IMPLEMENTASI WEIGHTED MOVING AVERAGE
PADA RANCANG BANGUN WEBSITE
SISTEM INFORMASI MANAJEMEN STOK
Alvin Febrianto1.
I Gde Agung Sri Sidhimantra2 Manajemen Informatika.
Fakultas Vokasi.
Universitas Negeri Surabaya Jl.
Ketintang.
Ketintang.
Kec.
Gayungan.
Kota Surabaya.
Jawa Timur 60231 21031@mhs.
2igdesidhimantra@unesa.
AbstrakAi UMKM Jaya Land Bakery menghadapi tantangan dalam manajemen stok bahan baku yang masih dilakukan secara manual.
Penelitian ini bertujuan membangun website sistem informasi manajemen stok dengan mengimplementasikan metode Weighted Moving Average (WMA) untuk memprediksi jumlah persediaan stok bahan baku roti, jumlah produksi roti, dan jumlah penjualan Metodologi pengembangan sistem menggunakan Rapid Application Development (RAD), sementara itu pengujian sistem menggunakan black box testing untuk fungsionalitas, dan Mean Absolute Percentage Error (MAPE) untuk pengukuran akurasi Hasil penelitian menunjukkan bahwa sistem berhasil dibangun dan seluruh fungsinya berjalan baik yang dibuktikan dengan hasil validitas 100% dari 43 skenario pengujian.
Pengujian akurasi MAPE menunjukkan hasil sangat baik dengan tingkat kesalahan untuk prediksi stok bahan baku berada pada rentang 3,93% hingga 6,26%, prediksi jumlah produksi mencapai 1,14% untuk roti paris keju dan 1,10% untuk roti paris coklat, serta prediksi penjualan yang juga akurat dengan nilai 1,22% dan 1,24% untuk produk yang sama.
Kata kunciAi Weighted Moving Average.
Rapid Application Development.
Sistem Informasi Manajemen Stok.
Website.
UMKM.
AbstrakAi UMKM Jaya Land Bakery faces challenges in managing raw material stock, which is still done manually.
This research aims to build a website-based stock management information system by implementing the Weighted Moving Average (WMA) method to predict the inventory of bread raw materials, production quantities, and sales volumes.
The system development methodology uses Rapid Application Development (RAD), while the system is tested using black box testing for functionality and prediction accuracy is measured using Mean Absolute Percentage Error (MAPE).
The research results show that the system was successfully built and all its functions work correctly, as proven by a 100% validity result from 43 testing scenarios.
MAPE accuracy testing reveals excellent results with the error rate for raw material stock prediction ranging 93% to 6.
26%, production quantity prediction reaching 14% for cheese paris bread and 1.
10% for chocolate paris bread, and sales prediction showing similar accuracy with values of 1.
24% for the respective products.
Kata kunciAi Weighted Moving Average.
Rapid Application Development.
Stock Management Information System.
Website.
UMKM.
PENDAHULUAN
Sektor Usaha Mikro.
Kecil, dan Menengah (UMKM) memegang posisi strategis sebagai salah satu penopang stabilitas ekonomi di Indonesia, terutama lewat kontribusinya dalam penyerapan tenaga kerja dan peningkatan Produk Domestik Bruto (PDB).
Merujuk pada statistik yang dirilis oleh Badan Pusat Statistik (BPS) dan Kementerian Koperasi dan UKM tercatat bahwa mayoritas usaha, mencapai 99% didominasi oleh usaha berskala kecil .
Sumbangsih sektor ini terhadap PDB mengalami kenaikan yang positif dari angka 57,84% menjadi 60,34% .
Kendati demikian, sektor ini masih dihadapkan pada sejumlah hambatan, yaitu terkait integrasi teknologi yang belum optimal.
Data menunjukkan bahwa hanya sekitar 19% atau setara dengan 12 juta UMKM yang telah tergabung dalam ekosistem digital .
Penelitian oleh .
menunjukkan bahwa implementasi sistem informasi manajemen berbasis website dapat mempermudah pencatatan dan pengelolaan stok secara signifikan dibandingkan dengan metode manual.
UMKM Jaya Land Bakery sebagai studi kasus dalam penelitian ini adalah usaha UMKM roti yang saat ini masih mengandalkan metode pencatatan manual dalam operasional.
Praktik ini seringkali menghasilkan ketidakakuratan data persediaan, kesulitan dalam memprediksi kebutuhan, dan potensi kerugian finansial.
Oleh karena itu, implementasi website sistem informasi manajemen stok yang didukung oleh metode prediksi sangat relevan dan diperlukan untuk mengatasi permasalahan yang dihadapi.
Prediksi adalah metode untuk mengestimasi kondisi di masa mendatang dengan berpijak pada rekam jejak data masa lalu .
Dalam konteks bisnis, prediksi membantu perusahaan mengantisipasi kebutuhan pasar dan membuat keputusan strategis yang lebih tepat .
Metode Weighted Moving Average (WMA) dapat dipilih sebagai solusi prediksi.
Metode deret waktu ini bekerja dengan memberikan penekanan bobot yang lebih dominan pada data periode terakhir dibandingkan data yang sudah lama .
Pendekatan ini diambil dengan dasar pemikiran bahwa data terkini memiliki tingkat relevansi yang lebih tinggi serta lebih peka terhadap dinamika pergeseran tren permintaan .
Penggunaan WMA memberikan fleksibilitas lebih dalam merespons dinamika pasar yang pada akhirnya menghasilkan estimasi yang lebih presisi .
Adapun proses rancang bangun sistem dalam penelitian ini mengadopsi Rapid Application Development (RAD).
Tahap evaluasi sistem mencakup dua aspek: penggunaan Mean Absolute Percentage Error (MAPE) sebagai tolok ukur ketepatan prediksi, serta black box testing untuk memvalidasi kelayakan fungsi fitur.
Kehadiran sistem ini diharapkan mampu menjadi jawaban bagi UMKM Jaya Land Bakery dalam melakukan transformasi digital.
II.
TINJAUAN PUSTAKA
UMKM
Istilah UMKM merujuk pada kegiatan ekonomi produktif yang dijalankan secara independen, baik oleh satu orang maupun kelompok yang dapat berbadan hukum seperti PT atau sekadar usaha perseorangan .
Dalam klasifikasinya, sebuah bisnis disebut sebagai usaha kecil apabila beroperasi secara otonom dan terbebas dari kendali atau afiliasi dengan korporasi yang lebih besar .
Sementara itu, kriteria pembeda utama usaha menengah terletak pada kapasitas finansialnya, meskipun sama-sama berdiri sendiri, usaha menengah mencatatkan kekayaan bersih dan pendapatan tahunan yang lebih tinggi daripada kategori usaha kecil .
Sistem Informasi Sistem informasi merupakan elemen penting bagi organisasi untuk mengelola dan memanfaatkan data secara efisien dalam mencapai tujuan .
Pengembangan sistem informasi menggunakan berbagai pendekatan untuk menentukan platform tempat sistem dijalankan.
Dengan web, keterhubungan data menjadi lebih mudah sehingga meningkatkan efisiensi operasional bisnis .
Rapid Application Development Metodologi pengembangan software RAD berfokus pada pembuatan prototipe secara iteratif dengan umpan balik yang konstan dari pengguna.
Tujuan utama dari RAD adalah untuk mempercepat siklus pengembangan dan melibatkan pengguna secara aktif dalam proses desain sistem .
Weighted Moving Average WMA merupakan teknik forecasting yang dirancang untuk mengestimasi nilai di masa mendatang melalui kalkulasi ratarata data historis yang diberi bobot secara bervariasi.
Prinsip dasar metode ini adalah mengalokasikan prioritas bobot yang lebih dominan pada data periode terbaru.
Pendekatan ini bertujuan agar hasil proyeksi menjadi lebih responsif terhadap dinamika atau fluktuasi tren terbaru yang terjadi .
Ocycuyc=1.
ayc y yc.
WMA = Ocyca .
a1 y yca1 ) .
a2 y yca2 ) U .
aycu y ycaycu ) WMA = yca1 yca2 U ycaycu Keterangan:
Dt : Data aktual pada waktu ke-t.
: Penunjuk periode waktu.
: Banyaknya periode historis dalam perhitungan.
: Nilai pembobotan pada setiap periode.
b : Total dari semua nilai bobot.
Mean Absolute Percentage Error MAPE berfungsi mengukur tingkat ketepatan prediksi dengan mengkalkulasi rata-rata deviasi persentase mutlak antara hasil proyeksi terhadap data riil.
Prinsip dasarnya adalah semakin minim angka MAPE, maka semakin tinggi pula presisi dari metode peramalan yang diterapkan .
cUyc Oe yay.
APE = | | y 100% ycUyc Keterangan:
: Data aktual pada waktu ke-t.
: Data hasil prediksi pada waktu ke-t.
: Nilai absolut .
engabaikan tanda negati.
100% : Konversi hasil akhir menjadi persentase.
u yaycEy.
MAPE = ycu Keterangan:
APE : Penjumlahan dari semua nilai APE.
: Jumlah total periode di mana APE dihitung.
Black Box Testing Black box testing didefinisikan sebagai teknik validasi perangkat lunak yang menitikberatkan pada aspek output, tanpa meninjau kode di dalamnya.
Prioritas utama dari pendekatan ini adalah untuk mendiagnosis berbagai kecacatan sistem, meliputi kegagalan fungsi, dan ketidaksesuaian pada antarmuka .
METODE PENELITIAN
Identifikasi Masalah Alur penelitian dimulai dengan tahap identifikasi masalah yang melibatkan proses observasi, wawancara, dan dokumentasi untuk memahami permasalahan yang ada di UMKM Jaya Land Bakery.
Observasi Kegiatan observasi dilaksanakan guna memperoleh gambaran nyata mengenai alur kerja yang berjalan dengan melibatkan pengamatan terhadap aktivitas operasional, seperti produksi roti dan pengelolaan serta pencatatan stok.
Wawancara Wawancara dilakukan untuk mengumpulkan data secara langsung dari narasumber serta mendapatkan informasi mendalam mengenai permasalahan yang Berdasarkan wawancara, diketahui UMKM Jaya Land Bakery membutuhkan sistem informasi manajemen yang mempermudah pengelolaan data sekaligus mampu memprediksi jumlah persediaan stok bahan baku, jumlah produksi, dan penjualan secara akurat.
Dokumentasi Tahapan pemetaan masalah dalam studi ini mengandalkan kombinasi observasi dan wawancara yang diperkuat dengan adanya dokumentasi foto yang relevan.
Proses dokumentasi ini bertujuan untuk memastikan semua informasi yang diperoleh terekam dengan baik.
Studi Literatur Tahapan studi literatur dilaksanakan guna menyusun kerangka teoretis yang kokoh terkait implementasi metode WMA dalam perancangan sistem.
Studi literatur ini melibatkan pengumpulan data sekunder yang dikumpulkan dari berbagai literatur seperti jurnal ilmiah, prosiding konferensi, dan penelitian sebelumnya yang relevan.
Pengumpulan Data Pengumpulan data memegang peranan krusial dalam penelitian untuk memperoleh informasi yang valid dan relevan guna mendukung tercapainya tujuan penelitian.
Data primer bahan baku yang diperoleh adalah tepung terigu, ragi, telur, gula, margarin, keju, dan coklat.
Sedangkan data primer produk yaitu roti paris keju dan roti paris coklat.
Gambar 1 mengilustrasikan hubungan antara admin dengan sistem.
Admin dapat berinteraksi dengan berbagai fungsi seperti mengakses dashboard, mengelola data bahan baku, stok, produk, produksi, penjualan, melakukan prediksi, serta mengakses profil Activity Diagram Mengelola Data Stok Tabel 1 Pengumpulan Data Kebutuhan Data Jenis Data Riwayat data Primer stok bahan baku Riwayat data Primer produksi produk Riwayat data Primer penjualan produk Sumber Metode Pengumpulan UMKM Jaya Land Bakery UMKM Jaya Land Bakery UMKM Jaya Land Bakery Wawancara Wawancara Wawancara Tahapan Metodologi Rapid Application Development Kebutuhan Fungsional Seorang admin memiliki 8 hak akses dalam sistem, diawali dengan proses login agar admin dapat mengakses Admin memiliki wewenang untuk mengelola data bahan baku, data stok, serta melakukan prediksi untuk stok, produksi, dan penjualan.
Selain itu, admin juga dapat mengelola data produk, data produksi, dan data penjualan.
Terakhir, admin dapat mengelola profil akun.
Kebutuhan Non Fungsional Sistem ini memiliki 4 aspek.
Pertama, segi keamanan, sistem dilengkapi dengan mekanisme autentikasi melalui login untuk membatasi akses pengguna.
Kedua, aspek kinerja, tampilan data dan informasi pada sistem akan diperbarui secara real-time.
Ketiga, portabilitas, sistem ini dirancang agar dapat diakses melalui berbagai browser modern serta memiliki tampilan responsif yang dapat menyesuaikan dengan ukuran layar perangkat.
Terakhir, usability, antarmuka sistem dikembangkan agar intuitif dan mudah dipahami oleh pengguna.
Desain Sistem Use Case Diagram Gambar 1 Use Case Diagram Gambar 2 Activity Diagram Mengelola Data Stok Gambar 2 menunjukkan alur penambahan, pengeditan, dan penghapusan data oleh admin di dalam sistem website dalam pengelolaan data stok.
Activity Diagram Melakukan Prediksi Gambar 3 Activity Diagram Melakukan Prediksi Gambar 3 menunjukkan alur pembuatan prediksi stok, produksi, atau penjualan oleh admin di dalam sistem website.
Sequence Diagram Mengelola Data Stok Gambar 5 Sequence Diagram Melakukan Prediksi Class Diagram Gambar 6 Class Diagram Gambar 4 Sequence Diagram Mengelola Data Stok Gambar 4 tersebut menggambarkan alur interaksi seorang admin dengan sistem website dan database dalam pengelolaan data stok.
Sequence Diagram Melakukan Prediksi Gambar 5 berikut mengilustrasikan interaksi admin dengan sistem website dan database untuk melakukan prediksi stok, produksi, dan penjualan.
Gambar 6 memodelkan arsitektur software sistem.
Setiap kotak adalah kelas yang mendefinisikan objek dengan atribut .
dan metode .
erilaku/fungs.
Pengembangan Sistem Setelah desain sistem selesai, tahap selanjutnya adalah pengembangan sistem.
Pada fase ini, semua diagram yang telah dibuat menggunakan UML akan diimplementasikan ke dalam bentuk kode program.
Tahapan Metode Weighted Moving Average Pengumpulan Data Historis Tahap awal adalah mengumpulkan data persediaan bahan baku, jumlah produksi, dan jumlah penjualan.
Adapun rentang waktu pengambilan data yang dijadikan acuan dalam penelitian ini terhitung sejak Juni 2024 sampai dengan Mei 2025.
Data ini menjadi dasar untuk melakukan perhitungan pada prediksi menggunakan metode WMA.
Penentuan Panjang Periode Prediksi .
Tahap ini menentukan jumlah periode data historis .
yang akan digunakan dalam setiap perhitungan WMA.
Pada penelitian ini, panjang periode yang dipilih .
adalah tiga bulan.
Pemilihan periode ini didasarkan pada pertimbangan agar prediksi cukup responsif terhadap perubahan terbaru, namun tetap memperhitungkan pola historis dalam jangka waktu yang relevan.
Perancangan Skenario Pembobotan Metode WMA memberikan bobot yang berbeda pada setiap data historis dalam jendela n periode yang digunakan untuk prediksi.
Sesuai dengan n=3 yang telah ditentukan sebelumnya, maka digunakan tiga bobot.
Pemberian nilai bobot ini dapat disesuaikan dengan ketentuan umum bahwa total nilai bobot desimal adalah satu untuk menyederhanakan perhitungan.
Untuk mendapatkan konfigurasi bobot paling optimal, dilakukan perbandingan akurasi menggunakan metode MAPE.
Nilai eror terkecil mengindikasikan set bobot terbaik untuk prediksi.
Tiga skenario bobot dievaluasi:
Skenario bobot A .
: Memberikan bobot tertinggi pada data terbaru .
, diikuti oleh data periode sebelumnya .
, dan bobot terendah untuk data terlama .
Skenario bobot B .
: Memberikan penekanan lebih kuat pada data terbaru dibandingkan skenario A.
Skenario bobot C .
: Memberikan penekanan paling agresif pada data terbaru untuk menguji responsivitas terhadap tren terkini.
Prosedur Perhitungan Weighted Moving Average Setelah data historis terkumpul dan bobot ditentukan, perhitungan WMA dilakukan dengan panjang periode n=3.
Prediksi pertama dimulai pada periode ke-4 .
etelah tersedia data 3 periode awa.
dan perhitungan dilanjutkan secara bergulir untuk periode-periode berikutnya.
Pengujian Sistem Tahap evaluasi perangkat lunak dalam penelitian ini menerapkan black box testing dan MAPE.
Kedua langkah ini diambil guna menjamin bahwa seluruh fitur berfungsi dengan baik serta memastikan tingkat presisi prediksi yang dihasilkan sehingga sistem selaras dengan kebutuhan pengguna.
IV.
HASIL DAN PEMBAHASAN
Implementasi Sistem Halaman Bahan Baku Halaman bahan baku berfungsi sebagai pusat pengelolaan data, menampilkan informasi kode, nama, dan detail bobot WMA.
Pengguna dapat menambah, mengedit, mencari, dan menghapus data, serta melakukan pengurutan .
pada tabel.
Gambar 7 Halaman Bahan Baku Halaman Stok Halaman stok menyajikan tabel ketersediaan bahan baku per periode waktu secara detail.
Pada halaman ini, pengguna dapat menambah, mengedit, mencari, memfilter, dan menghapus data stok, serta mengatur jumlah tampilan data per halaman.
Gambar 8 Halaman Stok Halaman Produksi Halaman produksi menyajikan tabel historis jumlah produk yang dihasilkan per periode.
Pada halaman ini, pengguna dapat menambah, mengedit, mencari, memfilter, dan menghapus data produksi, serta pengaturan paginasi.
Gambar 9 Halaman Produksi Halaman Prediksi Halaman prediksi menerapkan metode WMA .
eriode 3 bula.
untuk memprediksi kebutuhan stok, produksi, dan Melalui tab yang tersedia, pengguna dapat membuat prediksi baru, melihat perhitungan dan hasil secara detail, serta melakukan pencarian, pencetakan, dan penghapusan data.
Gambar 10 Halaman Prediksi Halaman penjualan memfasilitasi pengelolaan data melalui tab transaksi dan historis.
Pengguna dapat menambah, mengedit, mencari, memfilter, mencetak, serta menghapus data penjualan dengan mudah.
Khusus tab historis, data disajikan sebagai rekapitulasi detail jumlah produk yang terjual per periode waktu.
Implementasi Metode Weighted Moving Average Penentuan Bobot Optimal untuk Setiap Periode Pada tahap ini dilakukan evaluasi terhadap tiga skenario bobot .
obot A.
B, dan C) untuk menentukan konfigurasi yang paling akurat.
Evaluasi dilakukan dengan menghitung nilai MAPE untuk setiap skenario.
Skenario dengan nilai MAPE terkecil adalah yang paling optimal.
Bobot A: .
,5.
0,3.
A Bobot 0,5 untuk data terbaru .
A Bobot 0,3 untuk data periode sebelumnya .
A Bobot 0,2 untuk data dua periode sebelumnya .
A .
= 0,5 0,3 0,2 = 1,.
Bobot B: .
,6.
0,3.
A Bobot 0,6 untuk data terbaru .
A Bobot 0,3 untuk data periode sebelumnya .
A Bobot 0,1 untuk data dua periode sebelumnya .
A .
= 0,6 0,3 0,1 = 1,.
Bobot C: .
,7.
0,2.
A Bobot 0,7 untuk data terbaru .
A Bobot 0,2 untuk data periode sebelumnya .
A Bobot 0,1 untuk data dua periode sebelumnya .
A .
= 0,7 0,2 0,1 = 1,.
Tabel 2 Penentuan Bobot WMA Bahan Baku
MAPE
Bobot A Tepung Terigu 5,28% Ragi
5,11%
Telur
3,93%
Gula
4,32%
Margarin
4,48%
Keju
6,52%
Coklat
5,60%
Bahan Baku
Gambar 11 Hasil Prediksi
Halaman Penjualan MAPE
Bobot B
5,69%
5,29%
4,07%
4,31%
4,26%
6,40%
5,67%
MAPE
MAPE
Bobot C Terkecil 6,30% 5,28% 5,76% 5,11% 3,94% 3,93% 4,24% 4,24% 4,65% 4,26% 6,26% 6,26% 5,71% 5,60% Tabel 3 Penentuan Bobot WMA Produksi Produk
MAPE MAPE MAPE MAPE
Bobot A Bobot B Bobot C Terkecil Roti Paris Keju
1,14%
1,20%
1,19%
1,14%
Roti Paris Coklat 1,10% 1,17% 1,27% 1,10% Produk
Tabel 4 Penentuan Bobot WMA Penjualan Produk
MAPE MAPE MAPE MAPE
Bobot A Bobot B Bobot C Terkecil Roti Paris Keju
1,22%
1,31%
1,38%
1,22%
Roti Paris Coklat 1,24% 1,34% 1,45% 1,24% Produk Gambar 12 Halaman Penjualan Merujuk hasil evaluasi yang terlampir di tabel 2, 3, & 4 menunjukkan bahwa tidak ada satu skenario bobot tunggal yang unggul untuk semua item.
bobot A .
terpilih sebagai yang terbaik untuk mayoritas item, yaitu empat bahan baku .
epung terigu, ragi, telur, cokla.
dan kedua produk roti.
Hal ini mengindikasikan bahwa model yang seimbang memberikan akurasi terbaik secara umum.
Sementara itu, bahan baku margarin menunjukkan akurasi terbaik dengan bobot B .
, dan bahan baku gula serta keju menunjukkan akurasi terbaik dengan bobot C .
Bobot yang terpilih untuk masing-masing item inilah yang akan digunakan untuk perhitungan prediksi selanjutnya.
Perhitungan Weighted Moving Average Berikut perhitungan WMA dengan menggunakan n=3 .
eriode 3 bula.
dan bobot 0,5.
0,3.
0,2 untuk prediksi persediaan bulan September 2024.
Data aktual yang digunakan untuk memprediksi bulan September 2024 adalah data dari tiga bulan sebelumnya yaitu: data bulan Agustus 2024 .
ebagai periode terbaru dengan nilai 192 kg dan diberi bobot 0,.
, data bulan Juli 2024 .
eriode sebelumnya dengan nilai 200 kg dan diberi bobot 0,.
, serta data bulan Juni 2024 .
eriode terlama dengan nilai 175 kg dan diberi bobot 0,.
y 0,.
y 0,.
y 0,.
) WMA = .
,5 0,3 0,.
WMA = WMA = 191 kg Tabel 5 Prediksi Weighted Moving Average No.
Periode .
Juni Juli Agustus September Oktober November Desember Januari Februari Maret April Mei Persediaan .
WMA .
Pengujian Mean Absolute Percentage Error Jumlah Persediaan Stok Bahan Baku Roti Suatu metode prediksi tidak mampu memberikan garansi presisi mutlak benar terhadap kondisi riil di kemudian hari.
Oleh karena itu, untuk mengevaluasi akurasi dari hasil prediksi metode WMA, dilakukan perhitungan MAPE.
MAPE berfungsi mengkalkulasi ratarata deviasi persentase mutlak yang membandingkan nilai prediksi terhadap data aktual.
Berikut perhitungan APE pada bahan baku tepung terigu periode September 2024:
Oe .
APE = | | y 100% (Oe.
APE = | | y 100% APE = |Oe0,015.
y 100% APE = 0,015957 y 100% APE = 1,60% Perhitungan MAPE dilakukan untuk setiap periode prediksi (Juni 2024 hingga Mei 2.
dan kemudian dihitung rata-rata nilai MAPE untuk mendapatkan gambaran akurasi prediksi secara keseluruhan.
Berikut perhitungan MAPE pada bahan baku tepung terigu:
47,55%
MAPE =
MAPE = 5,28%
Rata-rata MAPE yang dihasilkan adalah 5,28% di mana menunjukkan tingkat akurasi yang sangat baik dengan bobot ini pada data persediaan tepung terigu yang terlampir di tabel 6.
Tabel 6 Hasil WMA dan MAPE Bahan Baku Tepung Terigu
Periode Persediaan WMA
APE
(%) Juni
Juli
Agustus
September 1,60% Oktober
8,76%
Desember 13,36% Januari 3,00% Februari 2,88% Maret
1,89%
April
1,66%
Mei
3,40%
MAPE
5,28%
Pada tabel 7 mengenai persediaan ragi menunjukkan fluktuasi yang relatif stabil.
WMA dengan bobot 0,5.
0,3.
0,2 ini menghasilkan prediksi yang akurat, dibuktikan dengan nilai MAPE sebesar 5,11%.
No.
Tabel 7 Hasil WMA dan MAPE Bahan Baku Ragi No.
Periode Persediaan .
Juni
Juli
Agustus
September Oktober
November Desember Januari Februari Maret
April
Mei
MAPE
WMA
APE
(%)
9,95
9,70
9,95
10,15
9,90
9,95
9,40
9,45
9,65
4,74%
3,00%
5,24%
6,84%
1,00%
10,56%
1,05%
5,50%
8,10%
5,11%
Pada tabel 8 mengenai persediaan telur memberikan hasil yang sangat baik dengan MAPE 3,93%.
Eror tertinggi tercatat pada Februari, namun WMA dengan bobot 0,5.
0,3.
0,2 ini menunjukkan akurasi prediksi yang tinggi pada periode Maret.
Tabel 8 Hasil WMA dan MAPE Bahan Baku Telur
Periode Persediaan WMA
APE
(%) Juni
Juli
Agustus
September 70,90 2,75% Oktober
70,50
0,70%
November 70,20 4,78% Desember 68,60 5,54% Januari 66,80 6,03% Februari 64,40 7,33% Maret
61,90
0,16%
April
61,60
3,75%
Mei
62,60
4,33%
MAPE
3,93%
Untuk gula, seperti yang tertera pada tabel 9 menunjukkan metode WMA dengan bobot 0,7.
0,2.
menghasilkan MAPE sangat baik sebesar 4,24%.
No.
Tabel 9 Hasil WMA dan MAPE Bahan Baku Gula
Periode Persediaan WMA
APE
(%) Juni
Juli
Agustus
September 66,70 4,22% Oktober
65,00
4,41%
November 67,00 4,69% Desember 64,80 0,31% Januari 65,10 5,00% Februari 62,80 4,67% Maret
60,90
5,00%
April
58,80
5,16%
Mei
61,00
4,69%
MAPE
4,24%
Tabel 10 menunjukkan nilai MAPE sebesar 4,26% mengindikasikan bahwa WMA dengan bobot 0,6.
0,3.
mampu mengikuti tren data persediaan margarin dengan sangat baik.
No.
Tabel 10 Hasil WMA dan MAPE Bahan Baku Margarin No.
Periode .
Juni Juli Agustus September Oktober November Desember Januari Februari Maret Persediaan .
WMA
APE
(%)
50,30
51,10
49,80
51,70
50,80
49,10
47,00
3,27%
4,29%
6,04%
3,40%
5,83%
6,74%
0,00%
April
Mei
46,80
45,70
4,00%
4,79%
MAPE
4,26%
Tabel 11 mengenai keju menunjukkan MAPE sebesar 6,26% yang tergolong memiliki tingkat akurasi sangat baik.
Eror tertinggi terjadi pada Desember, di mana WMA dengan bobot 0,7.
0,2.
0,1 melebihi persediaan aktual.
Tabel 11 Hasil WMA dan MAPE Bahan Baku Keju
Periode Persediaan WMA
APE
(%) Juni
Juli
Agustus
September 53,90 7,80% Oktober
51,40
7,08%
November 48,90 5,96% Desember 51,00 8,51% Januari 48,10 6,89% Februari 46,10 7,21% Maret
43,80
4,78%
April
45,30
7,86%
Mei
42,90
0,23%
MAPE
6,26%
Untuk bahan baku coklat, seperti yang dapat dilihat pada tabel 12 menunjukkan MAPE sebesar 5,60% yang tergolong memiliki tingkat akurasi sangat baik.
No.
Tabel 12 Hasil WMA dan MAPE Bahan Baku Coklat No.
Periode Persediaan .
Juni
Juli
Agustus
September Oktober
November Desember Januari Februari Maret
April
Mei
MAPE
WMA
APE
(%)
37,10
36,50
34,80
33,40
33,90
32,40
31,30
31,70
31,40
3,06%
7,35%
8,75%
4,57%
9,35%
8,00%
5,15%
2,26%
1,88%
5,60%
Jumlah Produksi Roti Metode WMA dengan bobot .
,5.
0,3.
ini menunjukkan akurasi yang sangat baik untuk kedua produk roti dengan MAPE sebesar 1,14% untuk roti paris keju dan 1,10% untuk roti paris coklat.
Tabel 13 Hasil WMA dan MAPE Produksi Produk Roti Paris Keju No.
Periode .
Juni
Juli
Agustus
September Oktober
Produksi
WMA
APE
(%)
1,25%
0,92%
November Desember Januari Februari Maret
April
Mei
MAPE
0,32%
0,62%
1,17%
1,23%
1,67%
2,63%
0,46%
1,14%
Tabel 14 Hasil WMA dan MAPE Produksi Produk Roti Paris Coklat No.
Periode Produksi
Juni
Juli
Agustus
September Oktober
November Desember Januari Februari Maret
April
MAPE
WMA
APE
(%)
0,33%
0,62%
0,88%
1,68%
1,67%
0,10%
2,89%
1,66%
1,10%
Tabel 15 Hasil WMA dan MAPE Penjualan Produk Roti Paris Keju Periode Penjualan .
Juni
Juli
Agustus
September Oktober
November Desember Januari Februari Maret
April
Mei
MAPE
WMA
APE
(%)
1,20%
1,09%
0,12%
0,98%
1,68%
1,30%
1,63%
2,81%
0,19%
1,22%
Tabel 16 Hasil WMA dan MAPE Penjualan Produk Roti Paris Coklat No.
Periode .
Juni Juli Agustus September Oktober November Desember Penjualan .
WMA
APE
(%)
0,62%
0,83%
0,72%
1,54%
Januari Februari Maret
April
Mei
MAPE
1,90%
0,11%
3,33%
2,02%
0,09%
1,24%
Black Box Testing Tabel 17 Black Box Testing Item Pengujian Hasil yang Diharapkan Admin dapat masuk ke dashboard setelah mendapatkan akses dari Admin dapat berinteraksi dengan Halaman informasi terkini mengenai stok.
Dashboard prediksi.
Admin Halaman mengedit, menghapus, mencari.
Bahan serta mengurutkan data bahan Baku Admin Halaman mengedit, menghapus, mencari.
Stok memfilter, serta mengurutkan data Admin dapat melihat, menghapus, mencetak, serta membuat prediksi Halaman baru untuk stok, produksi, dan Prediksi penjualan melalui tab yang tersedia dengan memilih item terkait.
Admin Halaman mengedit, menghapus, mencari.
Produk serta mengurutkan data produk.
Admin Halaman mengedit, menghapus, mencari.
Produksi serta mengurutkan data produksi.
Admin mengedit, menghapus, mencari.
Halaman dan mengurutkan data pada tab Penjualan Halaman Login Jumlah Penjualan Roti Prediksi menggunakan metode WMA menunjukkan akurasi yang sangat baik pada penjualan roti paris keju dan roti paris coklat dengan nilai MAPE masing-masing sebesar 1,22% dan 1,24%.
No.
Hasil Pengujian Valid Valid Valid Valid Valid Valid Valid Valid Berdasarkan black box testing yang telah dilakukan secara menyeluruh pada sistem dengan mencakup total 43 skenario yang menguji berbagai fitur, semuanya memberikan hasil yang valid.
Tingkat keberhasilan fungsional sistem ini dapat diukur menggunakan rumus validitas pengujian.
Dengan jumlah skenario valid sebanyak 43 dari total 43 skenario, maka perhitungannya adalah sebagai berikut:
yaycycoycoycaEa ycIycoyceycuycaycycnycu ycOycaycoycnycc ycOycaycoycnyccycnycycayc ycEyceycuyciycycycnycaycu (%) = y 100% ycNycuycycayco yaycycoycoycaEa ycIycoyceycuycaycycnycu ycOycaycoycnyccycnycycayc ycEyceycuyciycycycnycaycu (%) = y 100% ycOycaycoycnyccycnycycayc ycEyceycuyciycycycnycaycu (%) = 100% Dengan tercapainya nilai validitas pengujian sebesar 100%, maka dapat dinyatakan bahwa sistem telah memenuhi semua kebutuhan fungsional yang telah ditentukan.
KESIMPULAN DAN SARAN
Kesimpulan Implementasi metode WMA pada website sistem informasi manajemen stok di UMKM Jaya Land Bakery telah berhasil dibangun untuk memprediksi jumlah persediaan stok bahan baku roti, jumlah produksi roti, dan jumlah penjualan roti.
Hasil penelitian menunjukkan bahwa skenario bobot WMA yang optimal untuk item dapat memberikan akurasi terbaik dengan bobot A .
pada tepung terigu dan ragi, bobot B .
pada margarin, dan bobot C .
pada gula dan keju.
Sementara itu, untuk prediksi produksi dan penjualan, skenario bobot A .
secara konsisten memberikan hasil paling akurat.
Pengujian sistem telah berhasil dilakukan untuk memastikan fungsionalitas dan mengukur akurasi Dari sisi fungsionalitas, pengujian black box yang mencakup skenario pada semua fitur sistem memperoleh hasil validitas 100% yang menunjukkan bahwa seluruh fungsionalitas telah berjalan sesuai Sementara itu, pengukuran akurasi menggunakan MAPE mengonfirmasi bahwa sistem memiliki akurasi prediksi yang baik dengan nilai kesalahan prediksi stok bahan baku berada di rentang 3,93% hingga 6,26%, prediksi jumlah produksi sebesar 1,14% untuk roti paris keju dan 1,10% untuk roti paris coklat, serta prediksi jumlah penjualan yang juga sangat akurat sebesar 1,22% dan 1,24%.
Saran Mengembangkan sistem ini lebih lanjut dengan menambahkan fitur lain yang relevan dengan kebutuhan bisnis, seperti fitur manajemen pembelian.
Menambahkan mekanisme pencadangan data untuk melindungi data dari risiko kehilangan, sehingga menjamin keberlangsungan operasional bisnis jika terjadi kegagalan sistem.
REFERENSI