Sistem Pendukung Keputusan Pembelian

Sistem Pendukung Keputusan Pembelian, Penjualan,
dan Pengelolaan Stok Barang Dengan Metode Fuzzy
Christian Suhindar dan Meliana Christianti J.
Jurusan S1 Teknik Informatika, Fakultas Teknologi Informasi
Universitas Kristen Maranatha, Bandung
Abstract
The application made is a decision support system to determine the best suppliers based on delivery time
and payment terms as well as determining the recommended items to increase the stock. The application is webbased with the PHP programming language and Fuzzy methods Tahani model. The results of the implementation
of this application consists of six main modules, namely Purchases, Sales, Stock, User, Supplier and Decision
Support Systems. In the purchase module, there are three parts: purchasing, goods receipt, and billing.
Purchasing module is a log from transaction of goods order that has been made to suppliers, whereas the goods
receipt describes the goods received from suppliers based on the previous reservation, and billing is the
recording data of payment based on the goods that have been received. Sales module is the management of sales
data. Stock is the master data items management. The users and suppliers module contains the data management
user application and Mustika Sport supplier. Decision support system module is divided into two parts, namely
the addition of stock recommendations based on the amount of goods bought and sold, and the determination of
the best suppliers based on payment terms and delivery time.
Keywords: best supplier, decision support systems, fuzzy, recommended products.
I.
Pendahuluan
1.1 Latar Belakang
Saat ini teknologi komputer sudah dimanfaatkan dalam berbagai bidang usaha mulai dari usaha
kelas besar, kelas menengah, sampai usaha kelas kecil pun sudah banyak yang menggunakan teknologi
komputer. Pertokoan pun sudah mulai banyak yang menggunakan teknologi komputer dalam
melakukan perhitungan stok barang, pembelian, penjualan dan lain-lain. Tingkat efektivitas dan
efisiensi menjadi faktor utama yang menggiurkan bagi para pengusaha untuk menggunakan teknologi
komputer. Salah satunya adalah Mustika Sport.
Mustika Sport adalah salah satu usaha yang bergerak dalam jual-beli alat-alat olahraga. Selama
ini Mustika Sport melakukan proses bisnisnya secara manual, mulai dari pembelian, penjualan, dan
pengelolaan stok barang pun belum menggunakan teknologi komputer.
Seiring perkembangan usahanya, Mustika Sport mulai kesulitan dalam menjalankan proses
bisnisnya. Hal ini dikarenakan arsip-arsip dari pembelian dan penjualan yang telah dilakukan semakin
banyak dan tidak teratur. Pengawasan terhadap stok barang pun sudah tidak terkontrol lagi. Dalam
melakukan pembelian, Mustika Sport sudah memiliki beberapa supplier tetap di beberapa kota.
Payment term dan delivery time menjadi pertimbangan utama dalam melakukan pembelian. Persediaan
barang yang dimiliki oleh Mustika Sport tidak terawasi, sehingga sering terjadi kehabisan stok.
Mustika Sport membutuhkan suatu aplikasi komputer yang secara khusus membantu untuk
menjalankan proses bisnisnya, baik dalam proses pembelian, penjualan, maupun pengelolaan stok
barang. Selain itu aplikasi ini juga diharapkan dapat memberikan rekomendasi untuk membantu dalam
pengambilan keputusan seperti, penentuan supplier terbaik untuk melakukan pembelian berdasarkan
56
Sistem Pendukung Keputusan Pembelian, Penjualan,
dan Pengelolaan Stok Barang Dengan Metode Fuzzy.
(Christian Suhindar dan Meliana Christianti J)
payment term dan delivery time, penentuan barang yang layak untuk dinaikkan harga jualnya dengan
analisis barang yang banyak terjual tetapi sedikit pembeliannya, dan pengawasan terhadap stok barang.
1.2 Rumusan Masalah
Berdasarkan latar belakang pada bagian 1.1, dapat dirumuskan beberapa pokok permasalahan
yang akan dianalisis serta dikaji, yaitu:
1. Bagaimana membangun aplikasi yang dapat mengelola data pembelian, penjualan dan stok barang
di Mustika Sport?
2. Bagaimana membangun aplikasi yang dapat membantu proses pengambilan keputusan untuk
memilih supplier terbaik dalam melakukan pembelian?
3. Bagaimana membangun aplikasi yang dapat membantu proses pengambilan keputusan untuk
menaikkan harga jual?
4. Bagaimana membangun aplikasi yang dapat membantu proses pengawasan data stok barang?
1.3 Tujuan
Berdasarkan rumusan masalah yang ada, dapat diarahkan tujuan pembahasan adalah sebagai
berikut:
1. Membuat aplikasi yang dapat mengelola data pembelian, penjualan dan stok barang.
2. Menerapkan sistem pendukung keputusan dalam proses pembelian dengan memberikan
rekomendasi supplier terbaik berdasarkan payment term dan delivery time.
3. Menerapkan sistem pendukung keputusan dalam proses penjualan dengan memberikan informasi
berupa nama barang yang banyak terjual tetapi sedikit pembeliannya.
4. Membuat aplikasi yang memberikan peringatan untuk melakukan pembelian jika ada stok barang
yang habis.
1.4 Batasan Masalah
Berdasarkan tujuan pembahasan yang telah dibuat, aspek-aspek yang akan menjadi tolak ukur
dalam pembahasan adalah sebagai berikut:
1. Aplikasi yang dihasilkan adalah aplikasi berbasis web dengan bahasa pemrograman PHP.
2. Aplikasi yang dihasilkan adalah aplikasi sistem pendukung keputusan dengan metode Fuzzy basis
data model Tahani.
3. Aplikasi ini hanya akan diimplementasikan di Mustika Sport.
4. Aplikasi ini memiliki validasi pengguna untuk membatasi hak akses.
5. Aplikasi yang dibuat mencakup proses pembelian, penjualan dan pengelolaan stok barang.
6. Aplikasi ini memberikan beberapa supplier yang disarankan untuk melakukan pembelian.
7. Aplikasi ini memberikan informasi berupa nama barang yang disarankan untuk dinaikkan harga
jualnya.
8. Aplikasi ini memberikan peringatan kepada pengguna jika ada stok barang perlu ditambah.
II.
Kajian Teori
2.1 Sistem Pendukung Keputusan
Sistem pendukung keputusan (SPK) adalah bagian dari sistem informasi berbasis komputer yang
dipakai untuk mendukung pengambilan keputusan dalam suatu organisasi atau perusahaan.
57
Zenit
Volume 1 Nomor 1 April 2012
2.1.1 Logika Fuzzy
Logika fuzzy dikatakan sebagai logika baru yang lama, sebab ilmu tentang logika fuzzy modern
dan metodis baru ditemukan beberapa tahun yang lalu, padahal sebenarnya konsep tentang logika fuzzy
itu sendiri sudah ada sejak lama. Logika fuzzy adalah suatu cara yang tepat untuk memetakan suatu
ruang input ke dalam suatu ruang output (Kusumadewi & Purnomo, 2004:1).
Ada beberapa alasan mengapa orang menggunakan logika fuzzy, antara lain:
1. Konsep logika fuzzy mudah dimengerti. Konsep matematis yang mendasari penalaran fuzzy sangat
sederhana dan mudah dimengerti.
2. Logika fuzzy sangat fleksibel.
3. Logika fuzzy memiliki toleransi terhadap data-data yang tidak tepat.
4. Logika fuzzy mampu memodelkan fungsi-fungsi nonlinear yang sangat kompleks.
5. Logika fuzzy dapat membangun dan mengaplikasikan pengalaman-pengalaman para pakar secara
langsung tanpa harus mengalami proses pelatihan.
6. Logika fuzzy dapat bekerja sama dengan teknik-teknik kendali secara konvensional.
7. Logika fuzzy didasarkan pada bahasa alami.
2.1.2 Basis Data Fuzzy Model Tahani
Sebagian besar basis data standar diklasifikasikan berdasarkan bagaimana data tersebut
dipandang oleh user. Misalkan ada data supplier yang tersimpan pada tabel DT_SUPPLIER dengan
field KdSup, NamaSup, TlpSup, AlamatSup, dan Payment Term, seperti yagn terlihat pada tabel I.
Kode
S-01
S-02
S-03
S-04
S-05
S-06
S-07
S-08
S-09
S-10
Nama
Lina
Didit
Rendy
Rama
Ester
Eny
Tony
Fany
Ade
Anton
Tabel I Data Supplier
Tlp.
Alamat
08123456789
08132456789
08143256789
08156452379
08163254789
08194562378
08172412345
08184561384
08114253789
08166677777
Tegal
Palembang
Palembang
Banjar
Banjar
Bandung
Bandung
Tegal
Tangerang
Bandung
Payment Term
(hari)
90
60
21
0
30
14
7
10
10
7
Delivery Time
(hari)
3
7
21
30
10
14
21
14
10
20
Dengan menggunakan basis data standar, dapat dicari data supplier dengan spesifikasi tertentu
dengan menggunakan query. Misalnya informasi tentang nama-nama supplier yang berada di Bandung,
informasi tentang nama-nama supplier yang diawali huruf “E”, dan lain-lain.
Pada kenyataannya, seseorang kadang membutuhkan informasi dari data yang bersifat ambigu.
Apabila hal ini terjadi, maka akan digunakan basis data fuzzy. Selama ini, sudah ada beberapa
penelitian tentang basis data fuzzy, salah satunya adalah model Tahani. Basis data model Tahani masih
tetap menggunakan relasi standar, hanya saja model ini menggunakan teori himpunan fuzzy untuk
mendapatkan informasi pada query-nya.
Misalkan dalam mengkategorikan payment term supplier di atas ke dalam himpunan: CEPAT,
BIASA, dan LAMA.
58
Sistem Pendukung Keputusan Pembelian, Penjualan,
dan Pengelolaan Stok Barang Dengan Metode Fuzzy.
(Christian Suhindar dan Meliana Christianti J)
1
BIASA
CEPAT
LAMA
µ[x]
0
7
15
20
60
65
Payment term (hari)
Gambar 1 Fungsi keanggotaan untuk variabel payment term
Fungsi keanggotaan:
Tabel II menunjukkan tabel supplier berdasarkan payment term dengan derajat keanggotaannya
pada setiap himpunan.
Tabel II Supplier berdasarkan payment term
Paymen
Derajat Keanggotaan ( [x] )
Kod
Nama
t Term
e
CEPAT
BIASA
LAMA
(hari)
S-01
Lina
90
0
0
1
S-02
Didit
60
0
1
0,8889
S-03
Rendy
21
0
0,1333
0,0222
S-04
Rama
0
1
0
0
S-05
Ester
30
0
0,3333
0,2222
S-06
Eny
14
0,4615
0
0
S-07
Tony
7
1
0
0
S-08
Fany
10
0,7692
0
0
S-09
Ade
12
0,6154
0
0
S-10
Anton
7
1
0
0
Variabel delivery time bisa dikategorikan dalam himpunan: CEPAT, SEDANG, dan LAMA,
seperti yang terlihat pada gambar 2.
59
Zenit
Volume 1 Nomor 1 April 2012
1
SEDANG
CEPAT
LAMA
µ[y]
0
7
10
14
21
30
Harga(Rp.)
Gambar 2 Fungsi keanggotaan untuk variabel delivery time
Tabel III menunjukkan tabel supplier berdasarkan delivery time dengan derajat keanggotaannya
pada setiap himpunan.
60
Kode
Nama
S-01
S-02
S-03
S-04
S-05
S-06
S-07
S-08
S-09
S-10
Lina
Didit
Rendy
Rama
Ester
Eny
Tony
Fany
Ade
Anton
Tabel III Supplier berdasarkan delivery time
Delivery
Derajat Keanggotaan ( [y] )
Time
CEPAT
SEDANG
LAMA
(hari)
3
1
0
0
7
1
0
0
21
0
1
0,4375
30
0
0
1
10
0,5714
0
0
14
0
0,3636
0
21
0
1
0,4375
14
0
0,3636
0
10
0,5714
0
0
20
0
0,9091
0,375
Sistem Pendukung Keputusan Pembelian, Penjualan,
dan Pengelolaan Stok Barang Dengan Metode Fuzzy.
(Christian Suhindar dan Meliana Christianti J)
Contoh query yang dapat dilakukan adalah sebagai berikut:
Siapa sajakah supplier yang payment term-nya lama tetapi delivery time-nya cepat?
SELECT NAMA
FROM SUPPLIER
WHERE (Payment term= “LAMA”) and (Delivery time= “CEPAT”)
Tabel IV menunjukkan hasil query, yaitu nama-nama supplier yang payment term-nya lama tetapi
delivery time-nya cepat.
Tabel IV Hasil query
KODE
NAMA
PAYMENT DELIVERY
Derajat Keanggotaan
TERM
TIME
PAYMENT DELIVERY
PT LAMA
TERM
TIME
dan
LAMA
CEPAT
DT CEPAT
S-01
Lina
90
3
1
1
1
S-02
Didit
60
7
0,8889
1
0,8889
S-05
Ester
30
10
0,2222
0,5714
0,2222
S-03
Rendy
21
21
0,0222
0
0
S-04
Rama
0
30
0
0
0
S-06
Eny
14
14
0
0
0
S-07
Tony
7
21
0
0
0
S-08
Fany
10
14
0
0
0
S-09
Ade
12
10
0
0,5714
0
S-10
Anton
7
20
0
0
0
III. Analisis
3.1 Proses Bisnis
Berikut ini adalah proses bisnis yang dilakukan oleh Mustika Sport dalam melakukan pembelian
dan penjualan:
3.1.1
Alur Kerja Proses Pembelian
Tahap-tahap dilakukannya proses pembelian oleh Mustika Sport sebagai berikut:
1. Jika Mustika Sport akan melakukan pembelian, maka akan dibuat daftar barang yang akan dibeli.
2. Mustika Sport akan menghubungi beberapa supplier melalui telepon untuk menanyakan
ketersediaan barang dan harganya.
3. Mustika Sport membandingkan harga barang yang akan dibeli dari tiap supplier.
4. Supplier yang menawarkan harga yang paling murah akan dipilih.
5. Supplier yang dipilih akan mengirimkan barang sesuai pesanan Mustika Sport.
6. Mustika Sport menentukan harga jual yang baru berdasarkan harga beli dari faktur pembelian
tersebut ditambah dengan laba yang diharapkan.
7. Faktur dari pembelian tersebut disimpan sebagai arsip Mustika Sport.
3.1.2
Alur Kerja Proses Penjualan
Tahap-tahap dalam melakukan proses penjualan, yaitu:
1. Customer melakukan pembelian dengan cara datang secara langsung atau memesan terlebih dahulu
melalui telepon.
2. Setelah customer memilih barang yang akan dibeli, maka akan dibuat nota penjualan.
3. Nota penjualan tersebut akan dicocokkan dengan barang yang sudah dibeli oleh customer.
4. Nota tersebut diberikan kepada customer.
Dari proses bisnis di pada bagian 3.1.1. dan 3.1.2., dapat disimpulkan bahwa proses bisnis di
Mustika Sport dilakukan secara manual, seperti mencatat barang yang akan dibeli, melakukan
pembelian, mencocokkan pesanan dengan faktur beli dan membuat faktur penjualan. Selain itu belum
61
Zenit
Volume 1 Nomor 1 April 2012
ada pencatatan pembelian yang telah dilakukan secara khusus, pembuatan faktur penjualan dan
pengawasan stok barang.
IV. Perancangan
4.1. Entity Relationship Diagram
Entitas TUser memiliki 5 buah atribut, yaitu KdUser, NamaLengkap, Username, Password, dan
LevelUser. Entitas ini adalah gambaran dari data pengguna aplikasi ini.
Entitas TSupplier adalah gambaran dari data supplier yang sudah terdata oleh pihak Mustika
Sport. Entitas ini memiliki 6 buah atribut, yaitu KdSup sebagai primary key, NamaSup, TlpSup,
AlamatSup, DeliveryTime, dan PaymentTerm. Selain itu entitas ini memiliki relasi satu ke banyak
dengan entitas TMasterBeli, yang berarti bahwa setiap supplier dapat menerima banyak pemesanan.
Entitas TMasterBeli adalah gambaran data dari setiap pemesanan yang dilakukan oleh Mustika
Sport kepada para supplier. Entitas ini memiliki tiga buah atribut, yaitu KdBeli sebagai primary key,
TglBeli, dan StatusBeli. Selain memiliki relasi dengan entitas TSupplier, entitas ini juga memiliki relasi
satu ke banyak dengan entitas TDetailBeli dan relasi satuke satu dengan entitas TMasterPenerimaan.
Entitas TDetailBeli adalah gambaran dari setiap barang yang dipesan oleh Mustika Sport kepada
supplier dalam satu kali pemesanan. Entitas ini memiliki dua atribut, yaitu NoDetailBeli sebagai
primary key dan QtyBeli. Selain memiliki relasi dengan TMasterBeli, entitas ini juga mempunyai relasi
banyak ke satu dengan entitas TBarang.
Entitas TMasterPenerimaan adalah gambaran dari setiap penerimaan barang dari supplier
berdasarkan pemesanan yang telah dilakukan sebelumnya. Entitas ini memiliki lima atribut, yaitu
KdGR sebagai primary key, TglGR, TglTagih, NoFaktur, dan TotalGR. Selain memiliki relasi dengan
entitas TMasterBeli, entitas ini juga memiliki relasi satu ke banyak dengan entitas TDetailPenerimaan.
Entitas TDetailPenerimaan adalah gambaran dari setiap barang yang diterima oleh Mustika Sport
dari supplier dalam satu kali penerimaan barang. Entitas ini memiliki 3 buah atribut, yaitu NoDetailGR
sebagai primary key, HrgGR, dan QtyGR. Selain memiliki relasi dengan entitas TMasterPenerimaan,
entitas ini juga memiliki relasi banyak ke satu dengan entitas TBarang.
Entitas TBarang adalah gambaran dari setiap barang yang diperjualbelikan di Mustika Sport.
Entitas ini memiliki 5 buah atribut, yaitu KdBrg sebagai primary key, NamaBrg, Stok, HrgPokok, dan
HrgJual. Selain memiliki relasi dengan entitas TDetailBeli dan TDetailPenerimaan, entitas ini juga
memiliki relasi satu ke banyak dengan entitas TDetailJual.
Entitas TDetailJual adalah gambaran dari setiap barang yang dijual oleh Mustika Sport dalam
satu kali penjualan. Entitas ini memiliki 3 buah atribut, yaitu NoDetailJual sebagai primary key,
HrgJualDetail, dan QtyJual. Selain memiliki relasi dengan entitas TBarang, entitas ini juga memiliki
relasi banyak ke satu dengan entitas TMasterJual.
Entitas TMasterJual adalah gambaran dari setiap penjualan yang dilakukan oleh Mustika Sport.
Entitas ini memiliki 3 buah atribut, yaitu KdJual sebagai primary key, TglJual, dan TotalJual. Entitas
ini hanya memiliki relasi dengan entitas TDetailJual saja. Penjelasan ini digambarkan pada gambar 3.
62
Sistem Pendukung Keputusan Pembelian, Penjualan,
dan Pengelolaan Stok Barang Dengan Metode Fuzzy.
(Christian Suhindar dan Meliana Christianti J)
Gambar 3 Entity Relationship Diagram Aplikasi Mustika Sport
4.2. Data Flow Diagram (DFD)
Pada sistem pendukung keputusan Mustika Sport terdapat dua buah entitas eksternal, yaitu
pengguna dan administrator. Pada DFD level satu terdapat tujuh buah proses yang terdapat dalam
sistem, yaitu login, pembelian, penjualan, pengelolaan stok barang, pengelolaan supplier, pengelolaan
pengguna, dan sistem pendukung keputusan. Hal tersebut dapat dilihat pada Gambar 4.
Gambar 4 DFD Level 1
63
Zenit
Volume 1 Nomor 1 April 2012
V. Implementasi
5.1 Sistem Pendukung Keputusan (SPK)
Tampilan yang muncul jika pengguna memilih menu “SPK” pada bagian atas atau memilih
submenu “Rekomendasi” pada modul SPK ini adalah tampilan yang menunjukkan bahwa daftar
barang yang direkomendasikan untuk dinaikkan harganya. Semakin besar “Derajat Terjual Banyak dan
Dibeli Sedikit ”, maka makin baik rekomendasinya. Daftar dalam tabel tersebut sudah terurut dari
rekomendasi terbaik hingga terburuk. Pada bagian ini pengguna juga dapat melihat rekomendasi
berdasarkan jangka waktu tertentu dengan cara memilih tanggal awal dan tanggal akhir pada combo
box yang tersedia, kemudian tekan tombol “Filter”. Hal tersebut dapat dilihat pada gambar 5.
Gambar 5 Rekomendasi Barang
Tampilan yang akan muncul jika pengguna memilih submenu “Supplier Terbaik” pada modul
SPK adalah tampilan yang menunjukkan daftar supplier terbaik untuk dilakukan pembelian. Semakin
besar nilai “Derajat Hasil”, maka semakin baik supplier tersebut. Pengguna juga dapat mencari
supplier terbaik berdasarkan barang yang akan dibeli oleh Mustika Sport dengan cara memilih nama
barang yang ada pada combobox, kemudian tekan tombol “Cari”. Hal tersebut dapat dilihat pada
gambar 6.
Gambar 6 Supplier Terbaik
64
Sistem Pendukung Keputusan Pembelian, Penjualan,
dan Pengelolaan Stok Barang Dengan Metode Fuzzy.
(Christian Suhindar dan Meliana Christianti J)
Berikut adalah kelas yang merupakan bagian yang melakukan proses perhitungan derajat nilai
fuzzy:
class SPK{
var $batas;
function __construct($tabel,$kolom){
$query = mysql_query("select
max(".$kolom.") as maks from ".$tabel);
while($row=mysql_fetch_array($query)){
$this->batas = $row{'maks'};
}
$this->batas = $this->batas/3;
if($this->batas == 0){
$this->batas = 1;
}
}
function convertNilaiSedikit($nilai){
if($nilai<($this->batas)/2){
return 1;
}else if($nilai>=($this->batas)/2 and
$nilai<=($this->batas+($this->batas/2))){
return (($this->batas+($this>batas/2))-$nilai)/$this->batas;
}else{
return 0;
}
}
function convertNilaiBanyak($nilai){
if($nilai<=($this->batas+($this>batas/2))){
return 0;
}else if($nilai>($this->batas+($this>batas/2)) and $nilai<=($this->batas*2)){
return ($nilai-($this->batas+($this>batas/2)))/($this->batas/2);
Kode Program
1 Kelas Sistem Pendukung Keputusan
}else{
return 1;
}
VI. Simpulan dan}Saran
}
6.1. Simpulan
Kesimpulan yang didapat berdasarkan tujuan yang telah disampaikan di bagian dapat terpenuhi
sesuai dengan poin-poin berikut:
1. Aplikasi yang dibuat memiliki fitur-fitur untuk pembelian, penjualan, maupun pengelolaan stok
barang.
2. Sistem pendukung keputusan untuk mencari supplier terbaik sudah diimplementasikan baik
supplier berdasarkan barang tertentu maupun semua barang. Variabel pembanding antara satu
supplier dengan supplier yang lainnya adalah delivery time yang tercepat dan payment term yang
terlama.
3. Sistem pendukung keputusan untuk merekomendasikan barang yang layak dinaikkan harga jualnya
sudah diimplementasikan dalam aplikasi yang dibuat. Variabel yang digunakan adalah jumlah
barang yang sedikit pembeliannya, tetapi banyak jumlah penjualannya.
4. Aplikasi yang dibuat dapat memberikan peringatan jika ada stok barang yang sudah habis sehingga
pengguna dapat melihat data barang apa yang sudah habis.
65
Zenit
Volume 1 Nomor 1 April 2012
6.2. Saran
Untuk pengembangan aplikasi ini agar lebih efektif dan efisien, penulis menyarankan beberapa
hal sebagai berikut:
1. Aplikasi ini dapat dikembangkan agar dapat menggunakan barcode reader sebagai input data
barang agar pencatatan data penjualan maupun pembelian dapat lebih efisien.
2. Aplikasi ini dikembangkan agar memiliki tingkat keamanan yang lebih baik dalam hal pengiriman
data, masukkan, dan hak akses.
3. Aplikasi ini dapat dikembangkan agar memiliki fitur untuk mencetak faktur penjualan, laporan
keuangan, dan sebagainya.
Daftar Pustaka
Hamidin, Dini. 2008. “Bab 7 Kamus Data (Data Dictionary)”. Retrieved January 29, 2008, from
http://dhamidin.files.wordpress.com/2008/01/handout-7.pdf
Kusumadewi, Sri, & Purnomo, Hari. 2004. Aplikasi Logika Fuzzy untuk Pendukung Keputusan. Yogyakarta:
Graha Ilmu.
Parno.
2006.
“Data
Flow
Diagram”.
Retrieved
tavipia.staff.gunadarma.ac.id/Downloads/files/15425/DFD.pdf
June
Primashanti, Ida Ayu Y.2007. “Entity Relationship Diagram”. Retrieved
http://iaprima.staff.gunadarma.ac.id/Downloadsfiles/5459/Bahasan9a_ERD.ppt
20,
June
2010,
20,
2010,
Siegel, Joel G., & Shim, Jae K. 1999. Kamus Istilah Akuntansi. Jakarta: PT. Elex Media Komputindo.
Syafii, M. 2004. Membangun Aplikasi Berbasis PHP dan MySQL. Yogyakarta: ANDI.
Wang, Li-Xin. 1994. Adaptive Fuzzy Systems and Control. New Jersey: Prentice-Hall.
66
from
from