Sistem Informasi Pengendalian Inventori Menggunakan Metode Peramalan Exponential Smoothing Pada UD. Jaya Mulia.
SISTEM INFORMASI PENGENDALIAN INVENTORI
MENGGUNAKAN METODE PERAMALAN EXPONENTIAL
SMOOTHING PADA UD. JAYA MULIA
AY
A
Slamet Hariono 1), Haryanto Tanuwijaya 2)
1) S1/ Jurusan Sistem Informasi STIKOMP Surabaya, email : h4r1_t0k@yahoo.com
2) S1/ Jurusan Sistem Informasi STIKOMP Surabaya, email : haryanto@stikom.edu
ST
IK
O
M
SU
Kemajuan sistem teknologi informasi
menjadikan informasi sebagai salah satu kekuatan
penting pada era globalisasi saat ini. Kecepatan dan
ketepatan informasi banyak berpengaruh dalam
perkembangan bisnis perusahaan. Perkembangan
sistem teknologi informasi memudahkan anggota
organisasi menyelesaikan tugas dengan hasil yang
lebih cepat dan akurat.
UD. Jaya Mulia merupakan suatu
perusahaan yang bergerak dibidang perdagangan
yaitu pembelian dan penjualan pakaian anak-anak
dan
perlengkapan
bayi.
Seiring
dengan
perkembangan organisasi, UD. Jaya Mulia
mengalamai berbagai hambatan karena seluruh
proses bisnis yang ada saat ini masih dilakukan
secara manual sehingga mengalami berbagai
permasalahan yang merugikan perusahaan dan
pelanggan.
Permasalahan pertama adalah informasi
stok di gudang yang tidak akurat. Hal ini sering
mengecewakan pelanggan dan mempengaruhi
keuntungan
perusahaan.
Permasalahan
ini
menyebabkan munculnya permasalahan kedua yaitu
pemesanan kepada supplier yang harus dilakukan
secara mendadak. Pemesanan mendadak ini sangat
merugikan perusahaan karena supplier tidak dapat
memenuhi pesanan dalam jangka waktu yang telah
diminta sehingga pelanggan UD. Jaya Mulia beralih
memesan barang ke para pesaing. Permasalahan
selanjutnya adalah seringnya terjadi penumpukan
barang di gudang dalam jangka waktu cukup lama
karena belum terjual ke pelanggan. Hal ini terjadi
akibat dari kesalahan penentuan jumlah barang yang
R
Keyword: Forecasting, Exponential Smoothing Method
48
AB
Abstract : UD. Jaya Mulia is a distribution company who effort activity are selling and buying children clothes
and baby equipment. At this time all business process at UD. Jaya Mulia still using manually process. Because of
that UD. Jaya Mulia have difficult experience with this business process. The big impact is in warehouse
division that is for knowing direct manner stock item who used up, beside that UD. Jaya Mulia get some
difficultes to stabilized how many quantity items they have to buy from Supplier in order to happen
accumulation items in warehouse for a long time. Due to those problems, forecasting exponential smoothing
method can be used to help UD. Jaya Mulia to predict and stabilize the quantity items will be bought from
Supplier.
dibeli dari supplier. Akibatnya biaya membengkak
karena harus menyediakan tempat penyimpanan
yang lebih luas dan meningkatnya biaya
pemeliharaan barang agar tidak rusak.
Dari hasil analisis permasalahaan yang
dilakukan di UD. Jaya Mulia, diperoleh fakta bahwa
permintaan barang dari pelanggan memiliki pola
musiman atau trend. Berdasarkan latar belakang
permasalahan yang dialami UD. Jaya Mulia dan pola
musiman permintaan barang oleh pelanggan, maka
dibutuhkan suatu sistem informasi pengendalian
inventori menggunakan metode Exponential
Smoothing. Pemilihan metode ini karena metode ini
merupakan metode yang tepat bagi dalam
permasalahan yang mengikuti pola musian dan trend
(Andriyanto dan Basith, 1993). Hal ini sesuai
dengan hasil penelitian Tanuwijaya (2008) tentang
penerapan metode Exponential Smoothing pada
persediaan yang memiliki pola musiman. Dengan
menerapkan metode Exponential Smoothing pada
sistem informasi pengendalian inventori ini
bertujuan membantu meramalkan jumlah permintaan
barang pada periode mendatang sehingga
meningkatkan keuntungan melalui penjualan barang
sesuai permintaan barang dari pelanggan dan
meningkatkan efisiensi karena tidak adanya
penumpukan barang di gudang dalam waktu yang
lama.
Adapun tujuan yang hendak dicapai dalam
pembuatan sistem informasi pengendalian inventori
menggunakan
peramalan
dengan
metode
Exponential Smoothing pada UD. Jaya Mulia adalah
:
2.
Exponential Smoothing telah terbukti sesuai
dipergunakan untuk meramalkan barang yang
memiliki pola musiman atau trend (Tanuwijaya,
2008).
Merancang dan membangun sistem informasi
pegendalian inventori yang dapat membantu
UD. Jaya Mulia dalam mengatur atau
mengendalikan keluar masuknya barang dari
gudang.
Membuat aplikasi yang dapat menghasilkan
informasi jumlah permintaan barang yang tepat
pada UD. Jaya Mulia dalam melakukan
pembelian barang ke suplier.
PERANCANGAN SISTEM
1. Gambaran Umum Sistem
AY
A
1.
METODE
Exponential Smoothing
At
Yt
S t 1
AB
Metode Exponential Smoothing model
Winter’s (Hanke and Arthur, 1995:85) sebagai
berikut:
1. Penghalusan Exponensial
(1 )( At 1 Tt 1 )..........1
2. Estimasi trend
3. Estimasi musiman
St
Yt
At
(1 ) S t 1 .........................3
SU
4. Peramalan untuk periode dimasa depan
R
Tt ( At At 1 ) (1 )Tt 1 ...........2
Yt p ( At pTt ) S t L p .................... .4
Keterangan:
=
konstanta penghalusan untuk data ( 0<
< 1)
=
konstanta penghalusan untuk estimasi
tren musiman ( 0< < 1)
=
konstanta penghalusan untuk estimasi
M
=
data yang sebenarnya pada periode t
=
nilai pemulusan yang baru
=
estimasi trend
=
estimasi musiman
=
=
=
panjangnya musim
periode peramalan
peramalan untuk p periode di masa
IK
Yt
At
Tt
St
< 1)
O
tren ( 0<
ST
L
P
Yt p
Gambar 1. Gambaran Umum Sistem
Pada Gambar 1, ditunjukkan bahwa proses
pertama kali dilakukan oleh pengguna yang
melakukan interaksi langsung ke dalam sistem.
Pengguna menginputkan data-data berupa data
pembelian dan data penjualan yang nantinya datadata tersebut akan diproses dengan menggunakan
metode Exponential Smoothing yang akan
menghasilkan output berupa laporan hasil peramalan
berapa besar jumlah barang yang dibeli. Hasil
peramalan ini diharapkan dapat membantu
perusahan untuk menghindari penumpukan barang
terlalu lama di gudang dan dapat meningkatkan
kualitas perusahaan dalam pelayanan kepada
pelanggan.
2. Diagram Konteks
Diagram konteks adalah tingkatan tertinggi
dalam diagram aliran data dan hanya memuat satu
proses, menunjukkan system secara keseluruhan
(Kendall and Kendall, 2003:267).
0
Laporan Hasil Peramalan
Sistem Informasi
Pengendalian Inventori
UD Jaya Mulia
Laporan Stok Barang
Data Suplier
Laporan Pembelian
Suplier
Faktur Pembelian
+
Detil barang yang akan dibeli
Pimpinan
Perusahaan
Laporan Penjualan
depan
Pemulusan exponential adalah teknik yang
dapat memberikan ketepatan dalam ramalan jangka
pendek dan penyesuaian dapat dilakukan dengan
cepat dan pada biaya yang rendah. Teknik ini
banyak dipergunakan bila peramalan bulanan atau
mingguan diperlukan untuk barang-barang dalam
jumlah besar (Arsyad, 1993:118). Metode
Faktur Penjualan
Pelanggan
Data Pelanggan
Gambar 2 Diagram Konteks
49
Diagram Konteks yang mempunyai 3 (tiga)
entity luar yaitu, Suplier, Pelanggan dan Pimpinan
Perusahaan. Dalam sistem tersebut suplier
memberikan inputan ke sistem berupa data suplier
dan faktur pembelian kemudian suplier juga
menerima output dari sistem berupa data detil
barang yang akan dibeli. Untuk entity pelanggan,
mereka memberikan inputan berupa data pelanggan
dan menerima output dari sistem berupa faktur
penjualan. Pada sistem informasi pengendalian
inventori ini terdapat beberapa proses di dalamnya
yang nantinya akan menghasilkan output berupa
laporan-laporan yang diberikan kepada pimpinan
perusahaan sebagai evaluasi peningkatan mutu
perusahaan.
AY
A
Pada DFD level 0 untuk sistem ini terdapat
8 (delapan) proses yaitu:
1. Maintenance Data suplier
Digunakan untuk mengolah data suplier jika
ada data baru dan perubahan data.
2. Maintenance Data Barang
Digunakan untuk mengolah data barang jika
ada data baru dan perubahan data.
3. Maintenance Stok
Digunakan untuk merubah jumlah stok
digudang secara otomatis berdasarkan dari data
penjualan dan data pembelian.
4. Generate Exponential Smoothing
Proses perhitungan peramalan persediaan
dengan menggunakan metode Exponential
Smoothing.
5. Pembelian
Digunakan untuk melakukan proses pembelian
barang ke suplier berdasarkan dari hasil
peramalan yang sudah dibuat.
3. DFD Level 0
3
SU
2
+
+
Tbl_HistorySt DataBarang
ok
14
Tbl_Suplier
Nilai_AlphaBethaGammaMSE
4
Maintenance
Stok
Generate
ExponentialSmo
othing
+
JumlahStok
[Faktur Pembelian]
+
UpdateStok
DataSuplier
DetilPembelian
M
4
Pembelian
O
+
DataPO
6
Tbl_Stok
DataBarang
UpdateStok
[Data Pelanggan]
Maintenance
Data Pelanggan
Tbl_HasilSmooth
ing
6
5
DaftarPembelian
NilaiAlphaBethaGamma
HasilPeramalan
SisaStok
[Detil barang yang akan dibeli]
Tbl_AlphaBetha
Gamma
3
DataSuplier
1
5
Maintenance
Data Barang
Maintenance
Data Suplier
Suplier
Tbl_MstBarang DataBarang
DataBarang
DataJenis
1
[Data Suplier]
R
Tbl_MstJenisBar
ang
2
AB
Diagram
level
0
(nol)
adalah
pengembangan diagram konteks dan bisa mencakup
sampai 9 (sembilan) proses (Kendall and Kendall,
2003:269).
Pelanggan
+
DataPelanggan
HasilRamal
9
Tbl_MstOR
11
Tbl_Pelanggan
DataPelanggan
NoPO
Tbl_MstPO
IK
7
ST
8
DetilBarang
Tbl_DetilPO
DataStokBarang
DetilBarang
7
DetilPenjualan
DataPembelian
DataBarang
DetilPembelian
10
Tbl_DetilOR
+
UpdateStok
8
DataPenjualan
DetilPenjualan
DataHasilPeramalan
DetilPembelian
[Laporan Pembelian]
12
Pembuatan
Laporan
DetilPenjualan
+
[Laporan Stok Barang]
Pimpinan
Perusahaan
Tbl_MstPenjuala
n
DataPenjualan
[Laporan Penjualan]
[Laporan Hasil Peramalan]
Gambar 3 DFD Level 0
50
[Faktur Penjualan]
Penjualan
DetilPembelian
13
Tbl_DetilPenju
alan
DetilPenjualan
6. Maintenance Data Pelanggan
Digunakan untuk mengolah data pelanggan jika
ada data baru dan perubahan data.
7. Penjualan
Digunakan untuk melakukan proses penjualan
pada pelanggan, dimana data penjualan ini
nantinya akan dipakai untuk proses peramalan.
4. Conceptual Data Model (CDM)
AmbilDataSuplier
Tbl_MstPO
NoPO
TglPO
Status
Tbl_MstOR
AmbilDataPO
KodeJenis
NamaJenis
Keterangan
Tbl_DetilPO
Jumlah
AmbilDataJenis
AmbilDataSuplier
SU
AmbilDataBarang
AmbilDataBarang
M
Tbl_Has ilSmoothing
Nilai_At
Nilai_Tt
Nilai_St
Nilai_Ftp
Nilai_MSE
Tanggal
O
Tbl_MstBarang
KodeBarang
NamaBarang
Satuan
HargaBeli
HargaJual
Status
AmbilDataBarang
Tbl_His tory Stok
Tanggal
StokAw al
StokKeluar
Jumlah
Jumlah
Harga
SubTotal
Tbl_Stok
Jumlah
AmbilDataBarang
R
AmbilDataBarang
AmbilDataBarang
AmbilDataBarang
Tbl_DetilPenjualan
Jumlah
HargaSatuan
SubTotal
Diskon
Terdiri
Tbl_MstPenjualan
NoTrans aks i
TglTrans aks i
TotalBay ar
Tbl_Pelanggan
KodePelanggan
Nama
A lamat
Kodepos
Kota
Kodetlp1
Telepon1
Kodetlp2
Telepon2
Kodetlp3
Telepon3
Status
AmbilDataPelanggan
Gambar 4 Conceptual Data Model (CDM)
ST
IK
Terdiri
Tbl_MstJenis Barang
Terdiri
Tbl_A lphaBethaGamma
TglPeramalan
A lpha
Betha
Gamma
MSE
Tbl_DetilOR
NoOR
TglOR
TotalOrder
AB
Tbl_Suplier
KodeSuplier
Nama
A lamat
Kodepos
Kota
Kodetlp1
Telepon1
Kodetlp2
Telepon2
Kodetlp3
Telepon3
Status
AY
A
8. Pembuatan Laporan
Digunakan untuk membuat laporan perusahaan
yang terdiri dari laporan pembelian, stok barang,
peramalan dan laporan penjualan.
51
5. Physical Data Model (PDM)
TBL_MSTPO
TBL_MSTOR
NOPO
long varchar
TBL_SUPLIER
NOOR
long varchar
KODESUPLIER
long varchar
KODESUPLIER
long varchar
NOPO
long varchar
TGLPO
timestamp
NAMA
long varchar
KODESUPLIER = KODESUPLIER
TGLOR
timestamp
STA TUS
smallint
NOPO = NOPO
A LA MA T
long varchar
TOTALORDER
numeric(8)
KODEPOS
long varchar
KOTA
long varchar
NOPO = NOPO
TBL_MSTJENISBARANG
KODETLP1
long varchar
TELEPON1
long varchar
KODEJENIS
long varchar
KODETLP2
long varchar
KODEBA RA NG
long varchar
TBL_DETIL PO
KODEBARANG = KODEBARANG
TELEPON2
long varchar
NAMAJENIS
long varchar
NOPO
long varchar
KODETLP3
long varchar
KETERA
NGA
N
long
varchar
JUMLAH f loat
TELEPON3
long varchar
STA TUS
smallint
KODEBARANG = KODEBARANG
KODEBARANG = KODEBARANG
TBL_STOK
KODEBA RA NG
long varchar
JUMLAH
f loat
AB
KODESUPLIER = KODESUPLIER
TBL_DETIL OR
NOOR
long varchar
JUMLAH
float
HARGA
numeric(8)
SUBTOTAL
numeric(8)
AY
A
TBL_MSTBA RA NG
KODEBA RA NG
long varchar
KODESUPLIER
long varchar
NAMABARA NG long varchar
SATUA N
long varchar
HARGA BELI
numeric(8)
HARGA JUA L
numeric(8)
STA TUS
smallint
NOOR = NOOR
TBL_DETIL PENJUA LAN
TBL_ALPHA BETHA GA MMA
KODEBA RA NG
long varchar
TGLPERAMA LA N
timestamp
A LPHA
f loat
BETHA
f loat
GAMMA
f loat
MSE
f loat
KODEBARANG = KODEBARANG
R
KODEBARANG = KODEBARANG
TBL_HISTORYSTOK
KODEBA RA NG
long varchar
TANGGA L
timestamp
STOKA WA L
f loat
STOKKELUA R
f loat
STOKA KHIR
f loat
SU
TBL_HA SILSMOOTHING
KODEBA RA NG
long varchar
NILA I_A T
f loat
NILA I_TT
f loat
NILA I_ST
f loat
NILA I_FTP
f loat
NILA I_MSE
f loat
TANGGA L
timestamp
TBL_PELANGGAN
KODEPELA NGGAN
long varchar
NAMA
long varchar
A LA MA T
long varchar
KODEPOS
long varchar
KOTA
long varchar
KODETLP1
long varchar
TELEPON1
long varchar
KODETLP2
long varchar
TELEPON2
long varchar
KODETLP3
long varchar
TELEPON3
long varchar
KODEPELANGGAN = KODEPELANGGAN
STA TUS
smallint
TBL_MSTPENJUALA N
JUMLAH
HARGA SATUA N
SUBTOTAL
DISKON
f loat
numeric(8)
numeric(8)
numeric(8)
NOTRA NSA KSI
KODEPELA NGGAN
TGLTRA NSA KSI
TOTALBAY AR
long varchar
long varchar
timestamp
numeric(8)
Gambar 5 Physical Data Model (PDM)
PENGUJIAN SISTEM
M
1. Pengujian Proses Peramalan
ST
IK
O
Uji coba dilakukan dengan melakukan
perbandingan antara hasil dari sistem peramalan
dengan data permintaan aktual. Dalam hal ini data
permintaan aktual merupakan data permintaan
barang pada tahun 2008 yang didapatkan
langsung dari UD. Jaya Mulia, sedangkan sistem
peramalan akan menghasilkan nilai peramalan
untuk periode Januari 2008. Dengan demikian
kesalahan peramalan dapat diketahui untuk
menentukan kelayakan dari sistem peramalan
yang sudah dibuat. Hasil uji coba ditunjukkan
pada Tabel 1 di halaman 5.
52
Tabel 1 Pengujian Peramalan Untuk Periode
Januari 2008
KodeBarang
CLN – 0001
PPK – 0001
PPK – 0002
SGL – 0001
STG – 0001
STL – 0001
BDG – 0001
CLN – 0002
JKT – 0001
TOP - 0001
Data
Perminta
an
Aktual
38
51
25
30
21
70
18
40
25
40
Data
Ramal
30
41
16
25
30
71
10
30
17
30
Selisih
8
10
9
5
9
1
8
10
8
10
2. Grafik Peramalan
SIMPULAN
Hasil pengujian peramalan periode Januari
2008 yang digambarkan pada Tabel 1 tidak terdapat
item yang memiliki selisih lebih dari 10 satuan
terhadap data permintaan aktual. Jadi terdapat 10
dari 10 item yang memiliki selisih relatif kecil
dengan prosentase sebesar 100% yang menyatakan
hasil peramalan sudah mendekati data aslinya
sehingga sistem peramalan ini bisa dikatakan valid.
Dari hasil uji coba peramalan yang sudah
dilakukan, dapat disimpulkan bahwa sistem
peramalan ini valid karena nilai prosentase selama
pengujian diatas 75%
AB
AY
A
Dari hasil studi analisa, desain,
pengembangan, implementasi dan pengujian
Sistem
Informasi
Pengendalian
Inventori
Menggunakan Metode Peramalan Exponential
Smoothing Pada UD. Jaya Mulia ini dapat diambil
beberapa kesimpulan antara lain:
1. Metode peramalan Exponential Smoothing
dapat diterapkan untuk meramalkan jumlah
permintaan barang pada 1 (satu) periode
mendatang di UD. Jaya Mulia.
2. Berdasarkan dari 4 (empat) kali uji coba
peramalan diperoleh hasil rata-rata ketepatan
peramalan mencapai 80% dengan nilai MSE
rata-rata = 1,7392.
3. Aplikasi yang dibuat mampu memberikan
informasi peramalan yang valid berdasarkan
hasil uji coba.
SU
R
DAFTAR PUSTAKA
Andriyanto, U.S, dan Abdul Basith, 1993, Metode
dan Aplikasi Peramalan, Edisi Kedua,
Penerbit Erlangga. Jakarta.
Arsyad, Incolin, 1993, Peramalan Bisnis Edisi
Pertama, BPFE-Yogyakarta.
Hanke, J.E., and Reitsch Arthur, 1995, Business
Forecasting, Prentice Hall Inc. London
Kendall and Kendall, 2003, Analisis dan
Perancangan Sistem Edisi Kelima, PT
Prenhallindo, Jakarta.
Tanuwijaya, Haryanto, 2008, Sistem Informasi
Pengendalian Persediaan Menggunakan
Metode Exponential Smoothing Pada PT.
Bear House, STIKOM Jurnal, Vol. 12, No.
2, STIKOM Surabaya.
ST
IK
O
M
Gambar 6 Grafik Peramalan
53
MENGGUNAKAN METODE PERAMALAN EXPONENTIAL
SMOOTHING PADA UD. JAYA MULIA
AY
A
Slamet Hariono 1), Haryanto Tanuwijaya 2)
1) S1/ Jurusan Sistem Informasi STIKOMP Surabaya, email : h4r1_t0k@yahoo.com
2) S1/ Jurusan Sistem Informasi STIKOMP Surabaya, email : haryanto@stikom.edu
ST
IK
O
M
SU
Kemajuan sistem teknologi informasi
menjadikan informasi sebagai salah satu kekuatan
penting pada era globalisasi saat ini. Kecepatan dan
ketepatan informasi banyak berpengaruh dalam
perkembangan bisnis perusahaan. Perkembangan
sistem teknologi informasi memudahkan anggota
organisasi menyelesaikan tugas dengan hasil yang
lebih cepat dan akurat.
UD. Jaya Mulia merupakan suatu
perusahaan yang bergerak dibidang perdagangan
yaitu pembelian dan penjualan pakaian anak-anak
dan
perlengkapan
bayi.
Seiring
dengan
perkembangan organisasi, UD. Jaya Mulia
mengalamai berbagai hambatan karena seluruh
proses bisnis yang ada saat ini masih dilakukan
secara manual sehingga mengalami berbagai
permasalahan yang merugikan perusahaan dan
pelanggan.
Permasalahan pertama adalah informasi
stok di gudang yang tidak akurat. Hal ini sering
mengecewakan pelanggan dan mempengaruhi
keuntungan
perusahaan.
Permasalahan
ini
menyebabkan munculnya permasalahan kedua yaitu
pemesanan kepada supplier yang harus dilakukan
secara mendadak. Pemesanan mendadak ini sangat
merugikan perusahaan karena supplier tidak dapat
memenuhi pesanan dalam jangka waktu yang telah
diminta sehingga pelanggan UD. Jaya Mulia beralih
memesan barang ke para pesaing. Permasalahan
selanjutnya adalah seringnya terjadi penumpukan
barang di gudang dalam jangka waktu cukup lama
karena belum terjual ke pelanggan. Hal ini terjadi
akibat dari kesalahan penentuan jumlah barang yang
R
Keyword: Forecasting, Exponential Smoothing Method
48
AB
Abstract : UD. Jaya Mulia is a distribution company who effort activity are selling and buying children clothes
and baby equipment. At this time all business process at UD. Jaya Mulia still using manually process. Because of
that UD. Jaya Mulia have difficult experience with this business process. The big impact is in warehouse
division that is for knowing direct manner stock item who used up, beside that UD. Jaya Mulia get some
difficultes to stabilized how many quantity items they have to buy from Supplier in order to happen
accumulation items in warehouse for a long time. Due to those problems, forecasting exponential smoothing
method can be used to help UD. Jaya Mulia to predict and stabilize the quantity items will be bought from
Supplier.
dibeli dari supplier. Akibatnya biaya membengkak
karena harus menyediakan tempat penyimpanan
yang lebih luas dan meningkatnya biaya
pemeliharaan barang agar tidak rusak.
Dari hasil analisis permasalahaan yang
dilakukan di UD. Jaya Mulia, diperoleh fakta bahwa
permintaan barang dari pelanggan memiliki pola
musiman atau trend. Berdasarkan latar belakang
permasalahan yang dialami UD. Jaya Mulia dan pola
musiman permintaan barang oleh pelanggan, maka
dibutuhkan suatu sistem informasi pengendalian
inventori menggunakan metode Exponential
Smoothing. Pemilihan metode ini karena metode ini
merupakan metode yang tepat bagi dalam
permasalahan yang mengikuti pola musian dan trend
(Andriyanto dan Basith, 1993). Hal ini sesuai
dengan hasil penelitian Tanuwijaya (2008) tentang
penerapan metode Exponential Smoothing pada
persediaan yang memiliki pola musiman. Dengan
menerapkan metode Exponential Smoothing pada
sistem informasi pengendalian inventori ini
bertujuan membantu meramalkan jumlah permintaan
barang pada periode mendatang sehingga
meningkatkan keuntungan melalui penjualan barang
sesuai permintaan barang dari pelanggan dan
meningkatkan efisiensi karena tidak adanya
penumpukan barang di gudang dalam waktu yang
lama.
Adapun tujuan yang hendak dicapai dalam
pembuatan sistem informasi pengendalian inventori
menggunakan
peramalan
dengan
metode
Exponential Smoothing pada UD. Jaya Mulia adalah
:
2.
Exponential Smoothing telah terbukti sesuai
dipergunakan untuk meramalkan barang yang
memiliki pola musiman atau trend (Tanuwijaya,
2008).
Merancang dan membangun sistem informasi
pegendalian inventori yang dapat membantu
UD. Jaya Mulia dalam mengatur atau
mengendalikan keluar masuknya barang dari
gudang.
Membuat aplikasi yang dapat menghasilkan
informasi jumlah permintaan barang yang tepat
pada UD. Jaya Mulia dalam melakukan
pembelian barang ke suplier.
PERANCANGAN SISTEM
1. Gambaran Umum Sistem
AY
A
1.
METODE
Exponential Smoothing
At
Yt
S t 1
AB
Metode Exponential Smoothing model
Winter’s (Hanke and Arthur, 1995:85) sebagai
berikut:
1. Penghalusan Exponensial
(1 )( At 1 Tt 1 )..........1
2. Estimasi trend
3. Estimasi musiman
St
Yt
At
(1 ) S t 1 .........................3
SU
4. Peramalan untuk periode dimasa depan
R
Tt ( At At 1 ) (1 )Tt 1 ...........2
Yt p ( At pTt ) S t L p .................... .4
Keterangan:
=
konstanta penghalusan untuk data ( 0<
< 1)
=
konstanta penghalusan untuk estimasi
tren musiman ( 0< < 1)
=
konstanta penghalusan untuk estimasi
M
=
data yang sebenarnya pada periode t
=
nilai pemulusan yang baru
=
estimasi trend
=
estimasi musiman
=
=
=
panjangnya musim
periode peramalan
peramalan untuk p periode di masa
IK
Yt
At
Tt
St
< 1)
O
tren ( 0<
ST
L
P
Yt p
Gambar 1. Gambaran Umum Sistem
Pada Gambar 1, ditunjukkan bahwa proses
pertama kali dilakukan oleh pengguna yang
melakukan interaksi langsung ke dalam sistem.
Pengguna menginputkan data-data berupa data
pembelian dan data penjualan yang nantinya datadata tersebut akan diproses dengan menggunakan
metode Exponential Smoothing yang akan
menghasilkan output berupa laporan hasil peramalan
berapa besar jumlah barang yang dibeli. Hasil
peramalan ini diharapkan dapat membantu
perusahan untuk menghindari penumpukan barang
terlalu lama di gudang dan dapat meningkatkan
kualitas perusahaan dalam pelayanan kepada
pelanggan.
2. Diagram Konteks
Diagram konteks adalah tingkatan tertinggi
dalam diagram aliran data dan hanya memuat satu
proses, menunjukkan system secara keseluruhan
(Kendall and Kendall, 2003:267).
0
Laporan Hasil Peramalan
Sistem Informasi
Pengendalian Inventori
UD Jaya Mulia
Laporan Stok Barang
Data Suplier
Laporan Pembelian
Suplier
Faktur Pembelian
+
Detil barang yang akan dibeli
Pimpinan
Perusahaan
Laporan Penjualan
depan
Pemulusan exponential adalah teknik yang
dapat memberikan ketepatan dalam ramalan jangka
pendek dan penyesuaian dapat dilakukan dengan
cepat dan pada biaya yang rendah. Teknik ini
banyak dipergunakan bila peramalan bulanan atau
mingguan diperlukan untuk barang-barang dalam
jumlah besar (Arsyad, 1993:118). Metode
Faktur Penjualan
Pelanggan
Data Pelanggan
Gambar 2 Diagram Konteks
49
Diagram Konteks yang mempunyai 3 (tiga)
entity luar yaitu, Suplier, Pelanggan dan Pimpinan
Perusahaan. Dalam sistem tersebut suplier
memberikan inputan ke sistem berupa data suplier
dan faktur pembelian kemudian suplier juga
menerima output dari sistem berupa data detil
barang yang akan dibeli. Untuk entity pelanggan,
mereka memberikan inputan berupa data pelanggan
dan menerima output dari sistem berupa faktur
penjualan. Pada sistem informasi pengendalian
inventori ini terdapat beberapa proses di dalamnya
yang nantinya akan menghasilkan output berupa
laporan-laporan yang diberikan kepada pimpinan
perusahaan sebagai evaluasi peningkatan mutu
perusahaan.
AY
A
Pada DFD level 0 untuk sistem ini terdapat
8 (delapan) proses yaitu:
1. Maintenance Data suplier
Digunakan untuk mengolah data suplier jika
ada data baru dan perubahan data.
2. Maintenance Data Barang
Digunakan untuk mengolah data barang jika
ada data baru dan perubahan data.
3. Maintenance Stok
Digunakan untuk merubah jumlah stok
digudang secara otomatis berdasarkan dari data
penjualan dan data pembelian.
4. Generate Exponential Smoothing
Proses perhitungan peramalan persediaan
dengan menggunakan metode Exponential
Smoothing.
5. Pembelian
Digunakan untuk melakukan proses pembelian
barang ke suplier berdasarkan dari hasil
peramalan yang sudah dibuat.
3. DFD Level 0
3
SU
2
+
+
Tbl_HistorySt DataBarang
ok
14
Tbl_Suplier
Nilai_AlphaBethaGammaMSE
4
Maintenance
Stok
Generate
ExponentialSmo
othing
+
JumlahStok
[Faktur Pembelian]
+
UpdateStok
DataSuplier
DetilPembelian
M
4
Pembelian
O
+
DataPO
6
Tbl_Stok
DataBarang
UpdateStok
[Data Pelanggan]
Maintenance
Data Pelanggan
Tbl_HasilSmooth
ing
6
5
DaftarPembelian
NilaiAlphaBethaGamma
HasilPeramalan
SisaStok
[Detil barang yang akan dibeli]
Tbl_AlphaBetha
Gamma
3
DataSuplier
1
5
Maintenance
Data Barang
Maintenance
Data Suplier
Suplier
Tbl_MstBarang DataBarang
DataBarang
DataJenis
1
[Data Suplier]
R
Tbl_MstJenisBar
ang
2
AB
Diagram
level
0
(nol)
adalah
pengembangan diagram konteks dan bisa mencakup
sampai 9 (sembilan) proses (Kendall and Kendall,
2003:269).
Pelanggan
+
DataPelanggan
HasilRamal
9
Tbl_MstOR
11
Tbl_Pelanggan
DataPelanggan
NoPO
Tbl_MstPO
IK
7
ST
8
DetilBarang
Tbl_DetilPO
DataStokBarang
DetilBarang
7
DetilPenjualan
DataPembelian
DataBarang
DetilPembelian
10
Tbl_DetilOR
+
UpdateStok
8
DataPenjualan
DetilPenjualan
DataHasilPeramalan
DetilPembelian
[Laporan Pembelian]
12
Pembuatan
Laporan
DetilPenjualan
+
[Laporan Stok Barang]
Pimpinan
Perusahaan
Tbl_MstPenjuala
n
DataPenjualan
[Laporan Penjualan]
[Laporan Hasil Peramalan]
Gambar 3 DFD Level 0
50
[Faktur Penjualan]
Penjualan
DetilPembelian
13
Tbl_DetilPenju
alan
DetilPenjualan
6. Maintenance Data Pelanggan
Digunakan untuk mengolah data pelanggan jika
ada data baru dan perubahan data.
7. Penjualan
Digunakan untuk melakukan proses penjualan
pada pelanggan, dimana data penjualan ini
nantinya akan dipakai untuk proses peramalan.
4. Conceptual Data Model (CDM)
AmbilDataSuplier
Tbl_MstPO
NoPO
TglPO
Status
Tbl_MstOR
AmbilDataPO
KodeJenis
NamaJenis
Keterangan
Tbl_DetilPO
Jumlah
AmbilDataJenis
AmbilDataSuplier
SU
AmbilDataBarang
AmbilDataBarang
M
Tbl_Has ilSmoothing
Nilai_At
Nilai_Tt
Nilai_St
Nilai_Ftp
Nilai_MSE
Tanggal
O
Tbl_MstBarang
KodeBarang
NamaBarang
Satuan
HargaBeli
HargaJual
Status
AmbilDataBarang
Tbl_His tory Stok
Tanggal
StokAw al
StokKeluar
Jumlah
Jumlah
Harga
SubTotal
Tbl_Stok
Jumlah
AmbilDataBarang
R
AmbilDataBarang
AmbilDataBarang
AmbilDataBarang
Tbl_DetilPenjualan
Jumlah
HargaSatuan
SubTotal
Diskon
Terdiri
Tbl_MstPenjualan
NoTrans aks i
TglTrans aks i
TotalBay ar
Tbl_Pelanggan
KodePelanggan
Nama
A lamat
Kodepos
Kota
Kodetlp1
Telepon1
Kodetlp2
Telepon2
Kodetlp3
Telepon3
Status
AmbilDataPelanggan
Gambar 4 Conceptual Data Model (CDM)
ST
IK
Terdiri
Tbl_MstJenis Barang
Terdiri
Tbl_A lphaBethaGamma
TglPeramalan
A lpha
Betha
Gamma
MSE
Tbl_DetilOR
NoOR
TglOR
TotalOrder
AB
Tbl_Suplier
KodeSuplier
Nama
A lamat
Kodepos
Kota
Kodetlp1
Telepon1
Kodetlp2
Telepon2
Kodetlp3
Telepon3
Status
AY
A
8. Pembuatan Laporan
Digunakan untuk membuat laporan perusahaan
yang terdiri dari laporan pembelian, stok barang,
peramalan dan laporan penjualan.
51
5. Physical Data Model (PDM)
TBL_MSTPO
TBL_MSTOR
NOPO
long varchar
TBL_SUPLIER
NOOR
long varchar
KODESUPLIER
long varchar
KODESUPLIER
long varchar
NOPO
long varchar
TGLPO
timestamp
NAMA
long varchar
KODESUPLIER = KODESUPLIER
TGLOR
timestamp
STA TUS
smallint
NOPO = NOPO
A LA MA T
long varchar
TOTALORDER
numeric(8)
KODEPOS
long varchar
KOTA
long varchar
NOPO = NOPO
TBL_MSTJENISBARANG
KODETLP1
long varchar
TELEPON1
long varchar
KODEJENIS
long varchar
KODETLP2
long varchar
KODEBA RA NG
long varchar
TBL_DETIL PO
KODEBARANG = KODEBARANG
TELEPON2
long varchar
NAMAJENIS
long varchar
NOPO
long varchar
KODETLP3
long varchar
KETERA
NGA
N
long
varchar
JUMLAH f loat
TELEPON3
long varchar
STA TUS
smallint
KODEBARANG = KODEBARANG
KODEBARANG = KODEBARANG
TBL_STOK
KODEBA RA NG
long varchar
JUMLAH
f loat
AB
KODESUPLIER = KODESUPLIER
TBL_DETIL OR
NOOR
long varchar
JUMLAH
float
HARGA
numeric(8)
SUBTOTAL
numeric(8)
AY
A
TBL_MSTBA RA NG
KODEBA RA NG
long varchar
KODESUPLIER
long varchar
NAMABARA NG long varchar
SATUA N
long varchar
HARGA BELI
numeric(8)
HARGA JUA L
numeric(8)
STA TUS
smallint
NOOR = NOOR
TBL_DETIL PENJUA LAN
TBL_ALPHA BETHA GA MMA
KODEBA RA NG
long varchar
TGLPERAMA LA N
timestamp
A LPHA
f loat
BETHA
f loat
GAMMA
f loat
MSE
f loat
KODEBARANG = KODEBARANG
R
KODEBARANG = KODEBARANG
TBL_HISTORYSTOK
KODEBA RA NG
long varchar
TANGGA L
timestamp
STOKA WA L
f loat
STOKKELUA R
f loat
STOKA KHIR
f loat
SU
TBL_HA SILSMOOTHING
KODEBA RA NG
long varchar
NILA I_A T
f loat
NILA I_TT
f loat
NILA I_ST
f loat
NILA I_FTP
f loat
NILA I_MSE
f loat
TANGGA L
timestamp
TBL_PELANGGAN
KODEPELA NGGAN
long varchar
NAMA
long varchar
A LA MA T
long varchar
KODEPOS
long varchar
KOTA
long varchar
KODETLP1
long varchar
TELEPON1
long varchar
KODETLP2
long varchar
TELEPON2
long varchar
KODETLP3
long varchar
TELEPON3
long varchar
KODEPELANGGAN = KODEPELANGGAN
STA TUS
smallint
TBL_MSTPENJUALA N
JUMLAH
HARGA SATUA N
SUBTOTAL
DISKON
f loat
numeric(8)
numeric(8)
numeric(8)
NOTRA NSA KSI
KODEPELA NGGAN
TGLTRA NSA KSI
TOTALBAY AR
long varchar
long varchar
timestamp
numeric(8)
Gambar 5 Physical Data Model (PDM)
PENGUJIAN SISTEM
M
1. Pengujian Proses Peramalan
ST
IK
O
Uji coba dilakukan dengan melakukan
perbandingan antara hasil dari sistem peramalan
dengan data permintaan aktual. Dalam hal ini data
permintaan aktual merupakan data permintaan
barang pada tahun 2008 yang didapatkan
langsung dari UD. Jaya Mulia, sedangkan sistem
peramalan akan menghasilkan nilai peramalan
untuk periode Januari 2008. Dengan demikian
kesalahan peramalan dapat diketahui untuk
menentukan kelayakan dari sistem peramalan
yang sudah dibuat. Hasil uji coba ditunjukkan
pada Tabel 1 di halaman 5.
52
Tabel 1 Pengujian Peramalan Untuk Periode
Januari 2008
KodeBarang
CLN – 0001
PPK – 0001
PPK – 0002
SGL – 0001
STG – 0001
STL – 0001
BDG – 0001
CLN – 0002
JKT – 0001
TOP - 0001
Data
Perminta
an
Aktual
38
51
25
30
21
70
18
40
25
40
Data
Ramal
30
41
16
25
30
71
10
30
17
30
Selisih
8
10
9
5
9
1
8
10
8
10
2. Grafik Peramalan
SIMPULAN
Hasil pengujian peramalan periode Januari
2008 yang digambarkan pada Tabel 1 tidak terdapat
item yang memiliki selisih lebih dari 10 satuan
terhadap data permintaan aktual. Jadi terdapat 10
dari 10 item yang memiliki selisih relatif kecil
dengan prosentase sebesar 100% yang menyatakan
hasil peramalan sudah mendekati data aslinya
sehingga sistem peramalan ini bisa dikatakan valid.
Dari hasil uji coba peramalan yang sudah
dilakukan, dapat disimpulkan bahwa sistem
peramalan ini valid karena nilai prosentase selama
pengujian diatas 75%
AB
AY
A
Dari hasil studi analisa, desain,
pengembangan, implementasi dan pengujian
Sistem
Informasi
Pengendalian
Inventori
Menggunakan Metode Peramalan Exponential
Smoothing Pada UD. Jaya Mulia ini dapat diambil
beberapa kesimpulan antara lain:
1. Metode peramalan Exponential Smoothing
dapat diterapkan untuk meramalkan jumlah
permintaan barang pada 1 (satu) periode
mendatang di UD. Jaya Mulia.
2. Berdasarkan dari 4 (empat) kali uji coba
peramalan diperoleh hasil rata-rata ketepatan
peramalan mencapai 80% dengan nilai MSE
rata-rata = 1,7392.
3. Aplikasi yang dibuat mampu memberikan
informasi peramalan yang valid berdasarkan
hasil uji coba.
SU
R
DAFTAR PUSTAKA
Andriyanto, U.S, dan Abdul Basith, 1993, Metode
dan Aplikasi Peramalan, Edisi Kedua,
Penerbit Erlangga. Jakarta.
Arsyad, Incolin, 1993, Peramalan Bisnis Edisi
Pertama, BPFE-Yogyakarta.
Hanke, J.E., and Reitsch Arthur, 1995, Business
Forecasting, Prentice Hall Inc. London
Kendall and Kendall, 2003, Analisis dan
Perancangan Sistem Edisi Kelima, PT
Prenhallindo, Jakarta.
Tanuwijaya, Haryanto, 2008, Sistem Informasi
Pengendalian Persediaan Menggunakan
Metode Exponential Smoothing Pada PT.
Bear House, STIKOM Jurnal, Vol. 12, No.
2, STIKOM Surabaya.
ST
IK
O
M
Gambar 6 Grafik Peramalan
53