PREDIKSI JUMLAH PERMINTAAN BARANG MUSIMAN MENGGUNAKAN METODE HOLT-WINTERS SKRIPSI LIA HARTATI SIMANJUNTAK 081402069

  PREDIKSI JUMLAH PERMINTAAN BARANG MUSIMAN MENGGUNAKAN METODE HOLT-WINTERS

  SKRIPSI Diajukan untuk melengkapi tugas dan memenuhi syarat memperoleh ijazah

  Sarjana Teknologi Informasi LIA HARTATI SIMANJUNTAK

  081402069 PROGRAM STUDI S1 TEKNOLOGI INFORMASI FAKULTAS ILMU KOMPUTER DAN TEKNOLOGI INFORMASI UNIVERSITAS SUMATERA UTARA MEDAN

  2014

  

PERSETUJUAN

  Judul : PREDIKSI JUMLAH PERMINTAAN BARANG MUSIMAN MENGGUNAKAN METODE

  

HOLT-WINTERS

  Kategori : SKRIPSI Nama : LIA HARTATI SIMANJUNTAK Nomor Induk Mahasiswa : 081402069 Program Studi : SARJANA (S1) TEKNOLOGI INFORMASI Departemen : TEKNOLOGI INFORMASI Fakultas :

  ILMU KOMPUTER DAN TEKNOLOGI

  INFORMASI (FASILKOM-TI) UNIVERSITAS SUMATERA UTARA

  Diluluskan di Medan, 2014

  Komisi Pembimbing : Pembimbing 2 Pembimbing 1 Romi Fadillah R, B.Comp.Sc.M.Sc. Sajadin Sembiring,S.Si,M.Comp.Sc NIP 19860303 201012 1 004 NIP Diketahui/Disetujui oleh Program Studi S1 Teknologi Informasi Ketua, Prof. Dr. Opim Salim Sitompul, M.Sc.

  NIP 19610817 198701 1 001

  

PERNYATAAN

  PREDIKSI JUMLAH PERMINTAAN BARANG MUSIMAN MENGGUNAKAN METODE HOLT-WINTERS

  SKRIPSI Saya mengakui bahwa skripsi ini adalah hasil karya sendiri, kecuali beberapa kutipan dan ringkasan yang masing-masing disebutkan sumbernya.

  Medan, ….. 2014

  Lia Hartati Simanjuntak 081402069

  Puji dan syukur penulis sampaikan kepada Tuhan Yang Maha Esa yang telah memberikan rahmat dan anugerah-NYA sehingga penulis dapat menyelesaikan skripsi ini sebagai syarat untuk memperoleh gelar Sarjana Teknologi Informasi, Program Studi S1 Teknologi Informasi Universitas Sumatera Utara.

  Ucapan terima kasih penulis sampaikan kepada Bapak Sajadin Sembiring,S.Si,M.Comp.Sc selaku pembimbing satu dan Bapak Romi Fadillah R, B.Comp.Sc.M.Sc selaku pembimbing dua yang telah banyak membantu dan membimbing juga memberikan kritik dan saran kepada penulis. Ucapan terima kasih juga ditujukan kepada Bapak Dedy Arisandi, ST.M.Kom dan Bapak Dr. Mahyudin Nst, M.IT yang telah bersedia menjadi dosen pembanding. Ucapan terima kasih juga ditujukan kepada Ketua dan Sekretaris Program Studi Teknologi Informasi, Prof. Dr.

  Opim Salim Sitompul, M.Sc. dan Drs. Sawaluddin, M.IT, Dekan dan Pembantu Dekan Fakultas Ilmu Komputer dan Teknologi Informasi Universitas Sumatera Utara, semua dosen serta pegawai di Program Studi S1 Teknologi Informasi.

  Skripsi ini terutama penulis persembahkan untuk orang tua dan keluarga penulis yang tak lelah memberikan dukungan. Terima kasih penulis ucapkan kepada teman-teman yang selalu memberikan dukungan. My bestfriend Frisillia eomma, Ayah Sani, Umi, teman senasib Siska Stanley, Desfi, Ika, Ester, Fani, Muti, teman- teman di lantai 3, seluruh angkatan 08, lainnya yang tidak dapat penulis sebutkan satu persatu. Semoga Tuhan Yang Maha Esa membalas kebaikan kalian dengan nikmat yang berlimpah.

  

ABSTRAK

  Melonjaknya jumlah permintaan barang musiman saat periode musimannya dimulai membuat pengusaha sering menghadapi kendala dalam memenuhi permintaan pasar, salah satunya adalah seragam sekolah dasar. Metode memprediksi jumlah permintaan untuk periode mendatang, merupakan hal penting bagi pengusaha konveksi seragam untuk mengoptimalkan keuntungan, agar tidak ada permintaan yang terpaksa ditolak karena kekurangan bahan baku atau tenaga kerja. Dalam penelitian ini digunakan metode Holt-Winters untuk memprediksi jumlah permintaan seragam sekolah dasar yang bersifat musiman. Holt-Winters merupakan metode exponential smoothing yang menggunakan tiga parameter untuk mendapatkan hasil prediksinya. Pengukuran tingkat akurasi hasil prediksi dilakukan dengan nilai MAPE (Mean Absolute

  

Percentage Error ). Hasil prediksi yang dilakukan untuk tahun 2013 menggunakan

Holt-Winters

  dengan konstanta parameter (α) = 0,35 , beta (β) = 0,15 , dan gamma (γ) = 0,47, pada data penjualan seragam sekolah dasar periode Januari 2010 sampai dengan Desember 2012 menghasilkan tingkat akurasi prediksi sebesar 95,74% dengan nilai error rata-rata sebesar 4,26%.

  Kata Kunci : Holt-Winters, prediksi, seasonal, time series.

  

HOLT-WINTERS METHOD FOR PREDICTING

SEASONAL GOODS DEMAND

ABSTRACT

  The growing number of demand for seasonal goods when the seasonal period started making entrepreneurs often face obstacles in fulfilling the market demands, one of which is an elementary school uniforms. Predicting the number of demand for the coming period is essential for entrepreneurs in uniforms convection to increase profits, so there is no demand rejected due to lack of raw materials or labor. In this study, Holt-Winters method is used to predict the demand of school uniforms for elementary school that contains seasonal behavior. Holt-Winters is an exponential smoothing method that uses three parameters to obtain the prediction results. The accuracy of the prediction results is measured by the value of MAPE (Mean Absolute Percentage Error). The results of the predictions using Holt-Winters method made for the year 2013 with constant parameters (

  α) = 0.35, beta (β) = 0.15, and gamma (γ) = 0.47, on the basis of school uniforms sales data period from January 2010 up to December 2012 resulted in prediction accuracy level up to 95,74% with an average error of 4.26%.

  Keyword : Holt-Winters, prediction, seasonal, time series.

  

DAFTAR ISI

Hal.

  Persetujuan ii

  Pernyataan iii

  Ucapan Terima Kasih iv

  Abstrak v

  Abstract vi

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

DAFTAR TABEL

Hal.

  

  

  

  

  

  

  

  

Tabel 2.1 Penelitian Terdahulu untuk Prediksi Musiman

  

  

  

  

  

  

  

  

  

DAFTAR GAMBAR

Hal.

  

  

  

  

  

  

  

  

  

  

  

  

  

  

  

Gambar 2.1 Data Time Series Dengan Pola Horizontal (Tanjung, 2012)

  

  

  

  

  

  

  

  

  

  

  

  10

   Gambar 2.3 Data Time Series Dengan Pola Musiman (Tanjung, 2012)