3
2. Sistem yang dibangun akan menghasilkan prediksi jumlah permintaan seragam
sekolah SD untuk bulan-bulan berikutnya.
3. Penelitian ini tidak membahas tentang masalah harga jual barang.
4. Hasil penelitian ini tidak mempertimbangkan kejadian-kejadian yang
berhubungan dengan alam yang mungkin mempengaruhi hasil prediksi tersebut, seperti : gempa bumi, banjir, kebakaran, dan lain sebagainya.
1.4 Tujuan Penelitian
Tujuan penelitian ini adalah adalah membuat prediksi jumlah permintaan barang musiman yang akan datang berdasarkan data penjualan di masa lalu dengan
menggunakan metode Holt-Winters.
1.5 Manfaat Penelitian
Manfaat yang dapat diperoleh dari penelitian ini adalah:
1. Mengetahui kemampuan metode Holt-Winters dalam memprediksi jumlah
permintaan barang musiman.
2. Memberikan suatu teknik alternatif mengenai prediksi permintaan barang
musiman dengan menggunakan metode Holt-Winters serta sebagai referensi untuk penelitian lain yang berhubungan dengan metode Holt-Winters dan
prediksi permintaan barang musiman.
1.6 Metode Penelitian
Tahapan yang dilakukan pada pelaksanaan penelitian skripsi ini adalah sebagai berikut:
Universitas Sumatera Utara
4
1. Studi Literatur
Pada tahap ini dilakukan studi kepustakaan yaitu penulis mengumpulkan seluruh informasi yang menyeluruh dari referensi-referensi yang mencakup
prediksi dan metode Holt-Winters.
2. Analisis
Pada tahap ini dilakukan analisis terhadap studi literatur untuk mengetahui dan mendapatkan pemahaman mengenai Holt-Winters untuk menyelesaikan
masalah prediksi.
3. Perancangan
Pada tahap
perancangan sistem
dilakukan perancangan
arsitektur, pengumpulan data, pelatihan, dan perancangan antarmuka. Proses perancangan
dilakukan berdasarkan hasil analisis studi literatur yang telah didapatkan.
4. Implementasi
Pada tahap ini dilakukan proses implementasi pengkodean program dalam aplikasi komputer menggunakan bahasa pemrograman yang telah dipilih
sesuai dengan analisis dan perancangan yang sudah dilakukan.
5. Pengujian
Pada tahap ini dilakukan pengujian aplikasi yang telah dibuat guna memastikan aplikasi telah berjalan sesuai dengan apa yang diharapkan.
6. Dokumentasi dan Penyusunan Laporan
Pada tahap ini akan dilakukan dokumentasi hasil analisis dari penelitian metode Holt-Winters untuk menyelesaikan masalah prediksi permintaan
barang yang bersifat musiman.
1.7 Sistematika Penulisan
Sistematika penulisan dari skripsi ini terdiri dari lima bagian utama sebagai berikut:
Universitas Sumatera Utara
5
Bab 1: Pendahuluan
Bab ini berisi latar belakang, rumusan masalah, batasan masalah, tujuan penelitian, manfaat penelitian, metodologi penelitian, dan sistematika penulisan.
Bab 2: Landasan Teori
Bab ini berisi teori-teori yang digunakan untuk memahami permasalahan yang dibahas pada penelitian ini. Pada bab ini dijelaskan tentang penerapan Holt-Winters untuk
memprediksi permintaan barang musiman dan data-data pendukungnya.
Bab 3: Analisis dan Perancangan
Bab ini berisi analisis dan penerapan metode Holt-Winters untuk memprediksi permintaan barang musiman pada periode yang akan datang, serta perancangan seperti
pemodelan dengan flowchart, use case dan activity diagram.
Bab 4: Implementasi dan Pengujian
Bab ini berisi pembahasan tentang implementasi dari analisis dan perancangan yang disusun pada Bab 3 dan pengujian apakah hasil yang didapatkan sesuai dengan yang
diharapkan.
Bab 5: Kesimpulan Dan Saran
Bab ini berisi kesimpulan dari keseluruhan uraian bab-bab sebelumnya dan saran- saran yang diajukan untuk pengembangan penelitian selanjutnya.
Universitas Sumatera Utara
BAB 2
LANDASAN TEORI
Bab ini membahas teori penunjang dan penelitian sebelumnya yang berhubungan dengan penerapan metode Holt-Winters untuk prediksi penjualan barang musiman.
2.1 Teknik Peramalan
Peramalan atau forecast merupakan suatu fungsi bisnis yang digunakan untuk memperkirakan permintaan dan penggunaan produk sehingga produk-produk tersebut
dibuat dalam jumlah atau kuantitas yang tepat Gaspersz, 2004. Tujuan dari peramalan dalam kegiatan produksi adalah untuk mengurangi ketidakpastian,
sehingga diperoleh suatu perkiraan yang mendekati keadaan yang sebenarnya. Kegunaan peramalan tersebut akan terlihat pada saat pengambilan keputusan.
Keputusan yang baik adalah keputusan yang didasarkan pertimbangan apa yang akan terjadi pada waktu keputusan itu dilaksanakan.
Menurut Levine 2002 ada dua pendekatan umum untuk jenis metode peramalan menurut sifatnya, yaitu teknik kualitatif dan teknik kuantitatif. Teknik
peramalan kualitatif digunakan saat data historis tidak tersedia, namun metode ini bersifat sangat subjektif dan membutuhkan penilaian dari pakar. Sedangkan teknik
peramalan kuantitatif menggunakan data historis atau data masa lalu yang dibuat dalam bentuk angka.
Dalam peramalan dikenal istilah prakiraan dan prediksi. Prakiraan didefinisikan sebagai proses peramalan suatu kejadian dimasa datang dengan berdasar
pada data kejadian itu dimasa sebelumnya. Data masa lampau tersebut secara sistematik diolah bersama dengan suatu metode tertentu untuk memperoleh prakiraan
kejadian yang akan datang. Sementara prediksi adalah proses peramalan suatu variabel pada masa yang akan datang berdasarkan pada pertimbangan intuisi daripada
Universitas Sumatera Utara
7 data-data sebelumnya, meskipun lebih berdasarkan pada pertimbangan intuisi, namun
prediksi juga sering digunakan data kuantitatif sebagai pelengkap informasi dalam melakukan peramalan. Herjanto, 2006.
Berdasarkan horizon waktu, peramalan dapat dikelompokkan dalam tiga bagian, yaitu peramalan jangka panjang, peramalan jangka menengah, dan peramalan
jangka pendek.
1. Peramalan jangka panjang, yaitu mencakup waktu lebih besar dari 18 bulan.
Misalnya, peramalan yang berkaitan dengan penanaman modal, perencanaan fasilitas, dan perencanaan untuk kegiatan litbang.
2. Peramalan jangka menengah, yaitu mencakup waktu antara 3 sampai 18 bulan.
Misalnya peramalan untuk perencanaan penjualan, perencanaan produksi, dan perencanaan tenaga kerja tidak tetap.
3. Peramalan jangka pendek, yaitu untuk jangka waktu kurang dari 3 bulan.
Misalnya, peramalan dalam hubungannya dengan penjadwalan kerja atau penugasan karyawan.
Peramalan jangka panjang banyak menggunakan pendekatan kualitatif sedangkan peramalan jangka menengah dan pendek biasanya menggunakan
pendekatan kuantitatif. Metode peramalan kuantitatif terbagi dalam dua kelompok utama, yaitu
metode data time series dan metode kausal. Data tersebut tentunya sangat diperlukan dalam penelitian, maupun pengambilan keputusan. Winarno, 2007.
a. Data Time Series Runtun Waktu
Data Runtun Waktu atau Data Time series adalah data yang menggambarkan suatu objek dari waktu ke waktu atau periode secara historis dan terjadi
berurutan. Winarno, 2007. Interval waktu perekaman dapat amat singkat beberapa bagian dari satu detik saja dan dapat cukup panjang harian,
mingguan, bulanan, tahunan, dan bahkan puluhan tahun, tergantung dari macamnya data yang direkam. Contohnya adalah data produksi karet dari
Universitas Sumatera Utara
8 tahun 2000 hingga 2010, data pergerakan angin dari menit pertama hingga
menit ke-30, data jumlah siswa dari tahun 1997 hingga 2012, dan lain-lain. Time Series ini mencakup penelitian pola data yang digunakan untuk
memeriksa apakah data tersebut stasioner atau tidak. Stasioner itu sendiri berarti bahwa tidak terdapat pertumbuhan atau penurunan pada data. Data
secara kasar harus horizontal sepanjang waktu. Dengan kata lain fluktuasi data tetap konstan.
b. Data Causal Data Kausal
Metode peramalan kausal mengembangkan model sebab-akibat antara permintaan
yang diramalkan
dengan variabel-variabel
lain yang
mempengaruhi. Contohnya adalah, jumlah permintaan baju baru bisa saja berhubungan dengan jumlah populasi, rata-rata pendapatan masyarakat, jenis
kelamin, musiman atau bulan-bulan khusus hari raya, natal, tahun baru. Data dari variabel tersebut dikumpulkan dan dianalisa untuk menentukan
keakuratan dari model peramalan yang diusulkan. Metode ini biasa dipakai untuk dengan kondisi dimana variabel penyebab terjadinya item yang akan
diramalkan sudah diketahui. Dengan adanya hubungan tersebut, output dapat diketahui jika input diketahui.
Yang terpenting dalam suatu deret berkala time series adalah mempertimbangkan jenis pola data. Menurut Makridakis 1999 pola tersebut dapat
dibedakan menjadi empat :
1. Pola Data Horizontal
Pola Data Horizontal adalah pola data yang terjadi jika data berfluktuasi di
sekitar nilai rata-rata yang konstan. Tipe ini pada data runtun waktu disebut
stationary. Sebagai contoh penjualan tiap bulan suatu produk tidak meningkat atau menurun secara konsisten pada suatu waktu dapat dipertimbangkan untuk
pola horizontal. Contoh pola data seperti ini dapat dilihat pada Gambar 2.1.
Universitas Sumatera Utara
9
Gambar 2.1 Data Time Series Dengan Pola Horizontal Tanjung, 2012
Gambar 2.1 menunjukkan grafik jumlah penjualan beras pada sebuah usaha pengecer beras selama satu tahun. Dapat dilihat pada grafik bahwa jumlah penjualan
beras pada satu tahun tersebut berfluktuasi di sekitar nilai rata-rata yang konstan, yakni sejumlah lima karung beras. Pola data seperti ini juga biasa dijumpai pada jenis
barang kebutuhan pokok lainnya, seperti gula, telur, dan lainnya.
2.
Pola Data Trend
Pola Trend terjadi apabila data menunjukkan pola kecendrungan naik atau turun atau bahkan konstan untuk jangka waktu yang panjang. Contoh pola data
seperti ini dapat dilihat pada Gambar 2.1.
Gambar 2.2 Data Time Series Dengan Pola Trend Tanjung, 2012
Universitas Sumatera Utara
10 Gambar 2.2 menunjukkan grafik produk domestik bruto Gross Domestic Product
yakni jumlah nilai produk berupa barang dan jasa yang dihasilkan oleh unit-unit produksi di dalam batas wilayah suatu negara domestik selama satu tahun. Pada
Gambar 2.2 tampak pola kenaikan untuk jangka waktu yang panjang yang dimulai dari tahun pertama hingga tahun ke-11. Jumlah produk nampak meningkat dari rata-
rata lima ribu ditahun pertama dan meningkat hingga bernilai rata-rata tiga puluh ribu di tahun ke-11.
3.
Pola Data Musiman
Pola Musiman terjadi apabila dalam data terlihat pola perubahan yang berulang secara otomatis dalam suatu interval tertentu. Hal ini terjadi karena
dipengaruhi oleh faktor musiman seperti faktor cuaca, musim libur panjang, musim tahun ajaran baru, hari raya keagamaan yang akan berulang secara
periodik tiap tahunnya. Pola musiman berguna dalam meramalkan penjualan dalam jangka pendek. Pola data ini terjadi bila nilai data sangat dipengaruhi
oleh musim, misalnya permintaan bahan baku jagung untuk makanan ternak ayam pada pabrik pakan ternak selama satu tahun.
Gambar 2.3 Data Time Series Dengan Pola Horizontal Tanjung, 2012
Gambar 2.3 merupakan grafik penjualan seragam sekolah pada sebuah toko penyedia seragam dari bulan pertama hingga bulan ke-12 di tahun 2011. Dapat dilihat
bahwa jumlah penjualan seragam sekolah dipengaruhi oleh faktor musiman. Jumlah
Universitas Sumatera Utara
11 penjualan meningkat tajam di bulan Juli yakni bulan dimana semester baru di sekolah
dimulai.
4.
Pola Data Siklis
Pola Siklis terjadi apabila fluktuasi permintaan jangka panjang membentuk pola gelombangsiklus. Biasanya pola ini dipengaruhi oleh siklus bisnis.
Gambar 2.4 Data Time Series Dengan Pola Siklis Tanjung, 2012
Gambar 2.3 menunjukkan grafik penjualan mobil dari tahun 2000 hingga tahun 2008 pada sebuah perusahaan dealer mobil. Dapat dilihat bahwa penjualan mobil
dipengaruhi oleh faktor ekonomi di Indonesia tiap tahunnya. Pada tahun 2002 dan tahun 2008, dimana keadaan ekonomi rakyat Indonesia lebih baik membuat tingkat
penjualan mobil yang termasuk sebagai kebutuhan tersier juga ikut mengalami peningkatan.
2.2 Prediksi Penjualan