Abstrak-Pemahaman pada peramalan merupakan dasar bagaimana perusahaan untuk merencanakan dan memprediksi pada ktopenjualan dan komoditas barang yang akan dijual. Hal ini terlihat dari perusahaan menganalisa dari kualitas barang dan kuantitas barang yang memiliki daya nilai beli yang tinggi. Tidak kita pungkiri aplikasi forecasting dapat membantu dalam menyelesaikan persoalan tersebut. Pada aplikasi forecasting dan penerapan metode trend moment pada penelitian ini untuk analisa penjualan mobil di PT.Astra International Tbk_Isuzu berbasis web sangat membantu perusahaan dalam menganalisa forecasting tahun 2020 didapatkan hasil Trend (Y)=6134,389, Indeks Musim=1,0274 dan nilai APE sebesar 32,016%, sedangkan untuk peramalan pada data tahun 2021 hasil Trend (Y)= 1866,101, Indeks Musim= 1,094 dan nilai APE sebesar 89,585 %. Perbedaan data peramalan yang signifikan pada tahun 2020 dan 2021 dari penjualan mobil PT.Astra International Tbk_Isuzu, hal ini mempengaruhi nilai penjualan mobil dan daya permintaan pelanggan yang menurun dalam memilih jenis mobil Isuzu.
Kata Kunci : Peramalan;Trend Moment;Forecasting;Penjualan Mobil;Percancangan
Abstract- An understanding of forecasting is the basis for how companies plan and predict sales volumes and commodity goods to be sold. This can be seen from the company's analysis of the quality of goods and the quantity of goods that have high purchasing power. We cannot deny that forecasting applications can help in solving this problem. In the forecasting application and application of the trend moment method in this study for analyzing car sales at PT.Astra International Tbk_Isuzu web-based it really helps companies in analyzing forecasting for 2020, the results show Trend (Y) = 6134.389, Season Index = 1.0274 and value The APE is 32.016%, while for forecasting data for 2021 the results are Trend (Y) = 1866.101, Seasonal Index = 1.094 and the APE value i s 89.585%. There is a significant difference in forecasting data for 2020 and 2021 from PT. Astra International Tbk_Isuzu car sales, this affects the value of car sales and the decreased power of customer demand in choosing the type of Isuzu car.
Keywords : Forecasting;Trend Moment;Forecasting;Car Sales;Planning
1. PENDAHULUAN
Untuk menangani masalah penjualan agar sesuai target perusahaan,maka diperlukan adanya sebuah peramalan penjualan. Salah satu metode yang dapat digunakan metode trend moment [1]. Metode trend moment dapat diartikan teknik menyesuaikan garis trendline ( garis yang digambar pada grafik harga untuk mendeteksi trend dalam suatu time frame) pada serangkaian data masa lalu, kemudian memproyeksikan garis pada masa datang untuk peramalan jangka menengah atau jangka panjang [2].
Forecasting digunakan untuk menghasilkan kebijakan penyusunan anggaran dan pengawasan persediaan produk UMKM. Persediaan terlalu besar berdampak pada biaya, persediaan terlalu kecil mempengaruhi kelancaran kegiatan produksi sehingga forecasting diharapkan menjadi solusi untuk mereduksi ketidakpastian sehingga perakiraan persediaan barang dimasa depan mendekati keadaan sebenarnya [3]. PT.Astra International Tbk-Isuzu Cabang Medan merupakan perusahaan mobil yang bergerak pada bidang penjualan mobil Isuzu dan pendistribusian permintaan pelanggan dari dealer atau cabang yang berada di medan maupun pelanggan yang berada diluar kota medan [4].
Tingkat penjualan mobi Isuzu pada tahun 2020-2021 sangat menurun, dikarenakan mobilitas ekonomi dunia maupun Indonesia sangat rendah yang mempengaruhi daya beli pelanggan kepada transportasi kendaraan. Aplikasi peramalan berbasis web ini dengan pengggunaan aplikasi xampp dan PHP Runner 2.7.3 menggunakan data-data pemesanan masa lalu yang berbentuk numerik sehingga menggunakan pendekatan kuantitatif dengan model deret berkala trend moment [5].
Manfaat dari penelitian ini adalah sebagai berikut: memberikan kemudahan dalam meramalkan penjualan mobil Isuzu berbasis Web di PT. Astra International Tbk-Isuzu Cabang Medan, dapat menerapkan metode trend moment sehingga perhitungan peramalan penjualan mobil Isuzu lebih efektif dan efisien., Memudahkan dalam memprediksi penjualan mobil Isuzu dan membuat laporan penjualan mobil Isuzu dengan cepat dan tepat waktu [6].
2. METODOLOGI PENELITIAN
2.1 Kerangka Penelitian
Penulis menggunakan kerangka penelitian sebagai berikut:
Gambar 1. Kerangka Kerja Penelitian 2.2 Sampel Data
Data digunakan pada penelitian ini data penjualan mobil tahun 2020-2021. Adapun sampel data penjualan mobil di Astra International Tbk-Isuzu Cabang Medan.
Tabel 1. Data Penjualan Mobil PT.Astra Tbk-Isuzu Cabang Medan Tahun Januari-Desember 2020 No Bulan penjualan Nilai penjualan (x) Bulan ke (y) X^2 X.y
1 Januari 15 1 225 15
2 Februari 20 2 400 40
3 Maret 10 3 100 30
4 April 13 4 169 52
5 Mei 12 5 144 60
6 Juni 8 6 64 48
7 Juli 14 7 196 98
8 Agustus 12 8 144 96
9 September 11 9 121 99
10 Oktober 7 10 49 70
11 Nopember 13 11 169 143
12 Desember 11 12 121 132
TOTAL 146 78 1902 883
Rata-rata 146/12 = 12,166
Tabel 2. Data Penjualan Mobil PT.Astra Tbk-Isuzu Cabang Medan Tahun Januari-Desember 2021 No Bulan Penjualan Nilai Penjualan (X) Bulan Ke (Y) X^2 X.Y
1 Januari 10 1 100 10
2 Februari 16 2 256 32
3 Maret 12 3 144 36
4 April 10 4 100 40
5 Mei 13 5 169 65
6 Juni 8 6 64 48
7 Juli 14 7 196 98
8 Agustus 15 8 225 120
9 September 11 9 121 99
10 Oktober 7 10 49 70
11 Nopember 13 11 169 143
12 Desember 8 12 64 96
Total 137 78 1657 857
Rata-Rata 137/12 =11,416
Persamaan untuk menghitung nilai atau variabel tren yang diprediksi dapat dirumuskan sebagai berikut,[7]:
... (1)
Dimana:
Y = nilai trend atau variabel yang akan diramalkan a = bilangan konstant
b = slope atau koefisien garis trend
X = Indeks waktu ( dimulai dari 0, 1, 2....n)
Untuk mencari nilai a dan b pada rumus diatas, digunakan dengan cara matematis dengan penyelesaiannya menggunakan metode subtitusi dan metode eliminasi, [1]. Adapun persamaannya yaitu :
... (2)
3. HASIL DAN PEMBAHASAN
3.1 Analisis Metode Trend Moment
Perhitungan Metode trend Moment Penjualan Mobil Tahun 2020 [9] :
1. Menghitung jumlah data penjualan total mobil jenis Isuzu dengan hasil 146 unit mobil yang terjual dari bulan Januari 2020 sampai dengan Desember 2020.
2. Menghitung jumlah data penjualan total mobil jenis Isuzu dengan hasil 137 unit mobil yang terjual dari bulan Januari 2020 sampai dengan Desember 2020.
3. Menentukan nilai parameter, dimana merupakan indeks waktu yang dimulai dari nol, sehingga jumlah nilai indeks waktu pada penjualan mobil Isuzu yaitu 12.
4. Menentukan nilai (xy) dan x2, langkah ini perlu dilakukan guna untuk mengetahui nilai “a” dan “b” yang akan digunakan dalam persamaan trend moment.
5. Menentukan nilai xy dimana x adalah indeks waktu dan y adalah data histori tingkat penjualan tiap bulan. Jumlah dari hasil perkalian xi dan yi adalah 883.
6. Langkah selanjutnya menentukan nilai x2, nilai indeks waktu dikuadratkan dan hasilnya Tahun 2020 sebesar 1902.
7. Hasil perhitungan nilai (yi),(xi), xiyi dan xi2 dan dapat dilihat pada tabel 2 dan berikutnya masuk pada langkah menentukan nilai “a” dan “b” pada halaman berikut.
8. Menghitung nilai a dan b berdasarkan hasil perhitungan dari tabel 3.1, maka untuk memperoleh nilai a dan b yaitu menggunakan persamaan berikut ini, [9]:
Cara Eliminasi :
146 = 13 a + 78 b [ x 6 ]
883 = 78 a +1902 b [ x 1 ] - 876 = 78 a + 468 b
883 = 78 a + 1902 b -
- 7 = -1434 b b = 204, 854
Setelah diketahui nilai-nilai dari persamaan maka selanjutnya dilakukan proses eliminasi dengan perkalian 6 pada persamaan satu dan perkalian dua pada persamaan kedua, [10]. Hasil proses eliminasi yaitu mendapatkan nilai sebesar 204,854 yang kemudian dapat digunakan untuk memperoleh nilai a dengan b persamaan satu mengubah nilai menjadi 204, 854 seperti perhitungan berikut, [5]:
; 146 = 13 a + 78 b
146 = 13 a + 78 (204,854) 146 = 13 a + 15978,612
a = 1217,893
9. Setelah nilai dan diketahui maka langkah selanjutnya masuk pada proses menentukan nilai Y atau Trend dengan persamaan . Rumus ini merupakan persamaan garis trend yang akan menggambarkan nilai trend.
Dimana adalah nilai trend atau variabel yang akan diramalkan, a adalah bilangan konstan yang telah didapatkan pada perhitungan sebelumnya, begitu juga dengan nilai b yang merupakan slope atau koefisien garis trend dan untuk parameter x yang merupakan indeks waktu yang dimulai dari nol sampai n, [11]
; Y = 1217,893 + 204, 854 (x) Y = 1217,893 + 204, 854 (24) Y = 1217,893 + 4916,496
Y = 6134,389
3.2 Perancangan Sistem
3.2.1 Use Case Diagram SPK Penjualan Mobil
Gambar 2. Use Case Diagram Sistem Peramalan 3.2.2 Activity Diagram
Activity Diagram juga merupakan suatu bentuk flow diagram yang memodelkan alur kerja (workflow) sebuah proses bisnis dan urutan aktivitas sebuah proses, [12].
Gambar 3. Activity Diagram System 3.2.3 ERD (Entity Relationship Diagram)
Pemodelan tabel dalam basis data sebuah sistem sangat perlu untuk dilakukan, hal tersebut juga berlaku pada peramalan penjualan mobil menggunakan metode trend moment.
Gambar 4. ERD Sistem Forecasting 3.3 Perancangan Antarmuka Sistem
3.3.1 Data Penjualan Mobil
Pada menu ini kita dapat melihat penjualan mobil, untuk melihat penjualan mobil user harus melakukan penginputan data penjualan mobil terlebih dahulu.
Gambar 6. Tampilan Web Forecating Mobil
4. KESIMPULAN
Adapun kesimpulan yang dapat diambil dari penelitian peramalan penjualan dengan aplikasi forcasting dan penerapan Metode Trend Moment pada PT.Astra International Tbk-Isuzu Cabang Medan adalah Aplikasi forcasting sangat membantu dalam melakukan peramalan penjualan mobil pada pengambilan data tahun 2020 data peramalan 67.984%
sampai dengan 2021 data peramalan 89,585 %, Aplikasi forecasting yang dibuat dengan menggunakan metode trend moment dapat menghasilkan perkiraan nilai penjualan yang akan datang dalam periode bulanan, mingguan, dan harian secara cepat.
REFERENCES
[1] M. Trend, M. Studi, K. Di, and U. D. Hasil, “Aplikasi Forecasting Penjualan Bahan Bangunan Menggunakan,” vol. 5, no. 2, pp. 526–533, 2021.
[2] T. Rahmasari, “Perancangan Sistem Informasi Akuntansi Persediaan Barang Dagang Pada Toserba Selamat Menggunakan Php Dan Mysql,” is Best Account. Inf. Syst. Inf. Technol. Bus. Enterp. this is link OJS us, vol. 4, no. 1, pp. 411–425, 2019, doi: 10.34010/aisthebest.v4i1.1830.
[3] R. Jumardi and S. H. Widiastuti, “Aplikasi Forecasting Penjualan Dan Persediaan Produk Usaha Mikro, Kecil Dan Menengah,” JSAI (Journal Sci. Appl. Informatics), vol. 4, no. 3, pp. 383–390, 2021, doi: 10.36085/jsai.v4i3.2756.
[4] A. Inflamasi, N. Steroid, and M. Ok-seon, “BAB I PENDAHULUAN Latar Belakang Masalah,” vol. 5, no. 1, pp. 1–7, 2003.
[5] E. Rohadi, R. Wakhidah, and A. R. El-amien, “Sistem Peramalan Penjualan Studi Kasus Topi Punggul H . M . Thoha dengan Metode Trend,” Semin. Inform. Apl. Polinema, p. 6, 2021, [Online]. Available: jurnalti.polinema.ac.id.
[6] N. Shauma, Selvia, D. Saputra, V. Kokita, and M. Haidir, “Aplikasi Perhitungan dengan Metode Peramalan Time Series pada Produksi Ragum,” Talent. Conf. Ser. Energy Eng., vol. 3, no. 2, pp. 239–247, 2020, doi: 10.32734/ee.v3i2.999.
[7] J. Andriano Frans, M. Orisa, and S. Adi Wibowo, “Prediksi Penjualan Kayu Lapis Di Cv Diato Wood Sejahtera Dengan Metode Trend Moment Berbasis Web,” JATI (Jurnal Mhs. Tek. Inform., vol. 4, no. 2, pp. 183–190, 2020, doi:
10.36040/jati.v4i2.2719.
[8] I. Yulian, D. S. Anggraeni, and Q. Aini, “Penerapan Metode Trend Moment Dalam Forecasting Penjualan Produk CV.
Rabbani Asyisa,” JURTEKSI (Jurnal Teknol. dan Sist. Informasi), vol. 6, no. 2, pp. 193–200, 2020.
[9] W. Aryani, S. Esabella, Nawassyarif, and M. Haq, “Rancang Bangun Sistem Informasi Manajemen Avin Laundry Sumbawa Berbasis Web,” J. Tek. dan Sains Fak. Tek. Univ. Teknol. Sumbawa, vol. 2, no. 1, pp. 77–84, 2021.
[10] A. Sucipto and Fitriyana, “Sistem Informasi Penjualan Oleh Sales Marketing Pada PT Erlangga Mahameru,” J. Teknol. dan Sist. Inf., vol. 1, no. 1, pp. 105–110, 2020, [Online]. Available: http://jim.teknokrat.ac.id/index.php/sisteminformasi.
[11] Ulia Ulfa, Sumijan, and G. W. Nurcahyo, “Peramalan Penjualan Pupuk Menggunakan Metode Trend Moment,” J. Inform.
Ekon. Bisnis, vol. 1, no. 4, pp. 8–14, 2019, doi: 10.37034/infeb.v1i4.4.
[12] Bresman, Fajrizal, and Guntoro, “Aplikasi Forecasting Stok Barang Menggunakan Metode Single Exponential Smoothing Pada a&W Restaurant Mall Ciputra Seraya Pekanbaru,” Prosiding-Seminar Nas. Teknol. Inf. Ilmu Komput., vol. 1, no. 1, pp.
323–330, 2020.
