DR00065201306_FIN
-
Upload
rizki-okta -
Category
Documents
-
view
214 -
download
0
Transcript of DR00065201306_FIN
-
8/19/2019 DR00065201306_FIN
1/8
1
IMPLEMENTASI METODE SINGLE EXSPONENTI AL SMOOTHING PADA
TEKNOLOGI ROLAP (Relational Onl ine Analytical Processing ) UNTUK ANALISIS
TRANSAKSI SERVICE MOTOR
Susil a Handika1; Yusi Tyroni
2; Nanang Yudi
3
Program Studi Ilmu Komputer, Program Teknologi Informasi dan Ilmu Komputer,Universitas Brawijaya, Jl. Veteran Malang, 65145, Indonesia
Email : [email protected]; [email protected] ; [email protected]
ABSTRAK Bengkel Yamaha Gunawan Motor Semboro sudah melakukan pencatatan dengan komputerisasi pada setiap layanan yang dilakukan, dengan tujuan efisiensi kerja. Karena laporan yang ditampilkan dalambentuk file spreadsheet, sering kali para manager harus meluangkan lebih banyak waktu untukmenganalisa laporan tersebut. Untuk mengatasi permasalahan yang terdapat pada Bengkel Yamaha
Gunawan Motor, digunakan teknologi ROLAP untuk mengolah data serta metode single exponential smoothing untuk meramalkan total pendapatan bulan selanjutnya. Untuk dapat menganalsis datadengan baik, diperlukan sebuah data warehouse sebagai penyimpanan data. Data transaksi service yang berasal dari data base ditransformasi menjadi sebuah data warehouse melalui proses ETL. Darihasil peneltian yang dilakukan salah satu optimasi yang dapat dilakukan untuk mempercepat proses
ETL adalah menambahkan index pada data base OLTP atau data base sumber . Untuk mencari nilai αterbaik Pada metode single exponential smoothing, digunakan cara try and error atau mencoba semua kemungkinan α dari 0 sampai 1 dan didapat nilai α terbaik yaitu 0,35. Nilai MAPE dan MPE yang didapat pada penelitian adalah sebesar 4,17% dan 2,00%.
Kata kunci : data warehouse, ETL, ROLAP, peramalan, singgle exponential smoothing
ABSTRACTYamaha Gunawan Motor Semboro Workshop has been using computerized recording in
every service so the work is more efficient. Since the annual report is presented in spreadsheet file, the
manager has to spend more time to analyze it. To solve this problem, it’s use ROLAP Technology to process the data and single exponential smoothing method to predict the next month’s total earnings.
This method will take the decision making easier for manager. For a better analysis, it needs datawarehouse for data storage. Transaction data service from database will be transformed into datawarehouse through ETL process. From the testing, one of the optimizations that could be done toquicken the ETL process is by adding the indexes to the OLTP database or database sources. To findthe best value of α in single exponential smoothing method, it’s use the try and error method by trying
all out the possible value of α f rom 0 to 1 and got its best value at 0.35. The MAPE and MPE valuesare 4.17% and 2.00%.
Key words : data warehouse, ETL , ROLAP, forecasting, single exponential smoothing.
1. PENDAHULUAN
Dewasa ini, pengukuran kinerja
pegawai menjadi hal yang sangat penting bagi
manajemen untuk melakukan evaluasi
terhadap kinerja perusahaan dan perencanaan
tujuan di masa mendatang. Berbagai informasi
dihimpun agar pekerjaan yang dilakukan dapat
dikendalikan dan dipertanggung jawabkan.
Hal ini dilakukan untuk mencapai efisiensi dan
efektivitas pada seluruh proses bisnis
perusahaan.
mailto:[email protected]:[email protected]:[email protected]:[email protected]:[email protected]:[email protected]:[email protected]:[email protected]:[email protected]:[email protected]:[email protected]:[email protected]
-
8/19/2019 DR00065201306_FIN
2/8
2
Bengkel Yamaha Gunawan Motor
Semboro sudah melakukan pencataan dengan
komputerisasi pada setiap layanan yang
dilakukan. Laporan yang ditampilkan untuk
dianalisis oleh para manager adalah dalam bentuk excel atau spreadshet . Jadi sering kali
para manager harus meluangkan waktunya
lebih banyak untuk menganalisa laporan-
laporan tersebut.
Salah satu cara untuk mengatasi
laporan data adalah menggunakan Teknologi
OLAP. Teknologi OLAP dapat menghasilkan
informasi secara multidimensi, artinya mampu
melihat data dari berbagai sudut pandang [1].
Untuk mendukung analisis data menggunakan
OLAP diperlukan sebuah data warehouseuntuk menyimpan data.
Pada penelitian ini metode
penyimpanan data yang digunakan adalah
ROLAP (Relational Online Analytical
Processing), Karena ROLAP menggunakan
tabel pada database relasional data warehouse
untuk menyimpan detail data dan aggregasi
kubus. Dimana ROLAP secara langsung
mengakses pada tabel data warehouse ketika
membutuhkan jawaban sebuah query atau
analisis oleh pengguna sehingga
memungkinkan pengguna menganalisis data
secara interaktif [2].
Pada penelitian ini juga ditambahkan
proses peramalan total pendapatan
menggunakan metode single exponential
smoothing. Metode ini dapat meramal data
untuk periode selanjutnya dari histori data
sebelumnya. Metode single exponential
smoothing menggunakan konstanta pemulusan
antara 0 sampai 1 dan ramalan bulansebelumnya untuk mencari ramaln bulan
selanjutnya [3].
Penelitian ini bertujuan untuk membuat
laporan sesuai dengan kebutuhan yang dapat
membantu menunjang keputusan pada bengkel
Yamaha Gunawan Motor Semboro. selain itu
penelitian ini juga dilakukan untuk mencari
nilai α terbaik untuk menghasilkan ramalan
pendapatan yang tepat yang dapat digunakan
sebagai analisis pendapatan pada Bengkel
Yamaha Gunawan Motor Semboro.
2. METODE PENELITIAN
2.1
Sumber Data
Sumber data yang digunakan dalam
penelitian ini adalah data transaksi service
kendaraan Bengkel Yamaha Gunawan Motor
Semboro mulai dari tahun januari 2011 sampai
mei 2012. Data awal yang digunakan untuk
merancang system ini adalah dalam bentuk
diagram relasional dari MySQL. Diagram
relasional dari sistem transaksi service dapat
dilihat pada gambar 2.1.
barang_yamaha
PK id_barang
nama_barang
harga_jual
stock
tanggal_masuk
model_kendaraan
transaksi_barang
PK id_transaksi_barang
jumlah_barang
harga_jual
barang_nambah
PK id_masuk
jumlah
tanggal_masuk_nambah
penjualan
PK id_penjualan
tanggal_transaksi
kt_service
PK id_service
jenis_service
harga
model_kendaraan
transaksi_service
PK id_transaksi_service
jumlah_service
harga
transaksi_service_motor
PK id_transaksi_motor
no_polisi no_mesin
no_rangka
tahun
model_kendaraan
ket
mekanik
id_mekanik
nama_mekanik
Gambar 1. Diagram Relational Transaksi Service
Motor Bengkel Yamaha Gunawan Motor.
2.2 Analisis Kebutuhan Fungsional
Sistem
Kebutuhan fungsional menggambarkan
fungsionalitas atau layanan dari sistem, dan
-
8/19/2019 DR00065201306_FIN
3/8
3
merupakan harapan dari pengguna terhadap
sistem yang digunakan. Berikut ini adalah
kebutuhan fungsional dari sistem yang akan
dibangun :
Menampilkan laporan total pendapatanservice dari berbagai sudut pandang waktu
dan jenis service.
Menampilkan laporan jumlah service dari berbagai sudut pandang waktu dan jenis
service.
Menampilkan laporan total pendapatan
barang dari berbagai sudut pandang
waktu, dan nama suku cadang
Menampilkan semua laporan dalam
bentuk grafik dan crosstab tabel.
Menampilkan hasil peramalan 1 bulankedepan.
Mengeksport laporan dalam bentuk file
spreadsheet.
2.3 Analisis Kebutuhan Non Fungsional
Sistem
Analisis kebutuhan non fungsional
adalah memberikan batasan dari fasilitas yangdisediakan oleh sistem. Kebutuhan non
fungsional pada sistem yang akan dibangun
dalam penelitian ini adalah sistem atau
aplikasi ini hanya dapat diakses pada web
browser .
2.4 Perancangan Data Warehouse
2.4.1 Arsitektur Data Warehuse
Dalam pembuatan data warehouse metode yang digunakan dalam penelitian ini
adalah mengikuti arsitektur data warehouse
tiga tingkat. Arsitektektur tiga tingkat data
warehouse adalah sebagai berikut :
1. Tingkat bawah (bottom tier)
Tingkat bawah merupakan suatu
server sistem basis data relasional yang
berfungsi sebagai tempat penyimpanan
dan pengolahan data dalam penelitian ini
saya menggunakan MySQL. Pada tahap
ini data diambil dari data operasional
kemudian dilakukan proses ETL (Extract,
Transform, Load) agar data yangdigunakan valid . Data yang sudah valid
tersebut disimpan sebagai data
warehouse.
2. Tingkat tengah (middle tier)
Lapisan tengah merupakan tempat
penyimpanan suatu struktur kubus OLAP
yang disebut OLAP Server . Pada
penelitian ini saya menggunakan
Mondrian sebagai OLAP server. Padatahap ini akan dibuat suatu struktur kubus
OLAP. Implementasi operasi OLAP ini
disesuaikan dengan struktur data dari
transaksi service kendaraan, yang
mencakup suatu struktur hirarki data.
3. Tingkat atas (top tier)
Pada tingkat atas merupakan lapisan
untuk end user yang berfungsi untuk
menampilkan ringkasan dari isi data
warehouse yang merupakan hasil dari
operasi OLAP. Ringkasan dari hasil
operasi OLAP tersebut akan ditampilakn
dalam bentuk crosstab tabel dan grafik
agar memudahkan dalam proses analisis
data. Visualisasi dari ringkasan tersebut
akan ditampilkan menggunakan bantuan
tools dari pentaho yaitu BI server yang
ditampilkan pada web browser.
2.4.2 Perancangan dimensi dan fakta
Pada data warehouse terdapat dimensi
dan fakta yang sesuai dengan kebutuhan
informasi. Dimensi yang dirancang pada
penelitian ini dapat dilihat pada tabel 1 :
Tabel 1. Dimensi data warehouse bengkel.
Dimensi Keterangan
Waktu Laporan dapat dilihat baik
per tahun, per bulan.
Jenis Service Laporan dapat dilihat
-
8/19/2019 DR00065201306_FIN
4/8
4
Dimensi Keterangan
berdasarkan jenis service.
Jenis Suku
Cadang
Laporan dapat dilihat
berdasarkan jenis suku
cadang.
2.4.3 Perancangan Skema Data
Warehouse
Sesuai dengan kebutuhan yang telah
dianalisis, skema yang dipilih pada penelitian
ini adalah skema galaksi. Skema ini
merupakan gabungan dari beberapa skema
bintang. Bentuk dari skema ini tidak terlalu
rumit serta memudahkan dalam hal query.
Gambar 2 merupakan skema galaksi yang
dihasilkan dalam perancangan ini.
fact_pendapatan_brg
total_pendapatan
jumlah
dim_jns_service
PK id_service
jns_service
harga
dim_waktu
PK id_waktu
tahun
bulan
fact_pendapatan_brg
total_pendapatan
dim_barang
PK id_barang
nama_barang
Gambar 2. Skema data warehouse bengkel.
2.4.4 Proses ETL (Extract, Transform,
Load)
Untuk mentransformasi data awal atau
sumber data menjadi sebuah data warehouse,
diperlukan suatu proses ETL (Extract,
Transform, Load).
1. Extract
Proses extract data merupakan proses
mengambil data pada data base sumber
yaitu data base transaksi service.
2. Transform
Proses transform merupakan proses
transformasi data OLTP transaksi service
motor agar dapat disimpan dalam data
warehouse sesuai dengan kebutuhan
pengguna.
3. Load
Proses load merupakan proses
memasukkan data hasil transfomasi
kedalam data warehouse yang sudah
didesain sebelunya.
2.4.5 Struktur Kubus Data
Kubus data yang nantinya diharapkan
terbentuk adalah kubus data yang dapat
memenuhi kebutuhan yang diinginkan oleh
para eksekutif bisnis untuk membantumengambil sebuah keputusan. Berikut ini
adalah beberapa kubus data yang diharapkan
terbentuk dari sistem ini :
Kubus data pendapatan.
Gambar 3. Kubus Data Pendapatan
Keterangan:
dimensi waktu (semua waktu)
Tahun (drill down dari semua
waktu)
Bulan (drill down dari tahun)
dimensi jenis service (semua service)
Jenis service (drill down dari
semua service)
waktu Jenis
-
8/19/2019 DR00065201306_FIN
5/8
5
Kubus data suku cadang
Gambar 4. Kubus Data Suku Cadang
Keterangan :
dimensi waktu (semua waktu)
Tahun (drill down dari semua
waktu)
Bulan (drill down dari tahun)
dimensi barang (semua barang)
Jenis barang (drill down dari
semua barang)
2.5 Peramalan
Untuk meramalkan total pendapatan
pada Bengkel Yamaha Gunawan Motor
digunakan metode single exponential
smoothing. Metode ini membutuhkan
observasi terakhir, ramalan terakhir dan
konstanta pemulusan α. Nilai α bisanya
berkisar antara 0 sampai 1. Ramalan yang
dihasilkan dari metode ini secara sederhana
merupakan ramalan yang lalu ditambah suatu
penyesuaian untuk galat yang terjadi padaramalan yang terakhir. Secara matematis,
persamaannya dapat ditulis :
t t t F X F )1(.)1( (2.1)
Untuk mengetahui performa dari
metode single exponential smoothing ,
digunakan MAPE ( Mean Absolute Percentage
Error ) dan MPE ( Mean Percentage Error )
1
N
i
i
PE
MPE N
(2.2)
1
N
i
i
PE
MAPE N
(2.3)
3. HASIL DAN PEMBAHASAN
Pengujian pada penelitian ini dilakukan
dengan 3 tahap yaitu :
3.1
Unit Testing
Pengujian pertama adalah mencari nilai
α terbaik yang digunakan untuk meramalkan
total penjualan bulan selanjutnya. Data yang
digunakan pada pengujian ini adalah data
pendapatan pada bengkel Yamaha Gunawan
Motor bulan Januari 2011 sampai bulan juni
2012.
Tabel 2. MAPE untuk setiap α.
α MAPE α MAPE0,00 6,85% 0,55 4,85%
0,05 5,52% 0,60 4,95%
0,10 5,00% 0,65 5,06%
0,15 4,81% 0,70 5,18%
0,20 4,69% 0,75 5,30%
0,25 4,60% 0,80 5,44%
0,30 4,55% 0,85 5,58%
0,35 4,53% 0,90 5,78%
0,40 4,60% 0,95 5,98%0,45 4,67% 1,00 6,23%
0,50 4,76%
Pada tabel 4.21 dapat dilihat nilai
MAPE untuk α = 0 adalah 6,85%, α = 0,05
adalah 5,52%, α = 0,1 adalah 5% dst. Nilai
MAPE akan terus menurun sampai pada α =
0,35 yang mepunyai nilai 4,53%, setelah itu
nilai MAPE akan naik. Dari pengujian diatas
dapat disimpulkan α yang digunakan untuk
waktu
barang
-
8/19/2019 DR00065201306_FIN
6/8
6
meramal total pendapatan periode berikutnya
adalah 0,35 karena memiliki MAPE terkecil
yaitu 4,53%.
Pada pengujian selanjutnya adalah
mengukur kesalahan sistem peramalantransaksi service motor. Data yang digunakan
pada pengujian ini adalah data pendapatan
pada bengkel Yamaha Guanawan Motor bulan
Januari 2011 sampai bulan Mei 2012.
Tabel 3. MAPE dan MPE dari metode single
exponential smothing.
Thn BlnPendapatan
Nyata (Rp)
Pendapatan
Ramalan
(Rp)
PE
(Absolute)PE
2011
1 9.253.500
2 9.148.500 9.253.500 1,15% -1,15%
3 9.971.000 9.216.750 7,56% 7,56%
4 9.843.000 9.480.738 3,68% 3,68%
5 9.283.000 9.607.529 3,50% -3,50%
6 10.303.000 9.493.944 7,85% 7,85%
7 9.235.500 9.777.114 5,86% -5,86%
8 9.899.000 9.587.549 3,15% 3,15%
9 9.867.000 9.696.557 1,73% 1,73%
10 10.198.000 9.756.212 4,33% 4,33%
11 9.568.500 9.910.838 3,58% -3,58%
12 10.288.000 9.791.020 4,83% 4,83%
2012
1 9.560.500 9.964.963 4,23% -4,23%
2 11.360.000 9.823.401 13,53% 13,53%
3 10.353.500 10.361.210 0,07% -0,07%
4 10.665.500 10.358.512 2,88% 2,88%
5 10.782.000 10.465.958 2,93% 2,93%
6 10.576.572Total 70,86% 34,08%
Rata-rata 4,17% 2,00%
Dari tabel 3.2, Dari tabel 4.19 dapat
dilihat peramalan untuk bulan juni tahun 2012
adalah sebesar Rp. 10.576.572. hasil ramalan
ini nantinya akan digunakan sebagai informasi
untuk menganalisa data transaksi service
motor oleh pihak Manager. MAPE dan MPE
yang dihasilkan sistem peramalan total
pendapatan transaksi service menggunakan
metode single exponential smoothing adalah
4,17% dan 2,00%. Dari hasil tersebut dapat
dikatakan hasil peramalan mempunyai tingkat
akurasi yang baik. Hal ini ditunjukkan denganMAPE yang kurang dari 10 % sama dengan
hasil penelitian yang dilakukan oleh Salamena
(2010) [4] pada kasus yang berbeda. Selain itu
menurut Lincolin (1994) [5], jika nilai MPE
mendekati nol maka peramalan tersebut
dikatakan tidak bias.
3.2 I ntergration Testing
Integration testing bertujuan untuk
mengetahui akurasi dari skema ETL yang telahdibuat. Data yang digunkan pada pengujian ini
adalah database asli yang didapat dari Bengkel
Yamaha Gunawan Motor. Pada pengujian ini
skema ETL akan di run sebanyak 5 kali
dengan jumlah data yang berbeda yaitu 10,
100, 1000, 2000, dan 3000 data. Pada
pengujian ini akan dicari apakah ada pengaruh
jumlah data dan penggunaan index pada
database terhadap kecepatan waktu yang
dihasilkan pada proses ETL yang telah dibuat.
Skema ETL yang digunakan adalah
dim_waktu, fact_pendapatan_srv, dan
fact_pendapatan_brg. Dim_skcadang dan
dim_jns_service tidak digunakan dalam
percobaan karena hanya memiliki dua step
yaitu tabel input dan tabel output dimana
kedua step tersebut sudah diwakilkan oleh
dim_waktu, fact_pendapatan_brg, serta
fact_pendapatan_srv.
-
8/19/2019 DR00065201306_FIN
7/8
7
Tabel 4. Hasil integration testing.
Jumlah Data
10 100 1000 2000 3000
dim_waktutanpaindex
0,1 0,6 0,6 0,8 0,8
dengan
index0,1 0,1 0,4 0,7 0,7
fact_
pendapatan
_brg
tanpa
index
0,8 0,9 1,8 2,1 3,3
dengan
index0,8 0,9 1,3 2,1 2,7
fact_
pendapatan _srv
tanpaindex
0,8 0,9 1,4 1,7 2,1
denganindex 0,8 0,8 1,2 1,7 2
Gambar 3. Waktu respon dim_waktu.
Gambar 4. Waktu respon fact_pendapatan_brg.
Gambar 5. Waktu respon fact_pendapatan_srv.
Dari hasi integration testing dapat
dilihat jika waktu respon akan semakin besar
jika data yang digunakan pada proses ETL
semakin banyak. Dan jika menggunakan index
pada databse, waktu respon yang dihasilkan
akan lebih sedikit dari pada waktu respon yang
dihasilkan dari database yang tidak
menggunakan index walaupun perbedaan yang
dihasilkan tidak terlalu signifikan. Jadi dapat
disimpulkan jumlah data dan penggunaan
index dalam database akan mempengaruhi
waktu respon dari proses ETL.
3.3
Acceptance Testing
Setelah unit testing dan integration
testing dilakukan, uji coba selanjutnya adalah
acceptance testing . Pada acceptance testing ini
sistem telah dicoba langsung oleh Manager
Bengkel Yamaha Gunawan Motor dan
hasilnya sistem sudah dapat diterima dan
memenuhi kebutuhan yang diharapkan oleh
pengguna.
4. KESIMPULAN
Kesimpulan yang diperoleh dari
penelitian ini adalah sebagai berikut :
1.
Teknologi ROLAP diterapkan dengan
melakukan proses ETL pada sumber data
berupa data base. Hasil dari proses ETL
akan dimasukkan kedalam sebuah data
warehouse yang nantinya akan dipanggil
pada front end user untuk menganalisa
-
8/19/2019 DR00065201306_FIN
8/8
8
transaksi service motor secara cepat dan
dapat dilihat dari berbagai sudut pandang
dimensi. Waktu respon yang dihasilkan
dari proses ETL dipengaruhi oleh jumlah
data yang diproses dan penggunaan index pada database sumber.
2. α terbaik yang dihasilkan pada pnelitian
ini adalah 0.35. α yang dihasilkan pada
penelitian ini akan berubah jika jumlah
datanya bertambah. jadi pada penelitian
ini, untuk mencari α terbaik pada metode
Single Exponential Smoothing adalah
dengan cara try and error untuk setiap
penambahan data. Tingkat akurasi yang
dihasilkan menggunakan metode single
exponential smoothing dikatakan baikkarena menghasilkan MAPE dibawah 10
% yaitu sebesar 4,17 % serta
menghasilkan nilai MPE sebesar 2,00%
yang berarti hasil peramaln tidak bias.
5. SARAN
Dalam penelitian ini masih banyak hal-
hal yang dapat dikembangkan untuk penelitian
lebih lanjut, diantaranya:
1. Dilakukan optimalisasi pada database
OLTP dan database data warehouse
untuk menghasilkan waktu respon yang
lebih baik pada proses ETL.
2. Digunakan sebuah metode untuk mncari
nilai α terbaik agar mendapatkan hasil
yang maksimal.
DAFTAR PUSTAKA
[1] Han J, Kamber M. 2006. Data Mining :
Concepts and Techniques. San Fransisco
: Morgan Kaufmann Publisher.
[2] Bouman R, Doungen J. 2009. Pentaho
Solution : Business Intellegence and
Data Warehousing with Pentaho and
MySQL. Indianapolis : Wiley
Publishing, Inc.
[3] Makridakis, Wheelwright dan McGee.
1999. Metode dan Aplikasi Peramalan
(terjemahan). Jakarta : Binarupa Aksara.
[4] Salamena, Gery. 2010. “PengujianModel Peramalan Deret Waktu Sea
Surface Temperature (SST) Teluk
Ambon Luar dengan Metode
Exponential Smoothing ”. UPT. Balai
Konservasi Biota Laut LIPI. Ambon.
[5] Arsyad, Lincolin. (1994). Peramalan
Bisnis. Edisi Pertama. BPFE.
Yogyakarta.
[6] Darudiarto, S. 2010. “Perancangan DataWarehouse Penjualan Untuk Mendukung
Kebutuhan Informasi Eksekutif
Cemerlang Skin Care. Jurusan Sistem
Informasi. Fakultas Ilmu Komputer.
Binus University. Jakarta.
[7] Hayardisi, H. 2008. “Data Warehouse
dan OLAP Berbasis Web Untuk
Persebaran Hotspot di Wilayah
Indonesia Menggunakan Palo 2.0”.
Departemen Ilmu Komputer, Fakultas
Matematika dan Ilmu Pengetahuan Alam
Institut Pertanian Bogor. Bogor.
[8] Inmon WH. 1996. Building the Data
Warehouse. New York, USA : John
Wiley & Sons.
[9] Lujan-Mora, Sergio. 2005. Data
Warehouse Design with UML.
Department of Software and ComputingSystem University of Alicante.
[10] Munandar, Devi. 2002. OLAP dan
Terminologi Multi-Dimensional
Database. Jurnal Teknologi Informasi,
Vol 3.
[11] Ponniah P. 2001. Data Warehouse
Fundamentals. New York, USA : Jhon
Wiley & Sons.