Jurnal CyberTech Vol.
No.
April 2020, .
P-ISSN : 1978-6603
E-ISSN : 2615-3475
Penerapan Data Mining Untuk Mengestimasi Penjualan Udang Tambak Dengan Metode Regresi Linier Berganda Pada UD.
Tambak Kusuma Jaya Pangkalan Susu Sinta Yusnita Purba*.
Kamil Erwansyah.
Kom.
Kom.
**.
Jufri Halim.
SE.
MM.
* Program Studi Sistem Informasi.
STMIK Triguna Dharma ** Program Studi Sistem Informasi dan Program Studi Dosen pembimbing.
STMIK Triguna Dharma
Article Info
ABSTRACT
Article history: - Bisnis udang tambak merupakan salah satu bisnis yang sangat diminati masyarakat terutama masyarakat di daerah pangkalan susu, salah satunya ialah UD.
Tambak Kusuma Jaya.
UD.
Tambak Kusuma Jaya memiliki permasalahan seperti penurunan jumlah produksi yang diakibatkan cuaca dan iklim mengakibatkan udang terinfeksi penyakit sehingga udang harus di panen sebelum waktunya.
UD.
Tambak Kusuma Jaya mengalami penjualan yang naik turun diakibatkan permintaan pasar seperti ukuran udang yang harus distok.
Kualitas udang, serta terlalu banyaj stok dipasar mengakibatkan penurunan penjualan udang.
Hal itu dapat mengalami kerugian atau hanya balik modal bagi UD.
Tambak Kusuma Jaya.
Melihat permasalahan tersebut maka dibutuhkan untu mengestimasi penjualannya.
sebuah aplikasi data mining mengunakan algoritma Regresi Linier Berganda dapat digunakan sebagai estimasi penjualan udang tambak.
Maka dari itu dirancanglah sebuah sistem aplikasi berbasis dekstop dengan menerapkan metode data mining dengan algoritma Regresi Linier Berganda untuk mengestimasi penjualan udang tambak.
Hasil dari penelitian ini adalah sebuah aplikasi yang dapat mengestimasi penjualan udang tambak secara sistematis, sehingga pemilik udang tambak dapat menoptimalkan penjualan menggunakan algoritma Regresi linier berganda Keyword:
Data Mining.
Metode Regresi Linier Berganda.
Estimasi Penjualan Udang Tambak.
Copyright A 2020 STMIK Triguna Dharma.
All rights reserved.
First Author:
Nama : Sinta Yusnita Purba Kampus : STMIK Triguna Dharma Program Studi : Sistem Informasi Journal homepage: https://ojs.
E-Mail
P-ISSN : 1978-6603
E-ISSN : 2615-3475
: sintayusnita09@gmail.
PENDAHULUAN
Udang adalah Binatang yang mudah ditemukan karena dapat hidup disungai, laut, sawah atau Membudidayakan udang dengan menggunakan sebuah lahan seperti kolam disebut Tambak Udang.
Dikarenakan banyak sekali peminat udang untuk dibuat berbagai macam olahan, jadi semakin banyak pula permintaan udang dipasaran.
Oleh karena itu banyak sekali masyarakat yangingin membudidayakan udang tambak salah satunya seperti UD.
Tambak Kusuma Jaya.
Melihat samkin banyak nya persaingan dalam berbisnis udang tambak didaerah pangkalan susu .
UD.
Tambak Kusuma Jaya ingin melakukan inovasi baru untuk usahanya.
Selain itu.
UD.
Tambak Kusuma Jaya memiiki Permasalahan seperti penurunan jumlah produksi dikibatkan karena cuaca dan iklim yang mengakibatkan udang mengalami infeksi penyakit sehingga udang harus dipanen sebelum waktunya .
UD.
Tabak Kusuma Jaya juga mengalami panjualan yang nak turun diakibatkan permintaan pasar seperti ukuran udang yang harus distok di pasar mengakibatkan penurunan harga pada penjualan.
Hal ini dapat mengalami kerigian ataupun hanya balik modal bagi UD.
Tambak Kusuma Jaya.
Dari permasalahan yang ada maka dibutuhkan untuk mengestimasi penjualannya, untuk tahun berikutnya.
Estimasi penjualan pada UD.
Tambak Kusuma Jaya sangat diperlukan.
Agar UD.
Tambak Kusuma Jaya dapat memperkirakan penjualan di tahun berikutnya.
Sehingga UD.
Tambak Ksuma Jaya dapat mempersiapkan jumlah bibit, melakukan persiapan untuk menghadapi cuacaagar tidak mengalami banjir saat mulai memasukkan benur .
ibit udan.
pada tambak, melihat permintaan/stok pada pasar, serta melihat harga pasar agar tidak mengalami kerugian atau meminimalisir kerugian yang mungkin tejadi.
Data Mining sebagai bidang keilmuan dapat digunakan untuk mengestimasi penjualan pada UD.
Tambak Kusuma Jaya.
Data Mining adalah suatu proses menemukan hubungan yang berarti, pola, dan kecenderungan dengan memeriksa dalam sekumpulan besar data yang tersimpan dengan menggunakan teknik pengenalan pola seperti teknik statistik dan matematika.
Ada beberapa metode serta algoritma-algoritma data mining yang dimanfaatkan untuk mengekstrak informasi data antara lain : metode asosiasi, metode clustering, metode klasifikasi, metode prediksi, dan metode eliminasi .
METODE PENELITIAN .
1 Udang Tambak Udang Tambak adalah udang yang dibudiidayakan oleh masyarakat dengan menggunakan sebuah kolam yang disebut tamak udang.
Macam-macam udang tambak sangatlah banyak salah satunya ialah udang galah, udang kipas, udang jerbung, udang peci, udang vanname, dan lain-lain salah satu jenis udang yang berpotensi untuk dibudidayakan ialah udang vanname.
Udang Vananme adalah saah satu udang yang mempunyai nilai ekonomis dan merupakan jenis udang alternatif yang dapat dibudayakan di Indonesia, disamping udang windu dan udang putih.
Udang vanname tergolong mudah untuk dibudidayakan.
Hal itu pula yang membuat para petambak udang di tanah air beberapa tahun terakhir banyak yang mengusahakannya .
2 Knowledge Discovery in Database (KDD) Knowledge Discovery in Database (KDD) merupakan metode untuk memperoleh pengetahuan dari database yang ada.
Dalam database terdapat tabel Ae tabel yang saling berhubungan / berelasi.
Hasil pengetahuan yang diperoleh dalam proses tersebut dapat digunakan sebagai basis pengetahuan .
nowledge bas.
untuk keperluan pengambilan keputusan.
Istilah Knowledge Discovery in Database (KDD) dan data mining seringkali digunakan secara bergantian untuk menjelaskan proses penggalian informasi tersembunyi dalam suatu basis data yang besar.
Sebenarnya kedua istilah tersebut memiliki konsep yang berbeda, tetapi berkaitan satu sama lain, dan salah satu Jurnal SAINTIKOM Vol.
No.
April 2020: Ae
Jurnal SAINTIKOM
P-ISSN : 1978-6603 E-ISSN : 2615-3475
tahapan dalam keseluruhan proses KDD adalah data mining.
Proses KDD secara garis besar dapat dilihat pada 2 .
(Sumber : Yuli Mardi : .
Gambar 2.
1 : Tahapan dalam KDD Tahapan proses KDD terdiri dari :
Data Selection Pada proses ini diciptakan pemilihan .
data dari sekumpulan data operasional perlu dilakukan sebelum tahap penggalian informasi dalam Knowledge Discovery in Database (KDD) dimulai.
Data hasil seleksi yang akan digunakan untuk proses data mining, disimpan dalam suatu brkas terpisah dari data operasional.
Pre-processing/Cleaning Sebelum proses data mining dapat dilaksanakan, perlu dilakukan proses cleaning pada data yang menjadi fokus Knowledge Discovery in Database (KDD).
Proses cleaning mencakup antara lain membuang duplikasi data, memeriksa data yang inkonsisten, dan memperbaiki kesalahan pada data, seperti kesalahan cetak.
Transformation Coding adalah proses transformasi pada data yang telah dipilih, sehingga data tersebut sesuai untuk proses data Proses coding dalam Knowledge Discovery in Database (KDD) merupakan proses kreatif dan sangat tergantung pada jenis atau pola informasi yang akan dicari dalam basis data.
Data Mining Data mining adalah proses mencari pola atau informasi menarik dalam data terpilih dengan menggunakan teknik atau metode tertentu.
Teknik-teknik, metode-metode, atau algoritma dalam data mining sangat Pemilihan metode atau algoritma yang tepat sangat bergantung pada tujuan dari proses Knowledge Discovery in Database (KDD) secara keseluruhan.
Interpretation / Evaluation Pola informasi yang dihasilkan dari proses data mining perlu ditampilkan dalam bentuk yang mudah dimengerti oleh pihak yang berkepentingan.
Tahap ini merupakan bagian dari proses Knowledge Discovery in Database (KDD) yang disebut Interpretation.
3 Data Mining Data Mining merupakan proses iterative dan interaktif untuk mengetahui pola atau model baru yang sempurna, bermanfaat dan dapat dimengerti dalam suatu database yang sangat besar.
Data mining adalah pemecahan masalah dengan menganalisa data yang telah ada sebelumnya, dan didefenisikan sebagai proses dari penemuan pola pada suatu data .
4 Algoritma Regresi Linier Berganda Regresi Linier Berganda merupakan satu cara prediksi yang menggunakan garis lurus untuk menggambarkan hubungan diantara dua variabel atau lebih.
Variabel adalah besaran yang dapat berubah-ubah nilainya.
Selanjutnya variabel itu terbagi dua jenis yaitu variabel pemberi pengaruh dan variabel terpengaruh .
Maka untuk mengestimasi penjualan udang tambak berdasarkan jumlah panen, jumlah permintaan dan curah hujan pada UD.
Tambak Ksuma Jaya maka pada penelitian ini diguakan persamaan berikut :
Title of manuscript is short and clear, implies research results (First Autho.
A P-ISSN : 1978-6603
E-ISSN : 2615-3475
OcY= na b1OcX1 b2OcX2 b3OcX3 Keterangan :
Y = Variabel Terikat .
a = Konstanta X = Variabel Bebas .
b = Koefisien Regresi Untuk memperoleh koefisien regresi a, b1, b2 dan b3 dapat diperoleh dengan cara simultan dari tiga persamaan sebagai berikut:
OcY=na b1OcX1 b2OcX2 b3OcX3 OcX1Y= aOcX1 b1OcX12 b2OcX1X2 b3OcX1X3 OcX2Y = aOcX2 b1OcX1X2 b2OcX22 b3OcX2X3 OcX3Y = aOcX3 b1OcX1X3 b2OcX2X3 b3OcX32 ANALISA DAN HASIL .
Analisa sebuah analisis permasalahan sebagai proses awal yang harus dilaksanakan untuk menentukan permasalahan sebagai objek penelitian.
Tahap ini sangat dibutuhkan karena proses analisa yang kurang akurat akan menyebabkan hasil dari pengembangan suatu perangkat lunak menjadi tidak sesuai dengan yang di harapkan.
Proses ini harus benar-benar sesuai dengan keingininan pihak pengguna agar pengembangan perangkat lunak tersebut akan memuaskan dan berdayaguna.
Dalam penyusunan skripsi ini dilakukan sebuah penelitian yang bertujuan untuk mengetahui jumlah panen, jumlah permintaan.
Harga jual, yang mana setiap panenya memiliki hasil penjualan yang naik turun.
Untuk penyelesaian permasalahan yang terjadi maka digunakan bidang keilmuan Data Mining untuk menganalisa datanya.
Dalam penelitian ini digunakan sebuah metode yang terdapat dalam Data Mining yaitu metode regresi linier berganda yang diharapkan hasil perhitungannya mampu mengestimasi jumlah penumpang berdasarkan variabel yang berkaitan.
Dari hasil pengamatan maka didapat variabel yang mempengaruhi naik turunnya penjualan yaitu jumlah panen, jumlah permintaan, harga jual.
Oleh karena itu jumlah panen dijadikan sebagai variabel .
CA).
Jumlah permintaan dijadikan sebagai variabel .
CC), harga jual dijadikan sebagai variabel .
CE), sedangkan jumlah penjualan udang dijadikan sebagai variabel .
atau variabel yang dipengaruhi.
Mengumpulkan data real kedalam bentuk tabel Variabel yang diinputkan merupakan data asli dari UD.
Tambak Kusuma Jaya.
Data yang akan diolah mulai tahun 2014-2019.
Data yang dikumpulkan berupa jumlah panen, jumlah permintaan, harga jual, dan jumlah penjualan udang.
Tabel 3.
1 Data hasil penjualan udang tambak Tanggal Panen Produksi Permintaan Harga Jual Penjualan Januari 2014 152 kg 200 kg Rp 40.
150 kg Jurnal SAINTIKOM Vol.
No.
April 2020: Ae
Jurnal SAINTIKOM
P-ISSN : 1978-6603 E-ISSN : 2615-3475
April 2014 134 kg 100 kg Rp 44.
127 kg Juli 2014 260 kg 300 kg Rp 39.
250 kg Oktober 2014 112 kg 100 kg Rp 45.
107 kg Februari 2015 163 kg 100 kg Rp 42.
156 kg April 2015 175 kg 200 kg Rp 40.
160 kg Juli 2015 210 kg 300 kg Rp 45.
200 kg Oktober 2015 143 kg 100 kg Rp 30.
139 kg Januari 2016 158 kg 200 kg Rp 41.
149 kg April 2016 132 kg 100 kg Rp 40.
127 kg Juni 2016 93 kg 100 kg Rp 25.
85 kg Oktober 2016 130 kg 100 kg Rp 48.
125 kg Februari 2017 292 kg 300 kg Rp 42.
286 kg April 2017 460 kg 300 kg Rp 47.
450 kg Agustus 2017 425 kg 200 kg Rp 41.
410 kg Januari 2018 535 kg 300 kg Rp 43.
520 kg April 2018 613 kg 200 kg Rp 50.
600 kg Juli 2018 470 kg 400 kg Rp 41.
450 kg Januari 2019 865 kg 400 kg Rp 45.
850 kg 520 kg 500 kg Rp 44.
500 kg 2 Menghitung Koefisien Regresi Koefisien regresi adalah hal penting dalam menganalisa regresi.
Manfaat dari koefisien regresi adalah untuk membentuk model persamaan regresi pada suatu masalah yang di teliti.
Menghitung koefisien regresi ada dua cara yaitu dengan cara perhitungan matematika biasa dan menghitung menggunakan software statistic (SPSS), namun hasil dari menghitung dengan aplikasi dan manual harus sama atau setidaknya menghasilkan nilai yang medekati Tabel 3.
2 Koefisien Regresi Untuk Variabel X1.
X2.
X3.
X1 * Y
X1 * Y
Rp 40.
Rp 44.
Rp 39.
Title of manuscript is short and clear, implies research results (First Autho.
A P-ISSN : 1978-6603
E-ISSN : 2615-3475
Rp 45.
Rp 42.
Rp 40.
Rp 45.
Rp 30.
Rp 41.
Rp 40.
Rp 25.
Rp 48.
Rp 42.
Rp 47.
Rp 41.
Rp 43.
Rp 50.
Rp 41.
Rp 45.
Rp 44.
Total Rp 40.
Tabel 3.
3 Koefisien Regresi Untuk Variabel X2 * Y.
X3 * Y,Y2.
X1 2,X22 X2 * Y
X3 * Y
X12
X22
Jurnal SAINTIKOM Vol.
No.
April 2020: Ae
Jurnal SAINTIKOM
P-ISSN : 1978-6603 E-ISSN : 2615-3475
Total Tabel 3.
4 Koefisien Regresi Untuk Variabel X32 .
X1.
X2.
X1.
X3.
X2.
X32
X1.
X1.
X2.
Title of manuscript is short and clear, implies research results (First Autho.
A P-ISSN : 1978-6603
E-ISSN : 2615-3475
Total Menyederhanakan Persamaan Regresi Linier Dari perhitungan koefisien Regresi Linier Berganda diatas maka,Selanjutnya pembuatan persamaan linear antara lain sebagai berikut :
Untuk persamaan OcY=na b1OcX1 b2OcX2 b3OcX3dan koefisien regresi, hasilnya sebagai berikut :
5841 = 20a 6042 b1 4500 b2 832000b3.
Untuk persamaan OcX1Y= aOcX1 b1OcX12 b2OcX1X2 b3OcX1X3dan koefisien regresi, hasilnya sebagai berikut 2614080 =6042a 2689892 b1 1716400 b2 261104000b3a.
Untuk persamaan OcX2Y= aOcX2 b1OcX1X2 b2OcX22 b3OcX2X3dan koefisien regresi, hasilnya sebagai berikut 1662200 =4500a 1716400 b1 1290000 b2 191000000b3a.
Untuk persamaan OcX3Y = aOcX3 b1OcX1X3 b2OcX2X3 b3OcX32 dan koefisien regresi, hasilnya sebagai berikut 252621000 = 832000a 261104000 b1 191000000 b2 35226000000b3a.
Selanjutnya melakukan proses eliminasi antara persamaan .
6042 b1 4500 b2 832000b3a.
= 20a = 6042a 2689892 b1 1716400 b2 261104000b3a.
= 20a = 6042a 2689892 b1 1716400 b2 261104000b3AA.
X 20
=120840a 36505764b1 27189000b2 5026944000b3 = 120840a 53797840b1 34328000b2 5222080000b3 6042 b1 4500 b2 832000b3a.
X 6042
Ae 17292076b1 Ae 7139000 b2 Ae 195136000 b3 a.
Jurnal SAINTIKOM Vol.
No.
April 2020: Ae
Jurnal SAINTIKOM
P-ISSN : 1978-6603 E-ISSN : 2615-3475
Kemudian melakukan proses eliminasi antara persamaan .
6042 b1 4500 b2 832000b3a.
= 20a = 4500a 1716400 b1 1290000 b2 19100000b3a.
= 20a = 4500a 1716400 b1 1290000 b2 19100000b3A.
X 20
= 90000a 27189000 b1 20250000 b2 3744000000b3a.
= 90000a 34328000b1 25800000 b2 3820000000b3A.
6042 b1 4500 b2 832000b3a.
X 4500 Ae 7139000b1Ae 5550000 b2 Ae 76000000 b3 a.
Kemudian melakukan proses eliminasi antara persamaan .
6042 b1 4500 b2 5081b3a.
= 20a = 832000a 261104000b1 19100000 b2 3522600000b3a.
= 20a = 832000a 261104000b1 19100000 b2 3522600000b3a.
X 20 = 16640000a 5026944000b1 3744000000 b2 692224000000b3a.
= 16640000a 5222080000b1 3820000000 b2 70450000000b3AA.
6042 b1 4500 b2 832000b3a.
X 832000 Ae 195136000b1 -760000002 Ae 1229600000b3 A.
Setelah melakukan proses eliminasi antara persamaan .
sampai dengan .
, maka diperoleh persamaan baru yaitu sebagai berikut:
=Ae 17292076b1 Ae 7139000 b2 Ae 195136000 b3 a.
=Ae 7139000b1 Ae 5550000 b2 Ae 76000000b3 a.
= Ae 195136000b1 -760000002 Ae 1229600000b3 A.
Kemudian melakukan proses eliminasi antara persamaan .
=Ae 17292076 b1 Ae 7139000 b2 Ae 195136000 b3 a.
= Ae 7139000b1 Ae 5550000 b2 Ae76000000b3 a.
121293594642000 =123448130564000b1 50965321000000 b2 1393075904000000b3a.
X Ae 7139000 120344202922000= 123448130564000b1 95971021800000b2 1314197776000000 b3a.
X Ae 17292076 949391720000 =0 b1 - 45005700800000 b2 - 78878128000000 b3a.
Kemudian melakukan proses eliminasi antara persamaan .
= Ae 7139000b1 Ae 5550000 b2 Ae 76000000 b3 a.
= Ae 195136000b1 -760000002 Ae 1229600000b3 A.
Title of manuscript is short and clear, implies research results (First Autho.
A P-ISSN : 1978-6603
E-ISSN : 2615-3475
= 1393075904000000b1 1083004800000000 b2 1483033600000000b3 a.
1375742412000000= 1393075904000000b1 542564000000000b2 87781144000000000b3 A.
X Ae 7139000 5879232491000 = 1393075904000000b1 4688517900000b2 64203128000000b3 a.
6085419241000=1393075904000000b1 3051922500000b2 4999388928512000000b3 a.
-17693420000000 = 0 b1 540440800000000 b2 -72950808000000000 b3 a.
Setelah melakukan proses eliminasi antara persamaan .
sampai dengan .
, maka diperoleh persamaan baru yaitu sebagai berikut:
949391720000 = - 45005700800000 b2 - 78878128000000 b3a.
-17693420000000 = 540440800000000 b2 -72950808000000000 b3 a.
Kemudian melakukan proses eliminasi antara persamaan .
949391720000 =-45005700800000 b2 78878128000000 b3a.
-17693420000000 = 540440800000000 b2 -72950808000000000 b3 a.
949391720000 =- 45005700800000 b2 78878128000000 b3AA.
X 540440800000000
-17693420000000 = 540440800000000 b2 -72950808000000000 b3 a.
X- 45005700800000 -24322916944912600000000000000b2 42628958598822400000000000000b3.
=-24322916944912600000000000000b2 3283202237966250000000000000000b3 .
-283214745978560000000000000=0b2 Ae3240573279367420000000000000000b3A.
Dari persamaan .
maka di dapat di peroleh nilai b3dengan cara berikut :
Ae3240573279367420000000000000000b3= -283214745978560000000000000
=-283214745978560000000000000/ Ae3240573279367420000000000000000
= 0,000087396
Kemudian untuk mendapatkan nilai b2 maka hasil dari b3 di masukkan ke persamaan .
atau persamaan .
, dalam hal ini menggunakan persamaan .
sebagai berikut:
Untuk b3= 8,73965E-05 dan persamaan .
949391720000 =-45005700800000 b2 78878128000000 b3a.
Jurnal SAINTIKOM Vol.
No.
April 2020: Ae
Jurnal SAINTIKOM
P-ISSN : 1978-6603 E-ISSN : 2615-3475
949391720000 =-45005700800000 b2 ( 78878128000000 * 8,73965E-.
949391720000 =-45005700800000 b2 6893671909 a.
-45005700800000 b2=949391720000 - 6893671909 a.
-45005700800000 b2=942498048091 a.
b2=942498048091 /-45005700800000 a.
b2 = -0.
Kemudian untuk menghasilkan nilai b1 maka hasil dari b2 dan b3 di masukkan ke persamaan .
atau persamaan .
, dalam hal ini menggunakan persamaan .
sebagai berikut:
Untuk b2 = -0.
021, b3 =8,73965E-05 dan persamaan .
=Ae 17292076 b1 - 7139000 b2 Ae195136000 b3 a.
=Ae17292076b1 Ae .
9000 * -0.
Ae .
136000 * 8,73965E-.
= Ae 17292076 b1 149503,1395 -17054,20242a.
= Ae 17292076 b1 132448,9371a.
Ae 17292076 b1 = -16990278 - 132448,9371a.
Ae 17292076 b1=-17122726,94a.
b1=Ae 17292076 /- 17122726,94a.
b1 = 0.
Kemudian untuk mendapatkan nilai c maka hasil dari b1, b2 , b3 di masukkan ke persamaan .
, dalam hal ini menggunakan persamaan .
sebagai berikut:
Untuk b1 = 0.
990,b2= -0.
021, b3 = 8,73965E-05 dan persamaan .
= 20a 6042 b1 4500 b2 832000b3a.
= 20a .
2 * 0.
0 * -0.
1 * 8,73965E-.
= 20a
5982,827982 -94,23786634
72,71388373a.
= 20a 5961,303999a.
= 5841 - 5961,303999
= -120,3039991
=20/-120,3039991a.
=-6,015a.
Title of manuscript is short and clear, implies research results (First Autho.
A P-ISSN : 1978-6603
E-ISSN : 2615-3475
Dari hasil perhitungan a, b1, b2, b3 di atas jika hasilnya dimasukkan ke dalam persamaan berikut :
Y = c bCAXCA bCCXCC b3 X3 Maka akan menghasilkan persamaan di bawah ini :
Y = -6,015199953 0,990206551bCA - 0,020941748XCC 8,73965E-05X3 KESIMPULAN Adapun beberapa kesimpulan-kesimpulan yang dapat diuraikan dari penelitian dan pengembangan yaitu adalah sebagai berikut :
Adapun beberapa kesimpulan-kesimpulan yang dapat diuraikan dari penelitian dan pengembangan yaitu adalah sebagai berikut :
Untuk mengestimasi udang tambak dengan menggunakan metode regresi linier berganda haruslah mencari varibelnya terlebih dahulu agar dapat menge Aplikasi Data Mining dengan Algoritma Regresi Linier Berganda dapat menjadikan sebuah sistem estimasi penjualan udang tambak menjadi lebih efisien dan secara tidak langsung dapat membangkitkan inovasi bagi pemilik lainnya yang berkecimpung di dunia pertambakan.
UCAPAN TERIMA KASIH
Puji syukur kehadirat Allah SWT atas izin-Nya yang telah melimpahkan rahmat dan karunia-Nya sehingga dapat menyelesaikan jurnal ilmiah ini.
Pada kesempatan ini diucapkan terima kasih yang sebesar-besarnya kepada kedua Orang Tua tercinta yang selama ini memberikan doAoa dan dorongan baik secara moril maupun materi sehingga dapat terselesaikan pendidikan dari tingkat dasar sampai bangku perkuliahan dan terselesaikannya jurnal Di dalam penyusunan jurnal ini, banyak sekali bimbingan yang didapatkan serta arahan dan bantuan dari pihak yang sangat mendukung.
Oleh karena itu dengan segala kerendahan hati, diucapkan terima kasih yang sebesarbesarnya kepada Bapak Rudi Gunawan.
SE.
Si.
, selaku Ketua Sekolah Tinggi Manajemen Informatika Dan Komputer (STMIK) Triguna Dharma Medan.
Bapak Dr.
Zulfian Azmi.
ST.
Kom.
, selaku Wakil Ketua I Bidang Akademik STMIK Triguna Dharma Medan.
Bapak Marsono.
Kom.
Kom.
, selaku Ketua Program Studi Sistem Informasi STMIK Triguna Dharma Medan.
Bapak Kamil Erwansyah.
Kom.
Kom.
, selaku Dosen Pembimbing I yang telah memberikan saran, arahan dan dukungannya serta motivasi, sehingga penelitian ini dapat terselesaikan dengan baik dan tepat waktu.
Bapak Jufri Halim.
SE.
MM.
, selaku Dosen Pembimbing II yang telah memberikan bimbingan tata cara penulisan, saran dan motivasi sehingga penelitian ini dapat terselesaikan dengan baik dan tepat Seluruh Dosen.
Staff dan Pegawai di STMIK Triguna Dharma Medan.
REFERENSI