APLIKASI PERAMALAN PENGADAAN BARANG DENGAN METODE TREND PROJECTION DAN METODE SINGLE EXPONENTIAL SMOOTHING (STUDI KASUS DI TOKO PIONIR JAYA)
Seminar Nasional Informatika 2014
APLIKASI PERAMALAN PENGADAAN BARANG DENGAN
METODE TREND PROJECTION DAN METODE SINGLE
EXPONENTIAL SMOOTHING
(STUDI KASUS DI TOKO PIONIR JAYA)
Evi Dewi Sri Mulyani1, Egi Badar Sambani2, Rian Cahyana3
1,2
Jurusan Teknik Informatika
STMIK Tasikmalaya, Jl. RE Martadinata No. 272 A Tasikmalaya
e-mail : 1eviajadech@gmail.com, 2egibadar@gmail.com, 3rianchek2@gmail.com
3
Abstrak
Peramalan adalah suatu prediksi untuk memperkirakan keadaan dimasa mendatang dengan menggunakan
data-data lama. Dalam penjualan, peramalan bertujuan untuk memperkirakan berapa basar kebutuhan barang
yang akan terjual. Dengan adanya peramalan ini maka semuan kegiatan dalam pembuatan suatu barang bisa
berjalan dengan lancar dan optimal.Akan tetapi untuk sebelum melakukan peramalan ada satu tahap yang
harus dilewati yaitu pemilihan metode sebelum melakukan peramalan. Metode peramalan yang digunakan
sebaiknya menggunakan lebih dari satu metode dalam permalannya , karena dengan menggunakan metode
lebih dari hasil peramalan akan lebih flexibel terhadap perubahan pola data-data sebelumnya sebelum
melakukan peramalan. Aplikasi peramalan ini menggunakan 2 metode yaitu metode trend projection dan
metode single exponential smoothing. Metode trend projection sangat cocok untuk pola data bersifat bergerak
naik atau turun dalam peramalannya, sedangkan metode single exponential smoothing sangat cocok untuk
pola data bersifat fluktuatif (random), tetapi ketika data yang digunakan untuk peramalan bersifat bergerak
naik atau turun maka metode yang digunakan pun akan berbeda. Dengan menggunakan kedua metode
tersebut dalam peramalannya, maka hasil ramalannya pun akan lebih flexibel terhadap perubahan pola data
sebelumnya sebelum melakukan peramalan. Aplikasi ini pun akan menunjukan hasil perbandingan peramalan
dari kedua metode tersebut, sehingga dapat diketahui mana yang memiliki tingkat kesalahan yang paling
kecil.
Kata Kunci : Peramalan , Metode Trend Projection , Metode Single Exponential Smoothing
1. PENDAHULUAN
Suatu perusahaan , terutama perusahaan
yang bergerak di bidang penjualan, informasi
sangat penting sekali, apalagi informasi tentang
data
barang
yang
keluar.informasi
ini
berpengaruh terhadap suatu keputusan seorang
manajer dalam menentukan berapa barang yang
di pesan untuk penjualan pada periode
berikutnya[1]. Jika menejer dalam pengambilan
keputusan ini terjadi suatu kesalahan maka dapat
menyebabkan menumpuknya suatu barang
ataupun kekurangan stok barang yang dapat
menyebabkan kerugian pada perusahaan tersebut,
karena penumpukan persediaan yang terlalu
banyak akan memerlukan modal kerja yang
makin banyak pula, hal ini memungkinkan
investasi modal untuk kegiatan lain jadi
terhambat. sedangkan persediaan yang sedikit
memungkinkan perusahaan tidak dapat memenuhi
kebutuhan pelanggannya.
Untuk itulah di dalam suatu perusahaan
tersebut diperlukannya suatu aplikasi peramalan
yang baik yang dapat membantu seorang menejer
dalam
pengambilan
keputusannya
dalam
penentuan berapa barang yang akan di produksi
260
ataupun berapa barang yang dipesan untuk
penjualan pada periode berikutnya. Dalam
penelitian sebelumnya, karangan Aswin Nurman
Pradana yang berjudul Sistem peramalan
persediaan Unit Mobil Mitsubishi PT.Wicaksana
Berlian Motor , digunakan untuk membantu dan
mempermudah dalam menentukan berapa banyak
unit mobil yang harus disediakan untuk
memenuhi permintaan konsumen[2]. metode
peramalan yang digunakan pada sistem tersebut
ialah metode single exponential smoothing,
menggunakan
metode
single
exponential
smoothing karena pada saat itu pola data yang ada
bersifat fluktuatif (random). Tapi ketika pola data
pada perusahaan tersebut berubah menjadi
bergerak naik , maka metode yang digunakan pun
harus berubah .Perlunya ada pengembangan
sistem ini dikarenakan kemungkinan ada
perubahan pola data barang yang keluar menjadi
berubah yang mengakibatkan metode peramalan
yang digunakan menjadi kurang tepat..
Berdasarkan beberapa persoalan diatas,
perlu adanya solusi pemecahan masalah untuk
mendapatkan hasil peramalan yang lebih akurat ,
yaitu dibuatkannya aplikasi peramalan dengan
menggunakan 2 metode yang berbeda , agar hasil
Seminar Nasional Informatika 2014
peramalan dari ke dua metode tersebut dapat
dibandingkan agar hasil ramalan menjadi lebih
objektif dan akurat. Metode yang digunakan ialah
Metode Trend Projection dan Metode Single
Exponential Smoothing, menggunakan kedua
metode ini dikarenakan untuk Metode Trend
Projection sangat cocok ketika pola data bersifat
naik atau turun , sedangkan Metode Single
Exponential Smoothing sangat cocok ketika pola
data bersifat fluktuatif.
Sistem ini diharapkan dapat membantu
seorang
menejer
dalam
pengambilan
keputusannya dalam penentuan berapa barang
yang akan di produksi ataupun berapa barang
yang dipesan untuk penjualan pada periode
berikutnya menjadi lebih tepat
2. METODE PENELITIAN
Metode penelitian yang digunakan
adalah metode kualitatif, karena “masalah” yang
dibawa oleh peneliti masih kompleks dan
dinamis. Oleh karena itu, “masalah” dalam
penelitian kualitatif masih bersifat sementara, dan
akan berkembang atau berganti setelah peneliti
berada di lapangan[3]. Penulis menjabarkan
permasalahan yang ada serta membuat
pemecahan masalah mengenai peramalan
pengadaan barang yaitu peramalan suatu produksi
atau penjualan dengan merancang Aplikasi untuk
pengadaan barang. Dengan metode ini dapat
membantu Penulis dalam proses merancang
Aplikasi peramalan untuk pengadaan barang
sehingga hasil ramalan lebih akurat.
Metode Perancangan dalam penulisan
penelitian
menggunakan
metode
System
Development Life Cycle (SDLC), dengan melalui
tahapan analisis, desain, code, implementasi, dan
pengujian.
2.1
2.1.1
Pengacuan Pustaka
Peramalan
Peramalan adalah seni dari ilmu
memprediksi sesuatu yang belum terjadi dengan
tujuan untuk memperkirakan peristiwa-peristiwa
yang akan terjadi dimasa depan nantinya dengan
selalu memerlukan data-data dari masa lalu
yang
meliputi kebutuhan dalam ukuran
kuantitas, kualitas, waktu dan lokasi yang
dibutuhkan dalam
rangka
memenuhi
permintaan barang ataupun jasa. Sehingga
dengan peramalan, maka kemungkinan terjadinya
peristiwa-peristiwa yang tidak sesuai dengan
tujuan yang diharapkan diikuti dengan kesiapan
untuk mengantisipasinya. [1]
Metode Trend Projection
Metode trend projection merupakan
metode peramalan kuantitatif, dimana metode
kuantitatif adalah metode yang didasarkan pada
2.1.2
data kuantitatif pada massa lalu. Hasil peramalan
yang dibuat sangat bergantung kepada metode
peramalan yang digunakan.[2]
Metode trend projection merupakan
metode peramalan yang menyesuaikan sebuah
garis tren pada sekumpulan data masa lalu dan
kemudian diproyeksikan dalam garis untuk
meramalkan masa depan.
Metode trend projection bisa disebut
juga metode tren garis lurus. Adapun persamaan
trend linier menurut J.Supranto, dapat ditulis
sebagai berikut :[3]
………(1)
Dimana:
Y’ =data berkala (time series data),
a dan b= konstanta
X= waktu (hari, minggu, bulan, tahun)
Sebelum mmenentukan nilai a dan b
maka harus ditentukan nilai (=X) terlebih
dahulu,sedemikian rupa,sehingga jumlah nilai
variable waktu adalah nol (0).
……… (2)
Pada umumnya yang diberi nilai 0
adalah variable waktu yang letaknya ditengah
Untuk mencari nilai variable waktu adalah
sebagai berikut :
1. Untuk nilai variable waktu (= X) adalah
nol ( 0 )
a. Untuk nilai n ganjil adalah :
……… (3)
……… (4)
b. Untuk nilai n genap adalah :
……… (5)
……… (6)
Metode Single Exponential Smoothing
Metode
exponential
smoothing
merupakan pengembangan dari metode moving
averages. Dalam metode ini peramalan
dilakukan dengan mengulang perhitungan secara
terus menerus dengan menggunakan data terbaru.
Setiap data diberi bobot, data yang lebih baru
diberi bobot yang lebih besar. Salah satu
metode dalam
exponential
smoothing
diantaranya single exponential smoothing
1. Single Exponential Smoothing
Metode ini adalah pengembangan dari
metode moving average (MA) menggunakan
rumus sebagai berikut:
……… (7)
Keterangan :
Ft+1 : Ramalan untuk periode ke t + 1
XT : Nilai riil periode ke t
T : Jangka waktu rata – rata bergerak
Metode moving average memang
mudah menghitungnya akan tetapi metode ini
memberikan bobot yang sama pada setiap data .
2.1.3
261
Seminar Nasional Informatika 2014
Untuk mengatasi hal ini maka digunakan
metode single exponential smoothing. Pada
metode single exponential smoothing bobot yang
diberikan pada data yang ada adalah sebesar α
untuk data yang terbaru, α(1 -α) untuk data yang
lama, α(1-α)2 untuk data yang lebih lama, dan
seterusnya. Besarnya α adalah antara 0 dan 1.
Semakin mendekati 1 berarti data terbaru lebih
diperhatikan. Secara matematis
besarnya
Peramalan adalah:
Ft+1 = α Xt + (1 – α) Ft……… (8)
metode yaitu metode single exponential
smoothing dan metode trend projection , dengan
adanya kedua metode ini akan terlihat hasil
perbandingan peramalan, mana yang memiliki
tingkat kesalahan yang paling kecil.
Contoh Kasus :
Sampel data diambil dari toko pionir jaya
untuk penjualan folio perbulan (perperiode).
Tabel 1. Contoh Kasus
Jumlah Barang
Bulan
Tahun
( Terjual )
Ft+1 : Ramalan untuk periode ke t+1
Xt: Nilai riil periode ke t
Ft : Ramalan untuk periode ke t
Dengan demikian dapat dikatakan bahwa
peramalan pada periode yangakan datang adalah
ramalan sebelumnya ditambah α (alpha) dikalikan
dengan kesalahan ramalan periode sebelumnya.
Dalam
melakukan
peramalan
dengan
menggunakan
metode
single
exponential
smoothing (SES), besarnya α (alpha) ditentukan
secara trial dan error sampai ditemukan α
(alpha)
yang menghasilkan forecast error
terkecil. Metode ini lebih cocok digunakan untuk
meramal data-data yang fluktuatif secara random
(tidak teratur).[4]
Mean Absolute Percent Error (MAPE)
Formulasi yang akan digunakan dalam
menghitung kesalahan ialah Mean Absolute
Precentage Error (MAPE). MAPE merupakan
suatu nilai tengah atau rata-rata jumlah seluruh
persentasi kesalahan untuk sebuah susunan data
yang diberikan. Ia merupakan ialah satu ukuran
ketepatan yang digunakan dalam metode
kuantitatif atau peramalan. MAPE dihitung
sebagai rata-rata diferensiasi absolut antara nilai
yang diramal dan aktual, dinyatakan sebagai
persentase nilai aktual. jika kita memiliki nilai
yang diramal dan aktual untuk n periode, MAPE
dihitung sebagai :
2.1.4
………
3. ANALISIS
SISTEM
3.1
DAN
PERANCANGAN
Analisis Pemecahan Masalah
Program Aplikasi Ini dibuat agar hasil
peramalan menjadi lebih objektif dan akurat
karena metode peramalan yang digunakan 2
262
2013
100
Mei
2013
123
Juni
2013
145
Juli
2013
160
Agustus
2013
201
September
2013
239
Oktober
2013
232
November
2013
273
Desember
2013
137
Januari
2014
140
Februari
2014
101
Maret
2014
142
April
2014
140
Dari tabel 1 diatas dapat dilihat bahwa
penjualan folio pada bulan april 2014 sebanyak
140 , maka disini akan diuji keakuratan kedua
metode yaitu metode trend projection dan metode
single
exponential
smoothing
dalam
peramalannya.
Pengujian
Dengan
Metode
Trend
Projection
Untuk memudahkan perhitungan dibuatkan table
pembobotan sebagai berikut:
1)
Tabel 2. Tabel Penjualan Folio Setelah Diberi
Bobot
Bulan
x
y
April
-5.5
100
-550
30.25
Mei
-4.5
123
-553.5
20.25
Juni
-3.5
145
-507.5
12.25
Juli
-2.5
160
-400
6.25
Agustus
-1.5
201
-301.5
2.25
September
-0.5
239
-119.5
0.25
Oktober
0.5
232
116
0.25
November
1.5
273
409.5
2.25
Desember
2.5
137
342.5
6.25
Januari
3.5
140
490
12.25
(9)
MAPE
mungkin
merupakan
perhitungan yang paling mudah diartikan.
Sebagai contoh, MAPE merupakan pernyataan
yang jelas, yang tidak bergantung pada
permasalahan seperti banyaknya data input.[5]
April
xy
x^2
Seminar Nasional Informatika 2014
Februari
4.5
101
454.5
20.25
Maret
5.5
142
7781
30.25
∑
y=1993
∑
xy=161.5
∑
x^2=143
Jumlah
Y’ = a + bx (x variable waktu yang akan
di ramalkan )
Diketahui :
∑ y =1993
∑ xy =161.5
∑ x2 =143
Cari:
a = ∑y/n = 1993/12 = 166.08
b = ∑xy / ∑x2 = 161.5/143 = 1.13
y’ = 166.08 + (1.13 * 13) (“13 waktu yang di
ramalkan bulan ke 13 “)
y’ = 180.77 ( dibulatkan )
Jadi hasil ramalan untuk folio bulan April 2014 =
181 buah.
Tabel 3. Hasil Peramalan dengan Metode
Trend Projection
| Data aktual
- Hasil
Data
Hasil
Periode
ramalan |
Aktual Ramalan
/ data aktual
April
100
167.21
0.67
Mei
123
168.34
0.37
Juni
145
169.47
0.17
Juli
160
170.60
0.07
Agustus
201
171.73
0.15
September
239
172.86
0.28
Oktober
232
173.99
0.25
November
273
175.12
0.36
Desember
137
176.25
0.29
Januari
140
177.38
0.27
Februari
101
178.51
0.77
Maret
142
179.64
0.27
April
Jumlah
180.77
∑ = 3.89
2)
Pengujian
Dengan
Metode
Single
Exponential Smoothing
Berikut perhitungan untuk konstanta
alpha (α = 0.9)
F2 = α X1+ (1 – α) F1
= ( 0.9 * 100 ) + ( 0.1 * 100 )
= 100
F3 = α X2+ (1 – α) F2
= ( 0.9 * 123 ) + ( 0.1 * 100 )
= 120.7 121
Tabel 4. Hasil Peramalan dengan Metode
Single Exponential Smoothing dengan Alpha
=0.9
|Data aktual
Data
Hasil
- Hasil
Aktua Ramala
Periode
Ramalan| /
l
n
data aktual
April
100
0
Mei
123
100
0.19
Juni
145
121
0.17
Juli
160
143
0.11
Agustus
201
158
0.21
September
239
197
0.18
Oktober
232
235
0.01
November
273
232
0.15
Desember
137
269
0.96
Januari
140
150
0.07
Februari
101
141
0.40
Maret
142
105
0.26
April
Jumlah
138
2.71
Jadi kesalahan rata – rata dari metode single
exponential smoothing dengan alpha = 0.9 sekitar
22.58 % dengan hasil ramalan (table 4) untuk
bulan April = 138.
3)
Hasil Ramalan Dengan Perbandingan
MAPE
Setelah melakukan peramalan dengan
kedua metode di dapat hasil MAPE dari kedua
metode tersebut.
Jadi kesalahan rata – rata dari metode trend
projection ini sekitar 32.42 %.
263
Seminar Nasional Informatika 2014
Tabel 5. Hasil MAPE Metode Trend Projection
dan Metode Single Exponential Smoothing
Single
Trend
Exponential
Projection
Barang
Smoothing a=0.9
(%)
(%)
Folio
32.42
22.58
Dilihat dari tabel 3 diatas diketahui
bahwa nilai dengan MAPE terkecil ialah
penggunaan metode peramalan dengan metode
single exponential smoothing dengan alpha=0.9,
maka untuk hasil peramalan bulan april 2014 =
138 , ini dikarenakan data yang digunakan untuk
peramalan bersifat fluktuatif ( secara random ) ,
tetapi ketika data yang digunakan untuk
peramalan bersifat bergerak naik atau turun maka
metode yang digunakan pun akan berbeda.
Gambar 2. Diagram Activity Peramalan
a.
Perancangan Sistem
i.
Use case Diagram
Gambar 2 diatas menjelaskan diagram aktivitas
melakukan permalan.
b.
Perancangan Basis Data
i. Entity Relationship Diagram (ERD)
Diagram
ERD
digunakan
untuk
mengembangkan model tingkat tinggi sistem
yang menggambarkan sebagian besar objek
sistem serta interaksi antara obyek dan atributatributnya. Objektif utama dari pembuatan ER
diagram adalah untuk menunjukan objek-objek
(himpunan entitas) apa saja yang ingin dilibatkan
dalam sebuah basis data dan bagaimana hubungan
yang terjadi diantara objek-objek tersebut.[6]
Gambar 1. Use Case Diagram Sistem
Peramalan
ii.
Activity Diagram Peramalan
Aktor masuk ke form peramalan
,memilih barang yang ingin diramal, sistem
memeriksa kecukupan data barang perperiode jika
tidak cukup ada pesan bahwa data yang dipilih
kurang mencukupi untuk dihitung peramalannya,
jika mencukupi sistem melakukan proses
peramalan.
Gambar 3. ERD Peramalan Barang
Kamus data :
- Akun
: { usrnm, pwd,stat}
- Tahun Periode
: { thn_periode}
- Data Barang
:{
kd_barang,nm_barang}
- Detail Barang
:{
kd_barang,jumlah,bulan.thn_periode}
- Hasil Ramal
:{
kd_barang,bulan,thn_periode,hasil1,hasil2}
264
Seminar Nasional Informatika 2014
ii. Relasi Tabel
Gambar 4. Relasi Tabel Peramalan Barang
Gambar 2 menjelaskan hubungan antar
tabel yang dalam database permalan.
c.
Implementasi
Implementasi merupakan langkah yang
dilakukan setelah perancangan. Program ini
dimulai dengan tampilnya menu login, jika
pemakai sebagai admin memiliki hak penuh
terhadap sistem ini dengan memasukan username
dan password yang sudah terdaftar secara default
dengan username admin dan password admin.
Admin dapat menambah, merubah maupun
menghapus user, tambah data barang, tambah
tahun periode, tambah data untuk peramalan,
melakukan peramalan , cetak laporan.
Sedangkan jika pemakai sebagai user
biasa tidak dapat menambah , merubah maupun
menghapus user.
Program aplikasi Peramalan ini terdiri
dari beberapa halaman, diantaranya dapat dilihat
pada sub bab di bawah ini.
i.
Halaman Login
Halaman login merupakan halaman yang
pertama kali muncul pada saat kita menjalankan
program ini. Halaman log-in berfungsi untuk
memasukkan data pengguna yang ingin
menggunakan sistem.
Berikut tampilan form halaman utama pada
sistem ini.
Gambar 6. Implementasi Antar Muka Menu
Utama
iii.
Form Input Data Peramalan
Form input data peramalan berada pada
menu master data. Form input data peramalan
adalah form yang digunakan unutk memanipulasi
data untuk peramalan berdasarkan nama jenis
barang , seperti menambah data penjualan barang
pada bulan berikutnya , merubah data penjualan
barang pada bulan yang dipilih. Berikut tampilan
Form Input Data Peramalan.
Gambar 7. Implementasi Antar Muka Input
Data Peramalan
iv.
Form Peramalan
Form peramalan adalah form yang
digunakan untuk melakukan peramalan barang
untuk bulan berikutnya berdasarkan nama barang
dan data peramalan barang yang ada. Pada form
ini juga memperlihatkan hasil peramalan
berdasarkan kedua metode yang digunakan, dan
menampilkan
hasil
peramalan
yang
terbaik.Berikut tampilannya.
Gambar 5. Implementasi Antar Muka Login
ii.
Halaman Utama
Halaman utama ini terdiri dari beberapa
menu yaitu: menu akun, menu master data , menu
peramalan, menu maintenance user, menu.
265
Seminar Nasional Informatika 2014
tersebut, sehingga dapat diketahui mana yang
memiliki tingkat kesalahan yang paling kecil.
5. SARAN
Gambar 8. Implementasi Antar Muka
peramalan
d.
Laporan
Pada Gambar 9 menggambarkan laporan
yang merupakan grafik dari data penjualan dan
hasil peramalan berdasarkan nama barang dan
tahun periode. Seperti pada gambar di bawah :
Berdasarkan hasil penelitian, ada
beberapa saran yang dapat dilakukan guna
pengembangan sistem ini menjadi lebih baik lagi
diantaranya sebagai berikut:
1.
Sistem ini harus disinkronkan dengan
manajemen stok barang agar ketika
untuk memproduksi atau pembelian
barang
untuk
dijual
dapat
memperhitungkan berapa stok barang
yang tersisa,dan berapa banyak barang
yang harus di produksi atau dibeli ,
nantinya agar tidak terjadi penumpukan
barang
2.
Dalam proses peramalannya bisa
melakukan peramalan dengan beberapa
barang sekaligus.
3.
Perlunya membandingkan dengan
beberapa metode lainnya untuk
mengetahui akurasi metode mana yang
memiliki tingkat kesalahan yang paling
kecil.
DAFTAR PUSTAKA
Gambar 9. Laporan Barang dan
Peramalannya
4. KESIMPULAN
Dari hasil penelitian yang dilakukan
maka dapat diambil kesimpulan, Dengan
menggunakan kedua metode tersebut dalam
peramalannya, maka hasil ramalannya pun akan
lebih flexibel terhadap perubahan pola data
sebelumnya sebelum melakukan peramalan.
Aplikasi ini pun akan menunjukan hasil
perbandingan peramalan dari kedua metode
266
[1] Fauzi Muhammad, 2009,
Analisis
Peramalan Penjualan Rokok Skt ( Sigaret
Kretek Tangan ) Pada Pt. Djitoe Indonesian
Tobacco Coy, Skripsi, Universitas Sebelas
Maret, Surakarta.
[2] Nurman Pradana, Aswin, 2013, Sistem
peramalan persediaan Unit Mobil Mitsubishi
PT.Wicaksana Berlian Motor, Skripsi
[3] Kurniawan,Dadang, 2011, Sistem Informasi
Peramalan Persediaan Logistik Bahan Baku
Pada Perusahaan CV. Jatisari Furniture
Indigosova, Skripsi, Universitas Komputer
,Bandung.
[4] Fatansyah. 2012 Basis Data. Bandung:
Informatika.
APLIKASI PERAMALAN PENGADAAN BARANG DENGAN
METODE TREND PROJECTION DAN METODE SINGLE
EXPONENTIAL SMOOTHING
(STUDI KASUS DI TOKO PIONIR JAYA)
Evi Dewi Sri Mulyani1, Egi Badar Sambani2, Rian Cahyana3
1,2
Jurusan Teknik Informatika
STMIK Tasikmalaya, Jl. RE Martadinata No. 272 A Tasikmalaya
e-mail : 1eviajadech@gmail.com, 2egibadar@gmail.com, 3rianchek2@gmail.com
3
Abstrak
Peramalan adalah suatu prediksi untuk memperkirakan keadaan dimasa mendatang dengan menggunakan
data-data lama. Dalam penjualan, peramalan bertujuan untuk memperkirakan berapa basar kebutuhan barang
yang akan terjual. Dengan adanya peramalan ini maka semuan kegiatan dalam pembuatan suatu barang bisa
berjalan dengan lancar dan optimal.Akan tetapi untuk sebelum melakukan peramalan ada satu tahap yang
harus dilewati yaitu pemilihan metode sebelum melakukan peramalan. Metode peramalan yang digunakan
sebaiknya menggunakan lebih dari satu metode dalam permalannya , karena dengan menggunakan metode
lebih dari hasil peramalan akan lebih flexibel terhadap perubahan pola data-data sebelumnya sebelum
melakukan peramalan. Aplikasi peramalan ini menggunakan 2 metode yaitu metode trend projection dan
metode single exponential smoothing. Metode trend projection sangat cocok untuk pola data bersifat bergerak
naik atau turun dalam peramalannya, sedangkan metode single exponential smoothing sangat cocok untuk
pola data bersifat fluktuatif (random), tetapi ketika data yang digunakan untuk peramalan bersifat bergerak
naik atau turun maka metode yang digunakan pun akan berbeda. Dengan menggunakan kedua metode
tersebut dalam peramalannya, maka hasil ramalannya pun akan lebih flexibel terhadap perubahan pola data
sebelumnya sebelum melakukan peramalan. Aplikasi ini pun akan menunjukan hasil perbandingan peramalan
dari kedua metode tersebut, sehingga dapat diketahui mana yang memiliki tingkat kesalahan yang paling
kecil.
Kata Kunci : Peramalan , Metode Trend Projection , Metode Single Exponential Smoothing
1. PENDAHULUAN
Suatu perusahaan , terutama perusahaan
yang bergerak di bidang penjualan, informasi
sangat penting sekali, apalagi informasi tentang
data
barang
yang
keluar.informasi
ini
berpengaruh terhadap suatu keputusan seorang
manajer dalam menentukan berapa barang yang
di pesan untuk penjualan pada periode
berikutnya[1]. Jika menejer dalam pengambilan
keputusan ini terjadi suatu kesalahan maka dapat
menyebabkan menumpuknya suatu barang
ataupun kekurangan stok barang yang dapat
menyebabkan kerugian pada perusahaan tersebut,
karena penumpukan persediaan yang terlalu
banyak akan memerlukan modal kerja yang
makin banyak pula, hal ini memungkinkan
investasi modal untuk kegiatan lain jadi
terhambat. sedangkan persediaan yang sedikit
memungkinkan perusahaan tidak dapat memenuhi
kebutuhan pelanggannya.
Untuk itulah di dalam suatu perusahaan
tersebut diperlukannya suatu aplikasi peramalan
yang baik yang dapat membantu seorang menejer
dalam
pengambilan
keputusannya
dalam
penentuan berapa barang yang akan di produksi
260
ataupun berapa barang yang dipesan untuk
penjualan pada periode berikutnya. Dalam
penelitian sebelumnya, karangan Aswin Nurman
Pradana yang berjudul Sistem peramalan
persediaan Unit Mobil Mitsubishi PT.Wicaksana
Berlian Motor , digunakan untuk membantu dan
mempermudah dalam menentukan berapa banyak
unit mobil yang harus disediakan untuk
memenuhi permintaan konsumen[2]. metode
peramalan yang digunakan pada sistem tersebut
ialah metode single exponential smoothing,
menggunakan
metode
single
exponential
smoothing karena pada saat itu pola data yang ada
bersifat fluktuatif (random). Tapi ketika pola data
pada perusahaan tersebut berubah menjadi
bergerak naik , maka metode yang digunakan pun
harus berubah .Perlunya ada pengembangan
sistem ini dikarenakan kemungkinan ada
perubahan pola data barang yang keluar menjadi
berubah yang mengakibatkan metode peramalan
yang digunakan menjadi kurang tepat..
Berdasarkan beberapa persoalan diatas,
perlu adanya solusi pemecahan masalah untuk
mendapatkan hasil peramalan yang lebih akurat ,
yaitu dibuatkannya aplikasi peramalan dengan
menggunakan 2 metode yang berbeda , agar hasil
Seminar Nasional Informatika 2014
peramalan dari ke dua metode tersebut dapat
dibandingkan agar hasil ramalan menjadi lebih
objektif dan akurat. Metode yang digunakan ialah
Metode Trend Projection dan Metode Single
Exponential Smoothing, menggunakan kedua
metode ini dikarenakan untuk Metode Trend
Projection sangat cocok ketika pola data bersifat
naik atau turun , sedangkan Metode Single
Exponential Smoothing sangat cocok ketika pola
data bersifat fluktuatif.
Sistem ini diharapkan dapat membantu
seorang
menejer
dalam
pengambilan
keputusannya dalam penentuan berapa barang
yang akan di produksi ataupun berapa barang
yang dipesan untuk penjualan pada periode
berikutnya menjadi lebih tepat
2. METODE PENELITIAN
Metode penelitian yang digunakan
adalah metode kualitatif, karena “masalah” yang
dibawa oleh peneliti masih kompleks dan
dinamis. Oleh karena itu, “masalah” dalam
penelitian kualitatif masih bersifat sementara, dan
akan berkembang atau berganti setelah peneliti
berada di lapangan[3]. Penulis menjabarkan
permasalahan yang ada serta membuat
pemecahan masalah mengenai peramalan
pengadaan barang yaitu peramalan suatu produksi
atau penjualan dengan merancang Aplikasi untuk
pengadaan barang. Dengan metode ini dapat
membantu Penulis dalam proses merancang
Aplikasi peramalan untuk pengadaan barang
sehingga hasil ramalan lebih akurat.
Metode Perancangan dalam penulisan
penelitian
menggunakan
metode
System
Development Life Cycle (SDLC), dengan melalui
tahapan analisis, desain, code, implementasi, dan
pengujian.
2.1
2.1.1
Pengacuan Pustaka
Peramalan
Peramalan adalah seni dari ilmu
memprediksi sesuatu yang belum terjadi dengan
tujuan untuk memperkirakan peristiwa-peristiwa
yang akan terjadi dimasa depan nantinya dengan
selalu memerlukan data-data dari masa lalu
yang
meliputi kebutuhan dalam ukuran
kuantitas, kualitas, waktu dan lokasi yang
dibutuhkan dalam
rangka
memenuhi
permintaan barang ataupun jasa. Sehingga
dengan peramalan, maka kemungkinan terjadinya
peristiwa-peristiwa yang tidak sesuai dengan
tujuan yang diharapkan diikuti dengan kesiapan
untuk mengantisipasinya. [1]
Metode Trend Projection
Metode trend projection merupakan
metode peramalan kuantitatif, dimana metode
kuantitatif adalah metode yang didasarkan pada
2.1.2
data kuantitatif pada massa lalu. Hasil peramalan
yang dibuat sangat bergantung kepada metode
peramalan yang digunakan.[2]
Metode trend projection merupakan
metode peramalan yang menyesuaikan sebuah
garis tren pada sekumpulan data masa lalu dan
kemudian diproyeksikan dalam garis untuk
meramalkan masa depan.
Metode trend projection bisa disebut
juga metode tren garis lurus. Adapun persamaan
trend linier menurut J.Supranto, dapat ditulis
sebagai berikut :[3]
………(1)
Dimana:
Y’ =data berkala (time series data),
a dan b= konstanta
X= waktu (hari, minggu, bulan, tahun)
Sebelum mmenentukan nilai a dan b
maka harus ditentukan nilai (=X) terlebih
dahulu,sedemikian rupa,sehingga jumlah nilai
variable waktu adalah nol (0).
……… (2)
Pada umumnya yang diberi nilai 0
adalah variable waktu yang letaknya ditengah
Untuk mencari nilai variable waktu adalah
sebagai berikut :
1. Untuk nilai variable waktu (= X) adalah
nol ( 0 )
a. Untuk nilai n ganjil adalah :
……… (3)
……… (4)
b. Untuk nilai n genap adalah :
……… (5)
……… (6)
Metode Single Exponential Smoothing
Metode
exponential
smoothing
merupakan pengembangan dari metode moving
averages. Dalam metode ini peramalan
dilakukan dengan mengulang perhitungan secara
terus menerus dengan menggunakan data terbaru.
Setiap data diberi bobot, data yang lebih baru
diberi bobot yang lebih besar. Salah satu
metode dalam
exponential
smoothing
diantaranya single exponential smoothing
1. Single Exponential Smoothing
Metode ini adalah pengembangan dari
metode moving average (MA) menggunakan
rumus sebagai berikut:
……… (7)
Keterangan :
Ft+1 : Ramalan untuk periode ke t + 1
XT : Nilai riil periode ke t
T : Jangka waktu rata – rata bergerak
Metode moving average memang
mudah menghitungnya akan tetapi metode ini
memberikan bobot yang sama pada setiap data .
2.1.3
261
Seminar Nasional Informatika 2014
Untuk mengatasi hal ini maka digunakan
metode single exponential smoothing. Pada
metode single exponential smoothing bobot yang
diberikan pada data yang ada adalah sebesar α
untuk data yang terbaru, α(1 -α) untuk data yang
lama, α(1-α)2 untuk data yang lebih lama, dan
seterusnya. Besarnya α adalah antara 0 dan 1.
Semakin mendekati 1 berarti data terbaru lebih
diperhatikan. Secara matematis
besarnya
Peramalan adalah:
Ft+1 = α Xt + (1 – α) Ft……… (8)
metode yaitu metode single exponential
smoothing dan metode trend projection , dengan
adanya kedua metode ini akan terlihat hasil
perbandingan peramalan, mana yang memiliki
tingkat kesalahan yang paling kecil.
Contoh Kasus :
Sampel data diambil dari toko pionir jaya
untuk penjualan folio perbulan (perperiode).
Tabel 1. Contoh Kasus
Jumlah Barang
Bulan
Tahun
( Terjual )
Ft+1 : Ramalan untuk periode ke t+1
Xt: Nilai riil periode ke t
Ft : Ramalan untuk periode ke t
Dengan demikian dapat dikatakan bahwa
peramalan pada periode yangakan datang adalah
ramalan sebelumnya ditambah α (alpha) dikalikan
dengan kesalahan ramalan periode sebelumnya.
Dalam
melakukan
peramalan
dengan
menggunakan
metode
single
exponential
smoothing (SES), besarnya α (alpha) ditentukan
secara trial dan error sampai ditemukan α
(alpha)
yang menghasilkan forecast error
terkecil. Metode ini lebih cocok digunakan untuk
meramal data-data yang fluktuatif secara random
(tidak teratur).[4]
Mean Absolute Percent Error (MAPE)
Formulasi yang akan digunakan dalam
menghitung kesalahan ialah Mean Absolute
Precentage Error (MAPE). MAPE merupakan
suatu nilai tengah atau rata-rata jumlah seluruh
persentasi kesalahan untuk sebuah susunan data
yang diberikan. Ia merupakan ialah satu ukuran
ketepatan yang digunakan dalam metode
kuantitatif atau peramalan. MAPE dihitung
sebagai rata-rata diferensiasi absolut antara nilai
yang diramal dan aktual, dinyatakan sebagai
persentase nilai aktual. jika kita memiliki nilai
yang diramal dan aktual untuk n periode, MAPE
dihitung sebagai :
2.1.4
………
3. ANALISIS
SISTEM
3.1
DAN
PERANCANGAN
Analisis Pemecahan Masalah
Program Aplikasi Ini dibuat agar hasil
peramalan menjadi lebih objektif dan akurat
karena metode peramalan yang digunakan 2
262
2013
100
Mei
2013
123
Juni
2013
145
Juli
2013
160
Agustus
2013
201
September
2013
239
Oktober
2013
232
November
2013
273
Desember
2013
137
Januari
2014
140
Februari
2014
101
Maret
2014
142
April
2014
140
Dari tabel 1 diatas dapat dilihat bahwa
penjualan folio pada bulan april 2014 sebanyak
140 , maka disini akan diuji keakuratan kedua
metode yaitu metode trend projection dan metode
single
exponential
smoothing
dalam
peramalannya.
Pengujian
Dengan
Metode
Trend
Projection
Untuk memudahkan perhitungan dibuatkan table
pembobotan sebagai berikut:
1)
Tabel 2. Tabel Penjualan Folio Setelah Diberi
Bobot
Bulan
x
y
April
-5.5
100
-550
30.25
Mei
-4.5
123
-553.5
20.25
Juni
-3.5
145
-507.5
12.25
Juli
-2.5
160
-400
6.25
Agustus
-1.5
201
-301.5
2.25
September
-0.5
239
-119.5
0.25
Oktober
0.5
232
116
0.25
November
1.5
273
409.5
2.25
Desember
2.5
137
342.5
6.25
Januari
3.5
140
490
12.25
(9)
MAPE
mungkin
merupakan
perhitungan yang paling mudah diartikan.
Sebagai contoh, MAPE merupakan pernyataan
yang jelas, yang tidak bergantung pada
permasalahan seperti banyaknya data input.[5]
April
xy
x^2
Seminar Nasional Informatika 2014
Februari
4.5
101
454.5
20.25
Maret
5.5
142
7781
30.25
∑
y=1993
∑
xy=161.5
∑
x^2=143
Jumlah
Y’ = a + bx (x variable waktu yang akan
di ramalkan )
Diketahui :
∑ y =1993
∑ xy =161.5
∑ x2 =143
Cari:
a = ∑y/n = 1993/12 = 166.08
b = ∑xy / ∑x2 = 161.5/143 = 1.13
y’ = 166.08 + (1.13 * 13) (“13 waktu yang di
ramalkan bulan ke 13 “)
y’ = 180.77 ( dibulatkan )
Jadi hasil ramalan untuk folio bulan April 2014 =
181 buah.
Tabel 3. Hasil Peramalan dengan Metode
Trend Projection
| Data aktual
- Hasil
Data
Hasil
Periode
ramalan |
Aktual Ramalan
/ data aktual
April
100
167.21
0.67
Mei
123
168.34
0.37
Juni
145
169.47
0.17
Juli
160
170.60
0.07
Agustus
201
171.73
0.15
September
239
172.86
0.28
Oktober
232
173.99
0.25
November
273
175.12
0.36
Desember
137
176.25
0.29
Januari
140
177.38
0.27
Februari
101
178.51
0.77
Maret
142
179.64
0.27
April
Jumlah
180.77
∑ = 3.89
2)
Pengujian
Dengan
Metode
Single
Exponential Smoothing
Berikut perhitungan untuk konstanta
alpha (α = 0.9)
F2 = α X1+ (1 – α) F1
= ( 0.9 * 100 ) + ( 0.1 * 100 )
= 100
F3 = α X2+ (1 – α) F2
= ( 0.9 * 123 ) + ( 0.1 * 100 )
= 120.7 121
Tabel 4. Hasil Peramalan dengan Metode
Single Exponential Smoothing dengan Alpha
=0.9
|Data aktual
Data
Hasil
- Hasil
Aktua Ramala
Periode
Ramalan| /
l
n
data aktual
April
100
0
Mei
123
100
0.19
Juni
145
121
0.17
Juli
160
143
0.11
Agustus
201
158
0.21
September
239
197
0.18
Oktober
232
235
0.01
November
273
232
0.15
Desember
137
269
0.96
Januari
140
150
0.07
Februari
101
141
0.40
Maret
142
105
0.26
April
Jumlah
138
2.71
Jadi kesalahan rata – rata dari metode single
exponential smoothing dengan alpha = 0.9 sekitar
22.58 % dengan hasil ramalan (table 4) untuk
bulan April = 138.
3)
Hasil Ramalan Dengan Perbandingan
MAPE
Setelah melakukan peramalan dengan
kedua metode di dapat hasil MAPE dari kedua
metode tersebut.
Jadi kesalahan rata – rata dari metode trend
projection ini sekitar 32.42 %.
263
Seminar Nasional Informatika 2014
Tabel 5. Hasil MAPE Metode Trend Projection
dan Metode Single Exponential Smoothing
Single
Trend
Exponential
Projection
Barang
Smoothing a=0.9
(%)
(%)
Folio
32.42
22.58
Dilihat dari tabel 3 diatas diketahui
bahwa nilai dengan MAPE terkecil ialah
penggunaan metode peramalan dengan metode
single exponential smoothing dengan alpha=0.9,
maka untuk hasil peramalan bulan april 2014 =
138 , ini dikarenakan data yang digunakan untuk
peramalan bersifat fluktuatif ( secara random ) ,
tetapi ketika data yang digunakan untuk
peramalan bersifat bergerak naik atau turun maka
metode yang digunakan pun akan berbeda.
Gambar 2. Diagram Activity Peramalan
a.
Perancangan Sistem
i.
Use case Diagram
Gambar 2 diatas menjelaskan diagram aktivitas
melakukan permalan.
b.
Perancangan Basis Data
i. Entity Relationship Diagram (ERD)
Diagram
ERD
digunakan
untuk
mengembangkan model tingkat tinggi sistem
yang menggambarkan sebagian besar objek
sistem serta interaksi antara obyek dan atributatributnya. Objektif utama dari pembuatan ER
diagram adalah untuk menunjukan objek-objek
(himpunan entitas) apa saja yang ingin dilibatkan
dalam sebuah basis data dan bagaimana hubungan
yang terjadi diantara objek-objek tersebut.[6]
Gambar 1. Use Case Diagram Sistem
Peramalan
ii.
Activity Diagram Peramalan
Aktor masuk ke form peramalan
,memilih barang yang ingin diramal, sistem
memeriksa kecukupan data barang perperiode jika
tidak cukup ada pesan bahwa data yang dipilih
kurang mencukupi untuk dihitung peramalannya,
jika mencukupi sistem melakukan proses
peramalan.
Gambar 3. ERD Peramalan Barang
Kamus data :
- Akun
: { usrnm, pwd,stat}
- Tahun Periode
: { thn_periode}
- Data Barang
:{
kd_barang,nm_barang}
- Detail Barang
:{
kd_barang,jumlah,bulan.thn_periode}
- Hasil Ramal
:{
kd_barang,bulan,thn_periode,hasil1,hasil2}
264
Seminar Nasional Informatika 2014
ii. Relasi Tabel
Gambar 4. Relasi Tabel Peramalan Barang
Gambar 2 menjelaskan hubungan antar
tabel yang dalam database permalan.
c.
Implementasi
Implementasi merupakan langkah yang
dilakukan setelah perancangan. Program ini
dimulai dengan tampilnya menu login, jika
pemakai sebagai admin memiliki hak penuh
terhadap sistem ini dengan memasukan username
dan password yang sudah terdaftar secara default
dengan username admin dan password admin.
Admin dapat menambah, merubah maupun
menghapus user, tambah data barang, tambah
tahun periode, tambah data untuk peramalan,
melakukan peramalan , cetak laporan.
Sedangkan jika pemakai sebagai user
biasa tidak dapat menambah , merubah maupun
menghapus user.
Program aplikasi Peramalan ini terdiri
dari beberapa halaman, diantaranya dapat dilihat
pada sub bab di bawah ini.
i.
Halaman Login
Halaman login merupakan halaman yang
pertama kali muncul pada saat kita menjalankan
program ini. Halaman log-in berfungsi untuk
memasukkan data pengguna yang ingin
menggunakan sistem.
Berikut tampilan form halaman utama pada
sistem ini.
Gambar 6. Implementasi Antar Muka Menu
Utama
iii.
Form Input Data Peramalan
Form input data peramalan berada pada
menu master data. Form input data peramalan
adalah form yang digunakan unutk memanipulasi
data untuk peramalan berdasarkan nama jenis
barang , seperti menambah data penjualan barang
pada bulan berikutnya , merubah data penjualan
barang pada bulan yang dipilih. Berikut tampilan
Form Input Data Peramalan.
Gambar 7. Implementasi Antar Muka Input
Data Peramalan
iv.
Form Peramalan
Form peramalan adalah form yang
digunakan untuk melakukan peramalan barang
untuk bulan berikutnya berdasarkan nama barang
dan data peramalan barang yang ada. Pada form
ini juga memperlihatkan hasil peramalan
berdasarkan kedua metode yang digunakan, dan
menampilkan
hasil
peramalan
yang
terbaik.Berikut tampilannya.
Gambar 5. Implementasi Antar Muka Login
ii.
Halaman Utama
Halaman utama ini terdiri dari beberapa
menu yaitu: menu akun, menu master data , menu
peramalan, menu maintenance user, menu.
265
Seminar Nasional Informatika 2014
tersebut, sehingga dapat diketahui mana yang
memiliki tingkat kesalahan yang paling kecil.
5. SARAN
Gambar 8. Implementasi Antar Muka
peramalan
d.
Laporan
Pada Gambar 9 menggambarkan laporan
yang merupakan grafik dari data penjualan dan
hasil peramalan berdasarkan nama barang dan
tahun periode. Seperti pada gambar di bawah :
Berdasarkan hasil penelitian, ada
beberapa saran yang dapat dilakukan guna
pengembangan sistem ini menjadi lebih baik lagi
diantaranya sebagai berikut:
1.
Sistem ini harus disinkronkan dengan
manajemen stok barang agar ketika
untuk memproduksi atau pembelian
barang
untuk
dijual
dapat
memperhitungkan berapa stok barang
yang tersisa,dan berapa banyak barang
yang harus di produksi atau dibeli ,
nantinya agar tidak terjadi penumpukan
barang
2.
Dalam proses peramalannya bisa
melakukan peramalan dengan beberapa
barang sekaligus.
3.
Perlunya membandingkan dengan
beberapa metode lainnya untuk
mengetahui akurasi metode mana yang
memiliki tingkat kesalahan yang paling
kecil.
DAFTAR PUSTAKA
Gambar 9. Laporan Barang dan
Peramalannya
4. KESIMPULAN
Dari hasil penelitian yang dilakukan
maka dapat diambil kesimpulan, Dengan
menggunakan kedua metode tersebut dalam
peramalannya, maka hasil ramalannya pun akan
lebih flexibel terhadap perubahan pola data
sebelumnya sebelum melakukan peramalan.
Aplikasi ini pun akan menunjukan hasil
perbandingan peramalan dari kedua metode
266
[1] Fauzi Muhammad, 2009,
Analisis
Peramalan Penjualan Rokok Skt ( Sigaret
Kretek Tangan ) Pada Pt. Djitoe Indonesian
Tobacco Coy, Skripsi, Universitas Sebelas
Maret, Surakarta.
[2] Nurman Pradana, Aswin, 2013, Sistem
peramalan persediaan Unit Mobil Mitsubishi
PT.Wicaksana Berlian Motor, Skripsi
[3] Kurniawan,Dadang, 2011, Sistem Informasi
Peramalan Persediaan Logistik Bahan Baku
Pada Perusahaan CV. Jatisari Furniture
Indigosova, Skripsi, Universitas Komputer
,Bandung.
[4] Fatansyah. 2012 Basis Data. Bandung:
Informatika.