ANALISIS PERBANDINGAN KEAKURATAN PERAMALAN PADA PENJUALAN BESI WIREMESH DENGAN METODE ADAPTIVE RESPONSE RATE EXPONENTIAL SMOOTHING (STUDI KASUS : PT. ARTA TIARA PERMAI) - Binus e-Thesis
Program Ganda
Teknik Informatika – Statistika
Skripsi Sarjana Program Ganda
Semester Ganjil tahun 2006/2007
ANALISIS PERBANDINGAN KEAKURATAN PERAMALAN PADA
PENJUALAN BESI WIREMESH DENGAN METODE ADAPTIVE RESPONSE
RATE EXPONENTIAL SMOOTHING(STUDI KASUS:PT.ARTA TIARA PERMAI)
YULI
NIM : 0600666735
ABSTRAK
PT Arta Tiara Permai adalah sebuah perusahaan yang bergerak dalam bidang penjualan alat-alat teknik, electrical dan bahan bangunan. Dalam penelitian ini objek yang akan diramalkan penjualannya untuk periode mendatang adalah besi Wiremesh yang merupakan salah satu produk yang dijual oleh PT Arta Tiara Permai kepada perusahaan- perusahaan lain, para kontraktor hingga konsumen biasa. Besi Wiremesh ini juga diperoleh dari perusahaan lainnya yang mendistribusikannya kepada PT Arta Tiara Permai. Jadi PT Arta Tiara merupakan distributor yang hanya menjual produk, bukan sebagai produsen sehingga peramalan yang ada ini dapat bermanfaat bagi perusahaan yaitu dalam hal persediaan produknya. Mengingat produk-produk pada PT Arta Tiara Permai bermacam-macam maka persediaan menjadi hal yang penting untuk dipertimbangkan dalam pengambilan keputusan di masa yang akan datang. Adapun metode peramalan yang digunakan adalah metode adaptasi dari Exponential Smoothing yaitu metode Adaptive Response Rate Exponential Smoothing (ARRES). Perbedaan mendasar yaitu nilai
α metode ARRES yang berfluktuasi tiap periodenya. Metode ARRES juga menggunakan konstanta pemulusan yang tetap yang disimbolkan dengan β. Nilai awal untuk
α adalah sama dengan nilai β yang dipilih. Nilai β yang lebih kecil akan mengakibatkan semakin kecilnya fluktuasi nilai α setiap periodenya. Namun apakah nilai
β yang lebih kecil ini juga akan membuat peramalan dengan metode ARRES semakin akuratlah yang akan diuji. Dalam penelitian ini akan diambil sampel beberapa buah nilai β yang akan dibandingkan keakuratan peramalannya. Ukuran relatif untuk mengukur keakuratan peramalan di sini digunakan MAPE yang berupa persentase. Data yang digunakan di sini adalah data 4 tahun penjualan besi Wiremesh. Jadi data-data tersebut disusun dan diurutkan kemudian dianalisis dengan metode ARRES untuk diperoleh nilai penjualan berikutnya dengan beberapa nilai
β yang dipilih itu. Dari hasil perhitungan peramalan dengan data penjualan itu akan menjawab hipotesis apakah nilai β yang lebih kecil akan menghasilkan peramalan yang semakin akurat. Puji dan syukur saya panjatkan kepada Tuhan Yang Maha Esa (YME) atas berkat rahmat dan bimbingan-Nya saya dapat menyelesaikan skripsi ini. Skripsi ini disusun sebagai salah satu syarat dalam menyelesaikan program studi ganda Teknik Informatika dan Statistika, jenjang pendidikan Strata 1 di Universitas Bina Nusantara, Jakarta.
Penulisan skripsi ini tidak terlepas dari keterlibatan pihak-pihak yang telah banyak membantu baik dalam bentuk materi, dukungan moril maupun dorongan semangat kepada saya. Untuk itu saya mengucapkan banyak terima kasih antara lain ditujukan kepada:
1) Bapak Gerardus Polla, M.App.Sc. selaku Rektor Universitas Bina Nusantara. 2)
Bapak Wikaria Gazali, S.Si., M.T. selaku Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam.
3) Bapak Ngarap Immanuel Manik, Drs., M.Kom selaku Ketua Jurusan Matematika dan Statistika.
4) Bapak Ir.Sablin Yusuf, M.Sc, M.ComSc. selaku Dekan Fakultas Ilmu Komputer. 5)
Bapak H.Mohammad Subekti, BE, M.Sc. selaku Ketua Jurusan Teknik Informatika.
6) Bapak Ir.Abdul Hamang, M.S. dan Bapak Drs.Agus Prahono, M.Eng.Sc. selaku dosen pembimbing saya.
7) Bapak Susilo Putro selaku Direktur PT Arta Tiara Permai. 8)
Para dosen Universitas Bina Nusantara yang telah memberikan ilmu kepada saya sehingga ilmu-ilmu tersebut dapat saya terapkan untuk penyusunan skripsi ini.
Orang tua, keluarga dan kerabat yang telah banyak memberikan dukungan dan doa-doa yang tiada henti-hentinya untuk kelancaran penyusunan skripsi ini.
10) Rekan-rekan jurusan Teknik Informatika dan Statistika angkatan 2002. 11)
Rekan-rekan yang telah banyak membantu baik dalam segi materi maupun dukungan moril sehingga saya dapat menyelesaikan skripsi ini.
12) Semua pihak yang tidak dapat saya sebutkan satu per satu.
Saya menyadari bahwa skripsi yang saya susun ini masih jauh dari sempurna, sehingga dibutuhkan saran, kritik atau masukan yang berguna bagi pengembangan skripsi ini untuk penelitian berikutnya agar menjadi lebih baik lagi.
Jakarta, 10 Januari 2007 Penulis Yuli
0600666735
Halaman Judul Luar i Halaman Judul Dalam ii Halaman Persetujuan Hardcover iii Halaman Pernyataan Dewan Penguji iv Abstrak v Kata Pengantar vi Daftar isi viii Daftar Tabel xii
Daftar Gambar xiii Daftar Lampiran xiv
BAB 1 PENDAHULUAN
1.1 Latar Belakang
1
1.2 Ruang Lingkup
2
1.3 Rumusan Masalah
3
1.4 Tujuan
3
1.5 Manfaat
3
1.6 Sistematika Penulisan
4 BAB 2 GAMBARAN UMUM OBJEK
2.1 Gambaran Umum Perusahaan
6
2.1.1 Perusahaan
6 Sejarah
2.1.2
6 Struktur Organisasi Perusahaan
2.2 Objek Penelitian
7 BAB 3 LANDASAN TEORI
3.1 Peramalan
9
3.1.3 Kegunaan Metode Peramalan
14
3.1.4 Pemilihan Teknik dan Metode Peramalan
15
3.1.5 Manfaat Utama Keakuratan Peramalan
18
3.2 Metode Adaptasi dari Peramalan Deret Waktu
20
3.2.1 Metode Exponential Smoothing
20
3.2.2 Pengidentifikasian Ciri – ciri dari
21 Suatu Deret Waktu
3.2.3 Koefisien Autokorelasi 23
3.2.4 Kestatisan (Stationarity)
24
3.2.5 Macam-macam Pola Data
25
3.2.6 Autokorelasi dan Statistik Uji
26
d
Durbin Watson
3.3 Metode Adaptive Response Rate
30 Exponential Smoothing (ARRES)
3.4 Ukuran Ketepatan Ramalan
33
3.4.1 Sumber Ketidakakuratan Peramalan
35
3.5 Aplikasi Perangkat Lunak
36
3.5.1 Diagram Alir (Flowchart)
37
3.5.2 Basis Data (Database) 38
3.6 Interaksi Manusia dan Komputer
39 BAB 4 METODOLOGI
4.1 Metodologi Penelitian
41
4.1.1 Pengumpulan Bahan Penelitian
41
4.1.1.1 Data yang Digunakan
41
4.1.2 Kerangka Berpikir
42
4.1.3 Hipotesis Penelitian
43
4.1.4 Teknik Analisis Data
43
4.2 Metode Perancangan Program Aplikasi
45
4.2.1.2 Diagram Alir Modul Login
47
4.2.1.3 Diagram Alir Modul ARRES
48
4.2.1.4 Diagram Alir Modul Data
49
4.2.2 Rancangan Tampilan Layar
51
4.2.2.1 Rancangan Layar Halaman Awal
51
4.2.2.2 Rancangan Layar Menu Login 52
4.2.2.3 Rancangan Layar Menu Utama
53
4.2.2.4 Rancangan Layar Menu
54 Data (Pilihan)
4.2.2.5 Rancangan Layar Menu
55 Data (Peramalan 1)
4.2.2.6 Rancangan Layar Menu
57 Data (Peramalan 2)
4.2.3 Rancangan Basis Data
59
4.2.4 Spesifikasi Perangkat Program Aplikasi
60 BAB 5 HASIL DAN ANALISIS DATA
5.1 Penyajian Data Penelitian
61
5.2 Pengolahan Data
62
5.2.1 Peramalan Penjualan Periode
63 yang akan Datang
5.2.2 Perhitungan Koefisien Autokorelasi
63
5.2.3 Statistik Uji d Durbin Watson
68
5.3 Analisis Kesalahan
70
5.4 Pengujian Hipotesis
71
5.5 Pembahasan
71 BAB 6 KESIMPULAN DAN SARAN
6.1 Kesimpulan
72
DAFTAR PUSTAKA xv
RIWAYAT HIDUPLAMPIRAN FOTOKOPI SURAT SURVEI
DAFTAR TABEL
Tabel 4.1 Tabel Struktur Database Penjualan59 Tabel 4.2 Tabel Struktur Database Hasil Ramalan
59 Tabel 5.1 Data Penjualan Besi Wiremesh PT Arta Tiara Permai
61 Tabel 5.2 Perhitungan Peramalan untuk Periode 49
63 Tabel 5.3 Data Aktual hingga 10 time lags
64 Tabel 5.4 Jumlah kuadrat data aktual hingga 10 time lags
64 Tabel 5.5 Jumlah hasil kali data aktual dengan data aktual hingga
64 10 time lags
Tabel 5.6 Perhitungan Koefisien Autokorelasi 10 time lags65 Tabel 5.7 Tabel Z dengan standard error 95 %
66 Tabel 5.8 Tabel Wilayah Kritis Durbin Watson dengan α = 0.05
69 Tabel 5.9 Perhitungan MAPE setiap β
70
Gambar 2.1 Struktur Organisasi Perusahaan52 Gambar 4.7 Rancangan Layar Menu Utama
58 Gambar 5.1 Koefisien Autokorelasi hingga 10 time lags
57 Gambar 4.10.2 Rancangan Layar Menu Data (Peramalan 2)
56 Gambar 4.10.1 Rancangan Layar Menu Data (Peramalan 2)
55 Gambar 4.9.2 Rancangan Layar Menu Data (Peramalan 1)
54 Gambar 4.9.1 Rancangan Layar Menu Data (Peramalan 1)
53 Gambar 4.8 Rancangan Layar Menu Data (Pilihan)
51 Gambar 4.6 Rancangan Layar Menu Login
7 Gambar 3.1 Konstruksi flowchart
4.5 Rancangan Layar Halaman Awal
50 Gambar
48 Gambar 4.4 Diagram Alir Modul Data
47 Gambar 4.3 Diagram Alir Modul ARRES
46 Gambar 4.2 Diagram Alir Modul Login
38 Gambar 4.1 Diagram Alir Modul Utama
67 Lampiran 1 Hasil Perhitungan Peramalan Penjualan dengan L.1 metode ARRES nilai β = 0.2
Lampiran 2 Hasil Perhitungan Peramalan Penjualan dengan L.2 metode ARRES nilai β = 0.04
Lampiran 3 Hasil Perhitungan Peramalan Penjualan dengan L.3 metode ARRES nilai β = 0.5
Lampiran 4 Hasil Perhitungan Peramalan Penjualan dengan L.4 metode ARRES nilai β = 0.1
Lampiran 5 Hasil Perhitungan Peramalan Penjualan dengan L.5 metode ARRES nilai β = 0.05
Lampiran 6 Hasil Perhitungan Peramalan Penjualan dengan L.7 metode ARRES nilai β = 0.25
Lampiran 7 Hasil Perhitungan Peramalan Penjualan dengan L.8 metode ARRES nilai β = 0.15
Lampiran 8 Tabel Perhitungan untuk Statistik Uji d Durbin Watson ( β = 0.2) L.9
Lampiran
9 LAMPIRAN PERTANYAAN L.10 Lampiran
10 Listing Program L.11