RANCANG BANGUN SISTEM PERAMALAN PERMINTAAN BARANG PADA CV. KONVEKSI JAYA DENGAN

MENGGUNAKAN METODE EXPONENTIAL SMOOTHINGKuncono1)

1) S1/ Jurusan Sistem Informasi. Sekolah Tinggi Manajemen Informatika & Teknik Komputer Surabaya, email : kuncono@yahoo.com

Abstract: A proper planning in all sectors is needed by a company to be able to compete and grow in todays global era. Because in a company engaged in services or manufacturing, we need a proper planning for the company to continue to compete with its competitors. The more appropriate decisions made, the smaller the risk the company loses. To achieve these conditions, companies must be able to reduce costs and maximize profits. One effort is the planning of goods demand be performed in future periods. Because the company that the amount of fixed rate per period of its production, is considered to cause a problem that is piled or shortage of products stock. This can be assisted through this system, because by knowing the number of goods demand forecast by using a calculation of exponential smoothing Winter’s method, expected to be used as a material consideration by the management company to determine the amount of demand for goods.

Keywords: Forecasting, Exponential Smoothing

Inventori merupakan salah satu faktor

yang penting dalam manajemen perencanaan,

pengendalian dan persediaan produk jadi.

Tanpa manajemen inventori yang tepat, maka

masalah – masalah pemasaran seperti

kekurangan stok (out of stock) produk dapat

mengganggu rencana pemasaran. Permintaan

pasar akan produk yang dibutuhkan tidak

dapat terpenuhi akibat terjadinya out of stock

pada produk tersebut. Sehingga diperlukan

suatu sistem yang dapat meramalkan berapa

banyaknya barang yang harus dipesan dari

supplier. Sehingga tidak lagi terjadi

kekurangan maupun penumpukan stok

barang di gudang yang dapat merugikan

pihak perusahaan.

Masalah yang dialami oleh CV.

Konveksi Jaya saat ini adalah bagian gudang

yang kesulitan untuk mengetahui secara

langsung stok barang yang sudah habis.

Selama ini stok barang yang habis dapat

diketahui pada saat ada pesanan dari

pelanggan. Akibatnya pihak perusahaan

melakukan permintaan barang ke supplier

secara mendadak. Sehingga hal ini sangat

merugikan pelanggan karena pihak

perusahaan terlambat melakukan pengiriman

barang ke pelanggan. Selain itu CV.

Konveksi Jaya juga mengalami kesulitan

untuk menentukan berapa jumlah barang

yang akan mereka beli ke supplier agar tidak

terjadi penumpukan barang di gudang dalam

waktu yang lama.

Berdasarkan permasalahan tersebut,

maka CV. Konveksi Jaya membutuhkan

sistem peramalan permintaan barang dengan

menggunakan metode Exponential

Smoothing. Metode Exponential Smoothing

dalam sistem peramalan ini digunakan untuk

melakukan perhitungan peramalan jumlah

permintaan barang kepada supplier, sehingga

1

penumpukan atau kekurangan stok barang di

gudang dapat dihindari.

Dengan adanya sistem peramalan

permintaan barang dengan menggunakan

metode Exponential Smoothing, diharapkan

dapat membantu CV. Konveksi Jaya untuk

menentukan banyaknya permintaan barang

yang harus dipesan dari supplier.

Pemilihan Teknik Peramalan

Menurut Arsyad (1994:54) jangka

waktu ke depan (time horizon) merupakan

faktor yang paling penting yang harus

diperhatikan dalam pemilihan teknik

peramalan. Untuk peramalan jangka pendek

dan jangka menengah, beberapa teknik

peramalan kuantitatif bisa digunakan. Namun

demikian, jika jangka waktu ke depan lebih

panjang, mungkin ada beberapa teknik

tersebut yang kurang tepat untuk diterapkan.

Daya terap teknik peramalan umumnya

tergantung pada pengalaman dari seorang

peramal. Para pengambil keputusan biasanya

memerlukan peramalan untuk jangka waktu

yang relatif pendek. Tabel 1 menunjukkan

beberapa teknik peramalan yang dapat

digunakan untuk pola data tertentu.

Tabel 1 Pemilihan Teknik Peramalan

No. Metode Pola

DataJangka Waktu Model

1 Sederhana ST, T, M

PDK RW

2 Rata – rata sederhana

ST PDK RW

3 Rata – rata bergerak

ST PDK RW

No. Metode Pola

DataJangka Waktu Model

4 Pemulusan single eksponensial

ST PDK RW

5 Eksponensial winter

ST, T, M

PDK RW

6 Regresi sederhana

T MNH K

7 Regresi berganda

M, S MNH K

8 Dekomposisi klasik

M PDK RW

9 Model trend eksponensial

T MNH, PJG

RW

10 Box – Jenkins ST, T, S,

M

PDK RW

11 Model ekonometrik

T PDK K

12 Regresi berganda runtut waktu

T, M MNH, PJG

K

Keterangan :

ST = Pola Data Stasioner

T = Pola Data Trend

M = Pola Data Musiman

S = Pola Data Siklis

PDK = Jangka Waktu Pendek

MNH = Jangka Waktu Menengah

PJG = Jangka Waktu Panjang

RW = Model Runtut Waktu

K = Model Kausal

Exponential Smoothing

Metode Exponential Smoothing model

Winter’s (Hanke dkk, 1995, Business

Forecasting, Prentice Hall Inc., London)

sebagai berikut:

1. Penghalusan Exponensial

2

At=αY t

St−L+(1−α )( A t−1+T t−1)

2. Estimasi trend

T t=β ( At−At−1 )+(1−β ) T t−1

3. Estimasi musiman

St=γY t

At+(1−γ ) St−L

4. Peramalan untuk periode dimasa depan

Y t+p=( A t−pT t ) St−L+p

Keterangan:

α = konstanta penghalusan untuk data

(0<α<1)

β = konstanta penghalusan untuk

estimasi trend (0< β<1)

γ = konstanta penghalusan untuk

estimasi musiman (0<γ<1)

Y t = data yang sebenarnya pada periode t

At = nilai pemulusan yang baru

T t = estimasi trend

St = estimasi musiman

L = panjangnya musim

P = periode peramalan

Y t+ p = peramalan untuk p periode di masa

depan

Model Pengembangan

Gambaran umum dari Sistem

Peramalan Permintaan Barang pada CV.

Konveksi Jaya dengan Menggunakan Metode

Exponential Smoothing dapat dilihat pada

Gambar 1.

User

Suplier

Interface

Cetak Hasl Peramalan

Hitung Peramalan dengan Exponential

Smoothing

Input Data

Pimpinan Perusahaan

Laporan Penjualan

Gambar 1 Gambaran Umum Sistem

Pada Gambar 1, ditunjukkan bahwa

proses pertama kali dilakukan oleh pengguna

yang melakukan interaksi langsung ke dalam

sistem. pengguna menginputkan data-data

berupa data pembelian dan data penjualan

yang nantinya data-data tersebut akan

diproses dengan menggunakan metode

Exponential Smoothing yang akan

menghasilkan output berupa laporan hasil

peramalan berapa besar jumlah barang yang

dibeli. Hasil peramalan ini diharapkan dapat

membantu perusahan untuk menghindari

penumpukan barang terlalu lama di gudang

dan dapat meningkatkan kualitas perusahaan

dalam pelayanan kepada pelanggan.

Perancangan Model

Untuk membangun aplikasi Sistem

Peramalan Permintaan barang ini digunakan

Flow Chart dan Data Flow Diagram (DFD)

dimana DFD berfungsi untuk

menggambarkan proses aliran data yang

terjadi di dalam sistem dari tingkat tertinggi

sampai yang terendah. Pembuatan DFD pada

level Context Diagram dan level 0. Selain itu

3

juga digunakan ERD secara conceptual dan

physical.

Flowchart Peramalan Permintaan Barang

Flowchart perhitungan peramalan

dengan menggunakan metode Exponential

Smoothing dari Sistem Peramalan

Permintaan Barang Pada CV. Konveksi Jaya

dapat dilihat pada Gambar 2.

Metode Exponential Smoothing

digunakan untuk meramalkan jumlah

permintaan barang pada periode mendatang.

Data yang dipergunakan untuk perhitungan

pada metode ini adalah data penjualan setiap

bulannya. Metode ini menggunakan tiga

parameter yaitu alpha, betha dan gamma

yang dikombinasikan sampai menghasilkan

nilai MSE (Mean Square Error) terkecil

Mulai

Hitung jumlah total penjualan perbulan untuk setiap item barang

mulai Januari 2008 – Desember 2010

Inisialisasi nilai alpha, Beta dan gamma

Perhitungan data eksponensial

Perhitungan data trend

ltlttt TAAT )1()(

))(1( ltltLt

tt TA

SY

A

Perhitungan data musiman

Ltt

tt S

AYS )1(

Perhitungan penjualan barang pada periode berikutnya

pLtttpt SpTAY )(

Perhitungan MSE

Dimana

neeee n

223

22

21 ...

pttt FYe

Kombinasi Alpha, Beta, Gamma menghasilkan nilai MSE terkecil ?

Daftar jumlah pesanan barang yang optimal

Selesai

Y

T

Gambar 2 Flowchart Peramalan Permintaan

Barang

Context Diagram

Diagram ini menggambarkan

rancangan global / keseluruhan dari proses

yang ada pada DFD. Berikut ini merupakan

tampilan dari context diagram sistem yang

dirancang

4

Data Jenis

Data Type

Data Merk

Data User

Data Hasil Peramalan

Data Penjualan

Data Pembelian

Nilai Alpha Beta Gamma

Laporan Hasil Peramalan

Laporan Stok Barang

Laporan History Stok

Laporan Penjualan

Laporan Pembelian

Nota Penjualan

Stok Item

Data Customer

Stok Item

Faktur Pembelian

Data Supplier

0

SISTEM PERAMALAN PERMINTAAN BARANG PADA CV KONVEKSI JAYA

+

SUPPLIER ADMIN

CUSTOMER PEMILIK

Gambar 3 Context Diagram

Pada Gambar 3 menunjukkan Context

Diagram yang mempunyai 4 (empat)

eksternal entity yaitu, Administrasi, Supplier,

Customer dan Pemilik. Dalam sistem

tersebut supplier memberikan inputan ke

sistem berupa data supplier, dan data stok

item yang telah dibeli, kemudian supplier

juga menerima output dari sistem berupa

faktur pembelian dan data supplier yang akan

diupdate. Entity customer memberikan

inputan berupa data customer dan menerima

output dari sistem berupa nota penjualan.

Entity administrasi, adalah bagian

administrasi pada CV. Konveksi Jaya yang

bertugas untuk menginputkan data – data

yang terkait dengan sistem peramalan

permintaan barang ini, antara lain melakukan

update data barang, data supplier, data

customer, data user, transaksi pembelian,

penjualan, dan melakukan peramalan

terhadap barang yang telah dipilih untuk

diramalkan.

Entity pemilik menerima laporan –

laporan berupa, laporan pembelian, laporan

penjualan, laporan total penjualan, laporan

history item, laporan stok item dan laporan

hasil peramalan. Laporan – laporan tersebut

akan digunakan oleh pemilik perusahaan

sebagai evaluasi peningkatan mutu

perusahaan.

DFD Level 0

Pada DFD level 0 terdapat 8 (delapan)

proses, yaitu : Maintenance Data Supplier,

Maintenance Data Customer, Maintenance

Data User, Maintenance Data Item,

Pembelian, Penjualan, Hitung Peramalan,

dan Pembuatan Laporan.

Data Item Peramalan

Data Stok Akhir Penjualan

Detil Item Pembelian

Detil Item PenjualanData Jenis Pembelian

Data Jenis PenjualanData Type Pembelian

Data Type PenjualanData Merk Pembelian

Data Merk PenjualanData Stok Item

Data Item Penjualan

Data Laporan History Stok

Data Jenis Peramalan

Data Type Peramalan

Data Merk Peramalan

Data Laporan Stok

[Data Type]

[Data Merk]

[Data Jenis]

[Data User]

Data Stok Akhir Pembelian

Data Stok Masuk

Data Stok Keluar

Data Supplier PembelianData Customer Penjualan

Data Laporan Supplier

Data Laporan Customer

Data Laporan Detil Pembelian

Data Laporan Pembelian

Data Laporan Detil Penjualan

Data Laporan Penjualan

Data Laporan Detil Peramalan

Data Laporan Peramalan

Detil Pembelian

Data Pembelian

Detil Penjualan

Data Penjualan

Data Supplier

Data User

Data Stok Keluar

Detil Peramalan

Hasil Peramalan

Data Customer

Data Detil Item

Data Jenis

Data Type

Data Merk

Data Item

[Data Customer]

[Stok Item]

[Data Supplier]

[Faktur Pembelian]

[Stok Item][Nota Penjualan]

[Data Penjualan]

[Data Pembelian]

[Nilai Alpha Beta Gamma]

[Data Hasil Peramalan]

[Laporan Penjualan]

[Laporan History Stok]

[Laporan Stok Barang]

[Laporan Hasil Peramalan]

[Laporan Pembelian]SUPPLIER

CUSTOMER

PEMILIKADMIN

1

MAINTENANCE DATA MASTER

+2

MAINTENANCE DATA TRANSAKSI

+

4

PEMBUATAN LAPORAN

+

3

HITUNG PERAMALAN

+

3 tbCustomer

13 tbExSmooth14 tbExSmoothDetil

12 tbHistoryItem

4 tbItem

8 tbItemDetil

7 tbKind

5 tbMerk

10 tbPurchase

11 tbPurchaseDetil

1 tbSales

2 tbSalesDetil

9 tbSupplier

6 tbType

17 tbUser

4 tbItem

5 tbMerk

6 tbType

7 tbKind

12 tbHistoryItem

4 tbItem

5 tbMerk

6 tbType

7 tbKind

8 tbItemDetil

Gambar 4 DFD Level 0 Sistem Peramalan

Permintaan Barang

Entity Relationship Diagram (ERD)

1. Conceptual Data Model (CDM)

CDM merupakan relasi antar tabel,

adapun CDM dari Sistem Peramalan

Permintaan Barang dapat dilihat pada

Gambar 5.

5

FK T BSALESDETIL REF T BITEM

FK T BEXSMOOTH REF TBIT EM FB T BEXSMOOTHDET IL REF TBEXSMOOTH

FK TBHISTORYITEM REF TBITEM

FK TBPURCHASEDETIL REF TBITEM

FK T BPURCHASEDET IL REF TBPURCHASE

FK T BPURCHASE REF TBSUPPLI ER FK T BITEMDETIL REF TBSUPPLIER

FK T BITEMDETI L REF TBIT EM

FK T BITEM REF T BKIND

FK T BITEM REF T BTYPE

FK TBITEM REF TBMERK

FK TBSALES REF TBCUSTOMERFK T BSALESDETIL REF T BSALES

tbSalesidSalesTransactionDateTransactionTimeTotalSales

tbSalesDetilidSalesDetilAmountSelling PriceSubTotal

tbCustomeridCustomerNameAddressPhoneCel lPhoneEmailBirthDateStatus

tbItemidItemSelling PriceStockNote

tbMerkidMerkMerk

tbTypeidTypeType

tbKindidKindKindtbItemDetil

idItemDetilStockPurchasePrice

tbSupplieridSupplierNameManag erAddressContactPersonPhoneFaxEmailWebsite

tbPurchaseidPurchaseTransactionDateTransactionTimeTotalPurchase

tbPurchaseDetilidPurchaseDetilAmountPurchasePriceSubTotal

tbHistoryItemidHistoryItemPeriodeStockBeg inStockOutStockLast

tbExSmoothidExSmoothPeriodeSaveAlphaBetaGammaMSESaveDate

tbExSmoothDeti lidExSmoothDeti lPeriodeForecastYtAtTtStYtpEt

Gambar 5 CDM Sistem Peramalan

Permintaan Barang

2. Physical Data Model (PDM)

PDM merupakan penjelasan dari CDM,

adapun PDM dari Sistem Peramalan

Permintaan Barang dapat dilihat pada

Gambar 6.

IDITEM = IDIT EM

IDITEM = IDIT EM

IDEXSMOOTH = IDEXSMOOTH

IDITEM = IDIT EM

IDITEM = IDIT EM

IDPURCHASE = IDPURCHASE

IDSUPPLIER = IDSUPPLIER

IDSUPPLIER = IDSUPPLIER

IDITEM = IDIT EM

IDKIND = IDKIND

IDTYPE = IDTYPE

IDMERK = IDMERK

IDCUSTOMER = IDCUSTOMER

IDSALES = IDSALES

TBSALESIDSALES varchar(13)IDCUSTOMER varchar(6)TRANSACTIONDATE_SALES varchar(50)TRANSACTIONTIME_SALES varchar(5)TOTALSALES varchar(13)

TBSALESDETILIDSALESDETIL varchar(17)IDSALES varchar(13)IDITEM varchar(8)AMOUNT_SALES integerSELLINGPRICE varchar(13)SUBTOTAL_SALES varchar(13)

TBCUSTOMERIDCUSTOMER varchar(6)NAME varchar(30)ADDRESS varchar(300)PHONE varchar(20)CELLPHONE varchar(20)EMAIL varchar(100)BIRTHDATE varchar(50)STATUS integ er

TBITEMIDITEM varchar(8)IDMERK varchar(4)IDTYPE varchar(6)IDKIND varchar(4)SELLINGPRICE varchar(4)STOCK_ITEM integerNOTE varchar(300)

TBM ERKIDMERK varchar(4)MERK varchar(20)

TBTYPEIDTYPE varchar(6)TYPE varchar(20)

TBKINDIDKIND varchar(4)KIND varchar(20)

TBITEM DETILIDITEMDETIL varchar(12)IDITEM varchar(8)IDSUPPLIER varchar(6)STOCK_DETIL integerPURCHASEPRICE_ITEM varchar(13)

TBSUPPLIERIDSUPPLIER varchar(6)NAME_SUPPLIER varchar(30)MANAGER varchar(30)ADDRESS_SUPPLIER varchar(300)CONTACTPERSON varchar(30)PHONE_SUPPLIER varchar(20)FAX_SUPPLIER varchar(20)EMAIL_SUPPLIER varchar(100)WEBSITE varchar(100)

TBPURCHASEIDPURCHASE varchar(13)IDSUPPLIER varchar(6)TRANSACTIONDATE_PURCHASE varchar(10)TRANSACTIONTIME_PURCHASE varchar(5)TOTALPURCHASE varchar(13)

TBPURCHASEDETILIDPURCHASED ETIL varchar(17)IDPURCHASE varchar(13)IDITEM varchar(8)AMOUNT_PURCHASE integ erPURCHASEPRICE_DETIL varchar(13)SUBTOTAL_PURCHASE varchar(13)

TBHISTORYITEMIDHISTORYITEM varchar(16)IDITEM varchar(8)PERIODE varchar(7)STOCKBEGIN integerSTOCKOUT integerSTOCKLAST integer

TBEXSM OOTHIDEXSMOOTH varchar(14)IDITEM varchar(8)PERIODESAVE varchar(8)ALPHA varchar(6)BETA floatGAMMA floatMSE floatSAVEDATE varchar(10)

TBEXSM OOTHD ETILIDEXSMOOTHDETIL varchar(20)IDEXSMOOTH varchar(14)PERIODEFORECAST varchar(6)YTDETIL floatATDETIL floatTTDETIL floatSTDETIL floatYTPDETIL floatETDETIL float

Gambar 6 PDM Sistem Peramalan

Permintaan Barang

Hasil dan Pembahasan

Proses Peramalan

Gambar 7 Tampilan Peramalan

Proses peramalan ditunjukkan pada

Gambar 7 yang berfungsi untuk meramalkan

jumlah barang yang harus dibeli pada periode

mendatang. Data yang dipakai dalam

peramalan ini adalah data aktual permintaan

pada 36 (tiga puluh enam) bulan sebelum

bulan yang akan diramalkan. Proses

peramalan dimulai dari pengguna memilih

barang yang akan diramal, kemudian tekan

tombol “Forecasting and Save” maka hasil

dari peramalan akan langsung ditampilkan

pada kolom-kolom yang sudah ada. Dimana

hasil peramalan berupa jumlah barang

ditampilkan pada kolom Ytp. Hasil

peramalan akan otomatis disimpan ke

database.

6

Transaksi Pembelian

Gambar 8 Tampilan Transaksi Pembelian

Transaksi pembelian ke supplier

ditunjukkan pada Gambar 8. Transaksi

pembelian dapat dilakukan dengan mengisi

data supplier dan data item yang akan dibeli.

Data – data transaksi pembelian yang telah

disimpan akan ditampilkan pada sebuah list

view.

Transaksi Penjualan

Gambar 9 Tampilan Transaksi Penjualan

Transaksi pembelian ke supplier

ditunjukkan pada Gambar 9. Transaksi

penjualan dapat dilakukan dengan mengisi

data customer dan data item yang akan dijual.

Data – data penjualan akan ditampilkan pada

list view.

Laporan Peramalan

Gambar 10 Laporan Peramalan

Laporan peramalan pada Gambar 10

digunakan untuk melihat hasil peramalan

yang pernah dilakukan berdasarkan periode

peramalan. Laporan peramalan disajikan

dalam bentuk tabel hasil peramalan dan

dilengkapi dengan grafik perbandingan

antara data aktual dengan hasil peramalan.

Laporan Pembelian

Gambar 11 Laporan Pembelian

Laporan Pembelian pada Gambar 11

digunakan untuk menampilkan laporan

transaksi pembelian yang telah disimpan oleh

user. Laporan yang dihasilkan ditampilkan

7

berdasarkan periode dan ID pembelian yang

dipilih.

Laporan Penjualan

Gambar 12 Laporan Penjualan

Laporan Penjualan pada Gambar 12

digunakan untuk menampilkan laporan

transaksi penjualan yang telah disimpan oleh

user. Laporan yang dihasilkan ditampilkan

berdasarkan periode dan ID Penjualan yang

dipilih.

Kesimpulan

Kesimpulan yang dapat diambil dari

Rancang Bangun Sistem Peramalan

Permintaan Barang pada CV. Konveksi Jaya

dengan Menggunakan Metode Exponential

Smoothing adalah sebagai berikut :

1. Telah dapat dirancang bangun aplikasi

yang dapat meramalkan jumlah

permintaan barang pada CV. Konveksi

Jaya dengan menggunakan metode

Exponential Smoothing.

2. Berdasarkan evaluasi hasil yang telah

dilakukan, metode Exponential

Smoothing dapat digunakan untuk

menghitung peramalan jumlah

permintaan barang pada CV. Konveksi

Jaya.

Saran

Adapun saran – saran yang dapat

disampaikan untuk pengembangan aplikasi

ini antara lain :

1. Aplikasi ini dapat dikembangkan

secara online sehingga pemilik

perusahaan dapat mengontrol semua

transaksi yang terjadi dalam

perusahaan tanpa ada batasan wilayah

dan waktu.

2. Aplikasi ini dapat dikembangkan

dengan menambahkan metode yang

dapat digunakan untuk meramalkan

data yang bersifat musiman yaitu

metode Box – Jenkins atau Regresi

Berganda sebagai pembanding hasil

peramalan.

DAFTAR PUSTAKA

Arsyad, L., 1994, Peramalan Bisnis, Edisi Pertama. Yogyakarta,BPFE-Yogyakarta.

Hansen, 2005, Aplikasi Optimasi Persediaan Barang Menggunakan Metode Promethee dan Metode Exponential Smoothing Pada PT. Citra Abadi Mandiri. STIKOM, Surabaya.

Katherine, Yukie, S., 2002, Sistem Informasi Manajemen II, Surabaya, STIKOM Surabaya.

Kendall dan Kendall, 2003, Analisis dan Perancangan Sistem Edisi Kelima, PT Prenhallindo, Jakarta.

8

Makridakis Spyros, Whell Wright, Steven C., Mcgee Victor E, alih bahasa : Untung Sus Andriyanto, Abdul Basith, 2000, Metode dan Aplikasi Peramalan Edisi Kedua, Penerbit Erlangga. Jakarta.

Martina, Ir. Inge, 2003, 36 Jam Belajar Komputer Microsoft SQL Server 2000, Gramedia, Jakarta.

Mueller, Paul John, 2005, Mastering Web Development With Microsoft Visual Studio 2005, Penerbit Wiley. Indianapolis.

9

Lampiran 1

Context Diagram

Data Jenis

Data Type

Data Merk

Data User

Data Hasil Peramalan

Data Penjualan

Data Pembelian

Nilai Alpha Beta Gamma

Laporan Hasil Peramalan

Laporan Stok Barang

Laporan History Stok

Laporan Penjualan

Laporan Pembelian

Nota Penjualan

Stok Item

Data Customer

Stok Item

Faktur Pembelian

Data Supplier

0

SISTEM PERAMALAN PERMINTAAN BARANG PADA CV KONVEKSI JAYA

+

SUPPLIER ADMIN

CUSTOMER PEMILIK

10

Lampiran 2

DFD Level 0

11

Data

Item

Peram

alan

Data

Stok

Akhir

Pen

jualan

Detil

Item

Pemb

elian

Detil

Item

Penju

alan

Data

Jenis

Pem

belia

n

Data

Jenis

Pen

jualan

Data

Type

Pem

belia

n

Data

Type

Pen

jualan

Data

Merk

Pemb

elian

Data

Merk

Penju

alan

Data

Stok

Item

Data

Item

Penju

alan

Data

Lapo

ran H

istory

Stok

Data

Jenis

Pera

malan

Data

Type

Pera

malan

Data

Merk

Peram

alan

Data

Lapo

ran S

tok

[Data

Type

]

[Data

Merk

]

[Data

Jenis

]

[Data

Use

r]

Data

Stok

Akhir

Pem

belia

n

Data

Stok

Mas

uk

Data

Stok

Kelu

ar

Data

Supp

lier P

embe

lian

Data

Custo

mer P

enjua

lan

Data

Lapo

ran S

uppli

er

Data

Lapo

ran C

ustom

er

Data

Lapo

ran D

etil P

embe

lian

Data

Lapo

ran P

embe

lian

Data

Lapo

ran D

etil P

enjua

lan

Data

Lapo

ran P

enjua

lan

Data

Lapo

ran D

etil P

erama

lan

Data

Lapo

ran P

erama

lan

Detil

Pemb

elianData

Pemb

elian

Detil

Penju

alan

Data

Penju

alanData

Supp

lier

Data

User

Data

Stok

Kelu

ar

Detil

Peram

alan

Hasil

Peram

alan

Data

Custo

mer

Data

Detil

Item

Data

Jenis

Data

Type

Data

Merk

Data

Item

[Data

Cus

tomer]

[Stok

Item]

[Data

Sup

plier]

[Faktu

r Pem

belia

n]

[Stok

Item]

[Nota

Pen

jualan

]

[Data

Pen

jualan

]

[Data

Pem

belia

n]

[Nila

i Alph

a Beta

Gam

ma]

[Data

Has

il Pera

malan

]

[Lapo

ran P

enjua

lan]

[Lapo

ran H

istory

Stok

]

[Lapo

ran S

tok B

arang

]

[Lapo

ran H

asil P

erama

lan]

[Lapo

ran P

embe

lian]

SUPP

LIER

CUST

OMER

PEMI

LIKAD

MIN

1

MAIN

TENA

NCE

DATA

MA

STER

+2

MAIN

TENA

NCE

DATA

TR

ANSA

KSI

+

4

PEMB

UATA

N LA

PORA

N +

3

HITU

NG P

ERAM

ALAN

+

3tbC

ustom

er

13tbE

xSmo

oth14

tbExS

mooth

Detil

12tbH

istory

Item

4tbI

tem

8tbI

temDe

til

7tbK

ind

5tbM

erk

10tbP

urcha

se

11tbP

urcha

seDe

til

1tbS

ales

2tbS

alesD

etil

9tbS

uppli

er

6tbT

ype

17tbU

ser

4tbI

tem

5tbM

erk

6tbT

ype

7tbK

ind

12tbH

istory

Item

4tbI

tem

5tbM

erk

6tbT

ype

7tbK

ind

8tbI

temDe

til

Lampiran 3

Conceptual Data Model

FK T BSALESDETIL REF T BITEM

FK T BEXSMOOTH REF TBIT EM FB T BEXSMOOTHDETIL REF TBEXSMOOTH

FK T BHIST ORYITEM REF TBITEM

FK T BPURCHASEDET IL REF TBITEM

FK T BPURCHASEDETIL REF TBPURCHASE

FK T BPURCHASE REF TBSUPPLIER FK T BITEMDETIL REF TBSUPPLIER

FK T BITEMDETIL REF TBIT EM

FK T BITEM REF TBKIND

FK T BITEM REF TBTYPE

FK T BITEM REF T BMERK

FK T BSALES REF TBCUST OMERFK T BSALESDETIL REF T BSALES

tbSalesidSalesTransactionDateTransactionTimeTotalSales

tbSalesDetilidSalesDetilAmountSellingPriceSubTotal

tbCustomeridCustomerNameAddressPhoneCellPhoneEmailBirthDateStatus

tbItemidItemSellingPriceStockNote

tbMerkidMerkMerk

tbTypeidTypeType

tbKindidKindKindtbItemDetil

idItemDetilStockPurchasePrice

tbSupplieridSupplierNameManagerAddressContactPersonPhoneFaxEmailWebsite

tbPurchaseidPurchaseTransactionDateTransactionTimeTotalPurchase

tbPurchaseDetilidPurchaseDetilAmountPurchasePriceSubTotal

tbHistoryItemidHistoryItemPeriodeStockBeg inStockOutStockLast

tbExSmoothidExSmoothPeriodeSaveAlphaBetaGammaMSESaveDate

tbExSmoothDetilidExSmoothDetilPeriodeForecastYtAtTtStYtpEt

12

Lampiran 4

Physical Data Model

IDITEM = IDITEM

IDITEM = IDITEM

IDEXSMOOTH = IDEXSMOOTH

IDITEM = IDITEM

IDITEM = IDITEM

IDPURCHASE = IDPURCHASE

IDSUPPLIER = IDSUPPLIER

IDSUPPLIER = IDSUPPLIER

IDITEM = IDITEM

IDKIND = IDKIND

IDTYPE = IDTYPE

IDMERK = IDMERK

IDCUSTOMER = IDCUST OMER

IDSALES = IDSALES

TBSALESIDSALES varchar(13)IDCUSTOMER varchar(6)TRANSACTIONDATE_SALES varchar(50)TRANSACTIONTIME_SALES varchar(5)TOTALSALES varchar(13)

TBSALESDETILIDSALESDETIL varchar(17)IDSALES varchar(13)IDITEM varchar(8)AMOUNT_SALES integ erSELLINGPRICE varchar(13)SUBTOTAL_SALES varchar(13)

TBCUSTOMERIDCUSTOMER varchar(6)NAME varchar(30)ADDRESS varchar(300)PHONE varchar(20)CELLPHONE varchar(20)EMAIL varchar(100)BIRTHDATE varchar(50)STATUS integ er

TBITEMIDITEM varchar(8)IDMERK varchar(4)IDTYPE varchar(6)IDKIND varchar(4)SELLINGPRICE varchar(4)STOCK_ITEM integ erNOTE varchar(300)

TBM ERKIDMERK varchar(4)MERK varchar(20)

TBTYPEIDTYPE varchar(6)TYPE varchar(20)

TBKINDIDKIND varchar(4)KIND varchar(20)

TBITEM DETILIDITEMDETIL varchar(12)IDITEM varchar(8)IDSUPPLIER varchar(6)STOCK_DETIL integ erPURCHASEPRICE_ITEM varchar(13)

TBSUPPLIERIDSUPPLIER varchar(6)NAME_SUPPLIER varchar(30)MANAGER varchar(30)ADDRESS_SUPPLIER varchar(300)CONTACTPERSON varchar(30)PHONE_SUPPLIER varchar(20)FAX_SUPPLIER varchar(20)EMAIL_SUPPLIER varchar(100)WEBSITE varchar(100)

TBPURCHASEIDPURCHASE varchar(13)IDSUPPLIER varchar(6)TRANSACTIONDATE_PURCHASE varchar(10)TRANSACTIONTIME_PURCHASE varchar(5)TOTALPURCHASE varchar(13)

TBPURCHASEDETILIDPURCHASED ETIL varchar(17)IDPURCHASE varchar(13)IDITEM varchar(8)AMOUNT_PURCHASE integ erPURCHASEPRICE_DETIL varchar(13)SUBTOTAL_PURCHASE varchar(13)

TBHISTORYITEMIDHISTORYITEM varchar(16)IDITEM varchar(8)PERIODE varchar(7)STOCKBEGIN integ erSTOCKOUT integ erSTOCKLAST integ er

TBEXSM OOTHIDEXSMOOTH varchar(14)IDITEM varchar(8)PERIODESAVE varchar(8)ALPHA varchar(6)BETA floatGAMMA floatMSE floatSAVEDATE varchar(10)

TBEXSM OOTHD ETILIDEXSMOOTHDETIL varchar(20)IDEXSMOOTH varchar(14)PERIODEFORECAST varchar(6)YTDETIL floatATDETIL floatTTDETIL floatSTDETIL floatYTPDETIL floatETDETIL float

13

Lampiran 5

Flow Chart Peramalan Permintaan Barang

Mulai

Hitung jumlah total penjualan perbulan untuk setiap item barang

mulai Januari 2008 – Desember 2010

Inisialisasi nilai alpha, Beta dan gamma

Perhitungan data eksponensial

Perhitungan data trend

ltlttt TAAT )1()(

))(1( ltltLt

tt TA

SYA

Perhitungan data musiman

Ltt

tt S

AYS )1(

Perhitungan penjualan barang pada periode berikutnya

pLtttpt SpTAY )(

Perhitungan MSE

Dimana

neeee n

223

22

21 ...

pttt FYe

Kombinasi Alpha, Beta, Gamma menghasilkan nilai MSE terkecil ?

Daftar jumlah pesanan barang yang optimal

Selesai

Y

T

14