Jurnal Sosial dan Teknologi (SOSTECH)
Volume 1, Number 8, August 2021
p-ISSN 2774-5147 ; e-ISSN 2774-5155
How to cite:
Riki Maulana Fauzi
1
dan Dadang Iskandar Mulyana
2
. (2021). Implementasi Data Mining Menggunakan
Metode Least Square untuk Memprediksi Penjualan Lampu LED pada PT. Sumber Dinamika Solusitama.
Jurnal Sosial dan Teknologi (SOSTECH), 1(8): 907-919
E-ISSN:
2774-5155
Published by:
https://greenvest.co.id/
IMPLEMENTASI DATA MINING MENGGUNAKAN METODE LEAST SQUARE
UNTUK MEMPREDIKSI PENJUALAN LAMPU LED PADA PT. SUMBER
DINAMIKA SOLUSITAMA
Riki Maulana Fauzi
1
dan Dadang Iskandar Mulyana
2
STIKOM Cipta Karya Informatika Jakarta, Indonesia
1 dan 2
1
dan mahvin201[email protected]
2
Diterima:
27 Juli 2021
Direvisi:
8 Agustus 2021
Disetujui:
14 Agustus
2021
Abstrak
Pada beberapa perusahaan sering sekali mengalami permasalahan pada
persediaan stok barang di gudangnya. Jumlah barang masuk maupun keluar
perlu diperhatikan, karena cukup berpengaruh untuk kelangsungan suatu
perusahaan. Hal ini menyebabkan konsumen akan kecewa jika barang yang
dibutuhkan tidak tersedia. Penelitian ini bertujuan untuk mengimplementasikan
metode least square untuk memprediksi penjualan lampu LED di PT. Sumber
Dinamika Solusitama, penelitian ini ditujukan untuk membangun aplikasi data
mining berbasis web dengan menggunakan metode least square untuk
memprediksi penjualan lampu LED pada periode mendatang, penelitian ini
bertujuan untuk membantu perusahaan mendapatkan prediksi yang lebih akurat
untuk penunjang keputusan pengadaan persediaan baru dan untuk membantu
perusahaan dalam mengatasi permasalahan terkait stok yang menumpuk di
gudang. Agar meminimalisir kesalahan dalam proses pengadaan kembali.
Metode yang digunakan dalam penelitian ini adalah metode least square atau
yang biasa disebut dengan metode kuadrat terkecil. Pengujian hasil prediksi
menggunakan perhitungan MAPE (Mean Absolute Precentage Error)
mendapatkan hasil 8.0744% dimana range nilai ini disimpulkan bahwa
kemampuan model peramalan sangat baik karena niali di bawah 10%.
Kata kunci : Data mining, Least Square, MAPE, Persediaan, LED
Abstract
In some companies, they often experience problems with the stock of goods in
their warehouses. The number of incoming and outgoing goods needs to be
considered, because it is quite influential for the continuity of a company. This
causes consumers to be disappointed if the goods they need are not available.
This study aims to implement the least square method to predict the sales of
LED lamps at PT. Sumber Dinamika Solusitama, this research is intended to
build a web-based data mining application using the least square method to
predict LED lamp sales in the coming period, this study aims to help companies
get more accurate predictions to support new inventory procurement decisions
and to assist companies in solve problems related to stock piling up in the
warehouse. In order to minimize errors in the re-procurement process. The
method used in this research is the least square method or commonly called the
least squares method. Testing the prediction results using the MAPE (Mean
Absolute Precentage Error) calculation gets the results of 8.0744% where this
value range is concluded that the ability of the forecasting model is very good
because the value is below 10%.
Keywords : Data mining, Least Square, MAPE, Inventory, LED
Implementasi Data Mining Menggunakan Metode Least
Square untuk Memprediksi Penjualan Lampu LED pada
PT. Sumber Dinamika Solusitama
e-ISSN 2774-5155
p-ISSN 2774-5147
Riki Maulana Fauzi
1
dan Dadang Iskandar Mulyana
2
908
PENDAHULUAN
Perkembangan zaman saat ini cukup pesat terutama dalam bidang teknologi
(Anindhita et al., 2016), seakan-akan tidak ada habisnya untuk dipelajari. Salah satunya
adalah komputer. Saat ini hampir semua bidang usaha menggunakan komputer dan setiap
harinya menghasilkan data-data dalam setiap prosesnya (Sulisnayanti et al., 2018),
contohnya proses transaksi penjualan. Setelah digunakannya data mining setiap data-data
yang dihasilkan oleh sistem bisa kita olah/proses untuk mendapatkan informasi yang
lebih berharga untuk mengatasi permasalahan yang ada di perusahaan (Rangkuti, 2017).
PT. Sumber Dinamika Solusitama merupakan perusahaan yang bergerak dalam
bidang distribusi lampu LED (Light Emitting Diode) dalam berbagai jenis model.
Terletak di Jalan Taman Sari X, Kel. Taman Sari, Kec. Taman Sari, Kota Jakarta Barat,
DKI Jakarta. Saat ini setiap proses transaksi yang dilakukan di perusahaan di input oleh
admin kedalam sistem, semua data tersebut hanya disimpan sebagai arsip saja. Padahal
data tersebut bisa diproses menggunakan teknik data mining untuk mendapatkan
pengetahuan yang lebih berguna untuk menyelesaikan masalah yang saat ini terjadi di
perusahaan.
Salah satu permasalahan yang sering terjadi di perusahaan adalah persediaan
barang (Wahyudi, 2015). Persediaan barang didalam gudang perlu dijaga setiap harinya.
Jumlah penjualan yang fluktuatif mengakibatkan stok barang yang tesedia tidak stabil
dan dapat berdampak langsung ke konsumen (Pritalia, 2018). Kepuasan konsumen
terhadap perusahaan dapat berkurang jika tidak tersedianya barang yang hendak dibeli
karena kebanyakan konsumen tidak akan mau jika harus menunggu pengadaaan kembali
atau melakukan proses inden.
Permasalahan lainnya yang sering terjadi pada PT. Sumber Dinamika Solusitama
adalah penimbunan stok barang yang berlebihan di gudang. Kesalahan prediksi penjualan
menjadi salah satu alasan perusahaan membeli stok dalam jumlah besar yang pada
akhirnya tidak habis terjual. Sehingga seringkali pembelian barang tidak sesuai dengan
penjualan yang menyebabkan beberapa barang mengalami penumpukan stok atau
kehabisan stok (Zulva, 2018).
Sebenarnya permasalahan-permasalahan tersebut bisa diantisipasi atau dikurangi
dengan melakukan peramalan pada penjualan periode yang akan datang. Peramalan
(forecasting) adalah seni dan ilmu memprediksi peristiwa-peristiwa yang akan terjadi
dengan menggunakan data historis dan memproyeksikannya ke masa depan dengan
beberapa bentuk matematis (Rahmad et al., 2019). Jika dilakukan peramalan, diperlukan
metode tertentu yang mana bergantung dari data yang digunakan dan tujuan yang hendak
dicapai. Maka dibuatlah sistem berbasis komputer yang mengimplementasikan teknik
peramalan (Setyawan, 2018).
Permasalahan perusahaan dapat diatasi dengan cara penulis melakukan proses data
mining pada data penjualan yang tersedia untuk memperoleh hasil prediksi penjualan
pada periode mendatang, data penjualan yang disediakan merupakan jenis data rentet
waktu (time series) dan salah satu metode yang cocok digunakan adalah metode least
square (Sriwahyuni, 2020).
Penelitian yang dilakukan oleh (Shiddieq & Nur’aeni, 2019) yang berjudul
“Implementasi Algoritma Least Square untuk Memprediksi Penjualan (Studi Kasus di
Java Seven Cibaduyut Bandung)” pada tahun 2019 ini melakukan perancangan sebuah
sistem prediksi menggunakan teknik data mining yang di buat untuk platform desktop
dengan mengimplementasikan algoritma least square. Aplikasi yang dibuat sangat
membantu pihak Java Seven Cibaduyut dalam meminimalisir terjadinya kelebihan dan
Vol. 1, No. 8, pp. 907-919, August 2021
909 http://sostech.greenvest.co.id
kekurangan stok. Karena dengan metode least square ini Java Seven Cibaduyut dapat
memprediksi apakah penjualan akan mengalami kenaikan atau pun penurunan pada
periode tertentu.
Tujuan dari penelitian ini penulis akan membuat suatu sistem data mining yang
berbasis website menggunakan metode least square untuk memprediksi penjualan lampu
LED pada PT. Sumber Dinamika Solusitama yang nantinya dapat membantu manajer
dalam mengambil keputusan dalam penyediaan barang di gudang, serta mampu
memberikan informasi mengenai lampu LED yang tersedia digudang. Keberhasilan suatu
usaha dicerminkan oleh kemampuan manajemen untuk memanfaatkan peluang secara
optimal sehingga dapat menghasilkan penjualan dan laba sesuai dengan yang diharapkan
(Setyawan, 2018). Manfaat penelitian ini yaitu untuk menambah pengetahuan dan
menambah wawasan tentang data mining menggunakan metode least square untuk
memprediksi penjualan suatu barang, dapat membantu pembaca sebagai referensi dalam
menganalisa kembali sistem prediksi penjualan barang yang lebih akurat pada PT.
Sumber Dinamika Solusitama.
METODE PENELITIAN
Objek dalam penelitian ini adalah PT. Sumber Dinamika Solusitama suatu
perusahaan yang bergerak di bidang distribusi lampu LED yang bertempat di Jalan
Taman Sari X, Kel. Taman Sari, Kec. Taman Sari, Kota Jakarta Barat, DKI Jakarta.
Sedangkan, subjek dari penelitian ini adalah bagian pengadaan barang dari PT. Sumber
Dinamika Solusitama. Pada penelitian ini akan diteliti suatu metode prediksi yang dapat
membantu penunjangan keputusan bagian pengadaan barang dengan prediksi penjualan.
Pengumpulan data dilakukan untuk memperoleh hasil yang akurat dan valid secara
maksimal. Metode pengumpulan data yang digunakan dalam penelitian ini adalah
1. Observasi
Merupakan suatu kegiatan dengan melakukan pengamatan pada suatu objek atau
bidang yang sedang diteliti, pengamatan ini dilakukan dengan cara mengamati
aktivitas yang sedang berjalan dan data-data yang diperlukan untuk memenuhi
kebutuhan aplikasi yang akan di buat. Pengamatan yang dilakukan mencakup
pengamatan data yang dapat di gunakan dalam pembuatan sistem terkait.
2. Wawancara
Merupakan kegiatan yang dilakukan dalam rangka mengumpulkan informasi dan
data yang diperlukan untuk membangun sebuah sistem informasi, kegiatan
wawancara ini dilakukan dengan melakukan tatap muka dengan orang yang ahli di
bidang yang akan diteliti dan narasumber yang terkait dengan penelitian yang
dilakukan penulis. Dalam kegiatan penelitian ini, narasumber adalah manajer dan
administrator PT.Sumber Dinamika Solusitama.
Data mining mengacu pada proses pencarian informasi yang tidak diketahui
sebelumnya dari sekumpulan data besar (Yulia & Azwanti, 2018). Definisi lain data
mining adalah serangkaian proses yang memperkerjakan satu atau lebih teknik
pembelajaran komputer untuk menganalisis dan mengekstrak pengetahuan secara
otomatis (Eska, 2018), atau serangkaian proses untuk menggali nilai tambah dari suatu
kumpulan data berupa pengetahuan yang selama ini tidak diketahui sebelumnya. Data
mining yang akan dilakukan pada PT. Sumber Dinamika Solusitama ini adalah
pengumpulan data-data penjualan pada periode sebelumnya yang akan digunakan sebagai
rujukan prediksi penjualan pada periode selanjutnya. Data mining dibagi dalam beberapa
tahapan, tahap-tahap tersebut bersifat interaktif dimana pemakai akan terlibat dengan
knowledge base. Tahap tahap ini di antaranya adalah
Implementasi Data Mining Menggunakan Metode Least
Square untuk Memprediksi Penjualan Lampu LED pada
PT. Sumber Dinamika Solusitama
e-ISSN 2774-5155
p-ISSN 2774-5147
Riki Maulana Fauzi
1
dan Dadang Iskandar Mulyana
2
910
1. Data selection
2. Pre-processing
3. Transformation
4. Data mining
5. Evaluasi
Sebagaimana diilustasikan pada gambar berikut :
Gambar 1. Tahapan Data Mining
Metode least square adalah metode peramalan yang biasanya digunakan untuk
memprediksi peramalan penjualan (sales forecasting). Metode ini merupakan salah satu
metode berupa data deret berkala atau time series, yang mana dibutuhkan data-data
penjualan dimasa lampau untuk melakukan peramalan penjualan dimana mendatang
sehingga dapat ditentukan hasilnya (Idhom & Huda, 2017). Metode least square dibagi
menjadi dua kasus, yaitu kasus data ganjil dan kasus data genap. Pada umumnya
persamaan garis linear time series dapat dirumuskan sebagai berikut :
Keterangan :
Y = Nilai tren tertentu atau jumlah penjualan
a = Rata-rata nilai tren pada waktu dasar
b = Rata-rata pertumbuhan nilai tren tiap waktu
x = Variabel waktu (hari, bulan, atau tahun)
n = Banyaknya data
Untuk melakukan perhitungan, maka diperlukan nilai tertentu pada variable waktu
(x) sehingga jumalah variable waktu adalah nol atau ∑x = 0. Dalam hal ini dilakukan
pembagian data menjadi dua kasus yaitu :
a) Data Ganjil atau nilai n = ganjil maka :
Jarak antara dua waktu diberi nilai satu satuan.
Y = a + bx
n
2
Vol. 1, No. 8, pp. 907-919, August 2021
911 http://sostech.greenvest.co.id
Karena data ganjil maka nilai x pada data (n) yang tengah dimuali dari 0.
Di atas 0 diberi tanda negatif.
Di bawah 0 diberi tanda positif.
Data ganjil, maka nilai x adalah …-3,-2,-1,0,1,2,3…
b) Data Genap atau nilai n = genap maka :
Jarak antara dua waktu diberi nilai dua satuan.
Karena data genap maka nilai x pada data (n) yang tengah dimuali dari -1
dan 1.
Di atas -1 diberi tanda negatif.
Di bawah 1 diberi tanda positif.
Data genap, maka nilai x …-5,-3,-1,1,3,5…
A. MAPE (Mean Absolute Precentage Error)
MAPE merupakan perhitungan selisih antara data actual dan data hasil peramalan.
Selisih dari perhitungan tersebut diabsolutkan sehingga bernilai positif dan kemudian
dihitung kedalam bentuk presentase terhadap data asli. Hasil presentase tersebut
kemudian didapat nilai meannya. MAPE lebih banyak digunakan untuk mengukur tren
(Nurkahfi et al., 2020). Rumus MAPE adalah sebagai berikut :
Keterangan :
Xt = Data aktual pada periode ke t
Ft = Nilai ramalan pada periode ke t
n = Banyaknya periode waktu
Semakin rendah nilai presentase MAPE, kemampuan dari model peramalan yang
digunakan dapat dikatakan baik, dan untuk MAPE terdapat range nilai yang dapat
dijadikan bahan pengukuran mengenai kemampuan dari suatu model peramalan (Maricar,
2019), range nilai tersebut dapat dilihat pada Tabel 1.
Tabel 1. Range Nilai MAPE.
Range MAPE
Kesimpulan
< 10 %
Kemampuan Model Peramalan Sangat Baik
10 - 20 %
Kemampuan Model Peramalan Baik
20 - 50 %
Kemampuan Model Peramalan Layak
> 50 %
Kemampuan Model Peramalan Buruk
B. Software dan Hardware
Berikut ini spesifikasi beberapa software dan hardware yang digunakan penulis
untuk melakukan penelitian.
Tabel 2. Spesifikasi Software dan Hardware
Software
Hardware
Windows 10 Home Edition 64-bit
Laptop Acer Nitro 5 AN515-55
XAMPP v3.2.4
Processor Intel® Core™ i5-10300H
PHP
RAM 8GB DDR4
MySQL
Penyimpanan SSD M.2 512GB PCIe Gen3
𝑴𝑨𝑷𝑬
𝟏
𝒏
𝒕𝟏
𝒏
𝑿𝒕 𝑭𝒕
𝑿𝒕
𝟏𝟎𝟎
Implementasi Data Mining Menggunakan Metode Least
Square untuk Memprediksi Penjualan Lampu LED pada
PT. Sumber Dinamika Solusitama
e-ISSN 2774-5155
p-ISSN 2774-5147
Riki Maulana Fauzi
1
dan Dadang Iskandar Mulyana
2
912
Visual Studio Code
GPU Nvidia GeForce GTX 1650 TI
Google Chrome
HASIL DAN PEMBAHASAN
Proses pengumpulan data merupakan proses awal untuk melakukan penelitian ini,
pada tahap ini penulis akan melakukan observasi dan wawancara kepada PT. Sumber
Dinamika Solusitama untuk mendapatkan data penjualan lampu LED dari bulan Oktober
2020 sampai bulan Juni 2021. Berikut data penjualan dari salah satu produk LED
downlight milik PT. Sumber Dinamika Solusitama :
Table 3. Data Penjualan LED Downlight
Bulan
Tahun
Jumlah Penjualan (Y)
Oktober
2020
12
November
2020
12
Desember
2020
13
Januari
2021
14
Februari
2021
12
Maret
2021
12
April
2021
10
Mei
2021
15
Juni
2021
13
A. Perhitungan Metode Least Square
Berdasarkan data penjualan pada tabel 3 yang akan di jadikan sebagai data training
untuk memprediksi penjualan di bulan berikutnya maka penulis menggunakan
perhitungan dengan jenis data ganjil. Pertama kita akan menentukan nilai (x) kemudian
menghitung nilai (xY) dan (x²) yang akan digunakan untuk menghitung nilai (a) dan (b)
yang akan digunakan untuk menghitung prediksi penjualan. Berikut contoh perhitungan
prediksi untuk bulan Oktober 2020 :
1. Menentukan nilai (x) bulan Oktober 2020
Karena data yang diolah merupakan data ganjil maka nilai x adalah…-3,-2,-
1,0,1,2,3… dan seterusnya, maka x bulan Oktober 2020 = -4
2. Menghitung nilai (xY) bulan Oktober 2020
(xY) Oktober 2020 = (-4) x 12 = -48
3. Menghitung (x²) bulan Oktober 2020
(x²) bulan Oktober 2020 = -4² = 16
4. Menghitung nilai (a)
a = ( ∑Y ) / n = 113/9 = 12.5556
5. Menghitung nilai (b)
b = ( ∑xY ) / ( ∑x² ) = 5 / 60 = 0.0833
6. Menghitung prediksi bulan Oktober 2020
Y = a + bx
Y = 12.5556 + (0.0833 x -4)
Y = 12.5556 + (-0.3332)
Y = 12.2224
Vol. 1, No. 8, pp. 907-919, August 2021
913 http://sostech.greenvest.co.id
Tabel 4. Hasil Perhitungan Metode Least Square
Bulan
Tahun
Penjualan(Y)
(x)
(xY)
(x²)
Prediksi
Oktober
2020
12
-4
-48
16
12.2224
November
2020
12
-3
-36
9
12.3057
Desember
2020
13
-2
-26
4
12.3890
Januari
2021
14
-1
-14
1
12.4723
Februari
2021
12
0
0
0
12.5556
Maret
2021
12
1
12
1
12.6389
April
2021
10
2
20
4
12.7222
Mei
2021
15
3
45
9
12.8055
Juni
2021
13
4
52
16
12.8888
n = 9
∑Y = 113
∑xY = 5
∑x² = 60
Berdasarkan perhitungan data training pada tabel 4 diketahui nilai (a) = 12.5556
dan nilai (b) = 0.0833, jika kita ingin memprediksi penjulan LED downlight pada Juli
2021 maka nilai (x) = 5, berikut perhitungan prediksi penjualan LED downlight pada
bulan Juli 2021 :
Y = a + bx
Y = 12.5556 + (0.0833 x 5)
Y = 12.5556 + (0.4165)
Y = 12.9721
Dapat disimpulkan kebutuhan LED downlight pada bulan Juli 2021 sebanyak 13
pcs.
B. Perhitungan MAPE (Mean Absolute Precentage Error)
Berdasarkan data-data prediksi pada tabel 4, kita akan menghitung presentase error
atau MAPE dari hasil prediksi metode least square. Pertama kita akan mencari selisih
dari data aktual dan data prediksi, lalu mengabsolutkan nilai selisih agar tidak ada yang
bernilai negatif, kemudian mulai menghitung MAPE. Berikut data yang digunakan untuk
menghitung MAPE pada tabel 5.
Table 5. Hasil Perhitungan Selisih Data
Bulan
Tahun
Aktual(Xt)
Prediksi(Ft)
Oktober
2020
12
12.2223
0.2223
0.0185
November
2020
12
12.3057
0.3057
0.0255
Desember
2020
13
12.3890
0.6110
0.0470
Januari
2021
14
12.4723
1.5277
0.1091
Februari
2021
12
12.5556
0.5556
0.0463
Maret
2021
12
12.6389
0.6389
0.0532
April
2021
10
12.7222
2.7222
0.2722
Mei
2021
15
12.8055
2.1945
0.1463
Juni
2021
13
12.8888
0.1112
0.0086
= 0.7267
Berdasarkan data perhitungan pada tabel 5, sudah diketahui jumlah selisih dari data
aktual dan prediksi yang sudah di absolutkan sehingga tidak ada nilai negatif dan dibagi
kembali dengan data aktual dan hasil totalnya adalah 0.7267. Maka nilai MAPEnya
adalah sebagai berikut :
Implementasi Data Mining Menggunakan Metode Least
Square untuk Memprediksi Penjualan Lampu LED pada
PT. Sumber Dinamika Solusitama
e-ISSN 2774-5155
p-ISSN 2774-5147
Riki Maulana Fauzi
1
dan Dadang Iskandar Mulyana
2
914
MAPE = 8,0744%
Berdasarkan hasil MAPE yang diperoleh 8,0744% dapat disimpulkan berdasarkan
tabel 1 bahwa metode least square memiliki kemampuan model peramalan yang sangat
baik.
C. Analisa Sistem Berjalan
Saat ini sistem pencatatan data penjualan dan stok barang yang ada di PT. Sumber
Dinamika Solusitama masih menggunakan cara manual dengan menggunakan aplikasi
Microsoft Excel. Hal ini tentunya akan membuat penumpukan file-file laporan di
komputer server dan menggunakan kapasitas hard disk yang lumayan besar. Selain itu
pendataan yang dilakukan secara manual juga menyulitkan manajer untuk mengulas data-
data yang sudah lampau dikarenakan harus membuka filenya satu persatu sehinggal
memakan waktu dan kurang efisien untuk melakukan prediksi pada penjualan diperiode
mendatang.
D. Rancangan Sistem yang Diusulkan
Berdasarkan data hasil analisa yang dikumpulkan selama observasi data penjualan
ini berjenis rentet waktu yang. Dimana (Sriwahyuni, 2020) mengatakan bahwa metode
least square merupakan metode yang paling umum digunakan dalam peramalan untuk
data time series. Tujuan dari perancangan aplikasi ini adalah agar administrator dapat
dengan mudah melakukan pencatatan data transaksi yang terjadi di perusahaan serta
dapat dengan mudah dan efisien memberikan laporan kepada manajer, selain itu dapat
membantu manajer dalam memberikan prediksi penjualan yang lebih akurat pada perode
yang akan datang.
E. Perancangan Entity Relationship Diagram (ERD)
Untuk lebih memudahkan dalam mengetahui suatu hubungan antara data dan basis
data maka dapat digambarkan dengan sebuah grafik yang dapat dilihat pada gambar 2.
Gambar 2. Entity Relationship Diagram (ERD)
Implementasi Data Mining Menggunakan Metode Least
Square untuk Memprediksi Penjualan Lampu LED pada
PT. Sumber Dinamika Solusitama
e-ISSN 2774-5155
p-ISSN 2774-5147
Riki Maulana Fauzi
1
dan Dadang Iskandar Mulyana
2
916
G. Perancangan Use Case Diagram
Aktor pengguna aplikasi website ini secara garis besar dibedakan menjadi dua
yaitu administrator dan manajer yang dapat dilihat pada gambar 4.
Gambar 4. Use Case Diagram
H. Desain Antar Muka
Penelitian ini menghasilkan sebuah aplikasi data mining berbasis website yang
bertujuan untuk memudahkan manajer dalam mempersiapkan barang yang akan di jual
pada periode berikutnya dengan menampilkan prediksi penjualan mendatang berdasarkan
perhitungan metode least square.
Berdasarkan diagram perancangan yang sudah ada maka dibuatlah sistem antar
muka (interface) data mining berbasis website. Berikut ini adalah tampilan aplikasi yang
sudah dirancangan.
a. Tampilan Halaman Barang
Halaman ini dapat diakses dengan akun yang memiliki jabatan sebagai admin,
halaman ini menampilkan data spesifikasi barang-barang yang akan dijual oleh
perusahaan. Halaman ini digunakan oleh admin untuk melakukan pengolahan
berupa penambahan, perubahan, dan penghapusan terhadap data spesifikasi dari
barang-barang yang akan di jual oleh perusahaan.
Vol. 1, No. 8, pp. 907-919, August 2021
917 http://sostech.greenvest.co.id
Gambar 5. Tampilan Halaman Barang
b. Tampilan Halaman Penjualan
Halaman penjuaalan ini dapat di akses dengan akun yang memiliki jabatan sebagai
admin, halaman ini menampilkan data-data penjualan yang sudah diinput oleh
admin. Halaman ini digunakan oleh admin untuk melakukan pengolahan berupa
penambahan, perubahan, dan penghapusan terhadap data penjualan barang
terhadap konsumen, juga terdapat tombol detail yang digunakan untuk melihat
lebih detail dari data penjualan yang sudah di input.
Gambar 6. Tampilan Halaman Penjualan
c. Tampilan Halaman Prediksi
Halaman prediksi ini dapat diakses dengan akun yang memiliki jabatan sebagai
manajer. Halaman ini menampilkan data penjualan dari suatu barang yang dipilih
berdasarkan rentan waktu yang di pilih sebanyak 9 bulan. Dihalaman ini terdapat
tombol prediksi yang di gunakan untuk melakukan perhitungan prediksi untuk
waktu yang dipilih menggunakan metode least square.
Implementasi Data Mining Menggunakan Metode Least
Square untuk Memprediksi Penjualan Lampu LED pada
PT. Sumber Dinamika Solusitama
e-ISSN 2774-5155
p-ISSN 2774-5147
Riki Maulana Fauzi
1
dan Dadang Iskandar Mulyana
2
918
Gambar 7. Tampilan Halaman Prediksi
KESIMPULAN
Berdasarkan hasil dari perancangan sistem data mining berbasis website
menggunakan metode least square , maka dapat diambil kesimpulan yaitu hasil
perhitungan metode least square untuk memprediksi penjualan LED downlight pada
bulan Juli 2021 adalah 13 Pcs artinya tidak ada peningkatan atau penurunan pada jumlah
penjualan bulan sebelumnya, metode least square cocok digunakan untuk memprediksi
penjualan dengan menggunakan data jenis rentet waktu (time series), hasil perhitungan
MAPE (Mean Absolute Precentage Error) memiliki nilai error sebanyak 8,0744 %, jadi
bisa disimpulkan kemampuan model peramalan sangat baik, sistem data mining yang
dirancang dapat memberikan informasi baru yang sangat bermanfaat bagi perusahaan
sehingga dapat mempersiapkan barang untuk penjualan yang akan datang dan
berdasarkan hasil pengujian user. Mereka sangat puas dengan sistem yang sudah dibuat
karena menggunakan interface yang mudah dimengerti dan dapat membantu mengatasi
permasalahan persediaan yang berlebih di gudang.
BIBLIOGRAFI
Anindhita, W., Arisanty, M., & Rahmawati, D. (2016). Analisis Penerapan Teknologi
Komunikasi Tepat Guna Pada Bisnis Transportasi Ojek Online (Studi pada Bisnis
Gojek dan Grab Bike dalam Penggunaan Teknologi Komuniasi Tepat Guna untuk
Mengembangkan Bisnis Transportasi). Prosiding Seminar Nasional
INDOCOMPAC.
Eska, J. (2018). Penerapan Data Mining Untuk Prediksi Penjualan Wallpaper
Menggunakan Algoritma C4.5. JURTEKSI (Jurnal Teknologi Dan Sistem
Informasi), 2(2), 9–13. https://doi.org/10.31227/osf.io/x6svc
Idhom, M., & Huda, S. M. (2017). Sistem Informasi Peramalan Penjualan Dengan
Metode Least Square Studi Kasus : CV. AGP Computer. SCAN-Jurnal Teknologi
Informasi Dan Komunikasi, 8(1), 25–34.
Maricar, M. A. (2019). Analisa Perbandingan Nilai Akurasi Moving Average Dan
Exponential Smoothing Untuk Sistem Peramalan Pendapatan Pada Perusahaan
XYZ. Jurnal Sistem Dan Informatika, 13(2), 36–45.
Vol. 1, No. 8, pp. 907-919, August 2021
919 http://sostech.greenvest.co.id
Nurkahfi, M. B., Wahanggara, V., & Prakoso, B. H. (2020). Perbandingan Metode
Double Exponential Smoothing Dan Least Square Untuk Sistem Prediksi Hasil
Produksi Teh. BIOS : Jurnal Teknologi Informasi Dan Rekayasa Komputer, 1(2),
48–53. https://doi.org/10.37148/bios.v1i2.12
Pritalia, G. L. (2018). Penerapan Algoritma C4.5 Untuk Penentuan Ketersediaan Barang
E-commerce. Indonesian Journal of Information Systems, 1(1), 47–56.
https://doi.org/10.24002/ijis.v1i1.1727
Rahmad, C., Wibowo, R. S., & Puspitasari, D. (2019). Peramalan Penjualan Daging Sapi
Menggunakan Metode Trend Least Square. Jurnal Teknologi Informasi Dan
Terapan, 6(1), 7–11. https://doi.org/10.25047/jtit.v6i1.104
Rangkuti, F. (2017). Customer care excellence: meningkatkan kinerja perusahaan
melalui pelayanan prima plus analisis kasus jasa raharja. Gramedia Pustaka
Utama.
Setyawan, R. B. (2018). Penerapan Least Square Untuk Penjualan Di Toko Mas Ringga.
Simki-Techsain, 2(3), 1–5.
Shiddieq, D. F., & Nur’aeni, A. (2019). Implementasi Algoritma Least Square Untuk
Memprediksi Penjualan ( Studi Kasus Di Java Seven Cibaduyut Bandung ). Jurnal
Komputer Bisnis, 12(1), 8–13.
Sriwahyuni, E. (2020). Implementasi Data Mining Untuk Memprediksi Penjualan
Furniture Menggunakan Metode Least Square ( Studi Kasus : Mebel Sumber Rejeki
3 ). Seminar Nasional Dinamika Informatika, 4(1), 19–21.
Sulisnayanti, N. L. G., Wahyuni, M. A., & Julianto, I. P. (2018). Penerapan Sistem
Informasi Akuntansi Persediaan Berbasis Komputer Terhadap Perencanaan Dan
Pengendalian Persediaan Barang Dagangan (Studi Kasus Pada Ud. Pindang Panjul
Segara, Banjar Yeh Gangga, Desa Sudimara, Kecamatan/Kabupaten Tabanan).
JIMAT (Jurnal Ilmiah Mahasiswa Akuntansi) Undiksha, 8(2).
Wahyudi, R. (2015). Analisis pengendalian persediaan barang berdasarkan metode EOQ
di toko era baru samarinda. Ejournal Ilmu Admistrasi Bisnis, 2(1), 162–173.
Yulia, & Azwanti, N. (2018). Penerapan Algoritma C4.5 Untuk Memprediksi Besarnya
Penggunaan Listrik Rumah Tangga di Kota Batam. Jurnal RESTI (Rekayasa Sistem
Dan Teknologi Informasi), 2(2), 584–590. https://doi.org/10.29207/resti.v2i2.503
Zulva, K. (2018). Prediksi Penjualan Alat Tulis Sekolah Di Toko Udin Menggunakan
Metode Least Square. Simki-Techsain, 2(1), 1–8.
This work is licensed under a Creative Commons Attribution-ShareAlike
4.0 International License
