebesar 0,1712, dimana apabila nilai MAPE < 10% maka hasil prediksi
termasuk dalam kategori baik berdasarkan data pemakaian air PDAM Tirta
Kencana pada tahun 2016 dan 2017(Fatimah et al., 2018). |
|
3 |
Penerapan Metode Simple
Moving Average Untuk Memprediksi Hasil Laba Laundry Karpet Pada CV . Homecare |
2018 |
Simple Moving Average |
Aini, Nur Sinurat, Sinar Hutabarat, Sumiaty Adelina |
Berdasarkan hasil prediksi Simple Moving Average dengan pergerakan 7,
maka didapat hasil prediksi sebesar Rp. 28.122.590 pada bulan yang akan
datang atau bulan agustus 2017(Aini et al., 2018). |
|
4 |
Prediksi Penjualan
Produk Menggunakan Algoritma Naive Bayes |
2019 |
Naive Bayes |
Yulianto, Teguh |
Diharapkan Metode ini dapat membantu proses penjualan produk sesuai
dengan yang dibutuhkan masyarakat(Yulianto, 2019). |
|
5 |
Penerapan Data Mining
Untuk Peramalan Penjualan Obat dengan Menggunakan Single Exponential
Smoothing di Apotek Hamzah Farma |
2018 |
Single Exponential Smoothin |
Efendi, Dwi Marisa Ardhy, Ferly |
Hasil peramalan ini diharapkan dapat meningkatkan strategi penjualan dan
pendapatan Apotek Hamzah Farma(Efendi & Ardhy, 2018). |
|
6 |
Prediksi Penjualan Roti
Menggunakan Metode Exponential Smoothing (Studi Kasus : Harum Bakery) |
2019 |
Exponential Smoothing |
Laksmana, Reyhan Dzickrillah Santoso, Edy Rahayudi, Bayu |
dalam memprediksi penjualan sangat dipengaruhi oleh berbagai parameter
yaitu nilai a,b,y(Laksmana et al., 2019) |
Metode Penelitian
Dalam penelitian
nya, penulis menggunakan jenis Penelitian Kuantitatif. Penelitian Kuantitatif
merupakan suatu penelitian ilmiah yang bersifat sistematis, terhadap
bagian-bagian dan fenomena serta kualitas hubungan-hubungannya.
Metode
penelitian Kuantitatif merupakan metode, yang berlandaskan pada objek-objek,
yang bisa diamati sebagai sampel data yang terkumpul berupa angka-angka yang
kemudian dianalisis, dan diperhitungkan. Sehingga dapat mendeskripsikan suatu
objek yang dapat dimunculkan berupa tabel maupun grafik(Sya & Pd, 2005). Penelitian positivistic (positivist research)
dikembangkan dengan cara mengumpulkan sejumlah data berdasarkan perilaku yang
bisa diamati dari sampel yang ada, dan kemudian data yang berupa angka-angka
tersebut akan dianalisis(Sya & Pd, 2005).
Penelitian
kuantitatif masuk ke dalam jenis penelitian positivistic. Alasan mengapa metode
ini disebut sebagai metode positivistic karena metode tersebut berlandaskan
pada filsafat positivisme(Sya & Pd, 2005).
Hasil dan Pembahasan
Di dalam DimtyaCookies terdapat
kesalahan prediksi pada saat pembelian bahan baku, sehingga terjadinya,
fenomena pasokan bahan baku tidak sebanding dengan jumlah permintaan pada
konsumen, maka jumlah bahan baku tersebut menjadi tidak terpakai, sehingga
mengakibatkan beberapa kerugian. Berikut ini merupakan tabel dibawah ini yang
berisi data pengeluaran serta kergugian yang dialami oleh DimtyaCookies pada tahun 2020.
|
Disiapkan |
�Rp 4.195.000 |
|
Terpakai |
�Rp 2.585.000 |
|
Kerugian |
�Rp 1.610.000 |
Untuk menghindari terjadinya kesalahan pada saat pembelian
bahan baku digunakanya sistem
prediksi yang menggunakan perhitungan Simple
Moving Average (SMA), sebagai algoritma yang digunakan didalam sistem.
Berikut ini adalah Perhitungan pada prediksi setiap produk yang menggunakan
algoritma simple moving average
Peramalan Produk Nastar
Data peramalan
2023 = 47,3
Peramalan Produk Kastengel
Data peramalan
2023 = 40
Peramalan Produk Putri salju
Data peramalan
2023 = 39
Peramalan Produk Stik coklat
Data peramalan
2023 = 35
Peramalan Produk Coklat Mede
Data peramalan 2023 = 28
Peramalan Produk Choco Chip
Data peramalan 2023 = 25
Peramalan Produk Kurma Coklat
Data peramalan 2023 = 22
Peramalan Produk Milk Cookies
Data peramalan 2023 = 24
Peramalan Produk Milk Cookies
Data peramalan 2023 = 24
Hasil
Berikut merupakan contoh
sistem dalam memredikisi suatu produk, dalam hal ini produk yang akan di prediksikan merupakan produk Nastar.
Pada Gambar diatas adalah tampilan dari proses Prediksi, dengan
memilih tahun produk yang diinginkan dan rata-rata, lalu menekan tombol
prediksi. akan keluar hasil dari prediksi semua produk pada tahun yang dipilih.
Pada gambar dibawah
ini, adalah hasil dari peramalan produk pada tahun 2023 dengan menggunakan rata-rata sama dengan 3, akan menampilka semua prediksi
produk pada tahun 2023.
Black Box Testing
Dengan melakukan pengujian black box, pengujian dilakukan untuk melihat
detail aplikasi seperti tampilan aplikasi, fungsi- fungsi yang ada pada
aplikasi dan kesesuaian alur fungsi dengan sistem kerja yang diinginkan perancangnya(Uminingsih et al., 2022). Pengujian ini tidak melihat dan menguji source code
program.
Pengujian Menu Penjualan
Pengujian Menu Tambah
Penjualan
Pengujian Menu
Peramalan
Pengujian Menu Produk
Kesimpulan
Selama pengerjaan yang telah dilakukan oleh penulis sejauh ini, penulis
menarik beberapa Kesimpulan. Berikut adalah beberapa kesimpulan yang dapat diambil
oleh penulis, diantaranya: (1) Dengan menggunakan metode peramalan berupa
Simple Moving Average, kita dapat
menggunakan data yang dimiliki, untuk melakukan peramalan dan mengetahui data
di masa yang akan datang. (2) Dengan adanya hasil dari peramalan diharapkan,
hasil dari data peramalan bisa menjadi acuan terhadap pembelian untuk pasokan
bahan baku dan
mengurangi bahan baku yang tidak terpakai. (2) Dengan Menggunakan Simple Moving Average pada data penjualan, akan
memudahkan pengguna untuk bisa mempersiapkan bahan baku dengan tepat sesuai
dengan data permintaan yang telah diramal
BIBLIOGRAFI
Aini, N., Sinurat, S., & Hutabarat, S. A. (2018).
Penerapan Metode Simple Moving Average Untuk Memprediksi Hasil Laba Laundry
Karpet Pada CV . Homecare. Jurnal Riset Komputer (JURIKOM), 5(2),
167�175.
Ali Subhan Afrizal, S.T., M. K. (2019). Rancang Bangun
Aplikasi Edukasi Pajak Sebagai Media Edukasi Perpajakan Kepada Masyarakat. Jurnal
TIPS: Jurnal Teknologi Informasi Dan Komputer Politeknik Sekayu, 10(2),
18�29.
Efendi, D. M., & Ardhy, F. (2018). Penerapan Data Mining
Untuk Peramalan Penjualan Obat dengan Menggunakan Single Exponential Smoothing
di Apotek Hamzah Farma. Seminar Nasional Teknologi Dan Bisnis, 198�203.
Fatimah, F., Tejawati, A., & Puspitasari, N. (2018).
Prediksi Pemakaian Air PDAM Menggunakan Metode Simple Moving Average. Jurnal
Rekayasa Teknologi Informasi (JURTI), 2(1), 55.
https://doi.org/10.30872/jurti.v2i1.1410
Hamid Mughal, M. J. (2018). Data mining: Web data mining
techniques, tools and algorithms: An overview. International Journal of
Advanced Computer Science and Applications, 9(6), 208�215.
https://doi.org/10.14569/IJACSA.2018.090630
Hariri, F. R., Sari, W., & Mashuri, C. (2021).
Perbandingan metode Double Exponential Smoothing dan Simple Moving Average pada
kasus peramalan penjualan. Teknologi, 11(2), 93�100.
https://doi.org/10.26594/teknologi.v11i2.2348
Kurniadi, W. (2018). Pendukung Keputusan Dalam Peramalan
Penjualan Ayam Broiler Dengan Metode Trend Moment Dan Simple Moving Average
Pada CV. Merdeka Adi Perkasa. Jurnal Media Informatika Budidarma, 2(3),
76�90. https://doi.org/10.30865/mib.v2i3.652
Laksmana, R. D., Santoso, E., & Rahayudi, B. (2019).
Prediksi Penjualan Roti Menggunakan Metode Exponential Smoothing (Studi Kasus :
Harum Bakery). Jurnal Pengembangan Teknologi Informasi Dan Ilmu Komputer,
3(5), 4933�4941.
Lusinia, S., & Rahmansyah, N. (2020). Analysis of the
Level of Vulnerability to Floods using the Method of Simple Moving Average (A
Case Study of the City of Padang). Jurnal KomtekInfo, 7(3), 242�246.
https://doi.org/10.35134/komtekinfo.v7i3.84
Madjid, H. A., Ambarwati, A., & Latipah, L. (2021).
Decision Support System Peramalan Permintaan Layanan Kecantikan dengan Single
Exponential Smoothing dan Simple Moving Average. Jurnal Sistem Dan Teknologi
Informasi (Justin), 9(3), 372.
https://doi.org/10.26418/justin.v9i3.45796
Merkel, M. (2021). Do TypeScript Applications Show Better
Software Quality than JavaScript Applications ? A Repository Mining Study
on GitHub.
Nur, A., Choirun, R., Helilintar, R., Informatika, T., Teknik,
F., Nusantara, U., & Kediri, P. (2022). Prediksi Penjualan Barang
Menggunakan Algoritma Moving Average Pada Toko Ars Frozenfood. 1,
313�319.
Rahmatullah, S., Wahyuni, S., Chaining, M. F., & Method,
F. C. (2020). Penerapan Data Mining Untuk Prediksi Penjualan Produk
Furniture Terlaris Menggunakan Metode Knearest Neighbor. 3(2), 75�86.
https://doi.org/10.47065/bits.v3i4.1408
Sanjaya, T., & Suwarno. (2021). Perancangan Dan
Implementasi Company Profile Berbasis Website Sebagai Media Promosi di PT.
Hassani Can Packaging. 1(1), 14�19.
Sembiring, F., Gustian, D., Erfina, A., & ... (2021).
Analisis Tingkat Akurasi Algoritma Moving Average dalam Prediksi Pergerakan
Uang Elektronik Bitcoin. � Informatika Dan �.
Sya, A., & Pd, M. (2005). Teknik analisis data penelitian.
1�5.
Syafira, S., & Hutahaean, J. (2022). Perbandingan
Metode SMA dan MWA Dalam Memprediksi Jumlah Penjualan Alat Olahraga. 3(4),
617�631. https://doi.org/10.47065/bits.v3i4.1409
Taryana, O. :, & Kom, S. M. (2021). Pengenalan
HTML, Browser dan Text Editor. Pengenalan HTML, Browser Dan Text Editor,
10.
Uminingsih, Ichsanudin, M. N., Yusuf, M., & Suraya.
(2022). Pengujian Fungsional Perangkat Lunak Sistem Informasi Perpustakaan
Dengan Metode Black Box Testing Bagi Pemula. Jurnal Ilmiah Teknik Dan Ilmu
Komputer, 1(2), 1�8.
Yulianto, T. (2019). Prediksi Penjualan Produk Menggunakan
Algoritma Naive Bayes. Journal Teknologi Yogyakarta, 1(2), 3�10.
|
Copyright holder: Elfina Maulid
(2022) |
|
First publication right: Syntax
Literate: Jurnal Ilmiah Indonesia |
|
This article is licensed under:
|
