Website: http://ojs.
itb-ad.
id/index.
php/JUTECH E-ISSN: 2797-411 Implementasi Regresi Linear Berganda dalam Forecast Penjualan pada CV.
Surya Kencana Sembako Berbasis website Ilham1(*).
Mulkan Azhari2 1, 2 Teknologi Informasi.
Ilmu Komputer dan Teknologi Informasi.
Universitas Muhammadiyah Sumatera Utara Abstract Sales forecasting represents a crucial component in business decision-making, particularly within the staple food industry, which is characterized by high demand and fluctuating market CV.
Surya Kencana Sembako, as a distribution company for essential goods, faces challenges in accurately predicting sales volumes.
This study aims to implement the Multiple Linear Regression method to forecast sales based on several influencing variables, such as product price, promotional activities, and seasonal demand.
The system is designed as a webbased application to facilitate user interaction in entering data and obtaining real-time prediction results.
The findings indicate that the regression model is capable of producing relatively accurate forecasts, as reflected by a high coefficient of determination (RA).
With this system.
CV.
Surya Kencana Sembako is expected to improve efficiency in stock management and sales strategy planning.
Kata Kunci: Basic Necessities.
Information System.
Multiple Linear Regression.
Sales Forecasting.
Website Informasi Artikel:
Dikirim : 27 Juli 2025
Direvisi : 20 Agustus 2025
Diterima : 25 Agustus 2025
Diterbitkan : 26 Juni 2025
(*)
Juli Ae Desember 2025.
Vol 6 .
: hlm 72-86 Institut Teknologi dan Bisnis Ahmad Dahlan Korespondensi: hafizrakan25@gmail.
com (Hafiz Rakan Pradiv.
PENDAHULUAN Penentuan jumlah stok merupakan aspek penting dalam suatu bisnis, khususnya dalam pemenuhan kebutuhan pokok masyarakat yang tergolong tinggi.
Salah satu usaha yang bergerak di bidang ini adalah CV.
Surya Kencana Sembako, yang berlokasi di Sampali.
Kec.
Percut Sei Tuan.
Kabupaten Deli Serdang.
Sumatera Utara.
Perusahaan ini melakukan penjualan harian dalam jumlah besar sehingga sangat mempengaruhi ketersediaan stok di gudang.
Ketersediaan produk sembako, terutama yang memiliki tingkat permintaan tinggi, menjadi faktor utama dalam kelancaran distribusi.
Namun, hingga saat ini pengelolaan data penjualan dan stok masih dilakukan secara manual melalui pencatatan di buku dan direkap setiap akhir bulan.
Sistem tersebut menimbulkan sejumlah kendala, seperti kebutuhan buku pencatatan yang banyak, keterlambatan dalam proses rekap, hingga risiko kehilangan data.
Akibatnya, pihak perusahaan sering melakukan pengecekan stok berulang kali setiap bulan dan tidak jarang mengalami kesulitan dalam memenuhi permintaan konsumen serta mengendalikan persediaan produk.
Untuk mengatasi hal tersebut.
CV.
Surya Kencana Sembako berupaya menyediakan stok berdasarkan produk yang paling laku serta memperhatikan tanggal Pada penelitian ini, digunakan metode Regresi Linear Berganda untuk memprediksi jumlah stok produk.
Metode ini dipilih karena mampu menggambarkan hubungan antara variabel independen dan dependen melalui analisis koefisien Selain itu, regresi linear berganda dinilai cukup akurat untuk peramalan jangka pendek (Masruroh, 2.
Permasalahan tersebut menjadi dasar perlunya pengembangan aplikasi prediksi estimasi penjualan bulanan.
METODE
Pengembangan sistem dapat dilakukan dengan dua cara, yaitu membangun sistem baru untuk menggantikan sistem lama secara menyeluruh, atau melakukan perbaikan terhadap sistem yang sudah ada.
Setiap tahapan dalam proses pengembangan harus diselesaikan terlebih dahulu sebelum melanjutkan ke tahap berikutnya, agar tidak terjadi pengulangan pekerjaan.
Adapun metodologi pengembangan sistem menggunakan pendekatan fishbone dapat dilihat pada Gambar Perancangan UI/ UX Untuk Website Kasir Toko Sembako Agung Berbasis Prototype Menggunakan Metode Design Thinking (Hafiz Rakan Pradiva.
Sri Wahyuni.
Ruly Dwi Arist.
=()(A(>H#(L(HP4RHSOJT(H 8BCV(C(HSB"W(.
?OJC(AH
dO1O(CHMBCBA*'*(CH AW)BJB()*H @(C(CV(J(H @BW)*'BH MBCK("('(CH !"#AB"BC'()*H!"#$"%&'(&F"*$HIBJK(CL(H L(A("H ,$"-*%.
HMBC1O(A(CH#(L(H
P4RHSOJT(H8BCV(C(HSB"W(.
IBJW()*)HL"0%&.
=T)aAH IA(V.
W<cHdB)'*CKH S*)'B"HT(CKHWBJ1(A(CH MbMH e#A*.
()*H@BW)*'BH
IBKJB)*Hg*CB(JHIBJK(CL(H Gambar 1.
Diagram Kerangka Fishbone Proses penelitian ini dilakukan melalui beberapa tahapan sebagaimana ditunjukkan pada Gambar 3.
Tujuan akhir dari tahapan tersebut adalah terbangunnya sistem Implementasi Regresi Linear Berganda dalam Forecast Penjualan pada CV.
Surya Kencana Sembako berbasis website.
Adapun langkahlangkah penelitian yang dilakukan adalah sebagai berikut:
Perumusan Masalah Menentukan permasalahan utama yang dihadapi perusahaan dan menjadi dasar dari penelitian.
Penentuan Tujuan Menetapkan arah penelitian serta menentukan tujuan dari sistem yang akan Studi Literatur Mengumpulkan referensi yang berkaitan dengan teknologi berbasis web maupun metode Regresi Linear Berganda.
Literatur dapat diperoleh dari buku, e-book, artikel, jurnal, maupun sumber daring lainnya.
Pengumpulan Data Dilakukan melalui observasi langsung dan wawancara dengan pihak CV.
Surya Kencana Sembako untuk memperoleh data yang relevan.
Analisis Sistem yang Berjalan Menganalisis sistem yang ada saat ini untuk mengidentifikasi kekurangan, sehingga dapat dijadikan acuan dalam pengembangan sistem baru.
Analisis Kebutuhan Sistem Menentukan kebutuhan fungsional maupun non-fungsional dari sistem yang akan dibangun dengan membandingkan sistem baru terhadap sistem lama.
Perancangan Basis Data Merancang struktur tabel yang akan digunakan sebagai media penyimpanan data dan informasi pada sistem.
Perancangan Antarmuka Membuat rancangan tampilan sistem yang berfungsi sebagai media komunikasi antara pengguna dan sistem.
Implementasi Sistem Juli Ae Desember 2025.
Vol 6 .
: hlm 72-86 Menerapkan rancangan ke dalam bentuk program aplikasi berbasis website sesuai dengan kebutuhan yang telah ditetapkan.
Pengujian Sistem Melakukan uji coba untuk memastikan sistem berfungsi sesuai dengan analisis dan Jika hasil pengujian menunjukkan sistem sudah berjalan sesuai kebutuhan, maka dapat dioperasikan.
Namun, apabila masih ditemukan kekurangan, maka dilakukan evaluasi dan perbaikan.
Metode Pengumpulan Data Dalam merancang sistem ini diperlukan proses pengumpulan data agar informasi yang diperoleh sesuai dengan kebutuhan penelitian.
Adapun metode yang digunakan adalah sebagai berikut:
Observation (Pengamata.
Pengumpulan data dilakukan melalui pengamatan langsung ke lokasi CV.
Surya Kencana Sembako.
Metode ini bertujuan untuk mengetahui secara nyata proses yang sedang berjalan, khususnya terkait dengan pengelolaan penjualan dan persediaan produk.
Interview (Wawancar.
Metode ini dilakukan dengan cara tanya jawab secara langsung dengan pemilik maupun supervisor CV.
Surya Kencana Sembako.
Wawancara bertujuan untuk memperoleh informasi yang lebih mendalam mengenai sistem yang berjalan, kebutuhan data, serta permasalahan yang dihadapi.
Adapun beberapa pertanyaan yang diajukan kepada supervisor antara lain sebagai berikut:
Bagaimana proses pencatatan penjualan dan stok produk yang sedang Apa kendala yang sering dialami dalam pengelolaan stok barang? Bagaimana cara perusahaan menangani jika terjadi kekurangan stok? Data apa saja yang diperlukan untuk mendukung proses peramalan penjualan? Apakah perusahaan sudah pernah menggunakan sistem komputerisasi Library Research (Penelitian Perpustakaa.
, yaitu melakukan studi pustaka untuk data-data yang berhubungan dengan penelitian dalam bentuk jurnal dan buku.
Perancangan UI/ UX Untuk Website Kasir Toko Sembako Agung Berbasis Prototype Menggunakan Metode Design Thinking (Hafiz Rakan Pradiva.
Sri Wahyuni.
Ruly Dwi Arist.
!"#$% &D(")*H$)$*I-DK"$#$D*I/MN"2* !-D-D)"2$D*PM-4%R%-D*I$/$S-)-/** !-D-D)"2$D*7%#$%*8$)$9/$)$** !-D-D)"2$D*7%#$%**$*N$D*:* !-D-D)"2$D*D%#$%*I/-N%2R%** <$R%#*I/-N%2R%* -#-R$%* Penjelasan dari flowchart:
Mulai Mulai pada flowchart metode Regersi Linear Berganda diatas adalah titik awal dari suatu kerja atau proses awal penerapan metode Regersi Linear Berganda.
Dalam langkah dan simbol flowchart kata AumulaiAy merupakan titik mulai proses eksekusi dilakukan atau pelaksanaan dari suatu program, tugas atau prosedur.
Simbil yang pada umumnya digunakan untuk mempersentasekan langkah AumulaiAy dengan simbol oval atau elips.
Input data penjualan produk Dalam proses ini dilakukan penginputan data penjualan yang terjadi pada CV.
Surya Kencana Sembako untuk bahan dalam melakukan proses prediksi penjualan yang terdiri dari jumlah order, stok barang, dan jumlah barang masuk.
Menentukan Koefisien Parameter Dalam proses ini menentukan Koefisien Parameter yang dihitung dari data penjualan yaitu X1Y.
X2Y.
X1X2.
X12.
X22 dan Y2.
Menentukan Nilai Rata-rata Kemudian menentukan nilai rata-rata untuk tiap variabel yaitu jumlah order, dan stok barang yang masuk.
Menentukan Nilai a dan b Dalam proses ini menentukan nilai a dan b dan kemudian disesuaikan dengan permasaan Regresi Linear Berganda dalam forecast penjualan pada CV.
Surya Kencana Sembako.
Menentukan nilai Prediksi Kemudian menentukan nilai prediksi maka dapat diperoleh hasil prediksi.
Juli Ae Desember 2025.
Vol 6 .
: hlm 72-86 Hasil Prediksi Setelah untuk keseluruhan tahapan persamaan Regresi Linear Berganda dilakukan maka akan diperoleh hasil forecast penjualan pada CV.
Surya Kencana Sembako pada periode yang akan dating.
Selesai Selesai pada flowchart metode Regresi Linear Berganda diatas adalah titik akhir dari suatu kerja atau proses akhir penerapan metode Regresi Linear Berganda.
Dalam langkah dan simbol flowchart kata AuakhirAy merupakan titik selesai dalam proses eksekusi dilakukan atau pelaksanaan dari suatu program, tugas atau Simbil yang pada umumnya digunakan untuk mempersentasekan langkah AuakhirAy dengan simbol oval atau elips.
HASIL DAN PEMBAHASAN
CV.
Surya Kencana Sembako menghadapi sejumlah kendala dalam proses pengelolaan stok.
Salah satu permasalahan utama adalah ketidakmampuan perusahaan dalam memenuhi permintaan konsumen secara optimal karena jumlah stok yang sering tidak stabil.
Selain itu, pencatatan stok untuk penjualan kembali masih dilakukan secara manual oleh bagian gudang melalui pemeriksaan berulang setiap bulan.
Hal ini menimbulkan risiko keterlambatan dalam penambahan persediaan serta kesulitan dalam menjaga ketersediaan produk.
Proses pencatatan penjualan produk pun kerap tidak sesuai dengan transaksi sebenarnya, sehingga menyebabkan data tidak akurat.
Akibatnya, pemenuhan pesanan pelanggan tidak dapat dilakukan secara penuh.
Untuk mengatasi masalah tersebut, perusahaan perlu menerapkan sistem prediksi stok yang mampu membantu dalam memperkirakan kebutuhan persediaan di periode berikutnya.
Sistem ini dapat dikembangkan dengan memanfaatkan metode data mining, yang memungkinkan analisis data penjualan dan stok per bulan secara lebih tepat.
Dengan adanya sistem prediksi berbasis data mining.
CV.
Surya Kencana Sembako dapat mengelola ketersediaan produk secara lebih efektif, mengurangi risiko keterlambatan penambahan stok, serta memastikan permintaan konsumen dapat terpenuhi dengan lebih baik.
Perhitungan Metode Peramalan Minyak goreng dengan merk Bimoli Tabel 1.
Data Penjualan Minyak goreng merek Bimoli Bulan Januari Februari Maret April Mei Tahun Jumlah Penjualan (X.
Stok Awal Barang Masuk (Y) Satuan (X.
Perancangan UI/ UX Untuk Website Kasir Toko Sembako Agung Berbasis Prototype Menggunakan Metode Design Thinking (Hafiz Rakan Pradiva.
Sri Wahyuni.
Ruly Dwi Arist.
Dus Dus Dus Dus Dus No Bulan 6 Juni 7 Juli 8 Agustus 9 September 10 Oktober 11 November 12 Desember 13 Januari 14 Februari 15 Maret 16 April 17 Mei 18 Juni 19 Juli 20 Agustus 21 September 22 Oktober 23 November 24 Desember Tahun Jumlah Penjualan (X.
Stok Awal Barang Masuk (Y) Satuan (X.
Dus Dus Dus Dus Dus Dus Dus Dus Dus Dus Dus Dus Dus Dus Dus Dus Dus Dus Dus Berdasarkan Tabel 4.
2, diperoleh persamaan regresi dengan menggunakan metode Regresi Linear Berganda Tahapan proses data mining dalam melakukan prediksi penjualan ditunjukkan melalui persamaan I hingga persamaan VI berikut:
OcYA = OcYA - n YA OcYA = 305475 - .
* .
* .
) OcYA = 25539 Langkah selanjutnya adalah menghitung persamaan regresi linear berganda dengan menggunakan rumus sebagai berikut:
OcX1A = OcX1A - n X1A OcX1A = 276543 - .
* .
* .
) OcX1A = 16959 Setelah itu dilakukan proses eliminasi antara persamaan .
dan persamaan .
, dengan hasil perhitungan sebagai berikut:
Persamaan 3 :
OcX2A = OcX2A - n YA OcX2A = 81721 - .
* .
* .
) OcX2A = 9121 Juli Ae Desember 2025.
Vol 6 .
: hlm 72-86 d.
Proses eliminasi juga dilakukan antara persamaan .
dan persamaan .
, yang menghasilkan perhitungan sebagai berikut:
Persamaan 4 :
OcX1Y = OcX1Y - n X1Y OcX1Y = 285590 - .
* .
* .
) OcX1Y = 16022 Persamaan V :
OcX2Y = OcX2Y - n X2Y OcX2Y = 148065 - .
* .
* .
) OcX2Y = 5505 Persaman VI OcX1X2 = OcX1X2 - n X1X2 OcX1X2 = 143771 - .
* .
* .
) OcX1X2 = 6491 Dari hasil eliminasi tersebut diperoleh nilai konstanta a serta koefisien regresi b1b_1b1 dan b2b_2b2 sebagai berikut:
yca! = !Oc #!! $(Oc #" &)((Oc #" #! )(Oc #! &) !Oc #"! $!Oc #!! $((Oc #" #! )) b1 = .
1*16.
1*5.
/ .
59*9.
2 b1 = 0.
!Oc #"! $(Oc #! &)((Oc #" #! )(Oc #" &) yca" = !Oc #"!$!Oc #!!$((Oc #" #! )) b2 = .
59*5.
1*16.
/ .
59*9.
2 b2 = -0.
Nilai konstanta a dapat ditentukan melalui perhitungan sebagai berikut:
a = Y - yca! ycU! Oe yca" ycU" a = 108 - .
9809306814668 * .
- (-0.
094531416884225 * .
a = 11.
182437056085 atau sama dengan 11 Dengan demikian, model persamaan regresi linear berganda yang diperoleh dari hasil perhitungan kasus di atas adalah sebagai berikut:
Y = a b1X1 b2X2 .
Setelah model persamaan Regresi Linear didapat, maka tahap selanjutnya adalah melakukan prediksi jumlah penjualan minyak goreng merek bimoli untuk periode mendatang.
Berikut contoh hasil perhitungan prediksi menggunakan metode Regresi Linear Berganda.
Perancangan UI/ UX Untuk Website Kasir Toko Sembako Agung Berbasis Prototype Menggunakan Metode Design Thinking (Hafiz Rakan Pradiva.
Sri Wahyuni.
Ruly Dwi Arist.
Tabel 2.
Hasil Prediksi Bulan Tahun Januari Februari Maret April Mei Juni Juli Agustus September 2025 Oktober November 2025 Desember 2025 Bulan Diramal = 12 Bulan .
Y = a b1X1 b2X2 Y = 11 .
Y = 11 .
Y = 11 .
Y = 11 .
Y = 11 .
Y = 11 .
Y = 11 .
Y = 11 .
Y = 11 .
Y = 11 .
Y = 11 .
Y = 11 .
Jumlah Peramalan 55229943311 atau dibulatkan = 125 102787546131 atau dibulatkan = 98 34490585949 atau dibulatkan = 107 4179224305 atau dibulatkan = 123 88063032418 atau dibulatkan = 96 86743431748 atau dibulatkan = 150 73973191532 atau dibulatkan = 135 485957462552 atau dibulatkan = 94 55066908155 atau dibulatkan = 135 98674128337 atau dibulatkan = 114 85073392919 atau dibulatkan = 123 96010559151 atau dibulatkan = 121 Teknik Evaluasi Nilai error merupakan selisih antara data hasil pengamatan aktual dengan nilai hasil prediksi.
Pada pengukuran akurasi prediksi menggunakan MAE.
MSE, dan RMSE, kriteria terbaik ditunjukkan oleh nilai yang semakin kecil.
Sementara itu, pada pengukuran dengan R2R^2R2-Score, nilai koefisien determinasi yang mendekati 1 menunjukkan bahwa variabel independen mampu menjelaskan hampir seluruh informasi yang dibutuhkan untuk memprediksi variabel dependen.
Tabel 3.
Hasil Evaluasi Bulan Januari Februari Maret April Mei Juni Juli Agustus Nilai Variasi Jumlah Data Selisih Tahun Selisih (Aktual-RataPeramalan Aktual rata Aktua.
^2 Juli Ae Desember 2025.
Vol 6 .
: hlm 72-86
28,44444
711,1111
880,1111
21,77778
277,7778
1393,778
300,4444
608,4444
September Oktober November Desember Total Rata Ae Rata 235,1111 32,11111 235,1111 300,4444 MSE MSE (Mean Squared Erro.
adalah salah satu teknik evaluasi yang digunakan untuk mengukur seberapa baik model regresi memprediksi nilai numerik.
MSE mengukur rata-rata dari kuadrat selisih antara nilai aktual .
dan nilai prediksi.
MSE = " Oc"$%!.
cUycn Oe ycUyc.
# = 3299 / 12 = 274.
RMSE
Root Mean Squared Error (RMSE), merupakan nilai rata-rata dari jumlah kuadrat kesalahan, juga dapat menyatakan ukuran besarnya kesalahan yang dihasilkan oleh suatu model prediksi.
(Miftahul Huda et al.
, 2.
RMSE :
Oc! " %'(!)($# = Oo274.
91 = 16.
Mean Absolute Error (MAE) MAE (Mean Absolute Erro.
adalah teknik evaluasi yang digunakan untuk mengukur rata-rata kesalahan absolut antara nilai aktual dan prediksi pada model regresi.
MAE = " Oc"$%!.
aycn Oe yayc.
= 171 / 12 = 14.
R-Square (RA) atau Koefisien Determinasi adalah teknik evaluasi yang digunakan untuk mengukur seberapa baik model regresi menjelaskan variabilitas data target.
!*!
R2 = 1 - ,#-.
R2 = 1 Ae 0.
034 = 0.
R2 = 0.
97 atau 97% yang menunjukkan bahwa model cukup baik dalam menjelaskan variabilitas data.
Sebuah use case dalam diagram UML digambarkan dengan bentuk elips Visualisasi use case tersebut dapat dilihat pada Gambar 3.
Perancangan UI/ UX Untuk Website Kasir Toko Sembako Agung Berbasis Prototype Menggunakan Metode Design Thinking (Hafiz Rakan Pradiva.
Sri Wahyuni.
Ruly Dwi Arist.
!"#$B"BC'()* !"#$"%&'(&F"*$ IB-K(C/( /($(" ,$"-*%.
0BC12($(C #(/(
P45 S2-7( 8BCV(C( SB":(.
< IB-:()*) L"0%&.
MD56-A
P,-)A4#"1"A
!"#"A2*)-A
!"#"A%&D()*a 'A#(A%)%& !"#A%& !"#"A ,-.
)"L"-a !"#$%&'( !"#"A%,&"1"L"- !"#$%&'( M" A ,-.
)"L"-a M" A%,&"1"L"-AA MD5D)#A Gambar 3.
Use Case Diagram Dibawah ini akan dijelaskan tiap-tiap tampilan yang ada pada program.
Tampilan Menu Login Tampilan pertama yang muncul saat program dijalankan adalah Form Login, yang berfungsi sebagai tempat input username dan password bagi admin (Gambar .
Gambar 4 Tampilan Form Login Tampilan Administrator Setelah berhasil login, pengguna diarahkan ke Tampilan Administrator yang berfungsi menampilkan berbagai menu pilihan, baik untuk input data maupun laporan (Gambar .
Juli Ae Desember 2025.
Vol 6 .
: hlm 72-86 Gambar 5.
Tampilan Administrator Tampilan Form Produk Selanjutnya, terdapat Form Input Produk yang digunakan untuk menambahkan data produk ke dalam sistem (Gambar .
Gambar 6.
Tampilan Form Produk Tampilan Form Penjualan Sistem juga menyediakan Form Input Penjualan yang berfungsi mencatat transaksi penjualan (Gambar .
Gambar 7.
Tampilan Form Penjualan Tampilan Form Peramalan Untuk mendukung proses peramalan, disediakan Form Input Data Peramalan yang digunakan untuk memasukkan data peramalan penjualan (Gambar .
Perancangan UI/ UX Untuk Website Kasir Toko Sembako Agung Berbasis Prototype Menggunakan Metode Design Thinking (Hafiz Rakan Pradiva.
Sri Wahyuni.
Ruly Dwi Arist.
Gambar 8.
Tampilan Form Peramalan Tampilan Form Laporan Peramalan Hasil dari peramalan dapat dilihat melalui Form Laporan Peramalan, yang menampilkan data peramalan penjualan sesuai dengan input sebelumnya (Gambar .
Gambar 9.
Tampilan Form Laporan Peramalan Tampilan Form Laporan Penjualan Juli Ae Desember 2025.
Vol 6 .
: hlm 72-86 Selain itu, terdapat Form Laporan Penjualan yang menyajikan data penjualan produk dalam periode tertentu (Gambar .
Gambar 10.
Tampilan Form Laporan Penjualan KESIMPULAN Berdasarkan hasil penelitian dan implementasi sistem Forecast Penjualan dengan metode Regresi Linear Berganda berbasis website pada CV.
Surya Kencana Sembako, dapat disimpulkan bahwa:
Sistem yang dikembangkan dapat mendukung CV.
Surya Kencana Sembako dalam meminimalisasi kesalahan pada proses penentuan dan pemenuhan stok Selain itu, sistem ini juga memberikan kemudahan serta mempercepat proses pencatatan data persediaan.
Aplikasi yang dikembangkan menggunakan metode Regresi Linear Berganda dengan bahasa pemrograman PHP dan basis data MySQL, sehingga mendukung pengelolaan data secara lebih terstruktur dan terkomputerisasi.
Sistem prediksi penjualan ini dapat membantu perusahaan dalam mengatasi kendala peramalan permintaan barang pada periode mendatang, sehingga ketersediaan produk lebih terkendali dan permintaan konsumen dapat terpenuhi secara optimal.
Perancangan UI/ UX Untuk Website Kasir Toko Sembako Agung Berbasis Prototype Menggunakan Metode Design Thinking (Hafiz Rakan Pradiva.
Sri Wahyuni.
Ruly Dwi Arist.
DAFTAR PUSTAKA