BAB III PEMBAHASAN
F. Pembahasan Masalah
PT. Kusuma Mulia Textile merupakan perusahaan yang bergerak dalam industri textile, yang memproduksi kain mentah menjadi kain jadi. Salah satu produk yang dihasilkan adalah kain FBB. Dalam bab ini, penulis akan membahas tentang peramalan penjualan kain FBB pada bulan berikutnya.
Untuk mengetahui peramalan penjualan kain FBB diperlukan data yang cukup relevan. Adapun data yang digunakan untuk meramalkan produk kain FBB pada PT. Kusuma Mulia Textile dapat dilihat pada table III.3 :
commit to user
53 Tabel III.3
Data Penjualan Kain FBB PT. Kusuma Mulia Textile Maret 2011 – Februari 2012 (Keterangan: 1 yard = 90 cm) No Bulan Penjualan dalam yard 1 Maret 2011 360000 2 April 320000 3 Mei 285000 4 Juni 150000 5 Juli 210000 6 Agustus 255000 7 September 270000 8 Oktober 240000 9 November 360000 10 Desember 420000 11 Januari 2012 360000 12 Februari 380000
Sumber data: Laporan penjualan kain FBB PT. Kusuma Mulia Textile Bulan Maret 2011 – Februari 2012.
Kegiatan penelitian terhadap suatu perusahaan diperlukan tindakan atau analisa data dengan tujuan untuk memberikan jawaban atas masalah dalam penelitian, serta memberikan argument terhadap perusahaan yang diteliti. Alat analisis yang penulis pergunakan dalam
commit to user
54 menganalisis data yang didapatkan adalah dengan menggunakan metode peramalan.
Berdasarkan Tabel III.3 dapat dilihat bahwa data penjualan kain FBB pada PT. Kusuma Mulia Textile berfluktuasi dari tahun 2011 – 2012. Penjualan kain FBB paling tinggi terjadi pada bulan Desember 2011 yaitu mencapai 420000 yard, dan penjualan paling rendah terjadi pada bulan Juni 2011 yaitu 150000 yard. Untuk itu, model peramalan yang cocok dan sesuai untuk data diatas adalah model time series, karena model time series lebih cocok untuk data yang bersifat acak dan model time series lebih sesuai karena model ini sesuai untuk data yang terjadi selama kurun waktu tertentu dan data yang bersifat masa lalu atau lampau. Metode yang akan digunakan yaitu Single Moving
Averages 3 bulanan, Single Moving Averages 6 bulanan dan
Exponential Smoothing dengan =0.1, =0.5, =0.9.
1. Penentuan Peramalan Penjualan
a. Metode Rata-rata Bergerak Tunggal (Single Moving Averages) Metode Single Moving Averages yaitu metode peramalan yang menggunakan rata-rata dari jumlah (n) data terkini untuk meramalkan periode mendatang. Dalam melakukan peramalan dengan menggunakan metode Single Moving Averages, penulis menggunakan periode waktu 3 dan 6 bulanan.
commit to user
55
1) Single Moving Averages 3 bulanan
Metode Single Moving Averages dengan periode waktu 3 bulanan yaitu melakukan peramalan dengan menjumlahkan dua periode penjualan kain FBB sebelumnya lalu dibagi 3.
Tabel III.4
Perhitungan Peramalan Penjualan Kain FBB dengan Metode Single Moving Averages 3 bulanan
Sumber: Data penjualan kain FBB PT. Kusuma Mulia Textile yang diolah.
Gambar III.3
Grafik Penjualan Kain FBB bulan Maret 2011-Februari 2012 Dengan Metode Single Moving Averages 3 bulanan
commit to user
56 Adapun secara matematis persamaan yang digunakan adalah:
Rata-rata bergerak=
Metode yang digunakan adalah Single Moving Averages 3 bulanan, maka untuk meramalkan dengan periode 3 bulanan dimulai dari bulan ke 4 yaitu perhitungan sebagai berikut: F Juni = 3 285000 320000 360000 = 321.666,7 F Juli = 3 150000 285000 320000 = 251.666,7
Untuk perhitungan peramalan bulan berikutnya, langkahnya sama seperti diatas yaitu dengan menjumlahkan data penjualan selama 3 bulan, data diambil 3 bulan sebelum peramalan, dan dibagi n, yaitu 3.
Hasil peramalan (forecast) bulan Maret 2012 adalah:
F Maret = 3 380000 360000 420000 = 386666,7 dibulatkan menjadi 386.666
Karena data berupa data penjualan kain, maka tidak mungkin hasilnya pecahan. Maka hasil peramalan dibulatkan dengan syarat:
commit to user
57 0 – 0,499 dibulatkan menjadi 0
0,5 – 0,999 dibulatkan menjadi 1
Perhitungan tingkat kesalahan
Secara matematis persamaan yang digunakan adalah: MAD = = 9 4 , 578333 = 64.259,27 MSE = = 9 0 6538056000 = 7.264.507.000
Hasil perhitungan ramalan penjualan kain FBB pada bulan Maret 2012 secara manual dengan metode Single Moving
Averages 3 bulanan yaitu 386666,7 yard dengan tingkat
kesalahan MAD 64.259,27 dan MSE 7.264.507.000
2) Single Moving Averages 6 bulanan
Metode Single Moving Averages dengan periode waktu 6 bulanan yaitu melakukan peramalan dengan menjumlahkan lima periode penjualan kain FBB sebelumnya lalu dibagi 6.
commit to user
58 Tabel III.5
Perhitungan Peramalan Penjualan Kain FBB Dengan Metode Single Moving Averages 6 bulanan
Sumber: Data Penjualan Kain FBB PT. Kusuma Mulia Textile yang diolah.
Gambar III.4
Grafik Penjualan Kain FBB bulan Maret 2011-Februari 2012 Dengan Metode Single Moving Averages 6 bulanan
commit to user
59 Adapun secara matematis persamaan yang digunak an adalah:
Rata-rata bergerak=
Metode yang digunakan adalah Single Moving Averages 6 bulanan, maka untuk meramalkan dengan periode 6 bulanan dimulai dari bulan ke 7 yaitu perhitungan sebagai berikut: F September = 6 255000 210000 150000 285000 320000 360000 = 263333,3 F Oktober = 6 270000 255000 210000 150000 285000 320000 = 248333,3
Untuk perhitungan peramalan bulan berikutnya, langkahnya sama seperti diatas yaitu dengan menjumlahkan data penjualan selama 6 bulan, data diambil 6 bulan sebelum peramalan, dan dibagi n, yaitu 6.
Hasil peramalan (forecast) bulan Maret 2012 adalah:
F Maret = 6 380000 360000 420000 360000 240000 270000 = 338.333,3 dibulatkan menjadi 338.333
commit to user
60 Karena data berupa data penjualan kain, maka tidak mungkin hasilnya pecahan. Maka hasil peramalan dibulatkan dengan syarat:
0 – 0,499 dibulatkan menjadi 0 0,5 – 0,999 dibulatkan menjadi 1
Perhitungan tingkat kesalahan
Secara matematis persamaan yang digunakan adalah: MAD = = 6 442500 = 73.750 MSE = = 6 0 5395764000 = 8.992.940.000
Hasil peramalan perhitungan ramalan penjualan kain FBB pada bulan Maret 2012 secara manual dengan metode
Single Moving Averages 6 bulanan yaitu 338.333,3 yard
dengan tingkat kesalahan MAD 73.750 dan MSE 8.992.940.000
commit to user
61 b. Metode Exponential Smoothing
Metode Exponential Smoothing yaitu merupakan teknik rata- rata bergerak terhadap data masalalu dengan memberi penimbang terhadap data terakhir. Jadi untuk melakukan peramalan dibutuhkan satu data terakhir dan penimbang dengan = 0.1, = 0.5, = 0.9.
1) Exponential Smoothing dengan = 0,1
Tabel III.6
Perhitungan Peramalan Penjualan Kain FBB Dengan Metode Exponential Smoothing = 0,1
Sumber: Data Penjualan Kain FBB PT. Kusuma Mulia Textile yang diolah.
commit to user
62 Gambar III.5
Grafik Penjualan Kain FBB bulan Maret 2011-Februari 2012 Dengan Metode Exponential Soothing =0,1
Adapun secara matematis persamaan yang digunakan adalah:
+ α ( - )
Untuk bulan pertama belum dapat diforecast karena data yang kurang dan untuk bulan kedua juga tidak mempunyai cukup data untuk diolah. Adapun forecast untuk bulan kedua sebesar 360000 dan forecast pada periode berikutnya dapat dihitung dengan menggunakan data penjualan sebelumnya dengan perhitungan sebagai berikut:
F Mei = 360000 + 0,1 (320000 – 360000) = 356.000
F Juni = 356000 + 0,1 (285000 – 356000) = 348.900
commit to user
63 Untuk perhitungan peramalan periode berikutnya sama seperti diatas, data yang digunakan untuk memforecast
adalah data peramalan dan data penjualan selanjutnya. Hasil peramalan (forecast) bulan Maret 2012 adalah: F Maret = 321752,9 + 0,1 (380000 - 321752,9)
= 327577,6 dibulatkan menjadi 327.577
Karena data berupa data penjualan kain, maka tidak mungkin hasilnya berupa pecahan. Maka hasil peramalan dibulatkan dengan syarat:
0 – 0,499 dibulatkan menjadi 0 0,5 - 0,999 dibulatkan menjadi 1 Perhitungan tingkat kesalahan
Secara matematis persamaan yang digunakan adalah: MAD = = 11 1 , 873227 = 79384,28 MSE = = 11 0 9211240000 = 8.373.855.000
commit to user
64
2) Exponential Smoothing dengan = 0,5
Tabel III.7
Perhitungan Peramalan Penjualan Kain FBB Dengan Metode Exponential Smoothing = 0,5
Sumber: Data Penjualan Kain FBB PT. Kusuma Mulia Textile yang diolah.
Gambar III.6
Grafik Penjualan Kain FBB bulan Maret 2011-Februari 2012 Dengan Metode Exponential Soothing =0,5
commit to user
65 Adapun secara matematis persamaan yang digunakan adalah:
+ α ( - )
Untuk bulan pertama belum dapat diforecast karena data yang kurang dan untuk bulan kedua juga tidak mempunyai cukup data untuk diolah. Adapun forecast untuk bulan kedua sebesar 360000 dan forecast pada periode berikutnya dapat dihitung dengan menggunakan data penjualan sebelumnya dengan perhitungan sebagai berikut.
F Mei = 360000 + 0,5 (320000 – 360000) = 340.000
F Juni = 340000 + 0,5 (285000 – 340000) = 312.500
Untuk perhitungan peramalan periode berikutnya sama seperti di atas, data yang digunakan untuk memforecast
adalah data peramalan dan data penjualan selanjutnya. Hasil peramalan (forecast) bulan Maret 2012 adalah: F Maret = 360869,1 + 0,5 (380000 – 360869,1)
= 370434,6 dibulatkan menjadi 370.434
Karena data berupa data penjualan kain, maka tidak mungkin hasilnya berupa pecahan. Maka hasil peramalan dibulatkan dengan syarat:
0 – 0,499 dibulatkan menjadi 0 0,5 - 0,999 dibulatkan menjadi 1
commit to user
66 Perhitungan tingkat kesalahan
Secara matematis persamaan yang digunakan adalah: MAD = = 11 3 , 609658 = 55.423,48 MSE = = 11 0 6062019000 = 5.510.927.000
3) Exponential Smoothing dengan = 0,9
Tabel III.8
Perhitungan Peramalan Penjualan Kain FBB Dengan Metode Exponential Smoothing = 0,9
Sumber: Data Penjualan Kain FBB PT. Kusuma Mulia Textile yang diolah.
commit to user
67 Gambar III.6
Grafik Penjualan Kain FBB bulan Maret 2011-Februari 2012 Dengan Metode Exponential Soothingα=0,9
Adapun secara matematis persamaan yang digunakan adalah:
+ α ( - )
Untuk bulan pertama belum dapat diforecast karena data yang kurang dan untuk bulan kedua juga tidak mempunyai cukup data untuk diolah. Adapun forecast untuk bulan kedua sebesar 360000 dan forecast pada periode berikutnya dapat dihitung dengan menggunakan data penjualan sebelumnya dengan perhitungan sebagai berikut:
F Mei = 360000 + 0,9 (320000 – 360000) = 324.000
F Juni = 324000 + 0,9 (285000 – 324000) = 288.900
commit to user
68 Untuk perhitungan peramalan periode berikutnya sama seperti diatas, data yang digunakan untuk memforecast
adalah data peramalan dan data penjualan selanjutnya. Hasil peramalan (forecast) bulan Maret 2012 adalah: F Maret = 365282,8 + 0,9 (380000 – 365282,8)
= 378528,3 dibulatkan menjadi 378528
Karena data berupa data penjualan kain, maka tidak mungkin hasilnya berupa pecahan. Maka hasil peramalan dibulatkan dengan syarat:
0 – 0,499 dibulatkan menjadi 0 0,5 - 0,999 dibulatkan menjadi 1 Perhitungan tingkat kesalahan
Secara matematis persamaan yang digunakan adalah: MAD = = 11 7 , 618050 = 51.504,22 MSE = = 11 0 5007115000 = 4.172.596.000
commit to user
69 2. Perbandingan Kesalahan Peramalan
Tabel III.9
Perbandingan Output Peramalan Penjualan Kain FBB Pada PT. Kusuma Mulia Textile
Keterang an Moving Averages 3Bulanan Moving Averages 6Bulanan Exponential Smoothing 0,1 0,5 0,9 MAD 64259,27 73750 79384,28 55423,48 51504,22 MSE 7264507000 8992940000 8373855000 5510927000 4172596000 Ramalan Maret 2011 386666,7 338333,3 327577,6 370434,6 378528,3
Sumber: Data penjualan kain FBB yang diolah
Dari perhitungan kedua metode di atas, diketahui bahwa hasil perhitungan dengan metode Exponential Smoothing Alpha 0,9 lebih baik dan lebih cocok diterapkan oleh PT. Kusuma Mulia textile dalam meramalkan penjualan kain FBB pada bulan Maret 2012, karena metode Exponential
Smoothhing Alpha 0,9 memiliki tingkat kesalahan lebih rendah dibanding metode
yang lain. Yaitu dengan tingkat kesalahan peramalan, Mean Absolute Deviation
(MAD) sebesar 51504,22 dan Mean Squared Error (MSE) sebesar 4172596000 dan dengan hasil peramalan untuk bulan Maret 2012 sebesar 378528,3 yard.
commit to user
70 BAB IV
PENUTUP
A. KESIMPULAN
Berdasarkan analisis dan pembahasan yang telah penulis lakukan pada bab III, maka dapat diambil kesimpulan dari pembahasan dalam penelitian pada PT. Kusuma Mulia textile Surakarta adalah sebagai berikut:
1. Jumlah peramalan penjualan tahun 2012 yang berdasarkan metode Single
Moving Averages dan Exponential Smoothing adalah sebagai berikut:
a. Metode Single Moving Average 3 bulanan 1) Ramalan penjualan adalah 386.666,7 yard
2) Mean Absolute Deviation (MAD) sebesar 64.259,27
3) Mean Square Error (MSE) sebesar 7.264.507.000
b. Metode Single Moving Averages 6 bulanan 1) Ramalan penjualan adalah 338.333,3 yard
2) Mean Absolute Deviation (MAD) sebesar 73.750
3) Mean Square Error (MSE) sebesar 8.992.940.000
c. Metode Exponential Smoothing dengan alpha 0,1 1) Ramalan penjualan adalah 327.577,6 yard
2) Mean Absolute Deviation (MAD) sebesar 79.384,28
3) Mean Square Error (MSE) sebesar 8.373.855.000
d. Metode Exponential Smoothing dengan alpha 0,5 1) Ramalan penjualan adalah 370.434,6 yard
commit to user
71
3) Mean Square Error (MSE) sebesar 5.510.927.000
e. Metode Exponential Smoothing dengan alpha 0,9 1) Ramalan penjualan adalah 378.528,3 yard
2) Mean Absolute Deviation (MAD) sebesar 51.504,22
3) Mean Square Error (MSE) sebesar 4.172.596.000
2. Metode yang sesuai dan yang baik untuk diterapkan pada PT. Kusuma Mulia Textile untuk kain FBB bulan Maret 2012 adalah metode
Exponential Smoothing Alpha 0,9 karena memiliki tingkat error yang
kecil dibanding metode yang lain.
B. SARAN
Dengan melihat hasil perhitungan diatas, maka dapat dikemukakan saran- saran sebagai bahan pertimbangan bagi PT. Kusuma Mulia Textile. Adapun saran-saran penulis adalah sebagai berikut:
1. Karena selama ini PT. Kusuma Mulia Textile belum pernah melakukan peramalan penjualan, disarankan perlu melakukan peramalan penjualan dengan menggunakan data yang akurat dan relevan serta metode peramalan yang sesuai dengan fluktuasi data. Sehingga dapat meminimalisir kesalahan ramalan dan dapat membantu pengambilan keputusan baik dibidang perencanaan kebutuhan bahan baku, proses produksi, biaya produksi maupun jumlah tenaga kerja yang dibutuhkan 2. Apabila perusahaan ingin meramalkan tingkat penjualan kain FBB periode
berikutnya, sebaiknya perusahaan menerapkan metode Exponential
commit to user
72
Absolute Deviation (MAD) dan Mean Square Error (MSE) lebih kecil
dibanding metode lain. Selain itu, perusahaan hendaknya mengupayakan
software peramalan ke dalam komputer bagian administrasi dan kemudian