PERANCANGAN SISTEM PERAMALAN PENJUALAN MENGGUNAKAN

METODE EXPONENTIAL

(STUDI KASUS CV. MAKMUR SEJAHTERA)

Sugianto

ABSTRAKSI

CV. Makmur Sejahtera adalah perusahaan manufacture yang mempunyai

permasalahan dalam menentukan jumlah bahan baku yang dibutuhkan dalam proses

produksinya, dimana jumlah angka produksinya tetap, atau jumlahnya sama setiap

periodenya. Seandainya jumlah angka penjualan lebih besar daripada jumlah angka

pembelian, maka menyebabkan terjadinya kekurangan stock bahan baku. Demikian

sebaliknya Jika terjadi keadaan dimana jumlah angka pembelian lebih besar

dibandingkan dengan angka penjualan, maka akan menyebabkan penumpukan barang

di gudang. Dalam penelitian ini dibuat perancangan sistem informasi informasi

meliputi modul data customer, suplier, barang, pembelian, penjualan. Metode yang

digunakan dalam peramalan penjualan adalah metode Exponential Smoothing atau

Metode yang digunakan untuk proses perhitungan bersifat trend .

Kata Kunci : Peramalan, Sistem Informasi, periode, Trend.

1. PENDAHULUAN
1.1. Latar Belakang

Dalam sebuah perusahaan yang bergerak di bidang jasa atau bidang manufaktur,

diperlukan suatu perencanaan yang tepat agar perusahaan tersebut dapat terus bersaing

dengan para kompetitornya. Semakin tepat keputusan yang dibuat, maka semakin kecil pula

resiko perusahaan tersebut mengalami kerugian. Dikarenakan adanya kompetitor yang

membuat persaingan lebih ketat, Perusahaan mesti mengadakan serangkaian kegiatan

penjualan yang efektif dan memberikan peralatan promosi untuk merangsang pembelian

agar lebih meningkat (Kotler, 1989:28).

1.2. Maksud dan Tujuan

Dalam penelitian ini dibuat perancangan sistem informasi informasi meliputi modul

data customer, suplier, barang, pembelian, penjualan. Metode yang digunakan dalam

peramalan penjualan adalah metode Exponential Smoothing atau Metode proses

perhitungannya bersifat trend .

1.3 Metode Penelitian

penelitian ini dilakukan berdasarkan studi kasus di CV. Makmur ,salah

satu hal yang harus diperhatikan adalah perencanaan untuk penetepan anggaran biaya

produksi. dalam kenyataannya sering terjadi suatu keadaan dimana jumlah angka

penjualan barang yang diproduksi tidak sebanding atau dikatakan lebih kecil daripada

jumlah angka produksi barang sehingga dapat menyebabkan kerugian pada

perusahaan.

2. LANDASAN TEORI
2.1 Proses Peramalan

Semua metode peramalan menggunakan pengalaman-pengalaman masa lalu

untuk meramalkan masa depan yang mengandung ketidakpastian. Oleh karena itu,

metode peramalan mengasumsikan bahwa kondisi-kondisi yang menghasilkan data

masa lalu tidak berbeda dengan kondisi di masa mendatang kecuali variabel-variabel

yang secara eksplisit digunakan dalam model peramalan tersebut.

Tahap-tahap peramalan dapat dibagi menjadi beberapa tahap sebagai berikut

1. Penentuan tujuan

Pada tahap ini penentuan tujuan dari setiap peramalan harus disebutkan secara

tertulis, formal dan eksplisit. Si pembuat ramalan harus memahami kegunaan-

kegunaan dari proyeksi manajerial yang telah ditetapkan, dan peramal harus

meyakinkan bahwa terjadi konsistensi di antara ramalan-ramalan tersebut.

Tujuan ramalan mempengaruhi panjangnya periode ramalan dan menentukan

frekuensi revisi.

2. Pemilihan teori yang relevan

Tahap ini menentukan hubungan teoritis yang menentukan perubahan-perubahan

variabel yang diramalkan.

Suatu teori yang tepat guna akan selalu membantu seorang peramal dalam

mengidentifikasi setiap kendala yang ada untuk dipecahkan dan dimasukkan

kedalam proses peramalan.

3. Pengumpulan data
 Tahap ini merupakan tahap yang paling kritikal karena tahap-tahap berikutnya

dapat dilakukan atau tidak tergantung pada relevansi data yang diperoleh tersebut.

4. Analisis data

Pada tahap ini dilakukan penyeleksian data karena dalam proses peramalan

seringkali kita mempunyai data yang tidak relevan dengan masalah yang akan di

analisis sehingga dapat mengurangi keakuratan dari peramalan.

5. Pengestimasian model sementara

Tahap ini adalah tahap untuk menguji kesesuaian data yang telah diperoleh ke

dalam model permalan, dalam artian meminimumkan kesalahan peramalan.

Semakin sederhana suatu model biasanya semakin baik model tersebut dalam

artian bahwa model tersebut mudah diterima oleh para manajer yang akan

membuat proses pengambilan keputusan perusahaan.

6. Evaluasi dan revisi model

Sebelum melakukan penerapan secara aktual, suatu model harus diuji terlebih

dahulu untuk menentukan akurasi, validitas, dan keandalan yang diharapkan. Jika

berbagai uji keandalan dan akurasi telah diterapkan pada model tersebut, revisi

mungkin perlu dilakukan dengan memasukkan faktor-faktor kausal dalam model

tersebut.

7. Penyajian ramalan sementara kepada manajemen

Demi keberhasilan suatu peramalan, maka dibutuhkan input dari manajemen

8. Revisi final

Ramalan tidak bersifat statis. Penyiapan ramalan yang baru akan dilakukan

tergantung pada hasil evaluasi tahap-tahap sebelumnya

9. Pendistribusian hasil peramalan

Pendistriusian hasil peramalan kepada manjemen harus pada waktu yang tepat dan

dalam format yang konsisten. Jika tidak, nilai ramalan tersebut akan berkurang.

10. Penentuan langkah-langkah pemantauan

Suatu kegiatan permalan yang baik membutuhkan penetapan langkah-langkah

pemantauan untuk mengevaluasi peramalan ketika sedang berlangsung dan

langkah pemantauan yang memungkinkan seorang peramal untuk mengantisipasi

perubahan yang tak terduga.

2.2 DataTrend

Data trend adalah data berpola deret yang mengandung komponen jangka

panjang yang menunjukkan pertumbuhan atau penurunan dalam data tersebut

sepanjang suatu periode waktu yang panjang. Dengan kata lain, suatu data runtut

waktu dikatakan mempunyai trend jika nilai harapannya berubah sepanjang waktu

sehingga data tersebut diharapkan untuk menaik atau menurun selama periode

peramalan diinginkan. Biasanya data runtut waktu ekonomis mengandung suatu

trend. Pengaruh dari pola data ini misalnya pada permintaan akan komponen-

komponen elektronik akan meningkat dengan semakin berkembangnya industri

komputer, atau permintaan terhadap jasa kereta api menurun dengan semakin

berkembangnya teknologi jasa angkutan udara.

Beberapa metode peramalan yang mbisa dipergunakan untuk data trend antara lain :

rata-rata bergerak linier, exponential smoothing, regresi sederhana, model gompertz,

kurva pertumbuhan.
2.3 Exponential Smoothing

Menurut Lincoln Arsyad (2001;87), Exponential smoothing adalah suatu

prosedur yang mengulang perhituingan secara terus menerus dengan menggunakan

data terbaru. Metode ini didasarkan pada perhitungan rata-rata data-data masa lalu

secara exponential. Setiap data diberi bobot, dimana data yang lebih baru diberi bobot

yang lebih besar. Bobot yang digunakan adalah α untuk data yang paling baru yang

paling baru, α(1- α) digunakan untuk data yang agak lama, α(1- α)² untuk data yang

lebih lama lagi dan seterusnya.

Dalam bentuk yang mulus (smooth), ramalan yang baru (untuk waktu t+1)

dapat dianggap sebagai rata-rata yang diberi bobot terhadap data terbaru (pada waktu

t) dan ramalan yang lama (untuk waktu t). bobot α diberikan pada data terbaru, dan

bobot 1- α diberikan pada ramalan yang lama, dimana 0 < α < 1. Dengan demikian :

Ramalan baru = αx(data baru) + ( 1 – α) x (ramalan yang lama).

Secara matematis, persamaan exponential smoothing dapat ditulis :

Ŷ t+1 = αY t + (1- α) Ŷ t ...............................................................................(1)

Dimana :

Ŷ t+1 = nilai ramalan untuk periode berikutnya

α = konstanta pemulusan (0 < α < 1)

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

Ŷt = nilai pemulusan yang lama atau rata-rata yang dimuluskan hingga

periode t – 1.

2.4 Teknik Peramalan Holt

 Salah satu teknik yang digunakan untuk meramal data yang mengikuti suatu

trend adalah metode dua parameter Holt. Teknik Holt memperhalus trend dengan

menggunakan konstanta-konstanta pemulusan yang berbeda. Tiga persamaan yang

digunakan dalam teknik ini adalah sebagai berikut :

1. Rangkaian pemulusan secara eksponensial

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

2. Estimasi trend

Tt = β (At – At-1) + ( 1 – β) Tt-1 ...........................................................(3)

3. Ramalan pada periode p

Ŷt + p = At + pTt .................................................................................(4)

Dimana

At = Nilai baru yang telah dimuluskan

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

Yt = data yang baru atau yang sebenarnya pada periode t

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

Tt = estimasi trend

p = periode yang diramalkan

Ŷt + p = nilai ramalan pada periode p

Persamaan pertama hampir sama dengan model dasar pemulusan eksponensial

tunggal, hanya saja variabel trend ditambahkan pada persamaan tersebut. Estimasi

trend dihitung dengan menghitung selisih antara dua nilai pemulusan eksponensial.

Konstatanta pemulusan yang kedua (β) digunakan untuk menghaluskan

estimasi trend, pada persamaan untuk menghitung estimasi trend menunjukkan bahwa
estimasi trend dikalikan denga β dan kemudian ditambahkan pada estimasi yang

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

dihaluskan tanpa pengaruh random.

Pada persamaan untuk menghitung ramalan pada periode p. Estimasi trend dikalikan

dengan jumlah periode yang akan diramalkan dan kemudian hasilnya ditambahkan

pada data pemulusan yang tahunnya sama untuk menghilangkan pengaruh random.

2.5 Pengukuran Kesalahan Peramalan

Teknik peramalan kuantitatif biasanya menggunakan data runtut waktu, maka

notasi matematis harus kita gunakan untuk menunjukkan suatu periode waktu

tertentu. Huruf Y digunakan untuk menunjukkan suatu variabel data runtut waktu.

Periode waktu dari satu variabel ditunjukkan sebagai subskrip. Oleh karena itu, Y t

menunjukkan nilai Y pada periode t.

Notasi matematis juga harus digunakan untuk membedakan nilai variabel data

runtut waktu sebenarnya dengan nilai permalan.nilai peramalan untuk Y t adalah Ŷt.

Akurasi dari teknik peramalan seringkali dinilai dengan cara meperbandingkannya

dengan data aslinya yakni Y1 ,Y2,... dengan nilai-nilai data hasil peramalan Ŷ1, Ŷ2,...

(Lincolin Arsyad, 2001:57).

Notasi dasar peramalan adalah sebagai berikut:

Y t = nilai data runtut waktu periode t

Ŷt = nilai peramalan Yt

et = Y t - Ŷt = residual atau kesalahan peramalan

 Beberapa metode telah digunakan untuk menunjukkan kesalahan yang

disebabkan oleh suatu teknik peramalan tertentu. Hampir semua ukuran tersebut

menggunakan pengrata-rataan beberapa fungsi dari perbedaan antara nilai sebenarnya

dengan nilai peramalannya. Perbedaan antara nilai sebenarnya dengan nilai

peramalan ini biasanya disebut dengan residual.

Kesalahan rata-rata kuadrat atau mean squared error (MSE) merupakan

metode alternatif dalam mengevaluasi suatu teknik peramalan. Setiap kesalahan atau

residual dikuadratkan, kemudian dijumlahkan dan dibagi dengan jumlah observasi.

Pendekatan ini menghukum suatu kesalahan peramalan yang besar karena

dikuadratkan. Pendekatan ini penting karena suatu teknik yang menghasilkan

kesalahan yang moderat lebih disukai oleh suatu peramalan yang biasanya

menghasilkan kesalahan yang lebih kecil tetapi kadang-kadang menghasilkan

kesalahan yang sangat besar. Rumus MSE dirumuskan sebagai berikut :

MSE = ……………………………………………(5)

Kadang kala lebih bermanfaat jika kita menghitung kesalahan peramalan

dengan menggunakan secara prosentase ketimbang nilai absolutnya. Persentase

kesalahan absolute rata-rata atau mean absolute percentage error (MAPE) dihitung

dengan menemukan kesalahan absolute pada setiap periode, kemudian membaginya

dengan nilai observasi pada periode tersebut, dan akhirnya merata-ratakan persentase

absolute ini. Pendekatan ini sangat berguna jika ukuran variabel peramalan

merupakan faktor penting dalam mengevaluasi akurasi peramalan tersebut. MAPE

memberikan petunjuk seberapa besar kesalahan peramalan dibandingkan dengan nilai

sebenarnya dari series tersebut. Persamaan berikut menunjukkan bagaimana cara

menghitung MAPE :

MAPE = .......................................................................(6)

Perlu juga untuk menentukan apakah suatu metode permalan bias atau tidak

(secara konsisten tinggi atau rendah). Persentase kesalahan rata-rata atau mean

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

cara menemukan kesalahan setiap periode, kemudian membaginya dengan nilai

sebenarnya pada periode tersebut, dan kemudian merata-ratakan persentase kesalahan

tersebut. Jika perndekatan peramalan tersebut tidak bias, maka perhitungan dengan

MPE akan menghasilkan persentase mendekati nol. Jika hasil persentase negatifnya

cukup besar maka metode peramalan tersebut menghasilkan hasil ramalan yang

terlalu tinggi atau sebaliknya. Persamaan berikut menunjukkan bagaimana cara

menghitung MPE :

MPE = ...........................................................................(7)

3. PERMASALAHAN
 Permasalahan yang terdapat dalam CV. Makmur Sejahtera adalah dalam

proses produksinya, jumlah angka produksinya tetap, atau jumlahnya sama setiap

periodenya. Jadi jika terjadi keadaan dimana jumlah angka penjualan lebih besar

daripada jumlah angka pembelian, maka akan menyebabkan terjadinya kekurangan

stock bahan baku. Atau jika terjadi keadaan dimana jumlah angka pembelian lebih

besar dibandingkan dengan angka penjualan, maka akan menyebabkan penumpukan

barang di gudang,. Untuk menyelesaikan masalah tersebut, perlu adanya sebuah

perancangan sistem informasi yang dapat meramalkan jumlah angka penjualan di

periode mendatang, yang diharapkan dapat digunakan sebagai salah satu aspek

pertimbangan untuk menentukan jumlah angka produksi agar menjadi lebih efektif.

4. PERANCANGAN SISTEM
4.1 Perancangan Sistem

4.1.1. Alur Pengembangan Sistem

Berikut digambarkan alur pengembangan pada aplikasi yang akan dibuat

pada Gambar 4.1 di bawah ini

Gambar 4.1 Alur Pengembangan Sistem Informasi Peramalan

Penjualan dengan metode Exponential Smoothing

Pada Gambar 4.1 menjelaskan proses untuk menghasilkan output berupa

laporan yang berisi jumlah penjualan pada periode mendatang yang merupakan hasil

proses perhitungan permalan dengan menggunakan metode Exponential Smoothing.

Proses dimulai dengan input dari data produk yang akan diramalkan jumlah

penjualannya dan data penjualan produk yang ada pada periode sebelumnya. Karena

untuk melakukan perhitungan peramalan, data yang ada pada periode sebelumnya

digunakan sebagai input untuk proses perhitungan.

Kemudian input berupa barang yang akan ditentukan dan data penjualan

pada periode sebelumnya tersebut oleh sistem akan dilakukan proses perhitungan

peramalan dengan menggunakan metode exponential smoothing,

Hasil dari perhitungan peramalan tersebut adalah berupa laporan jumlah

penjualan jenis produk tertentu pada periode mendatang.

4.1.2 Diagram Berjenjang

Gambar 4.2 Diagram Berjenjang Sistem Informasi Peramalan Penjualan dengan

Menggunakan Metode Exponential Smoothing

Pada Gambar 4.2 dijelaskan dalam sistem informasi peramalan penjualan

dengan menggunakan metode exponential smoothing terdapat empat proses utama,

yaitu proses penambahan data baru, proses transaksi yang meliputi proses transaksi

penjualan dan transaksi pembelian bahan baku, kemudian proses perhitungan

peramalan penjualan, dan proses pembuatan laporan yang meliputi proses pembuatan
laporan peramalan penjualan, proses pembuatan laporan penjualan dan proses

pembuatan laporan pembelian barang.

4.1.3 Dokumen Flow Terkomputerisasi Pembelian

Gambar 4.5 Dokumen Flow Terkomputerisasi Pembelian Barang

 Pada Gambar 4.5 untuk proses terkomputerisasi pembelian barang mengacu

pada sistem yang ada sebelumnya, namun untuk pengecekan stock sampai pembuatan

daftar pembelian barang dapat secara dilakukan oleh sistem

Setiap terjadi transaksi pembelian barang, harus dicatat dalam transaksi

pembelian agar tersimpan dalam data transaksi pembelian dan data barang dapat

terupdate stocknya.

4.1.4 Dokumen Flow Terkomputerisasi Penjualan

 Gambar 4.6 Dokumen Flow Terkomputerisasi Penjualan Barang

Pada Gambar 4.6 untuk proses terkomputerisasi penjualan barang juga

mengacu pada sistem yang yang ada sebelumnya, setiap transaksi penjualan yang

terjadi harus dicatat dalam transaksi penjualan agar tersimpan dalam data penjualan

dan data stock barang produk dapat terupdate stocknya.

4.1.5 Flowchart Peramalan Penjualan dengan Metode Exponential Smoothing

dengan tekhnik Holt

Mengacu pada Lincolin Arsyad (2001;104), flowchart Untuk menghitung

peramalan hasil penjualan dengan metode Exponenential Smoothing dengan tekhnik

Holt adalah sebagai berikut

 Gambar 4.7 Flowchart peramalan penjualan dengan Metode Exponential
Smoothing
Flowchart yang terlihat pada Gambar 4.7 menjelaskan bagaimana proses

peramalan penjualan dengan menggunakan metode Eksponential Smoothing. Pada

proses awal pertama kali sistem akan mengambil input dari user berupa panjang

periode data penjualan yang akan digunakan untuk proses perhitungan.

Kemudian yang langkah selanjutnya yang dilakukan adalah sistem akan

melakukan inisialisasi nilai alpha dan beta. Nilai alpha digunakan untuk perhitungan

pemulusan secara exponential, kemudian nilai beta digunakan untuk menghitung

estimasi trend.

Proses perhitungan yang dilakukan adalah perhitungan data eksponential

untuk mendapatkan nilai baru yang telah dimuluskan. Kemudian perhitungan estimasi

trend, setelah mendapatkan nilai baru yang telah dimuluskan dan estimasi

trend,langkah selanjutnya adalah menjumlahkan kedua nilai tersebut untuk

mendapatkan nilai peramalan penjualan pada periode mendatang, kemudian dihitung

kesalahan peramalan yang dihasilkan dari selisih antara data pada periode t dan nilai

peramalan pada periode t tersebut.

Setelah mendapatkan nilai kesalahan peramalan pada setiap periode. Nilai

tersebut digunakan untuk menghitung MSE. Kombinasi dari alpha dan beta yang

menghasilkan nilai MSE yang terkecil digunakan untuk perhitungan.

Output dari sistem berupa angka penjualan suatu barang produk tertentu

diperiode mendatang yang nilai MSE nya terkecil, yang dapat ditampilkan dalam

bentuk laporan peramalan penjualan.

4.1.6 Data Flow Diagram

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

menggambarkan arus data suatu sistem. Diawali dengan membuat konteks diagram

yang digunakan untuk memberikan gambaran secara keseluruhan arus data pada

suatu sistem, yang kemudian diturunkan ke dalam sub-sub yang lebih kecil dan

mendetail.

4.1.6.1 Konteks Diagram

Data Supplier

Data Penawaran Barang Supplier

Customer Data Customer

Daftar Pembelian Barang

Surat Permintaan Barang SI Peramalan Penjualan

dengan Menggunakan
Metode Exponential Faktur Pembelian
Smoothing
Laporan Peramalan Penjualan

Faktur Penjualan
+

Manajer
Laporan Penjualan per Bulan

Gambar 4.8 Konteks diagram Sistem Informasi Peramalan Penjualan dengan

Menggunakan Metode Exponential Smoothing pada CV. Makmur
Sejahtera

Pada Gambar 4.8 menjelaskan rancangan sistem secara global. Pada Sistem

Informasi Peramalan Penjualan ini terdapat 3 buah External Entity yaitu Customer,

Manajer, dan Supplier.

4.1.6.2 DFD level 0

Data Supplier 1

Proses Data Customer Customer

Penambahan
Data Baru Update data supplier
+
Faktur Pembelian
Supplier
Update data customer
2 data supllier

1 Data Customer

Data Customer

2
Data Supplier
Customer
Data Penawaran Barang Surat Permintaan Barang Customer

Proses Transaksi Faktur Penjualan

Supplier
Daftar Pembelian Barang

+ update data stock barang 6 Data Bahan

4 data pembelian 3 Data Penjualan

update data pembelian Update data penjualan

update data peramalan penjualan Proses data penjualan

Perhitungan
peramalan
penjualan

5 data peramalan penjualan

3

data penjualan
Proses
data peramalan penjualan
Pembuatan
Laporan Laporan Penjualan per Bulan

Data_Pembelian +

Laporan Peramalan Penjualan Manajer

 Gambar 4.9 DFD Level 0
Pada Gambar 4.9 merupakan DFD Level 0 dari context diagram. Pada DFD level 0

terbagi menjadi 6 sub proses yaitu :

1. Proses penambahan data baru

Digunakan untuk menambahkan data baru pada data customer atau pada data

supplier.

2. Proses transaksi

Digunakan untuk mencatat transaksi penjualan yang akan digunakan untuk

menghitung peramalan penjualan pada periode mendatatang, atau mencatat

transaksi pembelian barang.

3. Proses perhitungan peramalan penjualan

Digunakan untuk meramalkan penjualan yang akan terjadi di periode mendatang.

4. Proses pembuatan laporan

Pada proses ini digunakan untuk memberikan informasi ramalan penjualan di

periode mendatang, informasi transaksi penjualan, dan informasi transaksi

pembelian.

4.1.6.3 DFD Level 1 Proses Penambahan Data Baru

Gambar 4.10 DFD Level 1 Proses Penambahan Data Baru

 Pada Gambar 4.10 menunjukkan proses input data customer baru ke dalam data

customer dan proses input data supplier baru ke dalam data supplier.

4.1.6.4 DFD Level 1 Proses Transaksi

2 data supllier

Data Supplier

1
Daftar Pembelian Barang
Supplier
update data pembelian
Poses Transaksi Faktur Pembelian
Pembelian
Bahan Baku
4 data pembelian update data stock barang
+
6 Data Bahan
Data Stock Barang

Data Customer
1 Data Customer

8 Data_Barang_Produk

Surat Permintaan Barang

2

update data stock barang

Proses Transaksi
Data Penawaran Barang Penjualan Barang Data Barang Produk

Customer Faktur Penjualan

3 Data Penjualan
Update data penjualan

Gambar 4.11 DFD Level 1 Proses Transaksi

Pada Gambar 4.11 menunjukkan proses yang ada dalam proses transaksi,

yaitu proses transaksi pembelian bahan baku dan proses transaksi penjualan barang.
Setiap transaksi penjualan atau pembelian barang yang dilakukan, akan disimpan

dalam data penjualan atau data pembelian, dan akan dilakukan proses update stock

pada data barang atau data barang produk.

4.1.6.5 DFD Level 1 Proses Pembuatan Laporan

Gambar 4.12 DFD Level 1 Proses Pembuatan Laporan

Pada Gambar 4.12 menunjukkan proses untuk menampilkan informasi berupa

laporan peramalan penjualan, laporan penjualan dan laporan pembelian barang.

4.1.6.6 DFD Level 2 Proses Transaksi Pembelian Bahan Baku

 Update data detil pembelian
10 Detil Pembelian

Data Supplier
2 data supllier
4 data pembelian

Daftar Pembelian Barang Proses Membuat update data pembelian

Daftar Pembelian Data Stock Bahan
Barang

6 Data Bahan
Supplier

2
Proses Simpan
update data stock bahan
Faktur Pembelian Data Stock
Bahan

Gambar 4.13 DFD Level 2 Proses Transaksi Pembelian Bahan Baku

Pada Gambar 4.13 menunjukkan proses pencatatan transaksi setiap

dilakukan pembelian bahan baku, data akan disimpan dalam data pembelian dan data

detil pembelian, serta pada data barang akan dilakukan update stock.

4.1.6.7 DFD Level 2 Proses Transaksi Penjualan Barang

 Gambar 4.14 DFD Level 2 Proses Transaksi Penjualan Barang
Pada Gambar 4.14, setiap terjadi transaksi penjualan, maka akan disimpan dalam

data penjualan dan data detil penjualan, serta stock pada data barang produk akan

diupdate.

4.1.7 ERD (Entity Relationship Diagram)

Secara conceptual ERD yang digunakan dalam Sistem Informasi Peramalan

Penjualan dapat dijelaskan melalui Gambar 4.15 di bawah ini:

 Data_Barang_Produk
Detil_Penjualan Id_Produk
Kode_Transaksi_Penjualan Nama_Produk
Id_Produk Satuan
Jumlah Produk yang di jual Harga_Satuan
Subtotal Jumlah_Stock

Memilik i hasil Ramala n

Customer Data_Penjualan
Customer_id Kode_Transaksi_Penjualan
Data_Hasil_Ramala n
Nama_Customer Customer_id
Dilakukan Oleh Memilik i detil penjuala n Id_Ramalan
Alamat Tgl_transaksi
Total_Harga Id_Produk
Periode_input
Periode_output_hasil
Hasil_peramalan
Tingkat_Kesalahan

Data_Pembelian Detil_Pembelian
Supplier
Kode_Transaksi_Pembelian Kode_Transaksi_Pembelian
Supplier_Id Kode_Bahan
Supplier_Id
Nama_Supplier Dibeli pada Memilik i detil pem belian
Tgl_transaksi Subtotal
Alamat
Total_Harga

Produk y ang di beli

Data_Bahan
Kode_Bahan
Nama_Bahan
Satuan
Jumlah_stock
Stock_Minimal

Gambar 4.15 CDM (Conceptual Data Model)

Pada Gambar 4.15 digambarkan tabel yang akan digunakan dalam

perancangan sistem, beserta field atau kolom yang terdapat pada tiap tabel, nama

relasi serta sifat hubungan antar entity. Dalam sistem ini terdapat 9 buah tabel yaitu

antara lain customer, supplier, data penjualan, data pembelian, data detil penjualan,

data detil pembelian, data hasil ramalan, data barang, dan data barang produk.

Secara Physical ERD Sistem Informasi Peramalan Penjualan dijelaskan

pada Gambar 4.16 di bawah ini:

 DETIL_PENJUALAN DATA_BARANG_PRODUK
KODE_TRANSAKSI_PENJUALAN varchar(15) ID_PRODUK varchar(10)
ID_PRODUK varchar(10) NAMA_PRODUK varchar(20)
JUMLAH numeric(10) SATUAN varchar(15)
ID_PROD UK = ID_PRODUK
SUBTOTAL numeric(10) HARGA_SATUAN numeric(10)
JUMLAH_STOCK numeric(20)

KODE_TR ANSAKSI_PENJUALAN = KOD E_TRANSAKSI_PENJU ALAN

ID_PROD UK = ID_PR ODUK

DATA_PENJUALAN DATA_HASIL_RAMALAN
KODE_TRANSAKSI_PENJUALAN varchar(15) ID_RAMALAN varchar(10)
CUSTOMER_ID varchar(15) ID_PRODUK varchar(10)
TGL_TRANSAKSI date PERIODE_INPUT varchar(15)
TOTAL numeric(10) PERIODE_OUTPUT date
HASIL_PERAMALAN numeric(10)
CU STOMER _ID = CU STOMER_ID TINGKAT_KESALAHAN numeric(5)

CUSTOMER
CUSTOMER_ID varchar(15)
NAMA_CUSTOMER varchar(20)
ALAMAT varchar(50)

DETIL_PEMBELIAN DATA_BAHAN
KODE_TRANSAKSI_PEMBELIAN varchar(15) KODE_BAHAN varchar(10)
KODE_BAHAN varchar(10) NAMA_BAHAN varchar(10)
KODE_BAHAN = KOD E_BAH AN
JUMLA H numeric(10) SATUAN varchar(15)
SUBTOTAL numeric(10) JUMLAH_STOCK numeric(10)
STOCK_MINIMAL numeric(20)
KODE_TR ANSAKSI_PEMBELIAN = KODE_TR ANSAKSI_PEMBELIAN

DATA_PEMBELIA N SUPPLIER
KODE_TRANSAKSI_PEMBELIAN varchar(10) SUPPLIER_ID varchar(10)
SUPPLIER_ID varchar(10) NAMA_SUPPLIER varchar(8)
TGL_TRANSAKSI date SU PPLIER_ID = SUPPLIER_ID ALAMAT varchar(50)
TOTAL numeric(10)

Gambar 4.16 PDM (Physical Data Model)

Pada Gambar 4.16 digambarkan keterangan field pada setiap tabel, serta

hubungan foreign key antar tabel .

4.3 Desain IO
4.3.1 Desain Input Master Data Customer

Gambar 4.17 Desain Input Master Data Customer

Form master data customer digunakan untuk menyimpan data pelanggan,

pada form tersebut terdapat 3 tombol, tombol simpan, digunakan untuk menyimpan

data setelah terlebih dahulu mengisi kolom yang diperlukan yaitu customer id, nama

customer, alamat customer, dan nomor telepon customer. Tombol rubah digunakan

untuk merubah data yang sudah ada. Dan tombol keluar digunakan untuk keluar dari

form master data customer dan kembali ke Menu Utama.

4.3.2 Desain Input Master Data Supplier

Gambar 4.18 Desain Input Master Data Supplier

Form master data supplier digunakan untuk menyimpan data supplier bahan

baku kedalam data supplier. Tombol simpan digunakan untuk menyimpan data

setelah terlebih dahulu kolom supplier id, nama supplier, alamat supplier, dan telepon

supplier terisi terlebih dahulu. Tombol rubah digunakan untuk merubah data supplier

yang ada atau yang sudah tersimpan sebelumnya. Tombol keluar digunakan untuk

keluar dari form master supplier dan kembali ke menu utama.

4.3.3 Desain Input Master Data Barang

 Form master data barang digunakan untuk menyimpan data barang atau

bahan baku produksi, untuk menyimpan data terlebih dahulu kolom kode barang,

nama barang, satuan, dan jumlah stock barang harus dilengkapi.

Gambar 4.19 Desain Input Master Data Barang

Tombol simpan digunakan untuk menyimpan data, tombol rubah digunakan

untuk merubah data barang yang sudah ada atau sudah tersimpan, tombol keluar

digunakan untuk keluar dari form master barang dan kembali ke menu utama.

4.3.4 Desain Input Master Data Barang Produk

Form master data barang produk digunakan untuk menyimpan data barang

produk atau data hasil produksi. untuk menyimpan data, terlebih dahulu kolom id

produk, nama produk, satuan produk, jumlah stock produk, harga satuan produk harus

terisi terlebih dahulu. Tombol simpan berfungsi untuk menyimpan data, tombol rubah
berfungsi untuk merubah data barang produk yang sudah ada, dan tombol keluar

digunakan untuk keluar dari form master data barang produk dan kembali ke menu

utama.

Gambar 4.20 Desain Input Data Master Barang Produk

4.3.5 Desain Input Peramalan Produk

 Gambar 4.21 Desain Input Peramalan Produk

Untuk mendapatkan nilai ramalan penjualan yang akan diperoleh pada

periode mendatang, pertama pilih produk yang akan diramalkan hasil penjualannya,

kemudian kolom periode yang diramalkan di isi dengan bulan dan tahun yang

diinginkan untuk mendapatkan hasil peramalan. Tombol hitung digunakan untuk

mendapatkan nilai peramalan, tombol simpan digunakan untuk menyimpan hasil

peramalan. Tombol keluar digunakan untuk keluar dari form peramalan dan kembali

ke menu utama.

4.3.6 Desain Input Transaksi Penjualan

 Gambar 4.22 Desain Input Transaksi Penjualan

Form transaksi penjualan digunakan untuk menyimpan transaksi penjualan

yang sudah dilakukan. Untuk menyimpan data, lengkapi kolom yang ada, tombol

tambah digunakan untuk menambah item produk kedalam transaksi,tombol hapus

digunakan untuk menghapus salah satu item produk pada transaksi, tombol simpan

digunakan untuk menyimpan data transaksi penjualan, tombol keluar digunakan

untuk keluar dari form transaksi penjualan dan kembali ke menu utama.
4.3.7 Desain Input Transaksi Pembelian

Gambar 4.23 Desain Input Transaksi Pembelian

Form transaksi pembelian digunakan untuk menyimpan data transaksi

pembelian bahan baku produksi, tombol tambah digunakan untuk menambah item

barang kedalam transaksi, tombol hapus digunakan untuk menghapus item barang

dari transaksi, tombol simpan digunakan untuk menyimpan data, tombol keluar

digunakan untuk keluar dari form transaksi pembelian.

4.3.8 Desain Output Laporan Penjualan

 Gambar 4.24 Desain Output Laporan Penjualan

Form laporan penjualan digunakan untuk menampilkan transaksi penjualan

yang terjadi berdasarkan periode.

4.3.9 Desain Output Laporan Detil Penjualan

Gambar 4.25 Desain Output Laporan Detil Penjualan

 Form laporan detil penjualan digunakan untuk menampilkan transaksi

penjualan secara setail berdasarkan kode transaksi penjualan.

4.3.10 Desain Output Laporan Pembelian

Gambar 4.26 Desain Output Laporan Pembelian

Form laporan pembelian digunakan untuk menampilkan transaksi pembelian

bahan baku yang sudah dilakukan berdasarkan periode.

4.3.11 Desain Output Laporan Detil Pembelian

 Gambar 4.27 Desain Output Laporan Detil Pembelian

Form laporan detil pembelian digunakan untuk menampilkan laporan

pembelian secara detail berdasarkan kode transaksi pembelian.

4.3.12 Desain Output Laporan Hasil Peramalan

 Gambar 4.28 Desain Output Laporan Hasil Peramalan

Form laporan hasil peramalan digunakan untuk menampilkan hasil

perhitungan peramalan yang sudah dilakukan berdasarkan produk yang akan

diramalkan dan periode yang akan diramalkan.

DAFTAR PUSTAKA

Herlambang,Soendoro dan Haryanto Tanuwijaya.2005.Sistem Informasi Konsep,

Teknologi dan Manajemen.Yogyakarta: Graha Ilmu.

Katherine KS dan S.Yukie G. 2000. Sistem Informasi Manajemen II

Kendall, dan Kendall, 2003, Analisis dan Perancangan Sistem Jilid 1, Prenhallindo,
Jakarta.

Lincolin, A. 2001. Peramalan Bisnis Edisi Pertama. Yogyakarta: Universitas Gajah

mada.