PREDIKSI PENJUALAN PAKAN AYAM

i

PREDIKSI PENJUALAN PAKAN AYAM

SKRIPSI

Diajukan untuk Memenuhi Salah Satu Syarat

Memperoleh Gelar Sarjana Komputer (S.Kom)

Program Studi Informatika

Disusun Oleh

Dionisius Taufan Enggar Indra Jaya

155314020

PROGRAM STUDI INFORMATIKA

JURUSAN INFORMATIKA

FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS SANATA DHARMA

YOGYAKARTA

2020

PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI

ii

CHICKEN FEED SALES PREDICTION

THESIS

Presented as Partial Fulfillment of The Requirements

To Obtain The Bachelor Degree of Computer (S.Kom)

In Informatics Study Program

Written By


155314020

INFORMATICS STUDY PROGRAM

DEPARTMENT OF INFORMATICS

FACULTY OF SCIENCE AND TECHNOLOGY

SANATA DHARMA UNIVERSITY

YOGYAKARTA

2020


iii

HALAMAN PERSETUJUAN

SKRIPSI


Oleh:


155314020

Telah disetujui oleh:

Dosen Pembimbing,

Robertus Adi Nugroho, S.T., M.Eng Tanggal: …………………


iv

HALAMAN PENGESAHAN

SKRIPSI


Dipersiapkan dan ditulis oleh:

DIONISIUS TAUFAN ENGGAR INDRA JAYA

NIM : 155314020

Telah dipertahankkan di depan Panitia Penguji

Pada Tanggal ……………………..

Dan dinyatakan memenuhi syarat

Susunan Panitia Penguji

Jabatan Nama Lengkap Tanda Tangan

Ketua : Agnes Maria Polina, S.Kom., M.Sc. ……………

Sekretaris : Drs. Hari Suparwito, S.J.M.App.IT ……………

Anggota : Robertus Adi Nugroho, S.T., M.Eng ……………

Yogyakarta, ………………………….

Fakultas Sains dan Teknologi

Universitas Sanata Dharma

Dekan,

Sudi Mungkasi, S.Si., M.Math.Sc., Ph.D.


v

HALAMAN MOTTO

“Tidak pernah menderita tidak akan pernah diberkati”

Edgar Allan Poe


vi

PERNYATAAN KEASLIAN KARYA

Saya menyatakan dengan sesungguhnya, bahwa skripsi yang saya tulis ini tidak

memuat karya atau bagian orang lain; kecuali yang telah saya sebutkan dalam

kutipan dari daftar pustaka, sebagaimana layaknya karya ilmiah.

Yogyakarta,……………………...

Penulis

Dionisius Taufan Enggar I. J.


vii

LEMBAR PENYATAAN PERSETUJUAN PUBLIKASI KARYA ILMIAH

UNTUK KEPENTINGAN AKADEMIS

Yang bertanda tangan di bawah ini, saya mahasiswa Universitas Sanata Dharma

Yogyakarta:

Nama: Dionisius Taufan Enggar Indra Jaya

NIM: 155134020

Demi pengembangan ilmu pengetahuan, saya memberikan kepada perpustakaan

Universitas Sanata Dharma Yogyakarta karya ilmiah yang berjudul:


Beserta perangkat yang diperlukan (bila ada). Dengan demikian saya memberikan

kepada perpustakaan Universitas Sanata Dharma Yogyakarta hak unutk

menyimpan, mengalihkan dalam bentuk media lain, mengelola dalam bentuk

pangkalan data, mendistribusikan secara terbatas dan mempublikasikan di internet

atau media lain untuk kepentingan akademis tanpa meminta ijin dari saya maupun

memberikan royalti kepada saya selama tetap mencantumkan nama saya sebagai

penulis. Demikian pernyataan yang saya buat dengan sebenarnya.

Dibuat di Yogyakarta,

Pada tanggal: …………………..

Yang menyatakan,

(Dionisius Taufan Enggar Indra Jaya)


viii

ABSTRAK

Pakan ayam merupakan salah satu faktor penunjang baik buruknya

kualitas ayam. Dengan banyaknya jenis pakan yang di sediakan oleh pabrik,

mempengaruhi peternak untuk menggunakan pakan yang terbaik. Hal tersebut

juga mempengaruhi jumlah penjualan pakan di pabrik baik dalam satu minggu,

satu bulan, ataupun satu tahun. Dengan adanya peramalan penjualan pakan,

pabrik dapat memiliki acuan berapa pakan yang akan terjualan dalam satu tahun.

Sistem aplikasi perbandingan prediksi dengan metode regresi linear dan

metode regresi polinomial yang dibangun diharapkan mampu memberi acuan

pabrik dalam mengetahui jumlah penjualan pakan. Tahap awal dalam perhitungan

adalah mengambil data penjualan dari sebelumnya. Selanjutnya menentukan

bulan atau tahun sebagai x dan jumlah penjualan sebagai y, kemudian setiap data

akan dilakukan penghitungan. Semua perhitungan akan di cari nilai error terkecil.

Hasil akhir perhitungan sistem menunjukkan kedua metode memiliki hasil

yang baik. Berdasarkan hasil uji dari ke dua metode tersebut hasil manakah yang

memiliki nilai error lebih rendah, dari setiap penghitungan menggunakan data

yang sudah di tentukan. Oleh karena itu, pada setiap peramalan juga dicantumkan

error peramalan untuk membantu mempertimbangkan hasil peramalan.

Kata kunci : Pakan, regresi, peramalan


ix

ABSTRACT

Chicken feed is a contributing factor to the quality of chicken. With the

many types of feed provided by the factory, it influences breeders to use the best

feed. This also affects the number of feed sales in the factory in one week, one

month, or one year. With the forecast of feed sales, factories can have a reference

for how much feed to sell in one year.

The prediction comparison application system with the linear regression

method and the built polynomial regression method is expected to be able to

provide a reference for the factory in knowing the number of feed sales. The

initial stage in the calculation is to take sales data from before. Next determine the

month or year as x and the number of sales as y, then each data will be calculated.

All calculations will look for thevalue error smallest.

The final result of the system calculation shows that both methods have

good results. Based on the test results of the two methods, which result has the

lower error value, from each calculation using predetermined data. Therefore, in

each forecastingalso included error forecast isto help consider the results of the

forecast.

Key words: Feed, regression, forecasting


x

KATA PENGANTAR

Puji dan Syukur penulis haturkan kepada Tuhan Yang Maha Esa atas berkat

dan rahmat-Nya, sehingga penulis dapat menyelesaikan tugas akhir sebagai salah

satu syarat dalam memperoleh gelar sarjana Teknik Informatika di Universitas

Sanata Dharma Yogyakarta.

Penulis menyadari bahwa tanpa melibatkan bantuan dan dukungan dalam

pengerjaan skripsi. Keberhasilan penulis dalam penyusunan skripsi ini selalu

mendapat dukungan, bantuan, kritik, dan saran dari berbagai pihak. Oleh karena

itu, penulis mengucapkan terima kasih kepada :

1. Tuhan Yang Maha Esa karena telah memberikan berkat dan memberikan

kekuatan selama proses penyelesaian tugas akhir.

2. Sudi Mungkasi, S.Si., M.Math.Sc., Ph.D selaku Dekan Fakultas Sains dan

Teknologi Universitas Sanata Dharma Yogyakarta.

3. Robertus Adi Nugroho S.T., M.Eng. Selaku dosen pembimbing yang telah

meluangkan waktu untuk membimbing penulis selama pembuatan skripsi.

4. Agnes Maria Polina S.Kom., M.Sc.

5. Seluruh staf dosen Informatika yang memberikan bekal ilmu, arahan dan

pengalaman selama penulis menempuh studi.

6. Kepada keluarga tercinta: Bapak, Ibu, mas Dendi, mbak Siska, mbak

Yona, yang senantiasa memberikan dukungan, kasih sayang dan doa serta

segala sesuatunya.

7. Viola Gratia Gizca Maki yang memberikan bantuan dan semangat serta

motivasi bagi penulis dalam menyelesaikan skripsi.

8. Kepada teman-teman: Bimo, Garin, Abel dan teman - teman lain yang

tidak dapat disebutkan satu per satu yang membantu penulis dalam

menyelesaikan tugas akhir ini.


xi

9. Serta semua pihak baik secara langsung maupun tidak langsung yang telah

membantu penulis dalam menyelesaikan skripsi.

Penulis menyadari bahwa penulisan skripsi ini sudah berjalan sebagaimana

mestinya. Akhir kata semoga skripsi ini dapat berguna dan bermanfaat bagi

pembaca.

Yogyakarta, ………………

Penulis

Dionisius Taufan Enggar I. J.


xii

DAFTAR ISI

PREDIKSI PENJUALAN PAKAN AYAM ............................................................ i

CHICKEN FEED SALES PREDICTION .......................................................... ii

HALAMAN PERSETUJUAN ............................................................................ iii

HALAMAN PENGESAHAN ............................................................................ iv

HALAMAN MOTTO ......................................................................................... v

PERYATAAN KEASLIAN KARYA ................................................................ vi

LEMBAGA PENYATAAN PERSETUJUAN PUBLIKASI KARYA

ILMIAH UNTUK KEPENTINGAN AKADEMIS ............................................ vii

ABSTRAK .......................................................................................................... viii

ABSTRACT ........................................................................................................ ix

KATA PENGANTAR ........................................................................................ x

DAFTAR ISI ....................................................................................................... xii

DAFTAR GAMBAR .......................................................................................... xvi

DAFTAR TABEL ............................................................................................... xxi

BAB 1 PENDAHULUAN .................................................................................. 1

1.1 Latar Belakang ........................................................................... 1

1.2 Rumusan Masalah ....................................................................... 2

1.3 Tujuan ......................................................................................... 3

1.4 Batasan Masalah ......................................................................... 3

1.5 Metodologi Penelitian ................................................................. 3

1.6 Sistematika Penulisan ................................................................. 4

BAB 2 LANDASAN TEORI .............................................................................. 4

2.1. Prediksi (Forecasting) ............................................................... 4

2.1.1. Definisi Prediksi .............................................................. 4

2.2.2. Tujuan Sistem Prediksi ................................................... 6

2.2.3. Jenis – Jenis Perkiraan .................................................... 6

2.2. Time Series ................................................................................ 8

2.2.2 Definisi Time Series ........................................................ 8

2.3. Regresi Polinomial (Polynomial Regression) ........................... 9


xiii

2.3.1. Definisi Regresi Polinomial ............................................ 9

2.4. Regresi Linear (Linear Regression) .......................................... 10

2.4.1. Definisi Regresi Linear ................................................... 10

2.4.2. Regresi Linear Sederhana ............................................... 11

BAB 3 METODOLOGI PENELITIAN ............................................................. 13

3.1. Metode Penelitian ...................................................................... 13

3.2. Studi Literatur ............................................................................ 13

3.3. Pengumpulan Data..................................................................... 13

3.4. Pembangunan Sistem................................................................. 13

3.5. Spesifikasi Alat .......................................................................... 15

BAB 4 ANALISIS DAN PERANCANGAN SISTEM ...................................... 16

4.1. Analisis Sistem .......................................................................... 16

4.1. Analisis Kebutuhan Pengguna ........................................ 16

4.2. Perancangan Sistem ................................................................... 17

4.2.1. Diagram Use Case .......................................................... 17

4.2.2. Narasi Use Case .............................................................. 17

4.2.3. Activity Diagram ............................................................. 22

4.2.4. Perancangan Diagram Kelas ........................................... 25

4.2.5. Perancangan Sequence Diagram ..................................... 27

4.2.6. Desain Manajemen Data ................................................. 32

4.3. Perancangan Antarmuka Pengguna (User Interface) ................ 37

4.3.1. Halaman Data Penjualan ................................................. 37

4.3.2. Halaman Prediksi Linear (Rumus).. ................................ 38

4.3.3. Halaman Prediksi Linear (Tabel Data Penjualan)........... 39

4.3.4. Halaman Prediksi Linear (Tabel Pembanding) ............... 40

4.3.5. Halaman Prediksi Linear (Tampil Grafik Linear)........... 41

4.3.6. Halaman Prediksi Polinom (Rumus) .............................. 42

4.3.7. Halaman Prediksi Polinom (Tabel Data Penjualan) ....... 43

4.3.8. Halaman Prediksi Polinom (Tabel Pembanding) ............ 44

4.3.9. Halaman Prediksi Polinom (Tampil Grafik Polinom) .... 45

4.4. Implementasi Detail Algoritma Regresi .................................... 46


xiv

4.4.1 Linear .............................................................................. 46

4.4.2 Polinom ........................................................................... 50

BAB 5 IMPLEMENTASIS SISTEM DAN ANALISIS HASIL ....................... 56

5.1 Implentasi Antarmuka Pengguna. ............................................. 56

5.1.1 Implementasi Antarmuka Data Penjualan....................... 56

5.1.2 Implementasi Antarmuka Prediksi Linear (Rumus) ....... 57

5.1.3 Implementasi Antarmuka Prediksi Linear (Tabel

Data Penjualan) ............................................................... 58

5.1.4 Implementasi Antarmuka Prediksi Linear

(Tabel Pembanding) ........................................................ 59

5.1.5 Implementasi Antarmuka Prediksi Linear (Tampil

Grafik Linear) ................................................................. 63

5.1.6 Implementasi Antarmuka Prediksi Polinom (Rumus) .... 66

5.1.7 Implementasi Antarmuka Prediksi Polinom (Tabel

Data Penjualan) ............................................................... 66

5.1.8 Implementasi Antarmuka Prediksi Polinom (Tabel

Pembanding) ................................................................... 69

5.1.9 Implementasi Antarmuka Prediksi Polinom (Tampil

Grafik Polinom) .............................................................. 71

5.2 Analisis Hasil Dengan Prediksi Linear...................................... 75

5.2.1. Analisis Hasil Peramalan Metode Linear Data

Rentang Waktu 4 Bulan .................................................. 76


Rentang Waktu 11 Bulan ................................................ 78



5.3 Analisis Hasil Dengan Prediksi Polinomial .............................. 83

5.3.1. Analisis Hasil Peramalan Metode Polinomial Data

Rentang Waktu 4 Bulan .................................................. 83




xv



BAB 6 Penutup ................................................................................................... 93

6.1. Kesimpulan ................................................................................ 93

6.2. Saran .......................................................................................... 93

DAFTAR PUSTAKA ......................................................................................... 99


xvi

DAFTAR GAMBAR

Gambar 2.1 Formula matriks persamaan polinomial derajat n ........................... 9

Gambar 2.2 Penulisan sigma yang benar ............................................................ 10

Gambar 3.1 Pembangunan sistem dengan metode waterfall .............................. 14

Gambar 4.1 Diagram use case ........................................................................... 17

Gambar 4.2 Diagram class model....................................................................... 25

Gambar 4.3 Diagram class control ..................................................................... 26

Gambar 4.4 Sequence diagram lihat data penjualan ........................................... 27

Gambar 4.5 Sequence diagram lihat hasil prediksi regresi linear 4 bulan .......... 28

Gambar 4.6 Sequence diagram lihat hasil prediksi regresi linear 11 bulan ........ 28

Gambar 4.7 Sequence diagram lihat hasil prediksi regresi linear 22 bulan ........ 29

Gambar 4.8 Sequence diagram lihat hasil prediksi regresi polinomial 4 bulan .. 29

Gambar 4.9 Sequence diagram lihat hasil prediksi regresi polinomial 11bulan . 30

Gambar 4.10 Sequence diagram lihat hasil prediksi regresi polinomial 22

Bulan............................................................................................. 30

Gambar 4.11 Sequence diagram lihat grafik hasil prediksi regresi linear .......... 31

Gambar 4.12 Sequence diagram lihat grafik hasil prediksi regresi polinomial .. 32

Gambar 4.13 Desain basis data konseptual regresi linear ................................... 32

Gambar 4.14 Desain basis data konseptual regresi polinomial .......................... 32

Gambar 4.15 Desain basis data logikal ............................................................... 33

Gambar 4.16 Perancangan antarmuka pengguna halaman data penjualan ......... 37

Gambar 4.17 Perancangan antarmuka pengguna halaman prediksi linear

(rumus) ......................................................................................... 38

Gambar 4.18 Perancangan antarmuka pengguna halaman prediksi linear (tabel

data penjualan).............................................................................. 39

Gambar 4.19 Perancangan antarmuka pengguna halaman prediksi linear (tabel

perbandingan) ............................................................................... 40

Gambar 4.20 Perancangan antarmuka pengguna halaman prediksi linear (tampil

grafik linear) ................................................................................. 41


xvii

Gambar 4.21 Perancangan antarmuka pengguna halaman prediksi polinomial

(rumus) ......................................................................................... 42


(tabel data penjualan) ................................................................... 43


(tabel perbandingan) ..................................................................... 44


(tabel grafik polinomial) ............................................................... 45

Gambar 5.1 Implementasi antar muka halaman data penjualan pakan ............... 53

Gambar 5.2 Listing program menampilkan data penjualan pakan ..................... 53

Gambar 5.3 Listing program kontrol dalam menampilkan data penjualan

pakan ............................................................................................... 54

Gambar 5.4 Implementasi antarmuka lihat rumus prediksi regresi linear .......... 54

Gambar 5.5 Implementasi antarmuka lihat data penjualan ................................. 55

Gambar 5.6 Listing program dalam menampilkan data penjualan yang telah di

kelompokkan dalam rentang waktu 4 bulan, 11 bulan, 22 bulan .... 55

Gambar 5.7 Listing program class kontrol untuk menampilkan data penjualan

pada rentang waktu 4 bulan, 11 bulan ............................................. 56


pada rentang waktu 22 bulan ........................................................... 57

Gambar 5.9 Implementasi antarmuka lihat data hasil penghitungan prediksi

regresi linear .................................................................................... 57

Gambar 5.10 Listing program dalam menampilkan data penjualan, hasil

peramalan, serta hasil perbandingan antar peramalan dan data

penjualan sebelum dilakukan peramalan ....................................... 58

Gambar 5.11 Listing program class kontrol untuk menampilkan data penjualan,

hasil peramalan, serta hasil perbandingan atau peramalan dan

data penjualan sebelum dilakaukan peramalan 4 bulan ............... 58



data penjualan sebelum dilakaukan peramalan 11 bulan ............. 59


xviii




Gambar 5.14 Implementasi antarmuka lihat grafik hasil penghitungan prediksi

regresi linear untuk hasil peramalan data 22 bulan ...................... 60


regresi linear untuk hasil peramalan data 22 bulan, dan data asli 61


regresi linear untuk hasil peramalan data 11 bulan, dan 22 bulan 61

Gambar 5.17 Listing program untuk menampilkan grafik ................................. 61

Gambar 5.18 Listing program untuk data peramalan linear 4 bulan .................. 62

Gambar 5.19 Listing program untuk data peramalan linear 11 bulan ................ 62

Gambar 5.20 Listing program untuk data peramalan linear 22 bulan ................ 62

Gambar 5.21 Listing program untuk data penjualan pakan ................................ 62

Gambar 5.22 Implementasi antarmuka lihat rumus prediksi regresi Polinomial 63

Gambar 5.23 Implementasi antarmuka lihat data penjualan ............................... 63

Gambar 5.24 Listing program dalam menampilkan data penjualan yang telah

di kelompokkan dalam rentang waktu 4 bulan, 11 bulan,

22 bulan ........................................................................................ 64


pada rentang waktu 4 bulan, 11 bulan .......................................... 65


pada rentang waktu 22 bulan ........................................................ 66


regresi polinomial ......................................................................... 66


peramalan, serta hasil perbandingan antar peramalan dan data

penjualan sebelum dilakukan peramalan ...................................... 67



data penjualan sebelum dilakaukan peramalan 4 bulan ............... 67


xix








regresi polinomial untuk hasil peramalan data 4 bulan ................ 69


regresi polinomial untuk hasil peramalan data 4 bulan, dan data

asli................................................................................................. 70


regresi polinomial untuk hasil peramalan data 22 bulan, dan

data asli ......................................................................................... 70

Gambar 5.35 Listing program untuk menampilkan grafik ................................. 70

Gambar 5.36 Listing program untuk data peramalan polinomial 4 bulan .......... 71

Gambar 5.37 Listing program untuk data peramalan polinomial 11 bulan ........ 71

Gambar 5.38 Listing program untuk data peramalan polinomial 22 bulan ........ 71

Gambar 5.39 Grafik hasil penghitungan regresi linear ....................................... 79

Gambar 5.40 Grafik hasil penghitungan regresi polinomial ............................... 90


xx

DAFTAR TABEL

Tabel 1.1 Penjulan pakan .................................................................................... 2

Tabel 4.1 Analisis kebutuhan pengguna ............................................................. 16

Tabel 4.2 Narasi use case melihat data penjualan .............................................. 17

Tabel 4.3 Narasi use case lihat hasil prediksi regresi linear ............................... 18

Tabel 4.4 Narasi use case lihat hasil prediksi regresi polinomial ....................... 19

Tabel 4.5 Narasi use case lihat grafik hasil prediksi regresi linear ..................... 20

Tabel 4.6 Narasi use case lihat grafik hasil prediksi regresi polinomial ............ 21

Tabel 4.7 Activity Diagram melihat data penjualan ............................................ 22

Tabel 4.8 Activity Diagram melihat hasil prediksi regresi linear ....................... 22

Tabel 4.9 Activity Diagram melihat hasil prediksi regresi polinomial ............... 23

Tabel 4.10 Activity Diagram melihat grafik hasil prediksi regresi linear ........... 23

Tabel 4.11 Activity Diagram melihat grafik hasil prediksi regresi polinomial ... 24

Tabel 4.12 Basis data fisikal data penjualan ....................................................... 33

Tabel 4.13 Basis data fisikal hasil prediksi regresi linear 4 bulan ...................... 33

Tabel 4.14 Basis data fisikal hasil prediksi regresi linear 11 bulan .................... 34

Tabel 4.15 Basis data fisikal hasil prediksi regresi linear 22 bulan .................... 35

Tabel 4.16 Basis data fisikal hasil prediksi regresi polinomial 4 bulan .............. 35

Tabel 4.17 Basis data fisikal hasil prediksi regresi polinomial 11 bulan ............ 36

Tabel 4.18 Basis data fisikal hasil prediksi regresi polinomial 22 bulan ............ 36

Tabel 4.19 Tabel data penjualan ......................................................................... 46

Tabel 4.20 Hasil total x,y,x^2,xy ........................................................................ 47

Tabel 4.21 Hasil persamaan linear 4 bulan ......................................................... 49

Tabel 4.22 Data penjualan .................................................................................. 50

Tabel 4.23 Data penjualan polinom 4 bulan ....................................................... 52

Tabel 4.24 Data x diubah menjadi matrix x ........................................................ 52

Tabel 4.25 Hasil transpose x dari nilai matrix x ................................................. 52

Tabel 4.26 Hasil pengkalian matrix x dengan transpose x ................................. 53

Tabel 4.27 Hasil inverse dari hasil pengkalian matrix x dengan transpose

matrix X ............................................................................................ 53


xxi

Tabel 4.28 Data y diubah menjadi matrix y ........................................................ 53

Tabel 4.29 Hasil penghitungan transpose x dengan y ........................................ 54

Tabel 4.30 Nilai persamaan Y yang di dapat ...................................................... 54

Tabel 4.31 Hasil pengkalian dari persamaan Y dengan nilai x sebanyak

33 bulan ............................................................................................. 55

Tabel 5.1 Data penjualan pakan ayam ................................................................ 75

Tabel 5.2 Hasil persamaan linear 4 bulan ........................................................... 76



Tabel 5.5 Hasil persamaan polinomial 4 bulan ................................................... 83

Tabel 5.6 Hasil persamaan polinomial 11 bulan ................................................. 85

Tabel 5.7 Hasil persamaan polinomial 22 bulan ................................................. 87


1

BAB I

PENDAHULUAN

1.1 Latar Belakang

Peternakan unggas di Indonesia saat ini telah maju dengan adanya

trend ternak unggas, yang dapat digunakan sebagai hewan ternak, dengan

adanya unggas. Namun dengan adanya jenis unggas baru tersebut tidak

mempengaruhi peternak baru untuk memilih ayam petelur sebagai hewan

ternak. Ayam petelur dapat di bilang sebagai jenis unggas yang dapat

memproduksi telur hanya dalam 1 hari.

Banyaknya peternak baru tersebut, sangat berpengaruh dalam

meningkatnya jumlah produksi pakan ayam. Dengan bertambahnya

peternak ayam petelur mempengaruhi pola peternak dalam membuat

peternakan ayam dengan cara yang berbeda, misalkan ada peternak A

mengembangkan ternaknya mulai dari umur 0 minggu yang tentunya akan

menggunakan pakan ayam khusus untuk umur 0 minggu hingga umur 16

minggu, dan ada peternak B yang mengembangkan ternak ayam dengan

ayam umur 16 minggu dari kedua jenis peternak tersebut sangat

mempengaruhi tingkat penjualan jenis pakan ayam yang di gunakan. Dari

perbedaan tersebut dapat mempengaruhi pola penjualan jenis pakan ayam.

Berikut adalah data dari penjualan pakan dalam 3 periode dimulai tahun

2014, 2015, dan 2016.


2

Tabel 1.1. Total Penjualan Pakan

JENIS PAKAN TAHUN TOTAL PENJUALAN

208 2014 - 2016 6132

KH 2014 – 2016 1876

206 2014 – 2016 1406

GR 2014 – 2016 1001

ST 2014 – 2016 985

BKK 2014 – 2016 747

L19 2014 – 2016 486

19 2014 – 2016 384

MBM 2014 – 2016 203

PL 2014 – 2016 154

GK 2014 – 2016 48

L20 2014 – 2016 40

Alasan kenapa sistem ini di bentuk adalah, karena dari setiap jenis

pakan yang ada pada tabel 1.1 ada beberapa jenis pakan yang belum sesuai

dengan target pernjualan yang telah di tentukan perusahaan. Sistem ini di

bentuk agar dapat memprediksi penjualan untuk setiap jenis pakan pada

bulan berikutnya apakah sudah sesuai dengan taget yang telah di tentukan.

Pada tabel 1.1 ada beberapa jenis pakan yang belum sesuai dengan

target penjualan yang telah di tentukan perusahaan. Dari 12 jenis pakan

pada tabel 1.1 diatas penulis akan mencoba melakukan prediksi penjualan

mulai dari bulan Januari tahun 2014 hingga bulan November tahun 2016.

1.2 Rumusan Masalah

Dari latar belakang yang ada, maka rumusan masalah yang di dapat adalah

sebagai berikut :


3

1. Bagaimana cara memprediksi penjualan pakan ayam menggunakan

metode regresi linear dan regresi polinomial?

2. Berapa hasil perbandingan prediksi penjualan pakan ayam menggunakan

metode regresi linear dan regresi polinomial?

3. Apakah penggunaan jumlah data dalam prediksi regresi linear dan

prediksi regresi polinomial akan mempengaruhi hasil akhir ?

1.3 Tujuan

Penelitian ini bertujuan untuk membandingkan metode regresi linier

dan regresi polinomial dengan data asli, guna mengetahui hasil mana yang

lebih baik.

1.4 Batasan Masalah

Dalam pengembangan prediksi, terdapat batasan – batasan masalah antara

lain:

1. Data penjualan pakan ayam petelur yang digunakan merupakan data

penjualan dari daerah Salatiga, Jawa Tengah.

2. Data penjualan pakan ayam petelur yang digunakan mencakup 206, 208,

KH, L19, ST, GR, GK, PL, 19, L20, MBM, BKK.

3. Dalam proses penghitungan regresi penulis hanya menggunakan data

hasil penjualan pakan ayam yang telah di dapat.

4. Sistem dibangun dalam bentuk dekstop dengan bahasa pemrograman

Java serta menggunakan MYSQL sebagai database.

1.5 Manfaat

Manfaat yang dapat di ambil dari penelitian ini, yaitu:

1. Mengetahui hasil perbandingan yang lebih baik antara regresi linear dan

regresi polinomial.

2. Mengetahui hasil perbandingan dalam regresi berdasar jumlah data yang

digunakan.


4

1.6 Sistematika Penulisan

Berikut ini adalah sistematika penulisan dokumen ini.

BAB I PENDAHULUAN

Pada Bab ini menjelaskan dasar dalam pembahasan skripsi. Hal dasar

tersebut antara lain latar belakang, rumusan masalah, batasan masalah,

tujuan penulisan, manfaat penulisan, metodologi penelitian dan sistematika

penelitian.

BAB II LANDASAN TEORI

Memberi penjelasan mengenai beberapa pengetahuan mengenai prediksi,

metode regresi polinomial dan regresi linear, serta beberapa tinjauan pustaka.

BAB III METODOLOGI PENELITIAN

Menjelaskan bagaimana data dikumpulkan, pembangunan sistem, spesifikasi.

BAB IV ANALISIS DAN PERANCANGAN SISTEM

Menjelaskan kebutuhan pengguna, perancangan sistem, analisis kerja

perangkat lunak yang telah dibuat, perencanaan sistem berupa: use case,

activity, class, dan sequence diagram, serta perancangan antar pengguna.

BAB V IMPLEMENTASI SISTEM DAN ANALISIS HASIL

Bab ini menjelaskan mengenai hasil pengujian terhadap sistem dan

dilanjutkan dengan menganalisis hasil pengujian meliputi kelebihan dan

kekurangan sistem.

BAB VI PENUTUP

Bab ini berisi kesimpulan dan saran – saran dari implentasi sistem.


5

BAB II

LANDASAN TEORI

2.1 Prediksi (Forecasting)

Forecasting atau peramalan adalah aktivitas prediksi atau perkiraan

yang bertujuan mengetahui apa yang akan terjadi di masa mendatang

melalui informasi yang di dapat pada masa sebelumnya. Prediksi tidak harus

memberi jawaban secara pasti mengenai kejadian yang akan terjadi,

melainkan berusaha untuk mencari jawaban sedekat mungkin yang akan

terjadi (Herdiantom 2018 : 8).

Peramalan memiliki tujuan untuk mengetahui hasil prediksi yang

lebih mengacu pada aktivitas usaha dan ekonomi. Peramalan merupakan

bagian penting pada setiap perusahaan dalam mengambil keputusan. Tujuan

dari adanya peramalan adalah untuk memperoleh informasi mengenai

akurasi dalam menentukan keputusan terbaik perubahan dimasa mendatang

dalam menentukan suatu kebijakan. Maka, sebaiknya sebelum

merekomendasi suatu kebijakan yang nantinya dapat menghasilkan hasil

yang lebih akurat, maka diperlukan informasi data di masa sebelumnya.

Forecasting atau perkiraan adalah kegiatan yang bertujuan untuk

meramalkan atau memprediksi segala hal yang terkait dengan produksi,

penawaran, permintaan, dan penggunaan teknologi dalam sebuah industri

atau usaha

2.1.1 Definisi Prediksi (Forecasting)

Keputusan yang baik adalah keputusan yang didasarkan atas

pertimbangan apa yang akan terjadi pada waktu keputusan itu

dilaksanakan (Ginting, 2007)


6

2.1.2 Tujuan sistem prediksi (Forecasting)

Menurut Heizer dan Render (2009:47), perkiraan atau forecasting

memiliki tujuan sebagai berikut:

a. Mengkaji kebijakan perusahaan yang berlaku saat ini dan di masa

lalu, serta melihat sejauh mana pengaruh di masa datang.

b. Perkiraan diperlukan karena adanya time lag atau delay antara saat

suatu kebijakan perusahaan ditetapkan dengan saat implementasi.

c. Perkiraan merupakan dasar penyusunan bisnis pada suatu

perusahaan sehingga dapat meningkatkan efektivitas suatu rencana

bisnis.

2.1.3 Jenis – jenis Perkiraan (Forecasting)

a. Perkiraan Berdasarkan Waktu

Berdasarkan waktu, perkiraan atau forecasting dapat dibagi

menjadi tiga jenis, yaitu (Herjanto, 2008:78):

1. Perkiraan Jangka Panjang

Mencakup waktu lebih dari 18 bulan, Misalkan perkiraan yang

diperlukan dalam kaitannya dengan penanaman modal,

perancanaan fasilitas, dan perencanaan untuk kegiatan litbang

(penelitian dan pengembangan).

2. Perkiraan Jangka Menengah

Mencakup waktu antara 3-18 bulan. Misalnya, perkiraan

perencanaan penjualan, perencanaan produksi, dan perencanaan

tenaga kerja tidak tetap.

3. Perkiraan Jangka Pendek

Mencakup jangka waktu kurang dari 3 bulan. Misalnya,

perkiraan yang berhubungan dengan perencanaan pembelian

material, penjadwalan kerja, dan penugasan karyawan.


7

b. Perkiraan Berdasarkan Fungsi & Perencanaan Operasi

Masa Depan

Berdasarkan fungsi dan perencanaan operasi di masa depan,

perkiraan atau forecasting dibagi menjadi tiga jenis, yaitu (Heizer

dan Render, 2009:47):

1. Perkiraan ekonomi (economic forecasting)

Menjelaskan siklus bisnis dengan memprediksi tingkat

inflasi, ketersediaan uang, dana yang dibutuhkan untuk

membangun perumahan dan indicator perencanaan lainnya.

2. Perkiraan teknologi (techniligical forecast)

Memperhatikan tingkat kemajuan teknologi yang dapat

meluncurkan produk baru yang menarik, yang membutuhkan

pabrik dan peralatan baru.

3. Perkiraan permintaan (demand forecast)

Proyeksi permintaan untuk produk atau layanan suatu

perusahaan. Perkiraan ini juga disebut perkiraan penjualan

dan menjadi input bagi perencanaan keuangan, pemasaran,

serta sumber daya manusia.

c. Perkiraan Berdasarkan Jenis Data yang Disusun

Berdasarkan jenis data perkiraan yang disusun, perkiraan dibagi

menjadi dua jenis, yaitu (Saputro dan Asri 2000:148).

1. Perkiraan Kualitatif

Didasakan atas data kualitatif pada masa lalu. Hasil

prediksi yang dibuat sangat tergantung pada orang yang

menyusunnya. Biasanya perkiraan ini didasarkan atas hasil

penyelidikan, seperti pendapat salesman, pendapat sales

manager, pendapat para ahli, dan survey konsumen.

2. Perkiraan Kuantitatif

Perkiraan yang didasarkan atas data penjualan pada masa

lalu. Hasil perkiraan yang dibuat sangat tergantung pada

metode yang digunakan dalam perkiraan tersebut.


8

Penggunaan metode yang berbeda akan diperoleh hasil yang

berbeda pula.

d. Berdasarkan Sifat Penyusunannya

Berdasarkan sifat penyusunannya, perkiraan dibagi menjadi dua

jenis, yaitu (Ginting, 2007)

1. Perkiraan subjektif

Perkiraan yang didasarkan atas perasaan atau intuisi dari

orang yang menyusun.

2. Perkiraan objektif

Perkiraan yang didasarkan atas data yang relevan pada

masa lalu, dengan menggunakan teknik – teknik dan metode -

metode dalam penganalisaan data tersebut.

2.2. Time Series

2.2.1. Definisi Time Series

Deret waktu (time series) adalah serangkaian nilai

pengamatan (observasi) yang diambil selama kurun waktu

tertentu, umumnya dalam (interval – interval) yang sama panjang.

Beberapa contoh deret waktu adalah produksi tahunan besi - baja

di Amerika Serikat untuk kurun waktu beberapa tahun, harga

penutupan harian sebuah saham di pasar modal untuk kurun

waktu satu bulan, suhu udara per jam yang diberitakan oleh

badan meteorologi sebuah kota selama kurun waktu satu hari,

dan penjualan total bulanan sebuah pasar swalayan selama kurun

waktu satu tahun.

Secara matematis, deret waktu didefinisikan oleh nilai –

nilai Y1, Y2, .... Yᵢ dari suatu variabel Y (suhu udara, harga

penutupan saham, dan sebagainya) untuk titik -titik waktu t1,

t2, ..... t¡ dengan demikian, Y merupakan sebuah fungsi dari t

dan disimbolkan dengan Y = F(t). (Spiegel dan Stephens, 2004).


9

2.3. Regresi Polinomial (Polynomial Regression)

2.3.1. Definisi Regresi Polinomial

Regresi polinomial merupakan model regresi linear yang di

bentuk dengan menjumlahkan pengaruh masing – masing variabel

predictor (X) yang dipangkatkan meningkat sampai ke orde ke-n.

Secara umum, model regresi polinomial ditulis dalam bentuk :

= Variabel respons

= Titik potong

= Koefisien regresi

= Faktor pengganggu

Ԑ = Faktor pengganggu yang tidak dapat di jelaskan

oleh model regresi

Model diatas menunjukkan bentuk modifikasi dari model

regresi linier berganda, dimana

sehingga dapat ditulis menjadi bentuk :

Gambar 2.1 Formula matriks persamaan polinomial derajat n


https://4.bp.blogspot.com/-348WCcdIuI8/V0r5FvrZpyI/AAAAAAAAEiY/AltOV_TlVFA1-j_ToXCiGQ2PqA5RG8N4wCLcB/s1600/5.png

10

Dalam penulisan sigma di atas ada kesalahan, dan

penulisan sigma yang benar ada pada sigma di bawah ini.

Gambar 2.2 Penulisan sigma yang benar

2.4. Regresi Linear (Linear Regression)

2.4.1. Definisi Regresi Linear

Persamaan matematik dengan melakukan peramalan nilai -

nilai suatu peubah (variable) tak bebas dari satu atau lebih peubah

bebas disebut persamaan regresi. Istilah ini berasal dari hasil

pengamatan yang dilakukan Sir Francis Galton (1822 - 1911)

membandingkan tinggi badan anak laki - laki dengan tinggi badan

bapaknya. Galton menyatakan bahwa tinggi badan anak laki - laki

dari bapak yang tinggi pada beberapa generasi kemungkinan

cendurung “mundur” (regressed) mendekati rata - rata populasi.

(Yusuf, 2009).

Dikatakan pula bahwa analisis regresi mempunyai dua jenis

variabel yaitu:

1. Variabel Respon (variable dependen)

Yaitu variabel yang keberadaannya dipengaruhi oleh variabel

lain dan dinotasikan dengan variabel Y.

2. Variabel Prediktor (variable independen)


https://4.bp.blogspot.com/-eGOZ3wACrHo/V0uJ2h2RKXI/AAAAAAAAEkM/TwToeBs4vikT9eLs3pX1giem_cg0Ti-0ACLcB/s1600/13.PNG

11

Yaitu variabel bebas (tidak dipengaruhi oleh variabel lain)

dan dinotasikan dengan X.

Hubugan – hubungan antara variabel bebas maka regresi

linier terdiri dari dua bentuk, yaitu:

1. Analisis regresi sederhana (simple analysis regresi).

2. Analisis regresi berganda (Multiple analysis regresi).

Analisis regresi sederhana merupakan hubungan antara dua

variabel yaitu variabel bebas (variable independen) dan variabel

tak bebas (variable dependen). Analisis regresi berganda

merupakan hubungan antara tiga variabel atau lebih, yaitu

sekurang-kurangnya dua variabel bebas dengan satu variabel tak

bebas. Tujuan regresi adalah untuk membuat perkiraan nilai suatu

variabel (variable dependen) jika nilai variabel yang satu

berhubungan dengan variabel lainnya sudah ditentukan.

2.4.2. Regresi Linear Sederhana

Regresi linear sederhana dipergunakan untuk mengetahui

pengaruh antara satu buah variabel bebas terhadap satu buah

variabel terikat. Bentuk umum dari persamaan regresi linier untuk

suatu populasi menurut Yusuf (2009) adalah sebagai berikut :

Keterangan:

= Nilai yang diproyeksikan

= Variabel bebas

= Parameter Intercept


12

= Parameter Koefisien Regresi Variabel Bebas

Dengan adalah variabel terikat dan adalah variabel bebas.

Koefisien adalah konstanta (intercept) yang merupakan titik

potong antara garis regresi dengan sumbu pada koordinat

kartesius.

Langkah - langkah yang dilakukan metode regresi linier

dalam menyelesaikan contoh diatas menurut Yusuf (2009) adalah

sebagai berikut :

1. Tentukan = varibel tak bebas dan = variabel bebas.

2. Hitung nilai a dan b.

( )( ) ( )( )

( )

( )( )

( )

3. Setelah nilai a dan b sudah ditemukan, masukkan nilai tersebut

pada rumus persamaan Y = a + bX. Kemudian masukkan nilai ,

nilai merupakan nilai tahun yang akan diramalkan.


13

BAB III

METODOLOGI PENELITIAN

3.1. Metode Penelitian

Penelitian yang dilakukan bertujuan untuk meramalkan perbandingan

2 prediksi menggunakan data penjualan pakan ayam. Dalam penelitian ini

penulis melakukan wawancara singkat kepada pihak penjual pakan. Input

yang di gunakan adalah data penjualan dalam rentang waktu 4 bulan, 11

bulan, dan 22 bulan dari tahun tahun 2014 – tahun 2016. Sistem ini diharap

mampu membantu memberi gambaran prediksi penjualan pada bulan

berikutnya penjualan dalam menentukan jumlah produksi pakan pada bulan

berikutnya.

3.2. Studi Literatur

Studi litelatur yang dilakukan adalah dengan membaca buku, jurnal,

serta sumber bacaan lain yang berkaitan dengan prediksi, regresi linear, dan

regresi polinomial.

3.3. Pengumpulan Data

Data yang digunakan dalam penelitian ini adalah data hasil penjualan

pakan ayam harian pada tahun 2014 hingga tahun 2016, dari salah satu

produsen pakan ayam di area Salatiga, Jawa Tengah. Selanjutnya data akan

di persempit dengan menjumlahkan semua data penjualan dalam 1 bulan.

3.4. Pembangunan Sistem

Dalam membangun sistem, penulis menggunakan metode waterfall.

Dalam pembangunan sistem ini metode yang di gunakan ialah metode

waterfall. Efraim Turban, Jay E. Aronson (2005) mengungkapkan bahwa

waterfall termasuk dalam salah satu System Development Life Cycles

(SDLC) yang dapat membantu pengembangan sistem menjadi terencana dan


14

teratur. Metode waterfall memiliki empat fase dasar, yakni planning,

analysis, design dan implementation.

Gambar 3.1 Pembangunan Sistem dengan Metode Waterfall

a. Planning

Merupakam proses dalam menemukan permasalahan yang ada, yakni

bagaimana membuat sistem perbandingan prediksi penjualan pakan ayam

menggunakan metode regresi linear dan regresi polinomail. Selanjutnya

melakukan perancangan bagaimana mendapat data penjualan pakan ayam

petelur, berapa banyak data penjualannya, dan dimana lokasi untuk

memperoleh data tersebut. Perancangan sistem meiliputi jumlah penjualan

pakan untuk kemudian dihitung menggunakan metode yang digunakan yaitu

metode regresi linear dan regresi polinomial. Pada tahap planning penulis

melakukan perancangan untuk sistem yang akan di gunakan, dengan tahap

mencari data yang akan di gunakan dalam sistem, lalu melakukan

pengelompokan data dari total penjualan tiap bulan, yang nantinya akan di

jadikan bahan percobaan untuk dilakukan perbandingan prediksi regresi

linear dan regresi polinomial.


15

b. Analysis

Tahap ini masih berhubungan dengan bagaimana cara penulis

mendapat data dari penjual pakan, dengan melakukan wawancara singkat

serta meminta persetujuan untuk melakukan pengujian prediksi regresi

untuk penjualan yang ada.

c. Design

Pada tahap design, hal yang dilakukan ialah melakukan perancangan

basis data.

d. Implementation

Pada tahap ini program akan dipakai sebagai sistem untuk menentukan

prediksi.

3.5. Spesifikasi Alat

Dalam melakukukan penelitian ini penulis menggunakan peralatan

perangkat keras dan perangkat lunak, dengan spesifikasi sebagai berikut:

1. Kebutuhan perangkat keras

Tipe Procesor : Intel Core i3

Kecepatan Processor : 2.0 GHz

Memory : 4 GB

Harddisk : 500 GB

2. Kebutuhan Perangkat lunak

Sistem Operasi : Microsoft Windows 7

Aplikasi : Netbean 8.2

Database : Oracle Database 10g


16

BAB IV

ANALISIS DAN PERANCANGAN SISTEM

4.1. Analisa Sistem

4.1.1. Analisis Kebutuhan Pengguna

Analisis yang di lakukan pada tahap ini ialah apa saja yang dapat

pengguna lakukan dengan sistem perbandingan prediksi regresi ini.

Tabel 4.1 Analisis kebutuhan pengguna

Pengguna Sistem Kebututahan

Pengguna 1. Melihat Data Penjualan Pakan

2. Melihat Hasil Perbandingan

Prediksi Regresi Linier dan

Polinomial

3. Melihat Hasil dalam Bentuk

Grafik Bar untuk setiap

prediksi


17

4.2. Perancangan Sistem

4.2.1. Diagram Use Case

Gambar 4.1 adalah gambar dari diagram use case.

Gambar 4.1 Diagram Use case

4.2.2. Narasi Use Case

Narasi use case ialah narasi yang menceritakan mengenai use case

yang ada.

4.2.2.1. Narasi Use Case Melihat Data Penjualan

Tabel 4.2 Narasi use case melihat data penjualan

Melihat Data Penjualan Pakan

Nama Use Case Melihat Data Penjualan Pakan

ID Use Case 1

Aktor Pengguna

Deskripsi

Use Case ini berfungsi untuk menampilkan nilai X, dan

Y dari data penjualan pakan yang dapat dilihat oleh

pengguna

Kondisi Awal Pengguna berada di halaman DATA_PENJUALAN

Kondisi Akhir Sistem menampilkan data penjualan

Typical Course Aksi Aktor Reaksi Sistem


18

1. Menekan tombol

tampil

2. Menampilkan data

penjualan pakan

4.2.2.2. Narasi Use Case Melihat Hasil Prediksi Regresi

Linear

Tabel 4.3 Narasi Use Case Lihat hasil prediksi regresi linear

Melihat Hasil Penghitungan Data Linear Penjualan Pakan

Nama Use Case Melihat Hasil Penghitungan Data Linear Penjualan

Pakan

ID Use Case 2

Aktor Pengguna

Deskripsi Use Case akan menampilkana hasil dari penghitungan

prediksi untuk regresi linear.

Kondisi Awal Pengguna berada di halaman PREDIKSI_LINEAR

Kondisi Akhir Sistem menampilkan data penjualan serta menampilkan

hasil dari regresi linear

Typical Course

Aksi Aktor Reaksi Sistem

1. Menekan menu

PILIH

2. Menampikan data

penjualan sesuai

dengan rentang

waktu yang dipilih,

serta menampilkan

hasil penghitungan

regresi linear


19

4.2.2.3. Narasi Use Case Melihat Hasil Prediksi Regresi

Polinom

Tabel 4.4 Narasi Use Case lihat hasil prediksi regresi polinomial

Melihat Hasil Penghitungan Data Polinomial Penjualan Pakan

Nama Use Case Melihat Hasil Penghitungan Data Polinomial Penjualan

Pakan

ID Use Case 3

Aktor Pengguna

Deskripsi Use Case akan menampilkana hasil dari penghitungan

prediksi untuk regresi Polinomial.

Kondisi Awal Pengguna berada di halaman PREDIKSI_POLINOMIAL

Kondisi Akhir Sistem menampilkan data penjualan serta menampilkan

hasil dari regresi Polinomial

Typical Course


1. Menekan menu

PILIH

2. Menampikan data

penjualan sesuai

dengan rentang

waktu yang dipilih,

serta menampilkan

hasil penghitungan

regresi Polinomial


20

4.2.2.4. Narasi Use Case Melihat Grafik Hasil Prediksi

Regresi Linear

Tabel 4.5 Narasi Use Case lihat grafik hasil prediksi regresi linear

Melihat Grafik Hasil Prediksi Regresi Linear

Nama Use Case Melihat Grafik Hasil Prediksi Regresi Linear

ID Use Case 4

Aktor Pengguna

Deskripsi Use Case akan menampilkan grafik hasil dari

penghitungan prediksi untuk regresi linear.

Kondisi Awal Pengguna berada di halaman PREDIKSI_LINEAR, dan

sistem menampilkan data penjualan serta menampilkan

hasil dari regresi linear

Kondisi Akhir Sistem menampilkan grafik hasil prediksi regresi linear

Typical Course


1. Menekan tombol 4

bulan, 11 bulan, 22

bulan, data asli,

atau tutup semua

grafik

2. Sistem

menampilkan grafik

hasil dari tombol

yang di pilih


21

4.2.2.5. Narasi Use Case Melihat Grafik Hasil Prediksi

Regresi Polinomial

Tabel 4.6 Narasi Use Case lihat grafik hasil prediksi regresi polinomial

Melihat Grafik Hasil Prediksi Regresi Polinomial

Nama Use Case Melihat Grafik Hasil Prediksi Regresi Polinomial

ID Use Case 5

Aktor Pengguna

Deskripsi Use Case akan menampilkana grafik hasil dari

penghitungan prediksi untuk regresi polinomial.

Kondisi Awal Pengguna berada di halaman

PREDIKSI_POLINOMIAL, dan sistem menampilkan

data penjualan serta menampilkan hasil dari regresi

polinomial.

Kondisi Akhir Sistem menampilkan grafik hasil prediksi regresi

polinomial.

Typical Course


1. Menekan tombol 4

bulan, 11 bulan, 22

bulan, data asli,

atau tutup semua

grafik

2. Sistem

menampilkan grafik

hasil dari tombol

yang di pilih


22

4.2.3. Activity Diagram

Activity Diagram ialah gamabaran untuk alur dari aktifitas

pengguna terhadap sistem.

4.2.3.1. Activity Diagram Melihat Data Penjualan

Tabel 4.7 Activity Duagram melihat data penjualan

Pengguna Sistem

4.2.3.2. Activity Diagram Melihat Hasil Prediksi Regresi

Linear

Tabel 4.8 Activity Diagram melihat hasil prediksi regresi linear

Pengguna Sistem

Tekan tombol TAMPIL Menampilkan data

penjualan pakan

Pilih rentang waktu

yang diinginkan, lalu

menekan tombol PILIH

Menampilkan data

penjualan berdasar

rentang waktu yang di

pilih serta menampilkan

hasil prediksi regresi

linear


23

4.2.3.3. Activity Diagram Melihat Hasil Prediksi Regresi

Polinomial

Tabel 4.9 Activity Diagram melihat hasil prediksi regresi polinomial

Pengguna Sistem

4.2.3.4. Activity Diagram Melihat Grafik Hasil Prediksi

Regresi Linear

Tabel 4.10 Activity Diagram melihat grafik hasil prediksi regresi linear

Pengguna Sistem

Pilih rentang waktu

yang diinginkan, lalu

menekan tombol PILIH

Menampilkan data

penjualan berdasar

rentang waktu yang di

pilih serta menampilkan

hasil prediksi regresi

polinomial

Tekan tombol 4 bulan,

11 bulan, 22 bulan,

data asli, atau tutup

semua grafik

Menampilkan atau

menutup grafik hasil

prediksi regresi linear


24

4.2.3.5. Activity Diagram Melihat Grafik Hasil Prediksi

Regresi Polinomial

Tabel 4.11 Activity Diagram melihat grafik hasil prediksi regresi polinomial

Pengguna Sistem

Tekan tombol 4 bulan,

11 bulan, 22 bulan,

data asli, atau tutup

semua grafik

Menampilkan atau

menutup grafik hasil

prediksi regresi linear


25

4.2.4. Perancangan Diagram Kelas (Class Diagram)

Diagram Kelas menggambarkkan atribut, package, dan kelas

beserta hubungan satu sama lain.

4.2.4.1. Diagram Class Model

Gambar 4.2 Diagram Class Model


26

4.2.4.2. Diagram Class Control

Gambar 4.3 Diagram Class Control


27

4.2.5. Perancangan Sequence Diagram

Sequence diagram merupakan proses yang dilakaukan untuk

melihat perubahan apa saja yang terjadi secara internal dan output apa yang

dihasilkan.

4.2.5.1. Sequence Diagram Melihat Data Penjualan

Gambar 4.4 Sequence diagram lihat data penjualan


28

4.2.5.2. Sequence Diagram Melihat Hasil Prediksi

Regresi Linear 4 Bulan

Gambar 4.5 Sequence diagram lihat hasil prediksi regresi linear 4 bulan





29





Regresi Polinomial 4 Bulan

Gambar 4.8 Sequence diagram lihat hasil prediksi regresi polinomial 4 bulan


30








31

4.2.5.8. Sequence Diagram Melihat Grafik Hasil Prediksi

Regresi Linear

Gambar 4.11 Sequence diagram lihat grafik hasil prediksi regresi linear


32

4.2.5.9. Sequence Diagram Melihat Grafik Hasil Prediksi

Regresi Polinomial

Gambar 4.12 Sequence diagram lihat grafik hasil prediksi regresi polinomial

4.2.6. Desain Manajemen Data

4.2.6.1. Desain Basis Data Konseptual

Gambar 4.13 Desain basis data konseptual regresi linear

Gambar 4.14 Desain basis data konseptual regresi polinomial


33

4.2.6.2. Desain Basis Data Logikal

Gambar 4.15 Desain basis data logikal

4.2.6.3. Desain Basis Data Fisikal

4.2.6.3.1 Tabel Basis Data Fisikal Data Penjualan

Tabel 4.12 Basis data fisikal data penjualan

Nama Type Size Keterangan Key

id_penjualan varchar2 4 Berisi kode unik

data_penjualan

PK

waktu varchar2 15 Berisi bulan, tahun

penjualan

penjualan Number 5,0 Berisi nilai penjualan

4.2.6.3.2 Tabel Basis Data Fisikal Hasil Prediksi Regresi Linear 4

Bulan

Tabel 4.13 Basis data fisikal hasil prediksi regresi linear 4 bulan


id_penjualan varchar2 6 Menghubungakan

id_penjualan dengan tabel

FK


34

persamaan_lin4


penjualan

data_asli number 5 Berisi nilai penjualan

persaman number 15,3 Berisi nilai persamaan

untuk penghitungan linear

4 bulan

perbandingan number 20,5 Berisi selisih antara

data_asli dengan

persamaan

4.2.6.3.3 Tabel Basis Data Fisikal Hasil Prediksi Regresi Linear

11 Bulan





persamaan_lin11

FK


penjualan




11 bulan


data_asli dengan

persamaan


35

4.2.6.3.4 Tabel Basis Data Fisikal Hasil Prediksi Regeresi Linear

22 Bulan





persamaan_lin22

FK


penjualan




22 bulan


data_asli dengan

persamaan

4.2.6.3.5 Tabel Basis Data Fisikal Hasil Prediksi Regresi

Polinomial 4 Bulan

Tabel 4.16 Basis data fisikal hasil prediksi regresi polinomial 4 bulan




persamaan_pol4

FK


penjualan



untuk penghitungan

polinom 4 bulan


36


data_asli dengan

persamaan


Polinomial 11 Bulan





persamaan_pol11

FK


penjualan



untuk penghitungan

polinom 11 bulan


data_asli dengan

persamaan


Polinomial 22 Bulan





persamaan_pol22

FK


penjualan


37



untuk penghitungan

polinom 22 bulan


data_asli dengan

persamaan

4.3. Perancangan Antarmuka Pengguna (User Interface)

4.3.1. Perancangan Antarmuka Pengguna Halaman Data

Penjualan

Gambar 4.16 Perancangan antarmuka pengguna halaman data penjualan


38

4.3.2. Perancangan Antarmuka Pengguna Halaman Prediksi

Linear (Rumus)

Gambar 4.17 Perancangan antar muka halaman prediksi linear (rumus)


39


Linear (Tabel Data Penjualan)

Gambar 4.18 Perancangan Antar Muka Halaman prediksi linear (tabel data

penjualan)


40


Linear (Tabel Perbandingan)

Gambar 4.19 Perancangan antar muka halaman prediksi linear (tabel

perbandingan)


41


Polinom (Tampil Grafik Linear)

Gambar 4.20 Perancangan antar muka halaman prediksi linear (tampil grafik

linear)


42


Polinomial (Rumus)

Gambar 4.21 Perancangan antarmuka pengguna halam prediksi polinomial

(rumus)


43


Polinomial (Tabel Data Penjualan)

Gambar 4.22 Perancangan antar muka halaman prediksi polinomial (tabel data

penjualan)


44


Polinomial (Tabel Perbandingan)

Gambar 4.23 Perancangan antar muka halaman prediksi polinomial (tabel

perbandingan)


45

4.3.9. Halaman Prediksi Polinomial (Tampil Grafik

Polinomial)

Gambar 4.24 Perancangan antar muka halaman prediksi polinomial (tampil grafik

polinomial)


46

4.4. Implementasi Detail Algoritma Regresi

4.4.1. Implementasi Detail Algoritma Regresi Linear

Tahap Pertama (memilih data)

Memilih rentang waktu (Bulan, Tahun) yang di gunakan

semisal rentang waktu 4 bulan penjualan / 11 bulan penjualan / 22

bulan penjualan dimulai dengan waktu paling awal yaitu Januari,

2014.

Tabel 4.19 Tabel data penjualan

Nomor Bulan, Tahun (x) Penjualan (y)

1 Januari, 2014 399

2 Februari, 2014 209

3 Maret, 2014 238

4 April, 2014 455

5 Mei, 2014 418

6 Juni, 2014 505

7 Juli, 2014 522

8 Agustus, 2014 455

9 September, 2014 609

10 Oktober, 2014 595

11 November, 2014 492

12 Januari, 2015 526

13 Februari, 2015 331

14 Maret, 2015 513

15 April, 2015 431

16 Mei, 2015 425

17 Juni, 2015 470

18 Juli, 2015 428

19 Agustus, 2015 312


21 Oktober, 2015 404


47

22 November, 2015 324

23 Januari, 2016 316

24 Februari, 2016 513

25 Maret, 2016 375

26 April, 2016 465

27 Mei, 2016 472

28 Juni, 2016 411

29 Juli, 2016 257

30 Agustus, 2016 226


32 Oktober, 2016 230

33 November, 2016 452

Tahap kedua

Menentukan nilai x dan y, dimana x adalah waktu dan y

adalah banyaknya penjualan.

Tahap ketiga

Menentukan nilai x, y, x^2, xy, serta menentukan rentang

waktu yang di gunakan, untuk penghitungan ini saya menggunakan

rentang waktu 4 bulan.

Tabel 4.20 Hasil total x, y, x^2, xy

x y x^2 xy

1 399 1 399

2 209 4 418

3 238 9 714

4 455 16 1820

∑ = 10 ∑ = 1301 ∑ = 30 ∑ = 3351


48

Tahap keempat

Menentukan nilai peubah a, dan nilai peubah b.

( )( ) ( )( )

( )

( )( ) ( )( )

( )( ) ( )

( )( )

( )

( )( ) ( )( )

( )( ) ( )

Tahap kelima

Melakukan penghitungan Y dari nilai peubah a, dan nilai

peubah b yang di kalihkan banyaknya data x.


49

Tabel 4.21 Hasil persamaan linear 4 bulan

No a b x Y

1 1 295.7

2 2 315.4

3 3 335.1

4 4 354.8

5 5 374.5

6 6 394.2

7 7 413.9

8 8 433.6

9 9 453.3

10 10 473

11 11 492.7

12 12 512.4

13 13 532.1

14 14 551.8

15 15 571.5

16 16 591.2

17 17 610.9

18 18 630.6

19 19 650.3

20 20 670

21 21 689.7

22 22 709.4

23 23 729.1

24 24 748.8

25 25 768.5

26 26 788.2

27 27 807.9


50

28 28 827.6

29 276 29 847.3

30 276 30 867

31 276 31 886.7

32 276 32 906.4

33 276 33 926.1

4.4.2. Implementasi Detail Algoritma Regresi Polinomial

Tahap Pertama

Memilih rentang waktu (Bulan, Tahun) yang di gunakan

semisal rentang waktu 4 bulan penjualan / 11 bulan penjualan / 22

bulan penjualan dimulai dengan waktu paling awal yaitu Januari,

2014 dengan demikian bulan Januari, 2014 bernilai x=1, bulan

Februari 2014 bernilai x=2, bulan Maret, 2014 bernilai x=3, dan

seterusnya hingga bulan November, 2016 bernilai x=33.

Tabel 4.22 Data penjualan


1 Januari, 2014 399


3 Maret, 2014 238

4 April, 2014 455

5 Mei, 2014 418

6 Juni, 2014 505

7 Juli, 2014 522

8 Agustus, 2014 455


10 Oktober, 2014 595

11 November, 2014 492


51

12 Januari, 2015 526

13 Februari, 2015 331

14 Maret, 2015 513

15 April, 2015 431

16 Mei, 2015 425

17 Juni, 2015 470

18 Juli, 2015 428

19 Agustus, 2015 312


21 Oktober, 2015 404

22 November, 2015 324

23 Januari, 2016 316

24 Februari, 2016 513

25 Maret, 2016 375

26 April, 2016 465

27 Mei, 2016 472

28 Juni, 2016 411

29 Juli, 2016 257

30 Agustus, 2016 226


32 Oktober, 2016 230

33 November, 2016 452

Tahap kedua

Mengubah nilai x menjadi matrix x, serta menentukan rentang

waktu yang digunakan dan dalam contoh penghitungan berikut

akan di gunakan rentang waktu 4 bulan, berikut data penjualan

pakan dalam rentang waktu 4 bulan.


52

Tabel 4.23 Data penjualan polinomial 4 bulan


1 Januari, 2014 399


3 Maret, 2014 238

4 April, 2014 455

Tabel berikut merupakan hasil pengubahan dari x menjadi

matrix x ( ).

Tabel 4.24 Data waktu di ubah menjadi matrix x

1 1 1 1

1 2 4 8

1 3 9 27

1 4 16 64

Tahap ketiga

Menentukan transpose matrix x ( ) serta melakukan perkalian

dengan matrix x ( ).

Tabel 4.25 Hasil transpose matrix dari nilai matrix x

1 1 1 1

1 2 3 4

1 4 9 16

1 8 27 64

Hasil perkalian matrix x dengan transpose matrix x.


53

Tabel 4.26 Hasil pengkalian matrix x dengan transpose matrix x

4 10 30 100

10 30 100 354

30 100 354 1300

100 354 1300 4890

Tahap keempat

Menentukan nilai inverse ( ) dari hasil penghitungan

matrix x dengan transpose matrix x.

Tabel 4.27 Hasil inverse dari hasil perkalian matrix x dengan transpose matrix x

69 -104.167 45 -5.83333

-104.167 161.3889 -70.8333 9.277778

45 -70.8333 31.5 -4.16667

-5.83333 9.277778 -4.16667 0.555556

Tahap kelima

Mengubah nilai y menjadi matrix y ( ).

Tabel 4.28 Data y diubah menjadi matrix y.

399

209

238

455

Tahap keenam

Melakukan penghitungan dari nilai y dengan nilai transpose

matrix x.


54

Tabel 4.29 Hasil penghitungan ( ) transpose x dengan nilai y

1301

3351

10657

37617

Tahap ketujuh

Melakukan penghitungan antar matrix inverse x dengan matrix

inverse y.

Tabel 4.30 Nilai persamaan Y yang di dapat

839

-575.333

140.5

-5.16667

Tahap kedelapan

Menentukan nilai peubah Y, untuk rentang waktu 4 bulan.

Nilai peubah a = 839

Nilai peubah b = -575.333

Nilai peubah c = 140.5

Nilai peubah d = -5.16667

Tahap kesembilan

Mengalihkan nilai x^n untuk setiap nilai peubah, dimulai dari

nilai peubah b dan seterusnya.


55

( ) ( ) ( )

Setelah itu memasukkan nilai x sebanyak n, karena dalam

contoh ini menggunakan data dengan rentang waktu 4 bulan,

penulis akan mencoba untuk melakukan perbandingan di bulan ke

5.

Tabel 4.31 Hasil pengkalian dari persamaan Y dengan nilai x sebanyak 5 bulan

x Y

1 399.0

2 208.9998

3 237.99919999999997

4 454.998

5 828.9959999999998


56

BAB V

IMPLEMENTASI SISTEM DAN ANALISIS HASIL

5.1. Implementasi AntarMuka Pengguna

5.1.1 Implementasi Antarmuka Halaman Data Penjualan Pakan

Pada halaman ini merupakan tampilan awal sistem. Tampilan

sistem memuat 1 menu, guna menampilkan data penjualan pakan

ayam dari bulan pertama (Januari 2014) hingga bulan ke-33

(November 2016).

Gambar 5.1 Implementasi antarmuka halaman data penjualan pakan

Gambar 5.2 Listing program menampilkan data penjualan pakan


57

Gambar 5.3 Listing program kontrol dalam menampilkan data penjualan pakan

5.1.2 Implementasi Antarmuka Melihat Rumus Prediksi Regresi

Linear

Halaman ini hanya menampilkan sebagian gambaran tahap

penghitungan dalam dalam melakukan peramalan menggunakan

metode regresi linear, yang dapat di lihat oleh pengguna.

Gambar 5.4 Implementasi antarmuka lihat rumus prediksi regresi linear


58

5.1.3 Implementasi Antarmuka Melihat Data Penjualan

Pada implementasi antarmuka berikut pengguna dapat melihat

data penjualan yang akan di gunakan dalam proses penghitungan,

yang sudah di kelompokkan dalam rentang waktu 4 bulan, 11

bulan, dan 22 bulan. Dalam tabel yang di tampilkan, pengguna

dapat melihat bulan dan tahun.

Gambar 5.5 Implementasi antarmuka lihat data penjualan

Gambar 5.6 Listing Program dalam menampilkan data penjualan yang telah di

kelompokkan dalam rentang waktu 4 bulan, 11 bulan, dan 22 bulan


59


pada rentang waktu 4 bulan, dan 11 bulan


60

Gambar 5.8 Listing program class untuk menampilkan data penjualan pada

rentang waktu 22 bulan

5.1.4 Implementasi Antarmuka Melihat Hasil Penghitungan

Prediksi Regresi Linear

Implementasi antarmuka berikut menampilkan hasil dari

peramalan regresi linear yang telah dilakukan perbandingan

dengan data asli dari data penjualan pakan sesuai bulan

penjualannya.


regresi linear


61


peramalan, serta hasil perbandingan antara peramalan dan data penjualan sebelum

dilakukan peramalan


hasil peramalan, serta hasil perbandingan antara peramalan dan data penjualan

sebelum dilakukan peramalan untuk 4 bulan


62








63

5.1.5 Implementasi Antarmuka Melihat Grafik Hasil Penghitungan

Prediksi Regresi Linear


grafik hasil dari peramalan regresi linear yang telah di

kelompokkan dalam rentang waktu 4 bulan, 11 bulan, 22 bulan,

serta pengguna juga dapat melihat gambar grafik untuk data

penjualan sebelum di lakukan peramalan.


regresi linear untuk hasil peramalan 22 bulan


64


regresi linear untuk hasil peramalan 22 bulan dengan data asli


regresi linear untuk hasil peramalan 11 bulan dengan prediksi regresi linear untuk

hasil 22 bulan

Gambar 5.17 Listing program untuk menampilkan grafik


65

Gambar 5.18 Listing program untuk data peramalan linear 4 bulan



Gambar 5.21 Listing program untuk data penjualan pakan


66

5.1.6 Implementasi Antarmuka Melihat Rumus Prediksi Regresi

Polinom

Halaman ini hanya menampilkan sebagian gambaran tahap

penghitungan dalam dalam melakukan peramalan menggunakan

metode regresi polinomial, yang dapat di lihat oleh pengguna.

Gambar 5.22 Implementasi antarmuka lihat rumus prediksi regresi polinom

5.1.7 Implementasi Antarmuka Melihat Data Penjualan


data penjualan yang akan di gunakan dalam proses penghitungan,

yang sudah di kelompokkan dalam rentang waktu 4 bulan, 11

bulan, dan 22 bulan. Dalam tabel yang di tampilkan, pengguna

dapat melihat bulan dan tahun .

Gambar 5.23 Implementasi antarmuka lihat data penjualan


67

Gambar 5.24 Listing program untuk menampilkan data penjualan yang telah di

kelompokkan dalam rentang waktu 4 bulan, 11 bulan, 22 bulan


68


yang telah di kelompokkan dalam rentang waktu 4 bulan, 11 bulan


69


yang telah di kelompokkan dalam rentang waktu 22 bulan

5.1.8 Implementasi Antarmuka Melihat Hasil Penghitungan

Prediksi Regresi Polinom

Implementasi antarmuka berikut menampilkan hasil dari

peramalan regresi polinomial yang telah dilakukan perbandingan

dengan data asli dari data penjualan pakan sesui bulan

penjualannya.

Gambar 5.27 Implementasi antarmuka lihat hasil perhitungan prediksi regresi

polinom


70


peramalan, serta hasil perbandingan antara peramalan dan data penjualan sebelum

dilakukan peramalan

Gambar 5.29 Listing program class kontrol dalam menampilkan data penjualan,


sebelum dilakukan peramalan untuk 4 bulan, 11 bulan


71

Gambar 5.30 Listing program class kontrol dalam menampilkan data penjualan,



5.1.9 Implementasi Antarmuka Melihat Grafik Hasil Penghitungan

Prediksi Regresi Polinom


grafik hasil dari peramalan regresi polinomial yang telah di

kelompokkan dalam rentang waktu 4 bulan, 11 bulan, 22 bulan,

serta pengguna juga dapat melihat gambar grafik untuk data

penjualan sebelum di lakukan peramalan.


72


polinom untuk hasil peramalan 4 bulan


polinom untuk hasil peramalan 4 bulan dan data asli


73


polinom untuk hasil peramalan 22 bulan dan data asli

Gambar 5.34 Listing program untuk menampilkan grafik

Gambar 5.35 Listing program untuk menampilkan grafik untuk data penjualan


74

Gambar 5.36 Listing program untuk menampilkan grafik untuk hasil peramalan

regresi polinomial 4 bulan






75

5.2. Analisis Hasil Dengan Prediksi Linear

Data yang digunakan adalah data penjualan pakan ayam ditahun 2014 –

2016. Data yang digunakan berjumlah 33. Data tersebut akan di hitung

dalam kelompok rentang waktu 4 bulan, 11 bulan, dan 22 bulan. Untuk

setiap hasil penghitungan tersebut penulis melakukan perbandingan dari

bulan pertama hingga bulan ke 33.

Tabel 5.1 Data enjualan pakan ayam

Bulan (x) Penjualan (y)

1 399

2 209

3 238

4 455

5 418

6 505

7 522

8 455

9 609

10 595

11 492

12 526

13 331

14 513

15 431

16 425

17 470

18 428

19 312

20 344

21 404


76

22 324

23 316

24 513

25 375

26 465

27 472

28 411

29 257

30 226

31 340

32 230

33 452

5.2.1. Analisis Hasil Penghitungan Peramalan Metode Linear Dalam

Rentang Waktu 4 Bulan

Berikut adalah tabel hasil perhitungan peramalan metode

regresi linear dengan data dari rentang waktu bulan pertama

hingga bulan 4 :


x Hasil Prediksi (Y

= 276 + 19.7 * x)

Data Asli Selisih

1 295.7 399 103.3

2 315.4 209 106.4

3 335.1 238 97.1

4 354.8 455 100.2

5 374.5 418 43.5

6 394.2 505 110.8

7 413.9 522 108.1


77

8 433.6 455 21.4

9 453.3 609 155.7

10 473 595 122

11 492.7 492 0.7

12 512.4 526 13.6

13 532.1 331 201.1

14 551.8 513 38.8

15 571.5 431 140.5

16 591.2 425 166.2

17 610.9 470 140.9

18 630.6 428 202.6

19 650.3 312 338.3

20 670 344 326

21 689.7 404 285.7

22 709.4 324 385.4

23 729.1 316 413.1

24 748.8 513 235.8

25 768.5 375 393.5

26 788.2 465 323.2

27 807.9 472 335.9

28 827.6 411 416.6

29 847.3 257 590.3

30 867 226 641

31 886.7 340 546.7

32 906.4 230 676.4

33 926.1 452 474.1

Total 8254.9

Pada tabel 5.2 kolom Hasil Prediksi (Y = 276 + 19.7 * x)

merupakan hasil dari prediksi linear dengan rentang waktu 4 bulan


78

yang di mulai pada Januari 2014 hingga April 2014. Pada kolom

Hasil Prediksi (Y = 276 + 19.7 * x) nilai 276 merupakan peubah a,

dan nilai 19.7 merupakan peubah b, dari nilai peubah b yang di

dapat akan dikalikan dengan x, di mana x adalah nilai dari urutan

bulan penjualan yang di mulai dari bulan ke 1 hingga bulan ke 33,

setelah dikalihkan dengan x hasil dari setiap urutan bulan peubah

b*x akan digunakan untuk mengurangi nilai dari peubah a dan di

dapatlah nilai dari Hasil Prediksi Y dengan rentang waktu 4 bulan.

Untuk mengetahui berapa nilai errornya maka perlu melakukan

pengurangan antar hasil persamaan Y dengan data asli sehingga di

dapat nilai error untuk setiap bulannya, dengan nilai error berada

pada kolom selisih.

5.2.2. Analisis Hasil Penghitungan Peramalan Metode Linear Dalam

Rentang Waktu 11 Bulan



hingga bulan 11 :


x Hasil Prediksi (Y = 269.218

+ 29.327 * x)

Data Asli Selisih

1 298.5455 399 100.4545455

2 327.8727 209 118.8727273

3 357.2 238 119.2

4 386.5273 455 68.47272727

5 415.8545 418 2.145454545

6 445.1818 505 59.81818182


79

7 474.5091 522 47.49090909

8 503.8364 455 48.83636364

9 533.1636 609 75.83636364

10 562.4909 595 32.50909091

11 591.8182 492 99.81818182

12 621.1455 526 95.14545455

13 650.4727 331 319.4727273

14 679.8 513 166.8

15 709.1273 431 278.1272727

16 738.4545 425 313.4545455

17 767.7818 470 297.7818182

18 797.1091 428 369.1090909

19 826.4364 312 514.4363636

20 855.7636 344 511.7636364

21 885.0909 404 481.0909091

22 914.4182 324 590.4181818

23 943.7455 316 627.7454545

24 973.0727 513 460.0727273

25 1002.4 375 627.4

26 1031.727 465 566.7272727

27 1061.055 472 589.0545455

28 1090.382 411 679.3818182

29 1119.709 257 862.7090909

30 1149.036 226 923.0363636

31 1178.364 340 838.3636364

32 1207.691 230 977.6909091

33 1237.018 452 785.0181818

Total 12648.25455


80

Pada tabel 5.3 kolom Hasil Prediksi (Y = 269.218 + 29.327 *

x) merupakan hasil dari prediksi linear dengan rentang waktu 11

bulan yang di mulai pada Januari 2014 hingga November 2014.

Pada kolom Hasil Prediksi (Y = 269.218 + 29.327 * x) nilai

269.218 merupakan peubah a, dan nilai 29.327 merupakan peubah

b, dari nilai peubah b yang di dapat akan dikalikan dengan x, di

mana x adalah nilai dari urutan bulan penjualan yang di mulai dari

bulan ke 1 hingga bulan ke 33, setelah dikalihkan dengan x hasil

dari setiap urutan bulan peubah b*x akan digunakan untuk

mengurangi nilai dari peubah a dan di dapatlah nilai dari Hasil

Prediksi Y dengan rentang waktu 11 bulan.




pada kolom selisih.

5.2.3. Analisis Hasil Penghitungan Peramalan dengan Metode Linear

Dalam Rentang Waktu 22 Bulan



hingga bulan 22 :


x Hasil Prediksi (Y =

x)

Data Asli Selisih

1 431.9289 399 32.92885375

2 431.5071 209 222.5070582

3 431.0853 238 193.0852626

4 430.6635 455 24.33653303


81

5 430.2417 418 12.24167137

6 429.8199 505 75.18012422

7 429.3981 522 92.60191982

8 428.9763 455 26.02371542

9 428.5545 609 180.445511

10 428.1327 595 166.8673066

11 427.7109 492 64.2891022

12 427.2891 526 98.7108978

13 426.8673 331 95.86730661

14 426.4455 513 86.55448899

15 426.0237 431 4.976284585

16 425.6019 425 0.601919819

17 425.1801 470 44.81987578

18 424.7583 428 3.241671372

19 424.3365 312 112.336533

20 423.9147 344 79.91473744

21 423.4929 404 19.49294184

22 423.0711 324 99.07114625

23 422.6494 316 106.6493506

24 422.2276 513 90.77244495

25 421.8058 375 46.80575946

26 421.384 465 43.61603614

27 420.9622 472 51.03783173

28 420.5404 411 9.540372671

29 420.1186 257 163.1185771

30 419.6968 226 193.6967815

31 419.275 340 79.27498588

32 418.8532 230 188.8531903

33 418.4314 452 33.56860531

Total 2743.028797


82

Pada tabel 5.4 kolom Hasil Prediksi (Y =

x) merupakan hasil dari prediksi linear dengan rentang waktu 22

bulan yang di mulai pada Januari 2014 hingga November 2015.

Pada kolom Hasil Prediksi (Y = x) nilai

merupakan peubah a, dan nilai merupakan peubah

b, dari nilai peubah b yang di dapat akan dikalikan dengan x, di

mana x adalah nilai dari urutan bulan penjualan yang di mulai dari

bulan ke 1 hingga bulan ke 33, setelah dikalihkan dengan x hasil

dari setiap urutan bulan peubah b*x akan digunakan untuk

mengurangi nilai dari peubah a dan di dapatlah nilai dari Hasil

Prediksi Y dengan rentang waktu 22 bulan.




pada kolom selisih.

Gambar 5.39 Grafik hasil perhitungan regresi linear

Dari grafik di atas kesimpulan yang penulis dapat adalah, garis biru

merupakan data asli yang di dapat dari penjualan pada bulan pertama yang

di mulai pada bulan Januari 2014 hingga bulan ke 33 yang jatuh pada bulan


83

November 2016, selanjutnya ada garis merah yang merupakan hasil dari

penghitungan prediksi penjualan pakan menggunakan regresi linear dari data

penjualan pakan dengan rentang waktu 4 bulan, yang di mulai pada bulan

Januari 2014 hingga bulan April 2014, berikutnya garis hijau merupakan

hasil dari penghitungan prediksi penjualan pakan menggunakan regresi

linear dari data penjualan pakan dengan rentang waktu 11 bulan, yang di

mulai pada bulan Januari 2014 hingga bulan November 2014, yang terakhir

garis ungu merupakan hasil dari penghitungan prediksi penjualan pakan

menggunakan metode regresi linear dari data penjualan pakan dengan

rentang waktu 22 bulan yang di mulai pada bulan Januari 2014 hingga bulan

November 2015.

5.3. Analisis Hasil Dengan Prediksi Polinomial

Data yang digunakan adalah data penjualan pakan ayam ditahun 2014 –

2016. Data yang digunakan berjumlah 33. Data tersebut akan di hitung

dalam kelompok rentang waktu 4 bulan, 11 bulan, dan 22 bulan. Untuk

setiap hasil penghitungan tersebut penulis melakukan perbandingan dengan

data asli dari bulan 1 hingga bulan 33.

5.3.1. Analisis Hasil Penghitungan Peramalan dengan Metode

Polinomial Dengan Rentang Waktu 4 Bulan


regresi polinomial dengan data dari rentang waktu bulan pertama

hingga bulan 4 :

Tabel 5.5 Hasil persamaan polinomial 4 bulan

x Hasil Prediksi Y Data Asli Selisih

1 399 399 0

2 208.9998 209 0.0002


84

3 237.9992 238 0.0008

4 454.998 455 0.002

5 828.996 418 -410.996

6 1328.993 505 -823.993

7 1923.989 522 -1401.99

8 2582.983 455 -2127.98

9 3274.976 609 -2665.98

10 3968.967 595 -3373.97

11 4633.956 492 -4141.96

12 5238.943 526 -4712.94

13 5752.927 331 -5421.93

14 6144.909 513 -5631.91

15 6383.888 431 -5952.89

16 6438.864 425 -6013.86

17 6278.837 470 -5808.84

18 5872.806 428 -5444.81

19 5189.772 312 -4877.77

20 4198.734 344 -3854.73

21 2868.692 404 -2464.69

22 1168.646 324 -844.646

23 -932.405 316 1248.405

24 -3465.46 513 3978.46

25 -6461.52 375 6836.52

26 -9951.58 465 10416.59

27 -13966.7 472 14438.66

28 -18537.7 411 18948.73

29 -23695.8 257 23952.81

30 -29471.9 226 29697.9

31 -35897 340 36236.99

32 -43002.1 230 43232.09


85

33 -50818.2 452 51270.2

Total 306233.2

Dalam kolom Hasil Prediksi Y pada tabel 5.5 memiliki nilai

persamaan Y = 839 - 575.333 * + 140.5 * - 5.1667 * yang

di dapat dari penghitungan regresi linear dengan data rentang

waktu 4 bulan, yang menghasilkan 4 derajat dimulai dari derajat

pertama yaitu 839 derajat ke dua 575.333 derajat ke tiga 140.5

derajat ke empat 5.1667, dan dari semua derajat tersebut nantinya

akan di kalikan dengan x, dimana nilai x di dapat dari urutan bulan

penjualan di mulai dengan bulan 1 hingga bulan 33, yang nantinya

akan menghasilkan prediksi pada urutan bulan yang di kalikan.


pengurangan antar Hasil Persamaan Y dengan data asli sehingga di


pada kolom selisih.





hingga bulan 11:


x y Data Asli Selisih

1 398.97 399 0.03

2 209.30 209 -0.30

3 236.81 238 1.19

4 457.86 455 -2.86


86

5 413.47 418 4.53

6 509.97 505 -4.97

7 518.17 522 3.83

8 457.05 455 -2.05

9 608.30 609 0.70

10 595.20 595 -0.20

11 492.11 492 -0.11

12 -1972.15 526 2498.15

13 -56674.84 331 57005.84

14 -455502.19 513 456015.19

15 -2297974.98 431 2298405.98

16 -8824641.94 425 8825066.94

17 -28160095.92 470 28160565.92

18 -78435403.81 428 78435831.81

19 -196682085.60 312 196682397.60

20 -453418312.41 344 453418656.41

21 -975494498.98 404 975494902.98

22 -1980541725.88 324 1980542049.88

23 -3827284221.00 316 3827284537.00

24 -7087048241.29 513 7087048754.29

25 -12643035905.81 375 12643036280.81

26 -21825345621.31 465 21825346086.31

27 -36591322494.09 472 36591322966.09

28 -59762624317.86 411 59762624728.86

29 -95332403149.12 257 95332403406.12

30 -148858240910.41 226 148858241136.41

31 -227958951679.74 340 227958952019.74

32 -342936085112.84 230 342936085342.84

33 -507543946586.31 452 507543947038.31

Total 1468090665714.23


87

Dalam kolom Hasil Persamaan Y pada tabel 5.6 memiliki hasil

nilai persamaan Y = -40743.603 + 113969.887 * - 126483.136 *

+ 75499.945 * - 27301.244 * + 6329.515 * - 962.037 *

+ 95.369 * - 5.936 * + 0.21 * - 0.003 * dengan

menggunakan penghitungan regresi polynomial dengan data

penjualan dengan rentang waktu 11 bulan menghasilkan 11 derajat

yang dimulai dari derajat pertama -40743.603 hingga derajat ke 11

dengan nilai - 0.003, dan dari semua derajat tersebut nantinya akan

di kalikan dengan x, dimana nilai x di dapat dari urutan bulan

penjualan di mulai dengan bulan 1 hingga bulan 33, yang nantinya

akan menghasilkan prediksi pada urutan bulan yang di kalikan.


pengurangan antar Hasil Persamaan Y dengan data asli sehingga di


pada kolom selisih.





hingga bulan 22:


x y Data Asli Selisih

1 394.06 399 4.94

2 236.14 209 -27.14

3 189.11 238 48.89

4 460.56 455 -5.56


88

5 503.83 418 -85.83

6 431.03 505 73.97

7 461.30 522 60.70

8 564.99 455 -109.99

9 599.44 609 9.56

10 543.65 595 51.35

11 503.58 492 -11.58

12 523.64 526 2.36

13 497.31 331 -166.31

14 369.85 513 143.15

15 425.75 431 5.25

16 1228.88 425 -803.88

17 3415.01 470 -2945.01

18 9055.85 428 -8627.85

19 26862.22 312 -26550.22

20 80140.54 344 -79796.54

21 215929.15 404 -215525.15

22 572627.47 324 -572303.47

23 1897894.70 316 -1897578.70

24 8152128.23 513 -8151615.23

25 36579898.23 375 -36579523.23

26 150501249.50 465 -150500784.50

27 553671261.48 472 -553670789.48

28 1837417418.12 411 -1837417007.12

29 5581186727.32 257 -5581186470.32

30 15724690589.71 226 -15724690363.71

31 41544475289.37 340 -41544474949.37

32 103829658514.80 230 -103829658284.80

33 247207517333.05 452 -247207516881.05

Total 416476651606.21


89

Dalam persamaan Y pada tabel 5.7 memiliki hasil nilai

persamaan Y = -9184.401 + 24543.253 * - 24247.128 * +

12356.398 * - 3679.74 * + 679.138 * - 78.783 * +

5.519 * - 0.194 * + 0.0002 * + 0.0001 * + 0.000006 *

- 0.0000007 * + 0.000000009 * + 0.0000000001 *

+ 0.00000000006 * - 0.000000000003 * -

0.00000000000002 * + 0.000000000000006 * -

0.00000000000000006 * - 0.000000000000000005 * +

0.0000000000000000001 * dengan memiliki 22 derajat

dimulai dari derajat pertama -9184.401 hingga derajat ke 22

dengan nilai 0.0000000000000000001, dan dari semua derajat

tersebut nantinya akan di kalikan dengan x, dimana nilai x di dapat

dari urutan bulan penjualan di mulai dengan bulan 1 hingga bulan

33, yang nantinya akan menghasilkan prediksi pada urutan bulan

yang di kalikan.




pada kolom selisih.


90

Gambar 5.40 Grafik hasil penghitungan regresi polinomial

Pada gambar 5.40 di atas penulis menyimpulkan, garis biru

merupakan data asli yang di dapat dari penjualan pada bulan

pertama yang di mulai pada bulan Januari 2014 hingga bulan ke 33

yang berada pada bulan November 2016, lalu ada garis merah yang

bertuliskan 4bulan merupakan hasil dari penghitungan prediksi

penjualan pakan menggunakan metode regresi polinomial dengan

data penjualan pakan pada rentang waktu 4 bulan yang di mulai

pada bulan Januari 2014 hingga bulan April 2014, lalu ada garis

hijau yang bertuliskan 11bulan merupakan hasil dari penghitungan

prediksi penjualan pakan menggunakan metode regresi polinomial

dengan data penjualan pakan pada rentang waktu 11 bulan yang di

mulai pada bulan Januari 2014 hingga bulan November 2014, lalu

ada garis ungu yang bertuliskan 22bulan merupakan hasil dari

penghitungan prediksi penjualan pakan menggunakan metode

regresi polinomial dengan data penjualan pakan pada rentang

waktu 22 bulan yang di mulai pada bulan Januari 2014 hingga

bulan November 2015.


91

Dari hasil prediksi linear dengan polinomial di dapat

perbandingan prediksi penjualan pakan yang dapat di jadikan

gambaran pabrik pakan dalam memproduksi penjualan pakan pada

bulan berikutnya. Dalam percobaan ini, untuk hasil linear dengan

nilai error terendah adalah penghitungan data dalam rentang waktu

22 bulan dengan hasil 2743,028 di ikuti data dalam rentang waktu

4 bulan dengan hasil 8254,9, serta hasil error tertinggi yaitu saat

menggunakan rentang waktu 11 bulan dengan hasil 12648,254.

Serta untuk perbandingan prediksi dengan metode polinomial

didapat nilai error terendah saat menggunakan data dengan

rentang waktu 4 bulan, dengan hasil 306233.2, diikuti data dengan

rentang waktu 22, dengan hasil 416476651606.21, serta hasil error

tertinggi yaitu saat menggunakan rentang waktu 11, dengan hasil

1468090665714.23.

Alasan kenapa persamaan linear dengan rentang waktu 22

bulan memiliki nilai error terendah karena, pada persamaan Y =

x dengan nilai peubah b bernilai - 0.421 yang

dikali dengan nilai x, di mana x merupakan urutan bulan penjualan

yang di mulai dari bulan 1 hingga bulan 33, setelah nilai peubah b

* x di dapat hasilnya digunakan untuk mengurangi peubah a

dengan nilai 432.350 untuk mendapat nilai persamaan Y dengan

rentang waktu 22 bulan.

Dan dengan x bernilai sama dengan urutan bulan selama 22

bulan dimulai dari bulan pertama dengan nilai x adalah 1, hingga

bulan ke 22 dengan nilai x 22 menghasilkan jumlah - 236.181 yang

jika di hitung akan menghasilkan total nilai 14030.94, selanjutnya

urutan ke 2 dengan rentang waktu 4 bulan dengan nilai persamaan

Y = x. dengan jumlah total peubah a =

dikali 33


92

Dari hasil persamaan prediksi polinom dengan metode

polinomial, data prediksi dengan rentang waktu 4 bulan

menghasilkan nilai error terrendah. Dan berikut alasannya data

dengan rentang waktu 4 bulan hanya memiliki 4 derajat yang

nilainya tidak terlalu besar di banding dari data rentang waktu 11

atau 22 bulan.

Selanjutnya nilai error terendah kedua adalah saat prediksi

menggunakaan data dengan rentang waktu 22 bulan, dan kenapa 22

bulan dan tidak 11 bulan, alasannya adalah, pada rentang waktu 22

bulan menghasilkan nilai peubah yang nilainya lebih rendah dari

nilai peubah untuk prediksi dengan rentang waktu 11 bulan. Pada

prediksi dengan rentang waktu 22 bulan memiliki nilai peubah

tertinggi adalah 24543.253 * x yang berada pada urutan peubah ke

dua, dimana urutan tersebut akan dikali dengan nilai x saja, namun

tidak pada prediksi dengan rentang waktu 11 bulan yang memiliki

nilai peubah tertinggi 126483.136 * yang berada pada urutan

peubah ke tiga, dimana pada urutan tersebut nilai peubah akan di

kalikan dengan x² yang nantinya akan menghasilkan nilai yang

jauh lebih kecil di bandingan prediksi dengan rentang waktu 11

bulan.


93

BAB VI

PENUTUP

6.1 Kesimpulan

Dari hasil analisis yang di dapat, urutan pertama untuk hasil error

prediksi regresi linear terendah adalah pada waktu menggunakan data

rentang waktu 22 bulan dengan hasil error 2743.028 selanjutnya rentang

waktu 4 bulan dengan hasil error 8254.9, dan terakhir pada saat

menggunakan rentang wakktu 11 bulan dengan hasil error 12648.254.

Hasil error untuk prediksi regresi polinomial terendah adalah pada

waktu menggunakan data rentang waktu 4 bulan dengan hasil error

306233.2, selanjutnya saat rentang waktu error 22 bulan dengan hasil

416476651606.21, dan terakhir pada saat menggunakan rentang waktu

11 bulan dengan hasil error 1468090665714.23.

6.2 Saran

Saran untuk pengembangan aplikasi peramalan ini adalah sebagai

berikut:

1. Menambahkan jumlah data yang di prediksi, tidak hanya 33 bulan.

2. Dapat menambahkan rentang waktu yang lebih panjang tidak hanya

rentang waktu 4 bulan, 11 bulan, atau 22 bula


94

LAMPIRAN

Prediksi Linear dengan Rentang Waktu 4 Bulan



95



96

Prediksi Polinomial dengan Rentang Waktu 4 Bulan



97



98


99

DAFTAR PUSTAKA

Katemba, Petrus. dan Djoh, Rosita. 2017. “Prediksi tingkat produksi kopi

menggunakan regresi linear” dalam Jurnal Ilmiah FLASH Volume

Nomor 1.

Chapra , Steven C. dan Canale, Rymond P., 1994, Metode Numerik (Edisi

ke 2 Jilid 1), Jakarta: Erlangga.

E.Walpole, Ronald. 1992. Pengantar Statistika, Jakarta : PT. Gramedia

Pustaka Utama.

Rawlings O., Sastry G., dan David A. 1997. Applied Regression Analysis :

A Research Tool, Second Edition. Springer.

Box P., Gwilym M., Gregory C. 2008. Time Series Analysis: Forecasting

and Control, Fourth Edition. Wiley.

Renyaan, Novy. 2018. Perbandingan Metode Regresi Linear Dan

Kuadratik Dalam Peramalan Penjualan Sepeda Motor. Skripsi,

Fakultas Sains Dan Teknologi Universitas Sanata Dharma Yogyakarta.


PREDIKSI PENJUALAN PAKAN AYAM

Documents

Transcript of PREDIKSI PENJUALAN PAKAN AYAM