IMPLEMENTASI DATA MININEUNTUK MERAMALKAN PENJUALAN DI MINIMMKETDDLA JL PATI-TAMBAKROMO KM 2 DESA KARANGMULYO RT 08 RW 1DENGAN METODE TIMESERIES

IMPLEMENTASI DATA MINING UNTUK MERAMALKAN

PENJUALAN DI MINIMARKET IDOLA JL PATI-TAMBAKROMO
KM 2 DESA KARANGMULYO RT 08 RW 1 DENGAN METODE TIME
SERIES

H am dani W idyatm oko, A nton Setiaw an H onggow ibow o, N ur C ahyani D ew i R etnow ati
Teknik Informatika STTA Yogyakarta
inform atika@stta.ac.id

A bstract
M inim arket idola on a daily basis there are m any sales transactions, so that the data stored in the
database is very large. The data can be used as m uch useful inform ation fo r the ow ner o f a m inim arket
in policy making. To explore the data that is used a lot o f data m ining technique. D ata m ining uses data
analysis to discover patterns and relationships in data that m ay be used to m ake accurate predictions.
In this research, data m ining is used to forecast the sales o f goods in M inim arket Idoal. Forecasting
the fu tu re based on m easuring the value o f the patterns in the data collection. To perform sales
forecastin g in the fu tu re to use the m ethod o f time series. Forecasting time series data to predict w hat
w ill happen based on past historical data.
Tim e series m ethods fo r forecastin g sales in the calculation M inim arket Idola using exponential
sm oothing and m oving average. O f the count sought the M A D (M ean A bsolute D eviation) or
forecastin g errors. W here M A D is the sm allest value o f the calculation o f exponential sm oothing and
m oving average is the result o f forecastin g w ith a sm all error. Forecasting results w ill not alw ays be
appropriate because the m arket dem and influenced by several factors. But it does not m ean that the
foreca st is m ade useless.
K e y W o rd s : D a t a M in in g, T im e S eries, S a le s f o r e c a s t i n g

Abstrak

P ada M inim arket Idola setiap harinya terjadi banyak transaksi penjualan, sehingga data
yang disimpan di database sangat besar. Data yang banyak bisa dijadikan informasi yang
berm anfaat bagi pemilik m inim arket dalam pengambilan kebijakan. Untuk m enggali data yang
banyak tersebut digunakan teknik data mining. Data m ining m enggunakan analisis data
untuk m enem ukan pola dan hubungan didalam data yang mungkin digunakan untuk
m em buat ram alan yang akurat.

P ada penelitian ini Data m ining digunakan untuk m eram alkan penjualan barang di
M inimarket Idola. Peram alan yaitu m engestim asi nilai m asa depan berdasarkan pola-pola
didalam sekumpulan data. Untuk melakukan peram alan penjualan di w aktu yang akan
datang digunakan m etode time series. Peram alan data time series m em prediksi apa yang akan
terjadi berdasarkan data historis m asa lalu.

M etode time series untuk peram alan penjualan di M inim arket Idola menggunakan
perhitungan exponential sm oothing dan m oving average. Dari perhitungan tersebut dicari nilai
MAD (M ean A bsolute D eviation) atau kesalahan peram alan. Dimana nilai MAD yang terkecil
dari perhitungan exponential sm oothing dan m oving average m erupakan hasil peram alan dengan

C O M P IL E R 29
Hamdani Widyatmoko, Anton Setiawan Honggowbowo, Nur Cahyani Dew Retnowati

kesalahan yang kecil. Hasil peram alan tidak akan selalu tepat karena dipengaruhi beberapa
faktor perm intaan pasar. N am un tidak berarti bahw a ram alan yang dilakukan tidak berguna.

K ata K unci : D ata M in in g, T im e S eries, Pola penjualan

1. Latar B elakang

Ham pir sem ua m inim arket menggunakan sistem komputerisasi dalam penyim panan data
penjualan, sehingga akan dihasilkan banyak data transaksi. Data transaksi yang ada dalam
database penjualan barang m enyim pan jumlah record transaksi penjualan yang memiliki
volum e yang sangat besar sehingga m enyebabkan jumlah data terus m enerus bertambah
setiap harinya. Dari penumpukkan data yang terjadi bisa digali untuk m enem ukan pola
penjualan barang, sehingga data yang sedemikian banyak bisa dimanfaatkan untuk
m enganalisa pasar dan m eram alkan penjualan pada w aktu yang akan datang.

Dalam hal ini, sangat di butuhkan aplikasi yang m em bantu m inim arket untuk
m endapatkan informasi dari jumlah data yang terkumpul. Salah satu cara untuk
m endapatkan informasi tersebut adalah m em anfaatkan teknik data m ining. Data m ining
adalah suatu penerapan m etode tertentu untuk melakukan penggalian data. Data yang
m enum puk digali dengan cara m enganalisa data transaksi penjualan barang yang telah
terjadi di m inim arket sehingga ditemukan pola penjualan untuk m enganalisa pasar pada
periode berikutnya.
Maka dari perm asalahan yang ada, penulis pada tugas akhir ini akan m engem bangkan
sistem data m ining (penggalian data) dengan m etode time series. Tim e Series m erupakan data
yang terdiri atas satu objek tetapi meliputi beberapa periode w aktu m isalnya harian,
m ingguan, bulanan, tahunan dan lain-lain. Data m asa lalu dikumpulkan, dianalis dengan
m etode-m etode tertentu untuk dapat m em polakan dan m eram alkan hasil diwaktu yang akan
datang. Ramalan yang baik adalah yang mendekati kenyataan. Oleh karena itu m etode
perhitungan yang diterapkan untuk m engim plem entasikan data mining ini adalah
m enggunakan m etode times series dengan perhitungan exponential sm oothing dan m oving
average.

2. Landasan Teori

D ata M in in g

Data m ining adalah suatu proses yang m enggunakan teknik statistik, m atematika,
kecerdasan tiruan dan m achine learning untuk m engekstrasi dan mengidentifikasi informasi
yang berm anfaat dan pengetahuan yang terkait dari database yang besar (Turban 2005). Data
m ining m enggunakan analisis data untuk menemukan pola dan hubungan didalam data yang
m ungkin digunakan untuk m em buat forecasting atau ram alan yang akurat.

Peram alan D ata T im e S eries

Forecasting atau peram alan yaitu m engestimasi nilai m asa depan berdasarkan pola-pola
didalam sekumpulan data (Turban 2005). Peram alan Data Tim e Series mem prediksi apa yang
akan terjadi berdasarkan data historis m asa lalu. Time series adalah serangkaian nilai
pengam atan (observasi) yang diambil selama kurun w aktu tertentu pada um um nya dalam

30 V o lu m e 1, N o m o r 2 , N o v e m b e r 2 0 1 2
 IMPLEMENTASI DATA MINNGUNTUK MERAMALKAN PENJUALAN DI MINIMARKETDOLA JL PATI-TAMBAKROMO KM 2 DESA KARANGMOLYO RT 08 RW 1DENGAN METODE TIMESERIES

interval yang panjang (Turban 2005). Peram alan dapat diterapkan bila terdapat kondisi
seperti tersedianya informasi data historis, informasi tersebut dapat dikuantitatifkan dalam
bentuk num erik dan dapat diasumsikan bahw a beberapa aspek pola m asa lalu akan terus
berlanjut di w aktu m endatang.

Perhitungan Peram alan T im e S eries

Rumus um um m etode Single Exponential Sm oothing adalah sebagai berikut :

(S t+1 = aXt + (1- a) St)

St+1 : periode peram alan (waktu hendak dilakukan peramalan)

Xt : data asli pada periode ke-t
St : nilai peram alan pada periode ke-t
a : nilai perkiraan fluktuasi (diisi nilai antara 0 s / d 1)
Secara m atem atis, m oving average dinyatakan dalam persam aan sebagai berikut:

Ft+1 = X t + Xt-1 +.... + Xt-n+1

Ft+1 : nilai ram alan untuk periode w aktu ke - t+1,

Xt : nilai aktual periode ke - t,
n : banyak data (ordo).

Sedangkan, untuk m engetahui tingkat kesalahan peram alan penjualan atau M ean
A bsolute D eviation (MAD) m enggunakan rum us sebagai berikut :

MAD = n (Nilai Forecast - Nilai Nyata)

n ux ah cacah data untuk keperluan peram alan
ZX : jumlah data untuk keperluan peram alan

3. P erancangan Sistem

D iagram K onteks
D iagram konteks m em perlihatkan bahw a entitas yang terlibat dalam sistem adalah
m anager dan pemilik. M anager akan m enginputkan param eter peram alan ke sistem, yang
berhubungan dengan kategori barang dan periode peram alan. Sedangkan pemilik akan
m enerim a hasil peram alan penjualan dari sistem yang digunakan sebagai dasar pengambilan
kebijakan. D iagram konteks ada pada gam bar 1.

C O M P IL E R 31
H am dani W idyatm oko, Anton S Etiaw a n H anggaw ibow o, N ur Cahyani De w REtnaw ati

Gambar 1 Diagram Konteks.

D FD Level 1

Hasil proses penjabaran DFD level 1 adalah terdapat tiga buah sub proses yaitu , sub
proses pencatatan penjualan, sub proses seleksi m etode peram alan, dan sub proses
peram alan. DFD Level 1 ada di gam bar 2.

Gambar 2 DFD Level 1.

D FD Level 2 Proses Perhitungan T im e S eries

Proses perhitungan time series m engolah param eter nilai alpha dan ordo yang diinputkan
oleh m anager. Nilai alpha untuk perhitungan exponential sm oothing dan ordo untuk m oving
average. Selanjutnya param eter diproses sesuai perhitungan exponential sm oothing dan m oving
average. Dimana nilai MAD antara exponential sm oothing dan m oving average yang paling kecil
m erupakan hasil peram alan yang memiliki kesalahan terkecil. DFD Level 2 proses
perhitungan time series ada pada Gambar 3.

i i a s j j fe fs U J W is t» M A D
(\ £ & c tn A b z o l u z e D e v i a t i o n )

M A D ( M e o n A b s o lu t e

Gambar 3 DFD Level 2 Proses perhitungan Time series

32 V o l u m e 1 , N o m o r 2, N o v e m b e r 2 0 1 2
 IMPLEMENTASI DATA MININGUNTUK MERAMALKAN PENJUALAN DI MINIMARKETDOLA JL PATI-TAMBAKROMO KM 2 DESA KARANGMULYO RT 08 RW 1DENGAN METODE TIMESERIES

F lo w c h a r t D ata M ining Peram alan Penjualan

Pada flow ch art data m ining untuk peram alan penjualan ini, inputan param eter peram alan
seperti input nilai alpha dan ordo serta periode peram alan berdasar harian, m ingguan dan
bulanan hanya bisa dilakukan oleh user yang memiliki hak akses sebagai m anager. Flow chart
data m ining peram alan penjualan ditunjukkan pada Gambar 4.

Gambar 4 Flowchart Sistem Data Mining Peramalan Penjualan

R elasi A n tar T abel

Relasi database pada penerapan time series pada data m ining untuk peram alan transaksi
penjualan barang dapat dilihat pada Gambar 5

Cambar 5 Relasi Antar Tabel.

4. Im plem entasi D an A nalisa Sistem

Implementasi sistem m erupakan tahap m endeskripsikan suatu sistem agar sistem

tersebut siap untuk diaplikasikan. Berdasarkan tahapan im plementasi tersebut dapat
diketahui sistem yang dibuat benar-benar m encapai tujuan yang diinginkan atau tidak.
Berdasarkan analisis dari desain sistem yang telah dilakukan, m aka telah diimplementasikan

C O M P IL E R 33
Hamdani Widyatmoko, Anton Setiawan Hanggawibowo, Nur Cahyani Dew REtnawati

sebuah sistem Data Mining M enggunakan M etode Tim e Series. Implementasi Hasil Peram alan
dapat dilihat pada Gambar 6.

lifCRfi f a n & i Peftiaar signar

hat m S n itif
t w jfc r ift in i

Jiu r-M iV .IHNidlK b a ^ iK

Iift=W 0 2 IS irUnM rrcvr.f« L_
15 f*
Iruar-M ; l
M B m iffv iK in 'I H a l ll' 13 ynrr
Detrttf-M
liiar-JJU >t W M aM . h s M lK Wc*i«t«fWU
11
fe«rt»3lC ia ítaxnj
Uvar-ttCil kaw K
:: V M 'H rrc ’ '. . 5 : L l
: II
Jíxur-Mrt p ttw K
> :
m um : c i* a ic w p ii Sujro De l

iM-mu jm r i [(
IS W K pt^MtiVC
¡ ii.
W W j/ W ip
IS
¡ec7M«iWL
jw i a i IK'taKC ) :0 'i'/ttU Kitc W'IJt
Dewte-M :::
.inor »C A •«sialic pSSMaK
MRJEU>-K'5 M a yprtJ<r.i» !»;■
ueswtftifii B
13\ialU* m fiv ia **
JUHiU I ÍPTX AiTcM .*:
Dfi«tei-31t 151 ¡(41
JTUT-231C>1 bw am e
/U tfttB H L inumc |m Sum; 111
Jruar-23*£ rt [:::vít¡nc Omtai&pMlf
501 'iattC )!«
fe e rtftM M Sum}
Jn a r-M il £r H m jM K fw iii rivt
1/RJIELO TEA16 liil
Im M M in u «
OTJTM»! 4 :i va nc a s w ic
¡JtfJR-U ir
Dcccrtci 291C M UI S-Nirg

Gambar 6 Tampilan Tabel Hasil Peramalan

A n alisa H asil

Sistem yang telah dibuat m erupakan penerapan dari m etode yang ada, yaitu m etode
tim eseries dibuat dalam bentuk sebuah program dengan perhitungan exponential sm oothing dan
m oving average. Sehingga hasil yang didapatkan tidak jauh berbeda dengan perhitungan
m anualnya.
Tahap perhitungan yang diperlukan :

1. Tahap Pertam a yaitu menentukan periode waktu peram alan.

Periode waktu peram alan bisa berdasar harian, minnguan, bulanan. Dari perm asalahan
diatas diketahui periode peram alan m ulai dari bulan ke-1 (Januari 2010) s / d bulan ke-10
(Oktober 2010) untuk peram alan penjualan bulan ke-11 (N ovem ber 2010).

2. Tahap Kedua yaitu memberikan nilai a (alfa) pada perhitungan exponential sm oothing (a
bernilai 0 hingga 1).

Nilai a berpengaruh pada hasil exponential sm oothing. Besar kecilnya nilai konstanta a
yang digunakan oleh m anager atau pemilik m erupakan nilai confidence atau kepercayaan diri
untuk m elakukan peram alan diwaktu yang akan datang. Penggunaan nilai a bisa
dipengaruhi oleh kebiasaan m anager dalam m engetahui pola data penjualan. Dapat dijelaskan
bahw a semakin besar nilai a penghalusan atau sm oothing yang dilakukan kecil, nilai a kecil
penghalusanatau sm oothing semakin besar, a optim um akan m em inimum kan nilai MAD.

S t+i = a . Xt + (1 - a) St

34 V o lu m e 1, N o m o r 2 , N o v e m b e r 2 0 1 2
 IMPLEMENTASI DATA M/N?UNTUK MERAMALKAN PENJUALAN DI MINIM/IRKETDOLA JL PATI-TAMBAKROMO KM 2 DESA KARANGMULYO RT 08 RW 1DENGAN METODE TIMESERIES

No Bulan Tahur. Penjualan Exponential Smoothing St 6 Jrri 2010 S * , =(0.1 (64)-(l-0.1)x“3.4") ‘ 3.47

(Xt) bungkus
( S»-: = a X ,+ ( l - a ) S,) 54 S - = ó ^ - í O .S X o ^

1 Januari 2010 0.00 S t = 6.4 - 66.12=72.52

'

Februari 2 0 10 S : .: = (0.1 ( 6 0 M 1 -0 .1)3^5) Mi 2010 S-.; =<0.1 (5 2 )-(l-0 .1)x"2i2) 72 52

52 S , =5.2 ~i0.9x~l.il)
60 S3 = 6 .0 -K0.9x^5)

S , = 5 . 2 - 652' = 7047
S3 = 6 .0 - 6 7 .5 = 7 3 .5

£ AgUStL! 2010 Su: =<0.1<Sfl)-a-0-l)xT0.47) 70.47

3 Maret 2010 S s.. = (0.1 (8 5 > K l-0.1)x73.5)

89 S s = 8 .9 -{0.& t "0.47)
s; S4 » S .5-< 0.9x75.3) 73.5
S s = 8.9 - 6342 = 72 J 2
S4 » S .5 -6 6 .1 5 » 7 4 .6 5
0 ie p ta n re 2010 S ».¡={0.1 (120)-<l-0.1)x"2.32) 72.32
4 April 2010 S 4.: = {0.1 ( 6 0 H l-0 .1 )x '4 .6 5 )
120 S :«= 12-(0Ä t“132)

60 S ,*= 6 .0 -K 0.9x"4.65) 74.65

Sw = 1 2 - 65.09= 77.09

S ,*= 6.0 + 6 7 .1 9 = 7 3 .1 9
10 Oktobar 2010 S = (0.1 (82)-':i^ 0.1)x".0^ 77.09

Mei 2010 S i .: “ (0.1 (76>+(l-0.1)x73.19)

n S j; = 8.2-< 0.9x~ 09)

76 S« * 7 .6 4 ( 0 .9 x 7 3 .1 9 ) 73.19 SÜ= 82 -6 9 3 8 = 7 7 * 8

S« = 7.6 - 6 5 . S" = 73.47 JUMLAH = "63

Jadi hasil perhitungan exponential sm oothing untuk peram alan penjualan bulan ke 11 atau
bulan Novem ber adalah 77.58 atau dibulatkan menjadi 78 bungkus.

3. Tahap Ketiga m enentukan jumlah n (ordo) yang digunakan untuk perhitungan m oving
average.

F t+ 1 = X t + X t-1 +•••• + X t-n + 1

Dengan nilai n = 3 bulanan

Mei 2010 =205/3

=221/3 = 68.33

=73.67 9 September 2010 =(52+ 89+120)/3

=(60+76+64).' 3 =261/3
120
=200/3
= 87.00
=06.67
10 Oktober 2010 =(S9+ 120+S2).' 3
‘ =(76-64-52) 3
82 =291/3
=192/3
= 97.00
=04.00
JUMLAH = 763

Jadi hasil perhitungan M ovin g average dengan n= 3, untuk peram alan penjualan bulan ke
11 atau bulan Novem ber adalah 97.00 bungkus.

4. Tahap Keem pat m enghitung nilai M ean A bsolut D eviation (MAD) atau kesalahan
peram alan pada hasil perhitungan exponential sm oothing dan m oving average.

C O M P IL E R 35
Hamdani Widyatmoko, Anton Setiawan HDnggDwibowo, Nur Cahyani Dew REtnowati

MAD = (Nilai Forecast - Nilai Nyata)

n
M enghitung nilai MAD exponential sm oothing ix Diketahui hasil St atau peram alan
untuk bulan ke -11 adalah 77.58 dan nilai nyatanya Xt adalah 82, n =10 dan ZX=763.
m aka nilai MAD sebagai berikut ;

MADes = —i0 - (82 - 77.58)

763
= 0.013 x 4.42
= 0.05
Jadi nilai MAD untuk exponential sm oothing adalah 0.05.

M enghitung nilai MAD m oving average. Diketahui hasil St atau peram alan untuk bulan ke
-11 adalah 97 dan nilai nyatanya adalah 82, n =10 dan ZX=763 m aka nilai MAD asebagai
berikut ;

MADma = X (97 - 82)

= 0.013 x 15
= 0.18
Jadi nilai MAD untuk m oving average adalah 0.18.

5. Tahap Kelima menentukan nilai MAD paling kecil.

Dari perhitungan diatas dihasilkan nilai MAD untuk exponential sm oothing adalah 0.05
dan nilai MAD m oving average adalah 0.18. Jadi nilai M ean A bsolut D eviation (MAD) atau
kesalahan peram alan yang paling kecil adalah MAD exponential sm oothing = 0.05. Dengan
demikian peram alan untuk penjualan bulan berikutnya atau bulan ke-11 (Novem ber) lebih
baik m enggunakan hasil perhitungan exponential sm oothing. Hasil peram alan penerapan data
m ining dengan m etode time series itu dapat dilihat pada gam bar 7.

H A S IL P E R A M A L A N P E N J U A L A N

L aporan P eram alan Penjualan bulanan D an Januari - 2010 Sam pai O ktober- 2010

Nama B arang S A R IM IB A S O S A P IR B S

Mo B u la n Tahu n P .n | u .,.n " C “.

ll ll 1 2010 17 5
|2 |2 ¡2 0 1 0 |6 0 |75 0 0
la fa |2010 |8 9 [7 3 SO
k 1 2010 |6 0 |74 6 5 ¡6 8 3 3
|3 H 3oi n |7 6 ¡7 3 1 9 ¡7 3 6 7
[6 [6 [2010 |6 4 ¡7 3 4 7 ¡6 6 6 7
7 17 2 0 10 52 |72 5 2 64 00
e |e 2 0 10 89 ¡7 0 4 7 68 33
|9 [9 [2010 |1 2 0 |7232 |8700
|10 |<0 [2010 18 2 |77 0 9 ¡97 0 0

■ ■ ?£T'
P eram alan Exponential S m oothing P en o de Berikutnya 77 5 8 Unit Nilai M A D O 05
Poram alan M oving A verage P orio d o Bonkutnya 97 00 Unit Nilai M A D 0 18
Lebih baik m enggunakan Exponential S m ooting

Gambar 7 Hasil Peramalan Sarimi Baso Sapi

5 K esim pulan

1. Penerapan Data M in ing dengan m etode time series memberikan informasi peram alan
penjualan diwaktu m endatang kepada pemilik m inim arket Idola yang dihasilkan dari
penggalian database penjualan.

36 V o lu m e 1, N o m o r 2 , N o v e m b e r 2 0 1 2
 IMPLEMENTASI DATA M/N?UNTUK MERAMALKAN PENJUALAN DI MINIM/IRKETDOLA JL PATI-TAMBAKROMO KM 2 DESA KARANGMULYO RT 08 RW 1DENGAN METODE TIMESERIES

2. Perhitungan exponential sm oothing dan m oving average menghasilkan peram alan penjualan
yang tidak jauh berbeda dengan nilai penjualan yang terjadi. Tingkat ketepatannya
ditentukan dengan nilai M AD yang paling kecil dari dua perhitungan tersebut.
3. M ean A bsolute D eviation (MAD) digunakan untuk m engukur ketepatan nilai atau
kesalahan peram alan. Semakin kecil nilai MAD semakin kecil nilai kesalahannya.

Sebagai saran, sistem ini dapat dikembangkan dengan m enam bahkan beberapa m etode
perhitungan pada time series, selain exponential sm oothing dan m oving average agar hasil
peram alan penjualan memiliki pilihan perhitungan yang lebih akurat dan m engetahui jenis
pola penjualan setiap barang.

6. R eferensi

[1] Arief, M .Rudiyanto, Pem rogram an Web Dinamis M enggunakan PHP dan MySql, CV.
Andi Offset, Yogyakarta, 2011.
[2] Hadi, Sutrisno, MA, Statistik Jilid 3, CV. Andi Offset. Yogyakarta, 2002.

[3] H M .Jogiyanto, Analisis dan Desain Sistem Informasi: Pendekatan Teori dan Praktek
Aplikasi Bisnis, CV. Andi Offset, Yogyakarta, 2005.

[4] R.Spiegel, M urray dan Stephens, Larry, Schaums Outlines Teori dan Soal- Soal Statistik
Edisi ke-3, Erlangga, Jakarta, 2007.

[5] Sihombing, Erika, Implementasi Data Mining M enggunakan M etode A priori Pada
Transaksi Di Chorus Minimarket, Compiler, Volume 1 N om or 1. Mei 2012.

[6] Turban, Efram, Aronson, Jay E, dan Peng-Liang, Ting, D ecision Support System s and
Intelligent System s (Sistem Pendukung Keputusan dan Sistem Cerdas), CV. Andi Offset,
Yogyakarta, 2005.

C O M P IL E R 37