Perbandingan Hasil Produksi Pakaian CV. MODE FASHION DEPARTEMENT STORE MEDAN dengan Metode Pemulusan Dua Parameter dari Holt dan Pemulusan Eksponensial Ganda dari Brown

(1)

PERBANDINGAN

FASHION DEP

METODE PE

HOLT DA

DEP

FAKULTAS MATEM

UNIV

AN HASIL PRODUKSI PAKAIAN CV. M

EPARTEMENT STORE MEDAN DENG

PEMULUSAN DUA PARAMETER DAR

DAN PEMULUSAN EKSPONENSIAL

GANDA DARI BROWN

SKRIPSI

NURMALA SARI

110803008

EPARTEMEN MATEMATIKA

EMATIKA DAN ILMU PENGETAHUA

IVERSITAS SUMATERA UTARA

MEDAN

2015

. MODE

NGAN

ARI


(2)

PERBANDINGAN

FASHION DEP

METODE PE

HOLT DA

Diajukan untuk mele

DEP

FAKULTAS MATEM

UNIV

AN HASIL PRODUKSI PAKAIAN CV. M

EPARTEMENT STORE MEDAN DENG

PEMULUSAN DUA PARAMETER DAR

DAN PEMULUSAN EKSPONENSIAL

GANDA DARI BROWN

SKRIPSI

elengkapi tugas dan memenuhi syarat untuk m gelar

Sarjana Sains

NURMALA SARI

110803008

EPARTEMEN MATEMATIKA

EMATIKA DAN ILMU PENGETAHUA

IVERSITAS SUMATERA UTARA

MEDAN

2015

. MODE

NGAN

ARI

mencapai


(3)

i

PERSETUJUAN

Judul : Perbandingan Hasil Produksi Pakaian CV. MODE FASHION DEPARTEMENT STORE MEDAN dengan Metode Pemulusan Dua Parameter dari Holt dan Pemulusan Eksponensial Ganda dari Brown

Kategori : Skripsi

Nama : Nurmala Sari

Nomor Induk Mahasiswa : 110803008

Program Studi : Sarjana (S1) Matematika Departemen : Matematika

Fakultas : Matematika Dan Ilmu Pengetahuan Alam (FMIPA) Universitas Sumatera Utara

Diluluskan Medan, Juli 2015

Komisi Pembimbing:

Pembimbing 2, Pembimbing 1,

Drs. Gim Tarigan, M.Si Drs. Pengarapen Bangun, M.Si NIP. 19550202 198601 1 001 NIP. 19560815 198503 1 005

Disetujui oleh

Departemen Matematika FMIPA USU Ketua,

Prof. Dr. Tulus, M.Si


(4)

ii

PERNYATAAN

PERBANDINGAN HASIL PRODUKSI PAKAIAN CV. MODE FASHION DEPARTEMENT STORE MEDAN DENGAN METODE PEMULUSAN

DUA PARAMETER DARI HOLT DAN PEMULUSAN EKSPONENSIAL GANDA DARI BROWN

SKRIPSI

Saya mengakui bahwa skripsi ini adalah hasil kerja saya sendiri. Kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.

Medan, Juli 2015

Nurmala Sari 110803008


(5)

iii

PENGHARGAAN

Puji dan syukur penulis panjatkan kepada Allah SWT Yang Maha Pemurah dan Maha Penyayang, dengan limpahan karuniaNya penulis dapat menyelesaikan penyusunan skripsi ini dengan judul Perbandingan Hasil Produksi CV. Mode Fashion Departement Store Medan dengan Metode Pemuluas Dua Parameter dari Holt dan Pemulusan Eksponensial Ganda dari Brown.

Terima kasih penulis sampaikan kepada Bapak Drs. Pengarapen Bangun, M.Si selaku dosen pembimbing 1 dan Bapak Drs. Gim Tarigan, M.Si selaku dosen pembimbing 2 yang telah meluangkan waktunya selama penulisan skripsi ini. Terima kasih kepada dosen pembanding penulis Bapak Dr. Pasukat Sembiring, M.Si dan Bapak Drs. Hendry Rany Sitepu, M.Si atas kritik dan saran yang membangun dalam penulisan skripsi penulis. Terima kasih kepada Bapak Prof. Dr. Tulus, M.Si dan Ibu Dr. Mardiningsih, M.Si selaku Ketua dan Sekretaris Departemen Matematika FMIPA USU. Terima kasih kepada Bapak Dr. Sutarman, M.Sc selaku Dekan FMIPA USU, Wakil Dekan FMIPA USU, seluruh Staff dan Dosen Matematika FMIPA USU, pegawai FMIPA USU serta rekan-rekan kuliah. Akhirnya tidak terlupakan kepada Ayahanda tercinta Sugiono, Ibunda tercinta Salamah, serta keluarga dari kedua orang tua yang selama ini memberikan bantuan dan dorongan yang diperlukan. Semoga Allah SWT akan membalasnya.


(6)

iv

PERBANDINGAN HASIL PRODUKSI PAKAIAN CV. MODE FASHION DEPARTEMENT STORE MEDAN DENGAN METODE PEMULUSAN

DUA PARAMETER DARI HOLT DAN PEMULUSAN EKSPONENSIAL GANDA DARI BROWN

ABSTRAK

Seiring dengan perkembangan zaman apalagi dibidang retail yang membuat produksi pakaian seperti baju kemeja, model pakaian saat ini banyak yang menarik perhatian sehingga diperlukan peramalan untuk membuat suatu rancangan tahun kedepan untuk mengetahui stok setiap tahunnya. Peramalan adalah upaya memperkirakan nilai-nilai respon yang menjadi perhatian di masa depan dan digunakan sebagai acuan pencegah yang mendasari suatu keputusan untuk yang akan datang dalam upaya meminimalis kendala atau memaksimalkan pengembangan baik dalam dunia usaha, seperti peramalan produksi dan sebagainya. Dalam keefektifannya haruslah suatu peramalan merupakan hasil dari proses perhitungan yang sistematis. Pemulusan eksponensial ganda (linier satu parameter dari brown) adalah metode yang pemulusannya dilakukan dengan komponen tren dan komponen lainnya dihaluskan bersama-sama dengan menggunakan satu parameter yaitu α. Sedangkan pemulusan dua parameter dari Holt adalah komponen trend dihaluskan secara terpisah dengan menggunakan 2 parameter yang berbeda yaitu α dan γ. Dapat disimpulkan perhitungan dua metode tersebut diperoleh hasil peramalan untuk tahun kedepannya dengan nilai kesalahan terkecil Mean Square Error (MSE). Dengan metode yang lebih baik untuk produksi pakaian tersebut yaitu dengan metode pemulusan dua parameter dari Holt. Dengan hasil perhitungan nilai kesalaha (Mean Square Error) MSE = 16372711,588, sehingga metode ini sesuai dengan peramalan produksi pakaian yang diteliti.

Kata Kunci: peramalan, pemulusan dua parameter dari holt, pemulusan eksponensial ganda dari brown, error


(7)

v

COMPARISON OF PRODUCTS APPAREL CV. MODE FASHION DEPARTEMENT STORE WITH TWO PARAMETERS

METHODS OF HOLT AND DOUBLE EXPONENTIAL OF BROWN

ABSTRACT

Along with the times especially in retail which makes the production of garments such as dress shirts, underwear model is currently so much interest be required forecasting to make a design next year to determine the stock each year. Forecasting is an effort to estimate the values of the response is a concern in the future and used as a reference deterrent underlying a decision for the future in an effort to minimize or maximize the development constraints both in the business world, such as forecasting production and so on. In effectiveness should be a forecast is the result of a systematic calculation process. Double exponential smoothing (linear one parameter of brown) is the smoothing method performed by the trend component and other components blended together by using a single parameter, namely α. While smoothing the two parameters of Holt is smoothed trend component separately using two different parameters are α and γ. It can be concluded that the two methods of calculation we can forecast results for future years with the smallest error value Mean Square Error (MSE). With suitable method or in accordance with the clothing production is the smoothing method two parameters of Holt. With the results of a mistake or an error value calculation with MSE = 16,372,711.588, so the method is in accordance with forecast production of clothing under study.

Keyword: Forecasting, Double Exponential Smoothing, Two Parameters Methods of Holt, error


(8)

vi DAFTAR ISI

Halaman

PERSETUJUAN i

PERNYATAAN ii

PENGHARGAAN iii

ABSTRAK iv

ABSTRACT v

DAFTAR ISI vi

DAFTAR TABEL viii

DAFTAR GAMBAR xi

DAFTAR LAMPIRAN xiii

BAB 1 PENDAHULUAN 1

1.1Latar Belakang 1

1.2 Perumusan Masalah 2

1.3Batasan Masalah 3

1.4Tujuan Penelitian 3

1.5Tinjauan Pustaka 3

1.6Kontribusi Penelitian 6

1.7Metodologi Penelitian 6

BAB 2 LANDASAN TEORI 8

2.1 Peramalan 8

2.2 CV. Mode Fashion Departement Store 9

2.3 Metode Deret Berkala 9

2.4 Metode Pemulusan (Smoothing) 11

2.4.1 Metode Pemulusan Eksponensial Tunggal 11 2.4.2 Metode Pemulusan Eksponensial Ganda

dari Brown 12

2.4.3 Metode Pemulusan Dua Parameter dari Holt 12 2.4.4 Ketetapan Ramalan Beberapa Kriteria

digunakan untuk diuji 13

2.4.5 Pengambilan Nilai Kesalahan 14

BAB3 HASIL DAN PEMBAHASAN 15

3.1Metode Pemulusan Eksponensial Ganda

dari Brown 15

3.1.1 Plot Time Series Produksi Pakaian

CV. MODE FASHION 15 3.1.2 Penyelesaian Metode Pemulusan Eksponensial

Ganda dari Brown 16

3.1.3 Nilai Kesalahan (Galat) 21 3.2Penyelesaian Pemulusan Dua Parameter dari Holt 25 3.2.1 Nilai Kesalahan (Galat) 29


(9)

vii

3.2.2 Penentuan Model yang Lebih Baik 32

3.2.3 Peramalan 32

3.3 Melakukan Perbandingan Hasil Perhitungan Ramalan 33 3.3.1 Metode Pemulusan Eksponensial Ganda

dari Brown 33

3.3.2 Metode Pemulusan Dua Parameter dari Holt 33 3.4 Menetapkan Metode yang Lebih Efektif Berdasarkan

Hasil Peramalan CV. Mode Fashion Medan 34

BAB 4 KESIMPULAN DAN SARAN 35

4.1 Kesimpulan 35

4.2 Saran 35

DAFTAR PUSTAKA 36


(10)

viii

DAFTAR TABEL

Nomor Judul Halaman

Tabel

3.1 Data Produksi CV. Mode Fashion 15

3.2 Peramalan dengan α = 0.9 17

3.3 Nilai Kesalahan dengan α = 0.9 22

3.4 Hasil Nilai Kesalahan 24

3.5 Peramalan dengan α = 0.4 dan γ = 0.1 26 3.6 Nilai Kesalahan dengan α = 0.4 dan γ = 0.1 29

3.7 Hasil Nilai Kesalahan 32

3.8 Peramalan Tahun 2015 33

3.9 Hasil Nilai Kesalahan dari Brown 33

3.10 Hasil Nilai Kesalahan dari Holt 33


(11)

ix

DAFTAR GAMBAR

Nomor Judul Halaman

Gambar

3.1 Plot Data Produksi Pakaian 16

3.2 Plot Ramalan Produksi Pakaian 2015 dengan Brown 21 3.5 Plot Ramalan Produksi Pakaian 2015 dengan Holt 29


(12)

x

DAFTAR LAMPIRAN

Nomor Judul Halaman

Lamp

1 Data Produksi Pakaian CV. Mode Fashion


(13)

iv

PERBANDINGAN HASIL PRODUKSI PAKAIAN CV. MODE FASHION DEPARTEMENT STORE MEDAN DENGAN METODE PEMULUSAN

DUA PARAMETER DARI HOLT DAN PEMULUSAN EKSPONENSIAL GANDA DARI BROWN

ABSTRAK

Seiring dengan perkembangan zaman apalagi dibidang retail yang membuat produksi pakaian seperti baju kemeja, model pakaian saat ini banyak yang menarik perhatian sehingga diperlukan peramalan untuk membuat suatu rancangan tahun kedepan untuk mengetahui stok setiap tahunnya. Peramalan adalah upaya memperkirakan nilai-nilai respon yang menjadi perhatian di masa depan dan digunakan sebagai acuan pencegah yang mendasari suatu keputusan untuk yang akan datang dalam upaya meminimalis kendala atau memaksimalkan pengembangan baik dalam dunia usaha, seperti peramalan produksi dan sebagainya. Dalam keefektifannya haruslah suatu peramalan merupakan hasil dari proses perhitungan yang sistematis. Pemulusan eksponensial ganda (linier satu parameter dari brown) adalah metode yang pemulusannya dilakukan dengan komponen tren dan komponen lainnya dihaluskan bersama-sama dengan menggunakan satu parameter yaitu α. Sedangkan pemulusan dua parameter dari Holt adalah komponen trend dihaluskan secara terpisah dengan menggunakan 2 parameter yang berbeda yaitu α dan γ. Dapat disimpulkan perhitungan dua metode tersebut diperoleh hasil peramalan untuk tahun kedepannya dengan nilai kesalahan terkecil Mean Square Error (MSE). Dengan metode yang lebih baik untuk produksi pakaian tersebut yaitu dengan metode pemulusan dua parameter dari Holt. Dengan hasil perhitungan nilai kesalaha (Mean Square Error) MSE = 16372711,588, sehingga metode ini sesuai dengan peramalan produksi pakaian yang diteliti.

Kata Kunci: peramalan, pemulusan dua parameter dari holt, pemulusan eksponensial ganda dari brown, error


(14)

v

COMPARISON OF PRODUCTS APPAREL CV. MODE FASHION DEPARTEMENT STORE WITH TWO PARAMETERS

METHODS OF HOLT AND DOUBLE EXPONENTIAL OF BROWN

ABSTRACT

Along with the times especially in retail which makes the production of garments such as dress shirts, underwear model is currently so much interest be required forecasting to make a design next year to determine the stock each year. Forecasting is an effort to estimate the values of the response is a concern in the future and used as a reference deterrent underlying a decision for the future in an effort to minimize or maximize the development constraints both in the business world, such as forecasting production and so on. In effectiveness should be a forecast is the result of a systematic calculation process. Double exponential smoothing (linear one parameter of brown) is the smoothing method performed by the trend component and other components blended together by using a single parameter, namely α. While smoothing the two parameters of Holt is smoothed trend component separately using two different parameters are α and γ. It can be concluded that the two methods of calculation we can forecast results for future years with the smallest error value Mean Square Error (MSE). With suitable method or in accordance with the clothing production is the smoothing method two parameters of Holt. With the results of a mistake or an error value calculation with MSE = 16,372,711.588, so the method is in accordance with forecast production of clothing under study.

Keyword: Forecasting, Double Exponential Smoothing, Two Parameters Methods of Holt, error


(15)

1

BAB. 1

PENDAHULUAN

1.1. Latar Belakang

Kain adalah bahan mentah yang dapat dikelola menjadi suatu pakaian yang mempunyai nilai financial dan konsumtif dalam kehidupan, seperti pembuatan baju. Contohnya model baju kemeja dari anak-anak sampai dewasa untuk semua kalangan. Selain itu kain merupakan sarana penting sebagai salah satu faktor pendukung untuk memperoleh suatu produksi yang diminati oleh masyarakat.

CV. Mode Fashion Departement Store Medan adalah sebuah perusahaan swasta nasional yang bergerak di bidang retail untuk membuat suatupakaian jadi seperti baju kemeja yang dipakai dalam kehidupan sehari-hari. Untuk anak-anak sampai dewasa dan dari kalangan bawah sampai kalangan atas, semua memerlukannya. Oleh karena itu, semakin banyak yang memesan suatu produk semakin bertambah pula produksi yang dibuat. Akan tetapi, perlu disadari bahwa keadaan ini menimbulkan permasalahan. Kondisi ini mengakibatkan penerimaan produksi menurun atau berkurang optimal dikarenakan tidak adanya pemahaman yang baik dalam strategi penerapan tentang produksi barang.

Untuk itu perlu dilakukan pendekatan yang efektif dalam pengolahan produksi. Pendekatan dapat dilakukan dengan cara meramalkan dan mengintrepetasi data produksi yang ada.

Dari uraian diatas, diketahui bahwa peramalan merupakan alat bantu yang penting dalam perencanaan yang efektif dan efisien. Maksudnya peramalan dapat membantu setiap produksi tahun kedepannya berdasarkan data sebelumnya yang diperoleh dari perusahaan, sehingga lebih mudah mengetahui hasil produksi kedepannya.

Banyak jenis metode peramalan yang tersedia untuk manajemen (chamber et al.,1971; Makridakis dan Wheelwright, 1980). Pilihan tersebut meliputi metode pemulusan Eksponensial, metode Deret Berkala, metode Average dan metode


(16)

2

Arima (Box-Jenkins). Dalam hal ini penulis menggunakan Metode Pemulusan Dua Parameter dari Holt dan Metode Pemulusan Eksponensial Ganda dari Brown.

Pemulusan eksponensial adalah metode peramalan untuk meramalkan masa yang akan datang dengan melakukan proses pemulusan (smoothing) eksponensial dan menghasilkan error lebih kecil. Pemulusan eksponensial terbagi menjadi pemulusan eksponensial tunggal, ganda dan triple. Penulis memakai metode pemulusan eksponensial ganda dari brown dan pemulusan dua parameter dari Holt. Pemulusan eksponensial ganda merupakan fungsi pengklasifikasian suatu observasi kedalam kelompok yang saling bebas (mutually exclusive/ disjoint) dan menyeluruh (exhaustive) berdasarkan sejumlah faktor penjelas.

Analisa deret waktu merupakan analisa yang berhubungan erat dengan peramalan. Kondisi data yang ada sesuai dengan urutan atau memiliki periode tertentu. Secara umum, semua aktifitas yang dilakukan manusia sering mengalami ketidakpastian dalam hal pengambilan keputusan sehingga diperlukan suatu peramalan untuk kejadian di masa yang akan datang.

Peneliti bertujuan untuk memprediksi suatu produksi pakaian kemeja untuk tahun kedepannya dengan data sebelumnya, dengan cara menggunakan pemulusan dua parameter dari holt dan pemulusan eksponensial ganda dari brown.

Berdasarkan uraian tersebut maka penulis tertarik untuk melakukan penelitian dengan judul “Perbandingan Hasil Ramalan Produksi Pakaian CV. Mode Fashion Department Store Medan dengan Metode Pemulusan Dua Parameter dari Holt dan Pemulusan Eksponensial Ganda dari Brown”.

1.2 Perumusan Masalah

Yang menjadi perumusan masalah adalah pemesanan hasil produksi kemeja yang di pesan oleh konsumen. Oleh karena itu, diperlukan hasil ramalan produksi pakaian untuk periode mendatang dan melihat perbandingan hasil ramalan menggunakan metode pemulusan dua parameter dari holt dan pemulusan eksponensial ganda dari brown.


(17)

3

1.3 Pembatasan Masalah

Pembatasan masalah dalam penelitian ini adalah:

1. Model yang digunakan dalam peramalan ini adalah Metode Pemulusan Dua Parameter dari Holt dan Pemulusan Eksponensial Ganda dari Brown. 2. Data diambil dari CV. MODE FASHION DEPARTEENT STORE

MEDAN.

3. Data yang diolah adalah hasil produksi pakaian model kemeja berdasarkan tahun 2007-2014.

4. Hasil ramalan dari penelitian ini diarahkan untuk satu tahun mendatang 2015.

1.4 Tujuan Penelitian

Adapun tujuan dari penelitian ini adalah untuk meramalkan hasil produksi pakaian suatu perusahaan, dan memilih salah satu metode peramalan yaitu metode pemulusan dua parameter dari Holt dan metode pemulusan eksponensial ganda dari Brown berdasarkan nilai error peramalan hasil produksi pakaian pada CV. MODE FASHION selama tahun 2015.

1.5Tinjauan Pustaka

J. M.A. Supranto dalam bukunya “Metode Ramalan Kuantitatif untuk Perencanaan Ekonomi dan Bisnis” (1983) menyatakan Metode peramalan adalah cara untuk memperkirakan secara kuantitatif apa yang akan terjadi pada masa yang akan datang dengan data yang relevan pada masa lalu. Metode kuantitatif didasarkan pemanipulasi atas data yang tersedia secara memadai dan tanpa intuisi maupun penilaian subjektif dari orang yang melakukan,metode ini umumnya didasarkan pada analisis statistika.

Lerbin R. Aritonang R dalam bukunya “Peramalan Bisnis” (2002) menyatakan eksponensial ganda dari Brown adalah teknik yang digunakan untuk


(18)

4

data runtut waktu yang memiliki komponen trend yang linier, jika parameternya (∝) tidak mendekati nol, pengaruh proses awalnya secara cepat menjadi kurang berarti begitu waktu berlalu. Jika parameternya mendekati nol, proses awalnya dapat berperan penting untuk beberapa periode. Sehingga Peramalan merupakan dugaan atau perkiraan mengenai terjadinya suatu kejadian atau peristiwa di waktu yang akan datang.

Metode smoothing (metode pelicinan) merupakan teknik meramal dengan cara mengambil rata-rata dari nilai beberapa periode yang lalu untuk menaksir nilai pada periode yang akan datang. Peramalan merupakan dugaan atau perkiraan mengenai terjadinya suatu kejadian atau peristiwa di waktu yang akan datang. Peramalan terbagi atas beberapa metode yaitu Metode Pemulusan Dua Parameter dari Holt dan Metode Pemulusan Eksponensial Ganda dari Brown.

Adler Haymans Manurung, SE dalam bukunya “Teknik Peramalan Bisnis Dan Ekonomi” (1990) menyatakan pada metode pemulusan eksponensial sederhana dilakukan peramalan dengan penghalusan sekali saja. Sedangkan metode Brown ini dilakukan dua kali penghalusan dan kemudian dilakukan peramalan. Sehingga metode ini sering juga disebut metode penghalusan eksponensial berganda (Double Exponential Smoothing).

Adapun persamaan pemulusan eksponensial: ′ = + (1 − ) ′

"= ′ + (1 − ) "

dimana;

′ = nilai pemulusan eksponensial tunggal

"= nilai pemulusan eksponensial ganda

= parameter pemulusan eksponensial yang besarnya 0 <α< 1 = data aktual pada periode t

! = ′+ " ′− "# = 2 ′ − " % = 1 − " ′− ′′#


(19)

5

dimana;

! = nilai konstanta pemulusan % = nilai konstanta pemulusan

&'( = ramalan untuk satu periode kedepan

Spyros Makridakis dalam bukunya berjudul “Metode Dan Aplikasi Peramalan” (1992) menyatakanmetode dua parameter dari Holt adalah metode yang pada prinsipnya serupa dengan Brown, kecuali bahwa Holt tidak menggunakan rumus permulusan berganda secara langsung. Sebagai gantinya Holt memuluskan nilai trend dengan parameter yang beda dari parameter yang digunakan pada deret yang asli. Ramalan dari pemulusan eksponensial linier Holt dapat dengan menggunakan 2 konstanta pemulusan ( dan γ)2 parameter yang nilainya antara 0 dan 1.

Persamaan yang digunakan:

= + (1 − )( *++ %*+) % = ,( − *+) + (1 − ,)%*+ &'( = + % )

dimana;

= parameter pertama antara 0 dan 1 , = parameter kedua untuk trend

= pemulusan pada periode t % = pemulusan trend pada periode t

= data aktual pada periode t &'( = ramalan untuk periode ke depan

Sehingga dari persamaan metode diatas kita dapat nilai kesalahan dengan model:

Nilai tengah kesalahan (Mean Error): -. = 1/ 0 12

3 24+


(20)

6

Nilai tengah kesalahan absolut (Mean Absolut Error): -5. =1/ 0|12|

3 24+

Nilai tengah kesalahan kuadrat (Mean Square error): - . =1/ 0 127

3 24+

Nilai tengah kesalahan persentase absolut (Mean Absolute Percentage Error):

-58. =1/ 0|8. | 3 4+

1.6Kontribusi Penelitian

Manfaat yang diharapkan dari penelitian ini adalah:

1. Dapat menjadi suatu bahan masukkan atau sebagai pertimbangan bagi CV. Mode Fashion dalam mengambil suatu kebijakan.

2. Membantu penulis dalam menerapkan ilmu dan pengetahuan yang didapat selama masa perkuliahan kedalam dunia nyata.

3. Dapat digunakan sebagai tambahan informasi dan referensi bacaan untuk mahasiswa matematika, terlebih bagi mahasiswa yang akan melakukan penelitian dalam peramalan.

1.7 Metodologi penelitian

Penelitian dilakukan dengan langkah-langkah sebagai berikut: 1. Pengumpulan Data

Dalam penelitian ini, data yang digunakan adalah data sekunder jumlah produksi pakaian tahun 2007-2014 yang berasal dari catatan laporan produksi dari perusahaan pakaian kemeja CV. MODE FASHION STORE.


(21)

7

2. Pengolahan data

Metode untuk melakukan pengujian data dilakukan dengan:

a. Memahami konsep Metode Pemulusan Dua Parameter dari Holt dan Metode Pemulusan Eksponensial Ganda dari Brown melalui literatur berupa buku, jurnal maupun internet yang berhubungan dengan peramalan. b. Pengolahan data dalam Metode Pemulusan Dua Parameter dari Holt dan

Metode Pemulusan Eksponensial Ganda dari Brown.

c. Perhitungan peramalan dengan menggunakan Metode Pemulusan Dua Parameter dari Holt dan Metode Pemulusan Eksponensial Ganda dari Brown.

d. Perhitungan dan perbandingan hasil produksi dengan kesalahan error terkecil.

e. Membuat kesimpulan dan saran dari hasil perhitungan dan perbandingan peramalan yang telah diperoleh pada masing masing metode.


(22)

8

BAB 2

LANDASAN TEORI

2.1 Peramalan

Peramalan adalah upaya memperkirakan nilai-nilai respon yang menjadi perhatian di masa depan dan digunakan sebagai acuan pencegah yang mendasari suatu keputusan untuk yang akan datang dalam upaya meminimalkan kendala atau memaksimalkan pengembangan baik dalam dunia usaha, seperti peramalan produksi dan sebagainya. Dalam keefektifannya haruslah suatu peramalan tersebut adalah hasil dari proses perhitungan yang sistematis. Dalam statistika, peramalan sangat bergantung pada data histori.

Secara ilmiah metode peramalan dapat diklasifikasikan dalam dua kelompok yaitu metode kualitatif dan metode kuantitatif. Metode peramalan kualitatif didasarkan pada pengamatan kejadian-kejadian di masa sebelumnya yang digabungkan dengan intuisi manusia dari pada penggunaan data historis yang dimiliki dalam menghasilkan suatu informasi yang perkiraan bakal terjadi di masa yang akan datang. Metode ini banyak digunakan dalam banyak pengambilan keputusan sehari-hari. Dalam hal ini ramalan dikatakan baik atau tidak bergantung dari banyak hal antara lain pengalaman, perkiraan, dan pengetahuan yang didapat.

Metode peramalan kuantitatif merupakan peramalan yang didasarkan pada data-data variabel yang bersangkutan di masa sebelumnya. Metode ini menggunakan analisis statistik dan tanpa intuisi atau penilaian subyektif orang yang melakukan peramalan. Menurut Makridakis dkk (1992), peramalan dengan menggunakan metode kuantitatif dapat diterapkan apabila terdapat tiga kondisi berikut:

1. Tersedia informasi tentang masa lalu,

2. Informasi tersebut dapat dikuantitatifkan dalam bentuk data numerik,

3. Dapat diasumsikan bahwa beberapa aspek pola masa lalu akan terus berlanjut di masa mendatang.


(23)

9

2.2 CV. Mode Fashion Departement Store Medan

CV. Mode Fashion adalah sebuah perusahaan swasta nasional yang bergerak dibidang retail untuk membuat suatu perusahaan yang meproduksi pakaian jadi seperti baju kemeja yang di pakai dalam kehidupan sehari-hari. Suatu produk yang digunakan sebagai kelengkapan penampilan seseorang dan menjadi salah satu kebutuhan yang tak bisa lepas dari semua orang dari anak-anak sampai dewasa dan enggak menutup kemungkinana dari kalangan bawah sampai kalangan atas sehingga setiap kegiatan apapun pasti kita memakainya untuk melengkapi penampilan setiap saat sehingga semakin banyak yang memesan suatu produk semakin bertambah pula produksi yang dibuat.

Oleh karena itu, setiap perusahaan yang bergerak di bidang retail pasti mempunyai permasalahan kondisi yang mengakibatkan produksi menurun atau berkurang optimal dikarenakan tidak adanya tidak adanya pemahaman yang baik dalam strategi penerapan tentang produksi barang.

2.3Metode Deret Berkala

Deret berkala (Time Series) adalah data yang dikumpulkan dari waktu ke waktu untuk memberikan gambaran tentang perkembangan suatu kegiatan dari waktu ke waktu. Metode Time Series merupakan metode peramalan kuantitatif yang didasarkan atas penggunaan analisis pola hubungan antara variabel yang akan diperkirakan dengan varibel waktu. Time Series mencakup penelitian pola data yang digunakan untuk meramalkan apakah data tersebut stasioner atau tidak dan ekstrapolasi ke masa yang akan datang.

Sedangkan deret berkala adalah serangkaian nilai-nilai variabel yang disusun berdasarkan waktu. Pada analisis deret berkala ada empat komponen salah satunya adalah variasi musim. Variasi musim merupakan gerakan suatu deret berkala yang diklasifikasikan kedalam periode kurang dari satu tahun seperti kwartalan, bulanan atau harian, atau gerakan periodik yang berulang (Kustituanto, 1984).


(24)

10

Berdasarkan sumbernya, data dibedakan menjadi data intern dan data ekstern. Data intern adalah data yang berasal dari dalam organisasi (perusahaan), sedangkan data ekstern adalah data yang berasal dari luar organisasi (perusahaan). Data ekstern terbagi atas data primer dan sekunder. Data primer adalah data yang dikumpulkan sendiri untuk peramalan yang akan dilakukan, sedangkan data sekunder adalah data yang terkumpul atau sudah tersedia untuk peramalan.

Ada empat komponen utama yang mempengaruhi analisis ini, yaitu: a. Pola Siklis (Cycle)

Penjualan produk dapat memiliki siklus yang berulang secara periodik. Banyak produk dipengaruhi pola pergerakan aktivitas ekonomi yang terkadang memiliki kecenderungan periodik. Komponen siklis ini sangat berguna dalam peramalan jangka menengah.

Pola data ini terjadi bila data memiliki kecenderungan untuk naik atau turun terus-menerus. Pola data bentuk ini digambarkan sebagai berikut:

Gambar 2.1 Pola Siklis b. Pola Musiman (Season)

Perkataan musim menggambarkan pola penjualan yang berulang setiap periode. Komponen musim dapat dijabarkan ke dalam vektor cuaca, libur, atau kecenderungan perdagangan. Pola musiman berguna meramalkan penjualan dalam jangka pendek.

Pola data musiman dapat digambarkan sebagai berikut:


(25)

11

c. Pola kecenderungan (trend)

Pola data ini terjadi bila data memiliki kecenderungan untuk naik atau turun terus menerus. Pola data dalam bentuk ini dapat digambarkan sebagai berikut:

Gambar 2.3 Pola Kecenderungan

d. Pola Acak

Pola data ini menggambarkan pola penjualan yang setiap periodenya memiliki kondisi yang beragam dan acak. Pola data dalam bentuk ini dapat digambarkan sebagai berikut:

Gambar 2.4 Pola Acak

2.4Metode Pemulusan (Smoothing)

Metode pemulusan (smoothing) adalah suatu metode peramalan dengan melakukan penghalusan terhadap masa lalu, yaitu dengan mengambil rata-rata dari nilai beberapa tahun untuk menaksir nilai pada beberapa tahun ke depan.

2.4.1 Metode Pemulusan Eksonensial Tunggal

Teknik eksponensial tunggal linier satu parameter digunakan dengan menetapkan bobot tertentu atas data yang tersedia dan berdasarkan bobot itu akan diketahui


(26)

12

pula bobot atas hasil peramalan sebelumnya. Penentuan besarnya bobot yang digunakan dapat ditentukan dengan menghitung MSE dan MAPE untuk tiap alternatif bobot yang akan dipilih. Bobot yang menghasilkan MSE dan MAPE terkecil adalah yang lebih baik.

2.4.2 Pemulusan Eksponensial Ganda dari Brown

Metode ini merupakan metode linier yang dikemukakan oleh Brown. Dasar pemikiran dari metode pemulusan eksponensial ganda (linier satu parameter dari Brown) adalah sama dengan rata-rata bergerak linier karena dua nilai pemulusan tunggal dan ganda ketinggalan dari data sebenarnya. Pada teknik brown ini komponen tren dan komponen lainnya dihaluskan bersama-sama dengan menggunakan hanya satu parameter yaitu alpha (∝).

Persamaan yang dipakai dalam penggunaan pemulusan eksponensial ganda dari Brown adalah sebagai berikut:

′ = ∝ + (1−∝) ′ (2.1)

" = ∝ + (1−∝) " (2.2)

= ′+ ′− " = 2 ′ − " (2.3)

= ∝ ( ′ − ") (2.4)

= + ( ) (2.5)

di mana:

′ = nilai pemulusan eksponensial tunggal

" = nilai pemulusan eksponensial ganda

∝ = parameter pemulusan eksponensial yang besarnya 0 < α < 1

, = konstanta pemulusan

= hasil peramalan untuk periode ke depan yang diramalkan 2.4.3 Metode Pemulusan Dua Parameter dari Holt

Metode pemulusan dua parameter dari holt pada prinsipnya serupa dengan brown, kecuali bahwa holt tidak menggunakan rumus pemulusan berganda secara


(27)

13

langsung. Pada teknik eksponensial ganda linier dua parameter dari Holt, komponen tren dihaluskan secara terpisah dengan menggunakan parameter berbeda.

Ramalan dari pemulusan dua parameter dari Holt didapat dengan menggunakan 2 konstanta pemulusan (∝ dan γ) 2 parameter yang nilainya antara 0 dan 1. Persamaan yang digunakan dalam penggunakan pemulusan dua parameter dari holt adalah sebagai berikut:

S = ∝ X + (1−∝)(S + b ) (2.6)

b =γ(S − S ) + (1 −γ)b (2.7)

= + ( ) (2.8)

di mana:

= data pemulusan = '()*+ pemulusan

∝ dan γ = parameter yang nilainya 0 dan 1

F 2 = hasil peramalan untuk periode ke depan yang diramalkan

2.4.4 Ketetapan Ramalan Beberapa Kriteria Digunakan Untuk Menguji

1. ME (Mean Error) atau Nilai Tengah Kesalahan

67 = 8)9

: ;

ME (Mean Error) untuk mengukur ketepatan ramalan dengan rata-rata nilai tengah kesalahan dan membagikan dengan jumlah observasi.

2. MSE (Mean Square Error) atau Nilai Tengah Kesalahan Kuadrat

6 7 = 8)9<

: ;

MSE (Mean Square Error) adalah metode lain untuk mengevaluasi metode peramalan. Masing-masing kesalahan atau sisi dikuadratkan. Kemudian


(28)

14

dijumlahkan dan dibagi dengan jumlah observasi. Pendekatan ini mengatur kesalahan peramalan yang besar karena kesalahan-kesalahan itu dikuadratkan. Suatu teknik yang menghasilkan kesalahan moderat lebih baik untuk salah satu yang memiliki kesalahan kecil tapi kadang-kadang menghasilkan sesuatu yang sangat besar.

3. MAE (Mean Absolute Error) atau Nilai Tengan Kesalahan Absolut

6=7 = 8|?) |?9

: ;

MAE (Mean Absolute Error) adalah untuk mengukur peramalan dengan rata-rata kesalahan dugaan (nilai absolut masing-masing kesalahan).

4. MAPE (Mean Absolute Percentage Error) atau Nilai Tengah Kesalahan Persentase Absolut

6=@7 = 8|@7 |9

: ;

Sedangkan MAPE adalah rata-rata dari keseluruhan persentase kesalahan (selisih) antara data aktual dengan data hasil peramalan (mean absolute percentage error). Dimana semakin kecil nilai MSE dan MAPE nya, maka semakin baik hasil ramalannya.

di mana:

) = ( kesalahan pada periode ke t )

9 = banyaknya periode waktu

2.4.5 Pengambilan nilai kesalahan atau error terkecil

Setelah menyelesaikan data dengan metode kedua peneliti mencari error dan memilih error yang terkecil dan memilih metode apa yang di sesuai digunakan dalam pengelolahan data tersebut dengan error terkecil dengan mencari MSE dan MAPE.


(29)

15

BAB 3

HASIL DAN PEMBAHASAN

3.1 Metode Pemulusan Eksponensial Ganda dari Brown

3.1.1 Plot Time Series Produksi Pakaian CV. MODE FASHION Adapun data yang akan diolah dalam penelitian ini adalah data produksi pakaian pada tahun 2007-2014 di Kota Medan.

Tabel 3.1 Produksi Pakaian CV. Mode Fashion Medan

No. Bulan TAHUN

2007 2008 2009 2010 2011 2012 2013 2014 1 Januari 4320 3600 3240 3600 5760 7200 5760 7200 2 Februari 720 1440 2160 1440 2880 5400 3600 5400 3 Maret 2160 1440 3600 4320 3600 4320 3600 4320 4 April 2160 2880 4320 5400 9000 9000 10800 9000 5 Mei 720 1440 7200 10800 5400 10800 12240 10800 6 Juni 5400 7200 9000 7200 9000 11520 14400 14400 7 Juli 9000 7200 3600 5400 3600 1440 2880 3600 8 Agustus 5400 9000 3600 2160 5400 3600 2160 2880 9 September 1440 2160 2880 3600 2880 2880 2880 2880 10 Oktober 720 1440 2880 2880 3600 2160 3600 3600 11 November 2880 3600 1440 1440 2160 3600 3600 7200 12 Desember 3600 5400 7200 7200 7200 5400 5400 10800


(30)

16

Plot data produksi pakaian di CV. Mode Fashion Medan dapat dilihat pada gambar 3.1

Gambar 3.1 Plot Data Produksi Pakaian

Bentuk pola data produksi pakaian pada gambar (3.1) merupakan data trend, dimana pola data trend yang menunjukkan perubahan yang berulang-ulang secara periode dalam deret waktu.

3.1.2 Penyesaian dalam Pemulusan Eksponensial Ganda dari Brown

Pola pemulusan ekponensial tunggal dilakukan peramalan dangan satu kali penghalusan saja. Sedangkan pada metode brown ini dilakukan dua kali penghalusan dan kemudian dilakukan peramalan. Jika parameter pemulusan α tidak mendekati nol, pengaruh dari proses inisialisasi dengan cepat menjadi kurang berarti dengan berlalunya waktu. Tetapi, jika α mendakati nol prosesnya inisialisasi tersebut dapat menjadi lebih berarti dari data yang sebenarnya.

Maka dari perhitungan semua α = 0.1 – 0.9 yang telah dilakukan, penulis mendapatkan perhitungan dengan parameter α nya adalah α = 0.9, untuk mencari perhitungan pemulusan (smoothing) eksponensial dilakukan sebagai berikut:

′ = ∝ + (1−∝) ′ (3.1)

′ = 0.9(720) + 0.1(4320) = 1080 0 2000 4000 6000 8000 10000 12000 14000 16000 Ja n u a ri ’0 7 Ju li ’0 7 Ja n u a ri ’0 8 Ju li ’0 8 Ja n u a ri ’0 9 Ju li ’0 9 Ja n u a ri ’1 0 Ju li ’1 0 Ja n u a ri ’1 1 Ju li ’1 1 Ja n u a ri ’1 2 Ju li ’1 2 Ja n u a ri ’1 3 Ju li ’1 3 Ja n u a ri ’1 4 Ju li ’1 4 Total Produksi


(31)

17

a. Perhitungan Esponensial Ganda

" = ∝ ′ + (1−∝) ′′ 3.2

" = (0.9)(1080) + (0.1)(4320) = 140

b. Perhitungan Nilai a

= 2 ′ − ′′ 3.3

= 2(1080) − (1404) = 756

c. Perhitungan nilai b

= ∝ ( ′ − ′′ ) 3.4

= .. (1080 − 1404) = −2916

d. Peramalan untuk bulan ke-98 atau periode ke-2 (m=2)

!= + " 3.5

= 10793,953 + 3515,901(2) = 17825,756

Demikian seterusnya untuk periode-periode selanjutnya dan dapat dilihat pada tabel berikut ini:

Tabel 3.2 Peramalan produksi pakaian dengan α = 0.9

No. Bulan Total

Produksi $

% $" nilai a niali b ramalan a+b

1 Januari’07 4320 4320,000 4320,000

2 Februari’07 720 1080,000 1404,000 756,000 -2916,000 3 Maret’07 2160 2052,000 1987,200 2116,800 583,200 -2160,000 4 April’07 2160 2149,200 2133,000 2165,400 145,800 2700,000 5 Mei’07 720 862,920 989,928 735,912 -1143,072 2311,200 6 Juni’07 5400 4946,292 4550,656 5341,928 3560,728 -407,160 7 Juli’07 9000 8594,629 8190,232 8999,027 3639,576 8902,656 8 Agustus’07 5400 5719,463 5966,540 5472,386 -2223,692 12638,603 9 September’07 1440 1867,946 2277,806 1458,087 -3688,734 3248,694 10 Oktober’07 720 834,795 979,096 690,494 -1298,710 -2230,647 11 November’07 2880 2675,479 2505,841 2845,118 1526,745 -608,216 12 Desember’07 3600 3507,548 3407,377 3607,719 901,536 4371,863 13 Januari’08 3600 3590,755 3572,417 3609,093 165,040 4509,255 14 Februari’08 1440 1655,075 1846,810 1463,341 -1725,607 3774,132


(32)

18

Lanjutan Tabel 3.2 Produksi pakaian α = 0.9

No. Bulan Total Produksi

% " nilai a niali b ramalan a+b 15 Maret’08 1440 1461,508 1500,038 1422,977 -346,772 -262,266 16 April’08 2880 2738,151 2614,339 2861,962 1114,302 1076,205 17 Mei’08 1440 1569,815 1674,268 1465,363 -940,072 3976,264 18 Juni’08 7200 6636,982 6140,71 7133,253 4466,443 525,291 19 Juli’08 7200 7143,698 7043,399 7243,997 902,689 11599,696 20 Agustus’08 9000 8814,37 8637,273 8991,467 1593,873 8146,686 21 September’08 2160 2825,437 3406,621 2244,253 -5230,65 10585,34 22 Oktober’08 1440 1578,544 1761,351 1395,736 -1645,27 -2986,399 23 November’08 3600 3397,854 3234,204 3561,505 1472,853 -249,533 24 Desember’08 5400 5199,785 5003,227 5396,344 1769,023 5034,357 25 Januari’09 3240 3435,979 3592,703 3279,254 -1410,52 7165,367 26 Februari’09 2160 2287,598 2418,108 2157,087 -1174,6 1868,73 27 Maret’09 3600 3468,76 3363,695 3573,825 945,586 982,492 28 April’09 4320 4234,876 4147,758 4321,994 784,063 4519,411 29 Mei’09 7200 6903,488 6627,915 7179,061 2480,157 5106,057 30 Juni’09 9000 8790,349 8574,105 9006,592 1946,191 9659,217 31 Juli’09 3600 4119,035 4564,542 3673,528 -4009,56 10952,783 32 Agustus’09 3600 3651,903 3743,167 3560,64 -821,375 -336,036 33 September’09 2880 2957,19 3035,788 2878,593 -707,379 2739,265 34 Oktober’09 2880 2887,719 2902,526 2872,912 -133,262 2171,213 35 November’09 1440 1584,772 1716,547 1452,997 -1185,98 2739,65 36 Desember’09 7200 6638,477 6146,284 7130,67 4429,737 267,018 37 Januari’10 3600 3903,848 4128,091 3679,604 -2018,19 11560,407 38 Februari’10 1440 1686,385 1930,555 1442,214 -2197,54 1661,411 39 Maret’10 4320 4056,638 3844,03 4269,247 1913,475 -755,322 40 April’10 5400 5265,664 5123,5 5407,827 1279,47 6182,722 41 Mei’10 10800 10246,57 9734,26 10758,87 4610,759 6687,298 42 Juni’10 7200 7504,657 7727,617 7281,696 -2006,64 15369,632 43 Juli’10 5400 5610,466 5822,181 5398,751 -1905,44 5275,053 44 Agustus’10 2160 2505,047 2836,76 2173,333 -2985,42 3493,314 45 September’10 3600 3490,505 3425,13 3555,879 588,37 -812,088 46 Oktober’10 2880 2941,05 2989,458 2892,642 -435,672 4144,249 47 November’10 1440 1590,105 1730,04 1450,17 -1259,42 2456,971 48 Desember’10 7200 6639,011 6148,113 7129,908 4418,073 190,752


(33)

19

Lanjutan Tabel 3.2 Produksi pakaian α = 0.9

No. Bulan Total

Produksi S' S" nilai a niali b

ramalan a+b 49 Januari’11 5760 5847,901 5877,922 5817,88 -270,191 11547,98 50 Februari’11 2880 3176,79 3446,903 2906,677 -2431,02 5547,689 51 Maret’11 3600 3557,679 3546,601 3568,757 99,698 475,658 52 April’11 9000 8455,768 7964,851 8946,685 4418,25 3668,455 53 Mei’11 5400 5705,577 5931,504 5479,649 -2033,347 13364,935 54 Juni’11 9000 8670,558 8396,652 8944,463 2465,148 3446,303 55 Juli’11 3600 4107,056 4536,015 3678,096 -3860,637 11409,611 56 Agustus’11 5400 5270,706 5197,237 5344,175 661,221 -182,541 57 September’11 2880 3119,071 3326,887 2911,254 -1870,349 6005,396 58 Oktober’11 3600 3551,907 3529,405 3574,409 202,518 1040,905 59 November’11 2160 2299,191 2422,212 2176,169 -1107,193 3776,927 60 Desember’11 7200 6709,919 6281,148 7138,690 3858,936 1068,976 61 Januari’12 7200 7150,992 7064,008 7237,976 782,859 10997,626 62 Februari’12 5400 5575,099 5723,990 5426,208 -1340,018 8020,835 63 Maret’12 4320 4445,510 4573,358 4317,662 -1150,632 4086,191 64 April’12 9000 8544,551 8147,432 8941,670 3574,074 3167,030 65 Mei’12 10800 10574,455 10331,753 10817,157 2184,321 12515,744 66 Juni’12 11520 11425,446 11316,076 11534,815 984,323 13001,479 67 Juli’12 1440 2438,545 3326,298 1550,791 -7989,779 12519,138 68 Agustus’12 3600 3483,854 3468,099 3499,610 141,801 -6438,987 69 September’12 2880 2940,385 2993,157 2887,614 -474,942 3641,411 70 Oktober’12 2160 2238,039 2313,550 2162,527 -679,606 2412,672 71 November’12 3600 3463,804 3348,779 3578,829 1035,228 1482,920 72 Desember’12 5400 5206,380 5020,620 5392,141 1671,842 4614,057 73 Januari’13 5760 5704,638 5636,236 5773,040 615,616 7063,982 74 Februari’13 3600 3810,464 3993,041 3627,887 -1643,195 6388,656 75 Maret’13 3600 3621,046 3658,246 3583,847 -334,795 1984,691 76 April’13 10800 10082,105 9439,719 10724,491 5781,473 3249,052 77 Mei’13 12240 12024,210 11765,761 12282,660 2326,043 16505,963 78 Juni’13 14400 14162,421 13922,755 14402,087 2156,994 14608,702 79 Juli’13 2880 4008,242 4999,693 3016,791 -8923,062 16559,081 80 Agustus’13 2160 2344,824 2610,311 2079,337 -2389,382 -5906,271 81 September’13 2880 2826,482 2804,865 2848,100 194,554 -310,045 82 Oktober’13 3600 3522,648 3450,870 3594,427 646,005 3042,654


(34)

20

Lanjutan Tabel 3.2 Produksi pakaian α =0.9

No. Bulan Total

Produksi % " nilai a niali b

ramalan a+b 83 November’13 3600 3592,265 3578,125 3606,404 127,255 4240,431 84 Desember’13 5400 5219,226 5055,116 5383,337 1476,991 3733,66 85 Januari’14 7200 7001,923 6807,242 7196,603 1752,126 6860,328 86 Februari’14 5400 5560,192 5684,897 5435,487 -1122,35 8948,729 87 Maret’14 4320 4444,019 4568,107 4319,931 -1116,79 4313,143 88 April’14 9000 8544,402 8146,772 8942,031 3578,665 3203,141 89 Mei’14 10800 10574,44 10331,67 10817,21 2184,901 12520,697 90 Juni’14 14400 14017,44 13648,87 14386,02 3317,194 13002,108 91 Juli’14 3600 4641,744 5542,457 3741,032 -8106,41 17703,215 92 Agustus’14 2880 3056,174 3304,803 2807,546 -2237,65 -4365,378 93 September’14 2880 2897,617 2938,336 2856,899 -366,467 569,892 94 Oktober’14 3600 3529,762 3470,619 3588,904 532,283 2490,432 95 November’14 7200 6832,976 6496,74 7169,212 3026,121 4121,188 96 Desember’14 10800 10403,3 10012,64 10793,95 3515,901 10195,333

97 Januari 14309,855 m=1

98 Februari 17825,756 m=2

99 Maret 21341,658 m=3

100 April 24857,559 m=4

101 Mei 28373,46 m=5

102 Juni 31889,362 m=6

103 Juli 35405,263 m=7

104 Agustus 38921,165 m=8

105 September 42437,066 m=9

106 Oktober 45952,968 m=10

107 November 49468,869 m=11

108 Desember 52984,77 m=12

Dari data diatas kita dapat mengambil kesimpulan bahwa ramalan untuk tahun 2015 adalah dengan α = 0.9 sehinnga kita gambarkan grafiknya sebagai berikut:


(35)

21

Plot data produksi pakaian CV. Mode Fashion dapat dilihat pada gambar 3.2

Gambar 3.2 Plot Ramalan Produksi Pakaian 2015

Bentuk ramalan produksi pakaian CV. Mode Fashion Medan pada gambar (3.2) merupakan pola data yang linier.

3.1.3 Nilai kesalahan (Galat)

1. ME (Mean Error) atau Nilai Tengah Kesalahan &' = ()*

+ ,

2. MSE (Mean Square Error) atau Nilai Tengah Kesalahan Kuadrat & ' = ()*

+ ,

3. MAE (Mean Absolute Error) atau Nilai Tengan Kesalahan Absolut &-' = (|/) |/*

+ ,

4. MAPE (Mean Absolut Percentage Error) atau Nilai Kesalahan Persentase Absolut

&-0' = (|0' |* + ,

Sebelum mencari nilai kesalahan tersebut, terlebih dahulu data dibuat dalam bentuk tabel yaitu sebagai berikut:

0 10000 20000 30000 40000 50000 60000

1 2 3 4 5 6 7 8 9 10 11 12

Ramalan 2015


(36)

22

Tabel 3.3 Nilai Kesalahan dengan α = 0,9

NO Bulan Total

Produksi )1 |)1| )1 0'

1 Januari’07 4320 2 Februari’07 720

3 Maret’07 2160 2880 2880 8294400 133,333

4 April’07 2160 612 612 374544 28,333

5 Mei’07 720 -1332 1332 1774224 -185

6 Juni’07 5400 5265,72 5265,72 27727807,12 97,513 7 Juli’07 9000 2199,312 2199,312 4836973,273 24,437 8 Agustus’07 5400 -6354,328 6354,328 40377479,25 -117,673 9 September’07 1440 -4370,535 4370,535 19101573,04 -303,509 10 Oktober’07 720 1189,569 1189,569 1415073,692 165,218 11 November’07 2880 3987,089 3987,089 15896881,39 138,441 12 Desember’07 3600 845,192 845,192 714350,226 23,478 13 Januari’08 3600 -571,723 571,723 326866,718 -15,881 14 Februari’08 1440 -2579,101 2579,101 6651761,303 -179,104 15 Maret’08 1440 663,995 663,995 440888,71 46,111 16 April’08 2880 2070,516 2070,516 4287035,614 71,893 17 Mei’08 1440 -1697,45 1697,45 2881336,622 -117,878 18 Juni’08 7200 5995,184 5995,184 35942225,9 83,266 19 Juli’08 7200 -2010,119 2010,119 4040579,849 -27,918 20 Agustus’08 9000 54,362 54,362 2955,212 0,604 21 September’08 2160 -8426,472 8426,472 71005432,72 -390,114 22 Oktober’08 1440 1059,224 1059,224 1121955,797 73,557 23 November’08 3600 4273,917 4273,917 18266366,37 118,72 24 Desember’08 5400 2109,02 2109,02 4447965,426 39,056 25 Januari’09 3240 -3079,241 3079,241 9481722,174 -95,038 26 Februari’09 2160 -957,356 957,356 916530,727 -44,322 27 Maret’09 3600 2222,718 2222,718 4940475,214 61,742 28 April’09 4320 699,793 699,793 489710,016 16,199 29 Mei’09 7200 2379,831 2379,831 5663595,99 33,053 30 Juni’09 9000 284,917 284,917 81177,865 3,166 31 Juli’09 3600 -7243,234 7243,234 52464444,87 -201,201 32 Agustus’09 3600 1028,417 1028,417 1057641,096 28,567 33 September’09 2880 548,941 548,941 301336,411 19,06 34 Oktober’09 2880 956,807 956,807 915480,003 33,222 35 November’09 1440 -915,32 915,32 837811,417 -63,564 36 Desember’09 7200 6564,695 6564,695 43095222 91,176 37 Januari’10 3600 -5338,804 5338,804 28502829,15 -148,3


(37)

23

Lanjutan Tabel 3.3 Nilai kesalahan dengan α = 0.9

No Bulan Total

Produksi )1 |)1| )1 0'

39 Maret’10 4320 4108,029 4108 16875905 95,093 40 April’10 5400 876,687 876,7 768580,2 16,235 41 Mei’10 10800 4476,29 4476 20037169 41,447 42 Juni’10 7200 -6393,13 6393 40872087 -88,793 43 Juli’10 5400 -2438,74 2439 5947467 -45,162 44 Agustus’10 2160 -2327,86 2328 5418952 -107,771 45 September’10 3600 3502,768 3503 12269386 97,299 46 Oktober’10 2880 151,169 151,2 22852 5,249 47 November’10 1440 -944,548 944,5 892170,7 -65,594 48 Desember’10 7200 6619,666 6620 43819979 91,94 49 Januari’11 5760 -3143,19 3143 9879650 -54,569 50 Februari’11 2880 -3921,69 3922 15379610 -136,17 51 Maret’11 3600 1529,876 1530 2340522 42,497 52 April’11 9000 5950,877 5951 35412943 66,121 53 Mei’11 5400 -5567,16 5567 30993297 -103,096 54 Juni’11 9000 3324,124 3324 11049798 36,935 55 Juli’11 3600 -6504,48 6504 42308276 -180,68 56 Agustus’11 5400 2998,14 2998 8988844 55,521 57 September’11 2880 -1935,71 1936 3746983 -67,212 58 Oktober’11 3600 1808,74 1809 3271540 50,243 59 November’11 2160 -900,542 900,5 810975,8 -41,692 60 Desember’11 7200 5776,888 5777 33372438 80,235 61 Januari’12 7200 -1492,82 1493 2228506 -20,734 62 Februari’12 5400 -3215,61 3216 10340154 -59,548 63 Maret’12 4320 -1075,01 1075 1155653 -24,885 64 April’12 9000 5404,397 5404 29207510 60,049 65 Mei’12 10800 459,39 459,4 211038,7 4,254 66 Juni’12 11520 -1290,76 1291 1666067 -11,205 67 Juli’12 1440 -11615,8 11616 1,35E+08 -806,653 68 Agustus’12 3600 5386,687 5387 29016399 149,63 69 September’12 2880 1397,435 1397 1952823 48,522 70 Oktober’12 2160 353,659 353,7 125074,6 16,373 71 November’12 3600 2246,426 2246 5046431 62,401 72 Desember’12 5400 1676,026 1676 2809065 31,038 73 Januari’13 5760 -636,563 636,6 405211,8 -11,051


(38)

24

Lanjutan Tabel 3.3 Nilai kesalahan dengan α = 0,9

NO Bulan Total

Produksi )1 |)1| )1 0'1

75 Maret’13 3600 385,623 385,623 148704,87 10,712 76 April’13 10800 7706,124 7706,124 59384344 71,353 78 Juni’13 14400 -676,17 676,17 457206,14 -4,696 79 Juli’13 2880 -13980,309 13980,309 195449047 -485,427 80 Agustus’13 2160 2472,67 2472,67 6114095,8 114,475 81 September’13 2880 4181,83 4181,83 17487700 145,202 82 Oktober’13 3600 2286,558 2286,558 5228345,4 63,515 83 November’13 3600 275,57 275,57 75938,742 7,655 84 Desember’13 5400 1759,552 1759,552 3096022,3 32,584 85 Januari’14 7200 1030,93 1030,93 1062816,2 14,318 86 Februari’14 5400 -3139,802 3139,802 9858355,4 -58,144 87 Maret’14 4320 -1256,665 1256,665 1579206,3 -29,089 88 April’14 9000 5288,583 5288,583 27969113 58,762 89 Mei’14 10800 406,25 406,25 165038,91 3,762 90 Juni’14 14400 1567,777 1567,777 2457925,9 10,887 91 Juli’14 3600 -13495,896 13495,896 182139210 -374,886 92 Agustus’14 2880 1841,362 1841,362 3390615,5 63,936 93 September’14 2880 3039,448 3039,448 9238244,7 105,536 94 Oktober’14 3600 2377,946 2377,946 5654628,3 66,054 95 November’14 7200 4033,217 4033,217 16266843 56,017 96 Desember’14 10800 2205,915 2205,915 4866062,3 20,425

Keterangan:

)1 = ( kesalahan pada periode ke t ) )1 = Kesalahan pada periode ke t dipangkatkan |)1| = Absolut nilai kesalahaan

0' = Kesalahan persentase absolut

Dari tabel diatas diperoleh tabel hasil nilai kesalahan sebagai berikut: Tabel 3.4 Hasil Nilai Kesalahan

Nilai Kesalahan 0.9

ME 84,475

MAE 3439,391

MSE 21262444,358


(39)

25

dimana untuk mendapatkan nilai-nilai pada tabel (3.4) dipakai n=94, karena perhitungan nilai galat dimulai pada bulan maret tahun 2007.

Berdasarkan teori-teori sebelumnya, ramalan yang baik adalah ramalan yang mempunyai nilai galat (kesalahan) yang paling kecil, dimana hal itu dilakukan dengan adanya pencocokan suatu model ramalan dengan parameter tertentu dengan data historis yang ada. Semakin kecil nilai MSE dan MAPE maka dapat dikatakan peramalan semakin mendekati akurasi yang baik.

3.2 Penyelesaian Pemulusan Dua Parameter dari Holt

Pada metode pemulusan eksponensial ganda dari Brown dilakukan dua kali penghalusan dan kemudian dilakukan peramalan. Sedangkan pada metode pemulusan dua parameter dari Holt, komponen tren dihaluskan secara terpisah dengan menggunakan parameter yang berbeda. Dengan parameter yang berbeda yaitu α dan γ. Maka dari perhitungan semua α = 0.1-0.9 dan γ = 0.1-0.9 yang telah dilakukan, penulis mendapatkan perhitungan dengan dua parameter α dan γ nya adalah α = 0.4 dan γ = 0.1, untuk mencari perhitungan pemulusan dua parameter dari Holt dilakukan sebagai berikut:

=∝ + (1−∝)( + ) 3.6

= 0,4(720) + (1 − 0,4)(4320 + (−3600)) = 720

a. perhitungan nilai pemulusan Trend

= 2( − ) + (1 − 2) 3.7

= 0,1(720 − 4320) + (1 − 0,1)(−3600) = −3600

b. Peramalan untuk bulan ke-98 atau periode ke-2 (m=2)

! = + " 3.8

= 7458,274 + 139,0293(2) = 7736,333

Demikian seterusnya untuk periode-periode selanjutnya dan dapat dilihat pada tabel berikut ini:


(40)

26

Tabel 3.5 Peramalan ∝= 3, 4 567 8 = 3, 9 No. Bulan Total

Produksi $: ;: Ramalan 1 Januari’07 4320 4320,000 -3600,000 2 Februari’07 720 720,000 -3600,000 3 Maret’07 2160 -864,000 -3398,400 -2880,000 4 April’07 2160 -1693,440 -3141,500 -4262,400 5 Mei’07 720 -2612,970 -2919,310 -4834,940 6 Juni’07 5400 -1159,360 -2482,020 -5532,270 7 Juli’07 9000 1415,173 -1976,360 -3641,380 8 Agustus’07 5400 1823,287 -1737,910 -561,188 9 September’07 1440 627,225 -1683,730 85,375 10 Oktober’07 720 -345,902 -1612,670 -1056,500 11 November’07 2880 -23,142 -1419,120 -1958,570 12 Desember’07 3600 574,640 -1217,430 -1442,270 13 Januari’08 3600 1054,324 -1047,720 -642,794 14 Februari’08 1440 579,961 -990,386 6,601 15 Maret’08 1440 329,745 -916,369 -410,426 16 April’08 2880 800,025 -777,704 -586,625 17 Mei’08 1440 589,392 -720,997 22,321 18 Juni’08 7200 2801,037 -427,733 -131,605 19 Juli’08 7200 4303,982 -234,665 2373,304 20 Agustus’08 9000 6041,590 -37,438 4069,317 21 September’08 2160 4466,491 -191,204 6004,152 22 Oktober’08 1440 3141,172 -304,615 4275,287 23 November’08 3600 3141,934 -274,078 2836,557 24 Desember’08 5400 3880,714 -172,792 2867,856 25 Januari’09 3240 3520,753 -191,509 3707,922 26 Februari’09 2160 2861,547 -238,279 3329,244 27 Maret’09 3600 3013,961 -199,209 2623,268 28 April’09 4320 3416,851 -138,999 2814,751 29 Mei’09 7200 4846,711 17,887 3277,851 30 Juni’09 9000 6518,758 183,303 4864,597 31 Juli’09 3600 5461,237 59,220 6702,061 32 Agustus’09 3600 4752,274 -17,598 5520,457 33 September’09 2880 3992,806 -91,785 4734,676 34 Oktober’09 2880 3492,612 -132,626 3901,020 35 November’09 1440 2591,992 -209,425 3359,986


(41)

27

Lanjutan Tabel 3.5 Peramalan dengan α = 0.4 dan γ = 0.1

No. Bulan Total

Produksi $: ;: Ramalan 36 Desember’09 7200 4309,540 -16,728 2382,566 37 Januari’10 3600 4015,687 -44,441 4292,812 38 Februari’10 1440 2958,748 -145,690 3971,247 39 Maret’10 4320 3415,835 -85,413 2813,058 40 April’10 5400 4158,253 -2,630 3330,422 41 Mei’10 10800 6813,374 263,146 4155,624 42 Juni’10 7200 7125,912 268,085 7076,520 43 Juli’10 5400 6596,398 188,325 7393,996 44 Agustus’10 2160 4934,834 3,336 6784,723 45 September’10 3600 4402,902 -50,191 4938,170 46 Oktober’10 2880 3763,627 -109,099 4352,711 47 November’10 1440 2768,716 -197,680 3654,527 48 Desember’10 7200 4422,622 -12,522 2571,036 49 Januari’11 5760 4950,060 41,474 4410,100 50 Februari’11 2880 4146,920 -42,987 4991,534 51 Maret’11 3600 3902,360 -63,145 4103,933 52 April’11 9000 5903,529 143,287 3839,215 53 Mei’11 5400 5788,090 117,414 6046,816 54 Juni’11 9000 7143,302 241,194 5905,504 55 Juli’11 3600 5870,698 89,814 7384,496 56 Agustus’11 5400 5736,307 67,394 5960,512 57 September’11 2880 4634,221 -49,554 5803,701 58 Oktober’11 3600 4190,800 -88,941 4584,666 59 November’11 2160 3325,115 -166,615 4101,859 60 Desember’11 7200 4775,100 -4,955 3158,500 61 Januari’12 7200 5742,087 92,239 4770,145 62 Februari’12 5400 5660,595 74,866 5834,326 63 Maret’12 4320 5169,277 18,247 5735,461 64 April’12 9000 6712,515 170,747 5187,524 65 Mei’12 10800 8449,957 327,416 6883,261 66 Juni’12 11520 9874,424 437,121 8777,373 67 Juli’12 1440 6762,927 82,259 10311,540 68 Agustus’12 3600 5547,112 -47,548 6845,186 69 September’12 2880 4451,738 -152,331 5499,564 70 Oktober’12 2160 3443,644 -237,907 4299,407


(42)

28

Lanjutan Tabel 3.5 Peramalan dengan α = 0.4 dan γ = 0.1

No. Bulan Total

Produksi $: ;: Ramalan 71 November’12 3600 3363,443 -222,136 3205,738 72 Desember’12 5400 4044,784 -131,789 3141,306 73 Januari’13 5760 4651,797 -57,9085 3912,995 74 Februari’13 3600 4196,333 -97,664 4593,888 75 Maret’13 3600 3899,201 -117,611 4098,669 76 April’13 10800 6588,954 163,1256 3781,591 77 Mei’13 12240 8947,248 382,6424 6752,08 78 Juni’13 14400 11357,93 585,4468 9329,89 79 Juli’13 2880 8318,029 222,9115 11943,38 80 Agustus’13 2160 5988,564 -32,3261 8540,94 81 September’13 2880 4725,743 -155,376 5956,238 82 Oktober’13 3600 4182,22 -194,19 4570,367 83 November’13 3600 3832,818 -209,711 3988,03 84 Desember’13 5400 4333,864 -138,636 3623,107 85 Januari’14 7200 5397,137 -18,4449 4195,228 86 Februari’14 5400 5387,215 -17,5926 5378,692 87 Maret’14 4320 4949,774 -59,5775 5369,623 88 April’14 9000 6534,118 104,8147 4890,196 89 Mei’14 10800 8303,359 271,2574 6638,932 90 Juni’14 14400 10904,77 504,2727 8574,617 91 Juli’14 3600 8285,426 191,911 11409,04 92 Agustus’14 2880 6238,402 -31,9825 8477,337 93 September’14 2880 4875,852 -165,039 6206,42 94 Oktober’14 3600 4266,487 -209,472 4710,812 95 November’14 7200 5314,209 -83,7524 4057,016 96 Desember’14 10800 7458,274 139,0293 5230,457

97 Januari 7597,304 m=1

98 Februari 7736,333 m=2

99 Maret 7875,362 m=3

100 April 8014,392 m=4

101 Mei 8153,421 m=5

102 Juni 8292,450 m=6

103 Juli 8431,480 m=7

104 Agustus 8570,509 m=8

105 September 8709,538 m=9


(43)

29

Lanjutan Tabel 3.5 dengan α = 0.4 dan γ = 0.1

No. Bulan Total

Produksi $: ;: Ramalan

106 Oktober 8848,568 m=10

107 November 8987,597 m=11

108 Desember 9126,626 m=12

Dari data diatas kita dapat mengambil kesimpulan bahwa ramalan untuk tahun 2015 adalah dengan α = 0.4 dan γ = 0.1 sehingga digambarkan grafiknya sebagai berikut:

Plot data produksi pakaian CV. Mode Fashion dapat dilihat pada gambar 3.5

Gambar 3.5 Plot Ramalan Produksi Pakaian 2015

3.2.1 Dari perhitungan tabel diatas diperoleh error atau nilai kesalahan dengan tabel sebagai berikut:

Tabel 3.6 Nilai kesalahan galat α = 0,4 dan γ = 0,1

No. Bulan Total

Produksi ) |) | ) 0'

1 Januari’07 4320

2 Februari’07 720 5040,000 5040,000 25401600,000 233,333 3 Maret’07 2160 6422,000 6422,400 41247222,000 297,333 4 April’07 2160 5555,000 5554,944 30857403,000 771,520 5 Mei’07 720 10932,000 10932,273 119514585,000 202,450 6 Juni’07 5400 12641,000 12641,379 159804461,000 140,460 7 Juli’07 9000 5961,000 5961,188 35535757,000 110,392 8 Agustus’07 5400 1355,000 1354,625 1835009,000 94,071 9 September’07 1440 1777,000 1776,503 3155962,000 246,737 10 Oktober’07 720 4839,000 4838,569 23411752,000 168,006

0 2000 4000 6000 8000 10000 Ja n u a ri F e b ru a ri M a re t A p ri l M e i Ju n i Ju li A g u st u s S e p te m b … O k to b e r N o p e m b e r D e se m b e r

Ramalan 2015

Ramalan 2015


(44)

30

Lanjutan Tabel 3.6 Nilai kesalahan

No Bulan Total

Produksi ) |) | ) 0'

11 November'07 2880 4838,569 4838,569 23411752,178 168,006 12 Desember’07 3600 4243,000 4242,794 18001300,000 117,855 13 Januari’08 3600 1433,000 1433,399 2054632,000 99,542 14 Februari’08 1440 1850,000 1850,426 3424075,000 128,502 15 Maret’08 1440 3467,000 3466,625 12017488,000 120,369 16 April’08 2880 1418,000 1417,679 2009815,000 98,450 17 Mei’08 1440 7332,000 7331,605 53752429,000 101,828 18 Juni’08 7200 4827,000 4826,696 23296994,000 67,037 19 Juli’08 7200 4931,000 4930,683 24311633,000 54,785 20 Agustus’08 9000 -3844,000 3844,152 14777508,000 -177,970 21 September’08 2160 -2835,000 2835,287 8038855,000 -196,895 22 Oktober’08 1440 763,000 763,443 582845,000 21,207 23 November’08 3600 2532,000 2532,144 6411751,000 46,892 24 Desember’08 5400 -468,000 467,922 218951,000 -14,442 25 Januari’09 3240 -1169,000 1169,244 1367132,000 -54,132 26 Februari’09 2160 977,000 976,732 954006,000 27,131 27 Maret’09 3600 1505,000 1505,249 2265774,000 34,844 28 April’09 4320 3922,000 3922,149 15383250,000 54,474 29 Mei’09 7200 4135,000 4135,403 17101555,000 45,949 30 Juni’09 9000 -3102,000 3102,061 9622783,000 -86,168 31 Juli’09 3600 -1920,000 1920,457 3688154,000 -53,346 32 Agustus’09 3600 -1855,000 1854,676 3439823,000 -64,399 33 September’09 2880 -1021,000 1021,020 1042483,000 -35,452 34 Oktober’09 2880 -1920,000 1919,986 3686347,000 -133,332 35 November’09 1440 4817,000 4817,434 23207667,000 66,909 36 Desember’09 7200 -693,000 692,812 479988,000 -19,245 37 Januari’10 3600 -2531,000 2531,247 6407209,000 -175,781 38 Februari’10 1440 1507,000 1506,942 2270876,000 34,883 39 Maret’10 4320 2070,000 2069,578 4283154,000 38,326 40 April’10 5400 6644,000 6644,376 44147739,000 61,522 41 Mei’10 10800 123,000 123,480 15247,000 1,715 42 Juni’10 7200 -1994,000 1993,996 3976022,000 -36,926 43 Juli’10 5400 -4625,000 4624,723 21388060,000 -214,108 44 Agustus’10 2160 -1338,000 1338,170 1790698,000 -37,171 45 September’10 3600 -1473,000 1472,711 2168877,000 -51,136 46 Oktober’10 2880 -2215,000 2214,527 4904131,000 -153,787 47 November’10 1440 4629,000 4628,964 21427308,000 64,291


(45)

31

Lanjutan Tabel 3.6 Nilai kesalahan

N0. Bulan Total

Produksi ) |) | ) 0'

48 Desember’10 7200 1350,000 1349,900 1822231,000 23,436 49 Januari’11 5760 -2112,000 2111,534 4458576,000 -73,317 50 Februari’11 2880 -504,000 503,933 253949,000 -13,998 51 Maret’11 3600 5161,000 5160,785 26633697,000 57,342 52 April’11 9000 -647,000 646,816 418371,000 -11,978 53 Mei’11 5400 3094,000 3094,496 9575906,000 34,383 54 Juni’11 9000 -3784,000 3784,496 14322413,000 -105,125 55 Juli’11 3600 -561,000 560,512 314174,000 -10,380 56 Agustus’11 5400 -2924,000 2923,701 8548028,000 -101,517 57 September’11 2880 -985,000 984,666 969568,000 -27,352 58 Oktober’11 3600 -1942,000 1941,859 3770816,000 -89,901 59 November’11 2160 4042,000 4041,500 16333722,000 56,132 60 Desember’11 7200 2430,000 2429,855 5904197,000 33,748 61 Januari’12 7200 -434,000 434,326 188639,000 -8,043 62 Februari’12 5400 -1415,000 1415,461 2003531,000 -32,765 63 Maret’12 4320 3812,000 3812,476 14534972,000 42,361 64 April’12 9000 3917,000 3916,739 15340844,000 36,266 65 Mei’12 10800 2743,000 2742,627 7522005,000 23,808 66 Juni’12 11520 -8872,000 8871,545 78704305,000 -616,079 67 Juli’12 1440 -3245,000 3245,186 10531233,000 -90,144 68 Agustus’12 3600 -2620,000 2619,564 6862113,000 -90,957

Keterangan:

) = ( kesalahan pada periode ke t ) ) = kesalahan pada periode ke t dipangkatkan |) | = absolut nilai kesalahaan


(46)

32

Dari tabel tersebut diperoleh perhitungan tabel hasil nilai kesalahan sebagai berikut:

Tabel 3.7 Hasil Nilai Kesalahan Nilai Kesalahan 0.9

ME 994,423

MAE 3238,056

MSE 16372711,588

MAPE 2,874

dimana untuk mendapatkan nilai-nilai pada tabel (3.7) dipakai n=94, karena perhitungan nilai galat dimulai pada bulan maret tahun 2007.

Berdasarkan teori-teori sebelumnya, ramalan yang baik adalah ramalan yang mempunyai nilai galat (kesalahan) yang paling kecil, dimana hal itu dilakukan dengan adanya pencocokan suatu model ramalan dengan parameter tertentu dengan data historis yang ada. Semakin kecil nilai MSE dan MAPE maka dapat dikatakan peramalan semakin mendekati akurasi yang baik.

3.2.3 Penentuan Model yang Lebih Baik

Berdasarkan hasil perhitungan nilai-nilai parameter dari metode pemulusan dua parameter dari Holt dengan α = 0,4 dan γ = 0,1 dapat diambil kesimpulam bahwa metode tersebut yang lebih baik dari pemulusan eksponensial ganda dari Brown karena parameter signifikam atau dapat digunakan sebagai metode untuk peramalan produksi pakaian. Dengan galat kesalahan MSE = 16372711,588 dan MAPE = 2,874 sedangkan metode pemulusan eksponensial dari brown galat kesalahan mendapatkan MSE = 2126244,358 dan MAPE = 8,448

3.2.4 Peramalan

Dengan menggunakan program komputer yaitu microsoft office excel dapat diperoleh peramalan untuk 12 periode kedepan dengan taraf kepercayaan 95%. Ramalan dapat dilihat pada tabel 3.8.


(47)

33

Tabel 3.8 Peramalan Produksi Pakaian CV. Mode Fashion Tahun 2015

Tahun Bulan Ramalan

2015

Januari 7597,304 m=1 Februari 7736,333 m=2 Maret 7875,362 m=3 April 8014,392 m=4 Mei 8153,421 m=5 Juni 8292,45 m=6 Juli 8431,48 m=7 Agustus 8570,509 m=8 September 8709,538 m=9 Oktober 8848,568 m=10 Nopember 8987,597 m=11 Desember 9126,626 m=12

3.3 Melakukan perbandingan hasil perhitungan ramalan 3.3.1 Metode Pemulusan Eksponensial Ganda dari Brown

Adapun hasil yang telah didapat dalam peramalan pemulusan eksponensial ganda sebagai berikut:

Tabel 3.9 Hasil Nilai Kesalahan dari Brown Nilai Kesalahan 0.9

ME 84,475

MAE 3439,391

MSE 21262444,358

MAPE 8,448

3.3.2 Metode Pemulusan Dua Parameter dari Holt

Dalam metode ini hasil peramalan yang didapat sebagai berikut: Tabel 3.10 Hasil Nilai Kesalahan dari Holt

Nilai Kesalahan ∝= 0.4 dan 2 = 0.1

ME 994,423

MAE 3238,056

MSE 16372711,588


(48)

34

3.4 Menetapkan Metode Yang Lebih Efektif Berdasarkan Hasil Peramalan Produksi Pakaian CV. Mode Fashion Medan

Berdasarkan hasil uji yang telah dilakukan antara Metode peramalan Pemulusan Eksponensial Ganda dari Brown dan Metode Pemulusan Dua Parameter dari Holt diketahui bahwa nilai error dari pemulusan dua parameter dari Holt lebih kecil dari pada metode pemulusan eksponensial ganda. Untuk lebih jelas dapat dilihat pada tabel sebagai berikut:

Tabel 3.11 Hasil Nilai Kesalahan (Galat)

No Metode MSE MAPE

1 Pemulusan Eksponensial Ganda brown 21262444,358 8,448 2 Pemulusan Dua Parameter Holt 16372711,588 2,874

Sehingga dapat dikatakan bahwa keakurasian peramalan dengan metode pemulusan dua parameter dari Holt lebih baik dari pada Metode pemulusan eksponensial ganda brown. Hal ini juga didukung dari bentuk pola data yang dihasilkan dari kedua metode tersebut, dimana hasil plot data peramalan pemulusan dua parameter tidak jauh berbeda dengan bentuk atau pola data sebelumnya. Sementara, hasil plot data dari pemulusan eksponensial ganda sangat berbeda, karena hasil pola data dari metode pemulusan eskponensial ganda tidak menunjukkan lebih baik dengan error terkecil.


(49)

35

35 BAB 4

KESIMPULAN DAN SARAN

4.1 Kesimpulan

Suatu peramalan dapat dikatakan semakin baik apabila nilai error peramalan semakin kecil dan sebaliknya apabila nilai error peramalan semakin besar peramalan dapat dikatakan kurang baik. Berdasarkan dari hasil pembahasan diketahui bahwa dari metode pemulusan eksponensial ganda dari Brown dilakukan dengan parameter α = 0.9 dalam satu tahun ke depan menghasilkan MSE (Mean Square Error) = 21262444,358 sementara dengan metode pemulusan dua parameter dari Holt dilakukan dengan parameter α = 0.4 dan γ = 0.1 diperoleh MSE (Mean Square Error) = 16372711,588. Maka dari hasil peramalan metode tersebut dapat disimpulkan bahwa metode pemulusan dua parameter dari Holt yang lebih baik untuk peramalan produksi pakaian tahun 2015 pada CV. Mode Fashion karena MSE (Mean Square Error) lebih kecil.

4.2 Saran

Saran yang dapat diberikan berdasarkan penelitian ini adalah sebelum melakukan peramalan sebaiknya penelitian terlebih dahulu melihat bentuk atau pola data yang akan diteliti dan kemudian memilih metode peramalan sesuai dengan bentuk pola data yang akan diteliti.


(50)

36

DAFTAR PUSTAKA

Aritonang R, Lerbin R. 2002. Peramalan Bisnis, Ghalia Indonesia. Jakarta

Noeryanti, Oktafiani, Ely and andriyani Fera. 2012. Aplikasi Pemulusan Eksponensial dari Brown dan dari Holt untuk Data yang Memuat Trend. Yogyakarta.

Gitosudarmo M.Com, H. Drs Indriyo. And Drs. Mohamad. Najmudin. M.M. 2001. Teknik Pryeksi Bisnis, BPFE. Yogyakarta

Makridakiis, Spyros., Wheelwright, Steven C. And McGree, Victor E. 1991. Metode Dan Aplikasi Peramalan “Edisi Kedua”, Erlangga. Jakarta

Manurung, Haymans, Adler S.E. 1989. Teknik Peramalan Bisnis dan Ekonomi, Rineka Cipta. Jakarta

Lubis, Edyan Syahputra. 2009. Aplikasi Metode Pemulusan Eksponensial Ganda Dari Brown Untuk Peramalan Produksi Kelapa Sawit Pada PT.Perkebunan Nusantara III Tahun 2010 dan 2011. Medan: Universitas Sumatera Utara. Sugiarto. M.Sc. And Harijono, MAF, SE. 2000. Peramalan Bisnis, PT. Gramedia


(51)

37

LAMPIRAN

Data Produksi Pakaian CV. MODE FASHION DEPARTEMENT STORE MEDAN:

No. Bulan Total Produksi 1 Januari’07 4320 2 Februari’07 720 3 Maret’07 2160 4 April’07 2160

5 Mei’07 720

6 Juni’07 5400

7 Juli’07 9000

8 Agustus’07 5400 9 September’07 1440 10 Oktober’07 720 11 November’07 2880 12 Desember’07 3600 13 Januari’08 3600 14 Februari’08 1440 15 Maret’08 1440 16 April’08 2880

17 Mei’08 1440

18 Juni’08 7200 19 Juli’08 7200 20 Agustus’08 9000 21 September’08 2160 22 Oktober’08 1440 23 November’08 3600 24 Desember’08 5400 25 Januari’09 3240 26 Februari’09 2160 27 Maret’09 3600 28 April’09 4320

29 Mei’09 7200

30 Juni’09 9000 31 Juli’09 3600 32 Agustus’09 3600


(52)

38

Lanjutan Tabel Produksi

No. Bulan Total

Produksi 33 September’09 2880 34 Oktober’09 2880 35 November’09 1440 36 Desember’09 7200 37 Januari’10 3600 38 Februari’10 1440 39 Maret’10 4320 40 April’10 5400

41 Mei’10 10800

42 Juni’10 7200

43 Juli’10 5400

44 Agustus’10 2160 45 September’10 3600 46 Oktober’10 2880 47 November’10 1440 48 Desember’10 7200 49 Januari’11 5760 50 Februari’11 2880 51 Maret’11 3600 52 April’11 9000

53 Mei’11 5400

54 Juni’11 9000

55 Juli’11 3600

56 Agustus’11 5400 57 September’11 2880 58 Oktober’11 3600 59 November’11 2160 60 Desember’11 7200 61 Januari’12 7200 62 Februari’12 5400 63 Maret’12 4320 64 April’12 9000

65 Mei’12 10800

66 Juni’12 11520

67 Juli’12 1440


(53)

39

Lanjutan Tabel Produksi

No. Bulan Total

Produksi 69 September’12 2880 70 Oktober’12 2160 71 November’12 3600 72 Desember’12 5400 73 Januari’13 5760 74 Februari’13 3600 75 Maret’13 3600 76 April’13 10800

77 Mei’13 12240

78 Juni’13 14400

79 Juli’13 2880

80 Agustus’13 2160 81 September’13 2880 82 Oktober’13 3600 83 November’13 3600 84 Desember’13 5400 85 Januari’14 7200 86 Februari’14 5400 87 Maret’14 4320 88 April’14 9000

89 Mei’14 10800

90 Juni’14 14400

91 Juli’14 3600

92 Agustus’14 2880 93 September’14 2880 94 Oktober’14 3600 95 November’14 7200 96 Desember’14 10800


(1)

34

3.4 Menetapkan Metode Yang Lebih Efektif Berdasarkan Hasil Peramalan Produksi Pakaian CV. Mode Fashion Medan

Berdasarkan hasil uji yang telah dilakukan antara Metode peramalan Pemulusan Eksponensial Ganda dari Brown dan Metode Pemulusan Dua Parameter dari Holt diketahui bahwa nilai error dari pemulusan dua parameter dari Holt lebih kecil dari pada metode pemulusan eksponensial ganda. Untuk lebih jelas dapat dilihat pada tabel sebagai berikut:

Tabel 3.11 Hasil Nilai Kesalahan (Galat)

No Metode MSE MAPE

1 Pemulusan Eksponensial Ganda brown 21262444,358 8,448

2 Pemulusan Dua Parameter Holt 16372711,588 2,874

Sehingga dapat dikatakan bahwa keakurasian peramalan dengan metode pemulusan dua parameter dari Holt lebih baik dari pada Metode pemulusan eksponensial ganda brown. Hal ini juga didukung dari bentuk pola data yang dihasilkan dari kedua metode tersebut, dimana hasil plot data peramalan pemulusan dua parameter tidak jauh berbeda dengan bentuk atau pola data sebelumnya. Sementara, hasil plot data dari pemulusan eksponensial ganda sangat berbeda, karena hasil pola data dari metode pemulusan eskponensial ganda tidak menunjukkan lebih baik dengan error terkecil.


(2)

35 BAB 4

KESIMPULAN DAN SARAN

4.1 Kesimpulan

Suatu peramalan dapat dikatakan semakin baik apabila nilai error peramalan semakin kecil dan sebaliknya apabila nilai error peramalan semakin besar peramalan dapat dikatakan kurang baik. Berdasarkan dari hasil pembahasan diketahui bahwa dari metode pemulusan eksponensial ganda dari Brown

dilakukan dengan parameter α = 0.9 dalam satu tahun ke depan menghasilkan

MSE (Mean Square Error) = 21262444,358 sementara dengan metode pemulusan

dua parameter dari Holt dilakukan dengan parameter α = 0.4 dan γ = 0.1 diperoleh

MSE (Mean Square Error) = 16372711,588. Maka dari hasil peramalan metode tersebut dapat disimpulkan bahwa metode pemulusan dua parameter dari Holt yang lebih baik untuk peramalan produksi pakaian tahun 2015 pada CV. Mode Fashion karena MSE (Mean Square Error) lebih kecil.

4.2 Saran

Saran yang dapat diberikan berdasarkan penelitian ini adalah sebelum melakukan peramalan sebaiknya penelitian terlebih dahulu melihat bentuk atau pola data yang akan diteliti dan kemudian memilih metode peramalan sesuai dengan bentuk pola data yang akan diteliti.


(3)

DAFTAR PUSTAKA

Aritonang R, Lerbin R. 2002. Peramalan Bisnis, Ghalia Indonesia. Jakarta

Noeryanti, Oktafiani, Ely and andriyani Fera. 2012. Aplikasi Pemulusan Eksponensial dari Brown dan dari Holt untuk Data yang Memuat Trend. Yogyakarta.

Gitosudarmo M.Com, H. Drs Indriyo. And Drs. Mohamad. Najmudin. M.M. 2001. Teknik Pryeksi Bisnis, BPFE. Yogyakarta

Makridakiis, Spyros., Wheelwright, Steven C. And McGree, Victor E. 1991. Metode Dan Aplikasi Peramalan “Edisi Kedua”, Erlangga. Jakarta

Manurung, Haymans, Adler S.E. 1989. Teknik Peramalan Bisnis dan Ekonomi, Rineka Cipta. Jakarta

Lubis, Edyan Syahputra. 2009. Aplikasi Metode Pemulusan Eksponensial Ganda Dari Brown Untuk Peramalan Produksi Kelapa Sawit Pada PT.Perkebunan Nusantara III Tahun 2010 dan 2011. Medan: Universitas Sumatera Utara. Sugiarto. M.Sc. And Harijono, MAF, SE. 2000. Peramalan Bisnis, PT. Gramedia


(4)

LAMPIRAN

Data Produksi Pakaian CV. MODE FASHION DEPARTEMENT STORE MEDAN:

No. Bulan Total Produksi

1 Januari’07 4320

2 Februari’07 720

3 Maret’07 2160

4 April’07 2160

5 Mei’07 720

6 Juni’07 5400

7 Juli’07 9000

8 Agustus’07 5400

9 September’07 1440

10 Oktober’07 720

11 November’07 2880

12 Desember’07 3600

13 Januari’08 3600

14 Februari’08 1440

15 Maret’08 1440

16 April’08 2880

17 Mei’08 1440

18 Juni’08 7200

19 Juli’08 7200

20 Agustus’08 9000

21 September’08 2160

22 Oktober’08 1440

23 November’08 3600

24 Desember’08 5400

25 Januari’09 3240

26 Februari’09 2160

27 Maret’09 3600

28 April’09 4320

29 Mei’09 7200

30 Juni’09 9000

31 Juli’09 3600


(5)

38

Lanjutan Tabel Produksi No. Bulan Total

Produksi

33 September’09 2880

34 Oktober’09 2880

35 November’09 1440

36 Desember’09 7200

37 Januari’10 3600

38 Februari’10 1440

39 Maret’10 4320

40 April’10 5400

41 Mei’10 10800

42 Juni’10 7200

43 Juli’10 5400

44 Agustus’10 2160

45 September’10 3600

46 Oktober’10 2880

47 November’10 1440

48 Desember’10 7200

49 Januari’11 5760

50 Februari’11 2880

51 Maret’11 3600

52 April’11 9000

53 Mei’11 5400

54 Juni’11 9000

55 Juli’11 3600

56 Agustus’11 5400

57 September’11 2880

58 Oktober’11 3600

59 November’11 2160

60 Desember’11 7200

61 Januari’12 7200

62 Februari’12 5400

63 Maret’12 4320

64 April’12 9000

65 Mei’12 10800

66 Juni’12 11520

67 Juli’12 1440


(6)

Lanjutan Tabel Produksi No. Bulan Total

Produksi

69 September’12 2880

70 Oktober’12 2160

71 November’12 3600

72 Desember’12 5400

73 Januari’13 5760

74 Februari’13 3600

75 Maret’13 3600

76 April’13 10800

77 Mei’13 12240

78 Juni’13 14400

79 Juli’13 2880

80 Agustus’13 2160

81 September’13 2880

82 Oktober’13 3600

83 November’13 3600

84 Desember’13 5400

85 Januari’14 7200

86 Februari’14 5400

87 Maret’14 4320

88 April’14 9000

89 Mei’14 10800

90 Juni’14 14400

91 Juli’14 3600

92 Agustus’14 2880

93 September’14 2880

94 Oktober’14 3600

95 November’14 7200


Dokumen yang terkait

Metode Pemulusan (Smoothing) Eksponensial Ganda (Linier Satu Parameter dari Brown) dan Metode Box-Jenkins dalam Meramalkan Curah Hujan di Kota Medan

6 78 78

Aplikasi Metode Pemulusan Eksponensial Ganda Dari Brown Untuk Kelapa Sawit Pada PT. Perkebunan Nusantara III Tahun 2010 Dan 2011

0 23 65

Perbandingan Metode Pemulusan (Smoothing) Eksponensial Ganda Dua Parameter Dari Holt Dan Metode Box-Jenkins Dalam Meramalkan Hasil Produksi Kernel Kelapa Sawit PT. Eka Dura Indonesia.

5 79 141

PERBANDINGAN METODE PEMULUSAN EKSPONENSIAL GANDA HOLT DENGAN METODE PEMULUSAN EKSPONENSIAL GANDA BROWN

0 11 98

(ABSTRAK) PERBANDINGAN METODE PEMULUSAN EKSPONENSIAL GANDA HOLT DENGAN METODE PEMULUSAN EKSPONENSIAL GANDA BROWN.

0 0 2

Perbandingan Hasil Produksi Pakaian CV. MODE FASHION DEPARTEMENT STORE MEDAN dengan Metode Pemulusan Dua Parameter dari Holt dan Pemulusan Eksponensial Ganda dari Brown

0 0 12

Perbandingan Hasil Produksi Pakaian CV. MODE FASHION DEPARTEMENT STORE MEDAN dengan Metode Pemulusan Dua Parameter dari Holt dan Pemulusan Eksponensial Ganda dari Brown

0 0 2

Perbandingan Hasil Produksi Pakaian CV. MODE FASHION DEPARTEMENT STORE MEDAN dengan Metode Pemulusan Dua Parameter dari Holt dan Pemulusan Eksponensial Ganda dari Brown

0 0 7

Perbandingan Hasil Produksi Pakaian CV. MODE FASHION DEPARTEMENT STORE MEDAN dengan Metode Pemulusan Dua Parameter dari Holt dan Pemulusan Eksponensial Ganda dari Brown

0 0 7

Perbandingan Hasil Produksi Pakaian CV. MODE FASHION DEPARTEMENT STORE MEDAN dengan Metode Pemulusan Dua Parameter dari Holt dan Pemulusan Eksponensial Ganda dari Brown

0 0 1