67 773276 -82417 1628969 68 774284 -83020 1631588
69 773807 -85251 1632866 70 774033 -86707 1634772
71 773926 -88523 1636376 72 773977 -90165 1638118
73 773953 -91884 1639789 74 773964 -93562 1641489
75 773959 -95254 1643171 76 773961 -96935 1644857
77 773960 -98616 1646536 78 773961 -100292 1648213
79 773960 -101966 1649887 80 773960 -103636 1651557
81 773960 -105304 1653225 82 773960 -106968 1654889
83 773960 -108629 1656550 84 773960 -110287 1658208
4.1.4.5 Menghitung kesalahan peramalan
Setelah dilakukan perhitungan diperoleh harga mean absolute error MAE model ARIMA untuk tahun 2008 adalah 309495,25 sedangkan untuk mean
squared error MSE metode ARIMA sebesar 1,882E+11. Untuk hasil perhitungan MAE dan MSE metode ARIMA dapat dilihat pada lampiran 57.
4.2. Pembahasan
4.2.1. Penggunaan Analisis Runtun Waktu menggunakan model Smoothing
dan Box Jenkins ARIMA. Penggunaaan analisis runtun waktu pada ketiga produk yang dihasilkan PT.
Air Mancur yaitu lulur putri ayu, harumsari EW 5gram dan jamu serbuk pegal linu, di analisis menggunakan model Smoothing yaitu dengan Moving Average dan
Exponential Smoothing, serta Box Jenkins ARIMA. Penggunaan kedua model tersebut pada masing-masing produk dapat dilihat jelas pada analisis data hasil
penelitian.
4.2.2. Model MAE, MSE dan MAPE terkecil pada analisis data masing-
masing produk. Dari perhitungan dapat dibuat tabel harga MAE, MSE dan MAPE seperti
pada lampiran 58 untuk model Smoothing dan Box-JenkinsARIMA sebagai berikut:
1. Produk lulur putri ayu
Harga MAE, MSE dan MAPE terkecil diantara model yang lain yaitu model ARIMA 1,1,2 dengan MAE sebesar
174621
, MSE sebesa
r 51453601596
.
2. Produk harum sari EW 5gram
Harga MAE, MSE dan MAPE terkecil diantara model yang lain yaitu model
Double Exponential Smoothing α = 0.1 dengan MAE sebesar
128424,15,
MSE sebesar
3,728E+10
dan MAPE sebesar
0,016160014. 3.
Produk jamu serbuk pegal linu Harga MAE, MSE dan MAPE terkecil diantara model yang lain
yaitu model Double Exponential Smoothing α = 0.1 dengan MAE sebesar
51697,398, MSE sebesar 3,94E+09 dan MAPE sebesar 0,004725. .
4.2.3. Model Terbaik untuk Forecasting Volume Penjualan Produk.
Berdasarkan hasil penelitian akan dibahas model yang terbaik untuk meramalkan data volume penjualan produk di PT. Air Mancur pada tahun 2009-
2010. Dari perbandingan model Smoothing dan Box-Jenkins terhadap ketiga produk pada PT. Air mancur, dilihat pada produk Lulur putri ayu didapat model yang
terbaik yaitu
ARIMA1,1,2, Harum sari EW 5gram didapat juga model Double
Exponential Smoothing sedangkan Jamu Serbuk Pegal Linu didapat model Double
Exponential Smoothing.
Ketiga produk memiliki nilai MAE, MSE maupun MAPE yang terkecil adalah Exponential Smoothing dan ARIMA. Keduanya merupakan
model runtun waktu, berarti model yang terbaik untuk meramalkan penjualan produk salah satunya adalah runtun waktu.
Model runtun waktu intinya sama seperti peramalan yang lain. Jika didefinisikan terperinci model Smoothing didasarkan pada analisis deret berkala
time series historis. Akan tetapi, pendekatan yang digunakan dalam menetapkan pola deret berkala historis lebih didasarkan pada teori statistik yang telah
dikembangkan dengan baik. Metode runtun waktu seperti Box Jenkins dapat diterapkan ke dalam berbagai bentuk data. Jadi dapat dikatakan dari masing-masing
model dapat digunakan untuk meramalkan jumlah produk periode mendatang. Kedua jenis model yaitu Smoothing dan Box Jenkins sama-sama dikatakan akurat.
Sehingga untuk lebih mengetahui mana yang terbaik diantara keduanya, dapat dikatakan sama baiknya. Berarti alangkah baiknya jika untuk mengevaluasi kembali
kedua model tersebut dapat dilakukan dengan menambahkan data historis sebelumnya, jika diperoleh nilai MAE, MSE, dan MAPE yang terkecil sama lebih
kecil dari model lainnya berarti model tersebut cukup signifikan untuk dikatakan terbaik. Langkah kedua dimungkinkan menambahkan model lain selain Smoothing
dan Box Jenkins jika didapatkan hasil yang sama paling kecil berarti model tersebut cukup penting dipertahankan sebagai model untuk peramalan.
Keakurasian merupakan perbandingan dua model untuk mencari keakuratan dan ketelitian masing-masing model dengan melihat nilai MAE, MSE dan MAPE.
Melihat nilai terkecil ketiganya dengan teliti maka keakurasian hasil forecast dapat dikatakan memiliki keakurasian yang tepat pula, berarti peran serta keakurasian
untuk menentukan model terbaik sangatlah penting. Jadi dapat dikatakan ARIMA merupakan model peramalan yang lebih mudah digunakan karena data tidak harus
mempunyai pola tertentu dibandingkan dengan model yang lain.
4.2.4. Peramalan ketiga produk menggunakan Minitab 11.0.
