PENERAPAN METODE DOUBLE EXPONENTIAL SMOOTHING UNTUK ESTIMASI HASIL PENJUALAN.

89  18 

Loading.... (view fulltext now)

Loading....

Loading....

Loading....

Loading....

Teks penuh

(1)

SMOOTHING UNTUK ESTIMASI HASIL P ENJ UALAN

TUGAS AKHIR

Disusun Oleh:

ABET WAHYU ANANG

NPM : 0734010141

TEKNIK INFORMATIKA

FAKULTAS TEKNOLOGI INDUSTRI

UNIVERSITAS PEMBANGUNAN NASIONAL “VETERAN” J AWA TIMUR

(2)

Pertama-tama penulis panjatkan puji syukur atas kehadiran Allah S.W.T

karena atas rahmat dan karunia-Nyalah akhirnya laporan tugas akhir ini dapat

penulis selesaikan. Tak lupa pula shalawat dan salam penulis panjatkan kepada

Nabi akhir zaman Muhammad S.A.W, karena berkat perjuangannyalah karunia

Iman dan Islam senantiasa menjadi inspirasi bagi penulis.

Adapun maksud penulisan Laporan Tugas Akhir ini adalah sebagai

gambaran terhadap apa yang penulis kerjakan pada Tugas Akhir. Selain itu juga

laporan ini sebagai syarat untuk pelaksanaan mata kuliah Tugas Akhir dalam

menyelesaikan program studi strata satu (S-1) di Universitas Pembangunan

Nasional “Veteran” Jawa Timur.

Oleh karena itu pada kesempatan ini dengan kesungguhan dan rasa rendah

hati, penulis ingin menyampaikan ucapan terima kasih kepada:

1. Kedua orang tua, khususnya mamak dan mbak yang telah memberikan

dukungan materil dan imateril semangat, kasih sayang, dan pengorbanan

kepada penulis yang tak terhitung dan ternilai jumlahnya.

2. Bapak Ir.Sutiyono, MT, selaku Dekan Fakultas Teknologi Industri UPN

“Veteran” Jawa Timur.

3. Ibu Dr. Ir. Ni Ketut Sari, MT selaku Ketua Jurusan Teknik Informatika

Fakultas Teknologi Industri UPN “Veteran” Jawa Timur.

4. Ibu Prof. Dr. Ir. Sri Rejeki, MT selaku Dosen Pembimbing I yang telah

memberikan Saran-saran perbaikan, pengetahuan, dan dorongan dalam

(3)

menyelesaikan Tugas Akhir Penulis.

6. Seluruh Dosen Program Studi Teknik Informatika UPN “Veteran”.

7. Keluarga yang selalu mengasihi, mbak, mas, adik, keponakan dan saudara

lainnya yang tak bisa disebutkan satu-satu.

8. Teman-teman Teknik Informatika Angkatan 2007 khususnya. Reza Putra

Dewangga , dan semua teman-teman seperjuangan. Terima kasih atas kerja

sama, motivasi, kekompakkan, dan kebersamaanya, tanpa kalian penulis tidak

dapat menyelesaikan masa kuliah ini dengan lancar.

9. Hendrias Putri Anggunsari calon S.pd. Terima kasih atas motivasi, inspirasi,

semangat dan semua bantuannya.

Semoga dengan terselesaikannya Tugas Akhir dan Laporannya ini dapat

memberikan manfaat bagi penulis khususnya dan para pembaca pada umumnya.

Penulis menyadari bahwa Tugas Akhir dan Laporan ini masih jauh dari

kesempurnaan. Mengingat terbatasnya pengetahuan dan kemampuan penulis.

Oleh karenanya penulis memohon maaf dan selalu terbuka untuk menerima kritik

dan saran dari pembaca.

Surabaya, Juni 2012

(4)

Pembimbing 1 : Prof. Dr. Ir. Sri Rejeki, MT

Pembimbing 2 : Achmad Junaidi, S.Kom

Penyusun : Abet Wahyu Anang

ABSTRAKSI

Proses prediksi merupakan hal yang penting bagi perusahaan dalam perumusan strategi perusahaan di masa mendatang. Oleh karena itu, sebuah metode prediksi yang tepat mutlak diperlukan agar perusahaan bisa memaksimalkan estimasi penjualan yang akan datang. Metode Exponential Smoothing merupakan metode yang popular digunakan dalam pridiksi karena memiliki kinerja yang baik.Metode ini memiliki nilai parameter dan punya pengaruh yang besar terhadap hasil prediksi.

Metode ini digunakan ketika data menunjukkan adanya trend. Exponential

smoothing dengan adanya trend seperti pemulusan sederhana kecuali bahwa dua

komponen harus diupdate setiap periode – level dan trendnya. Level adalah estimasi yang dimuluskan dari nilai data pada akhir masing-masing periode. Trend adalah estimasi yang dihaluskan dari pertumbuhan rata-rata.

Tujuan perancangan ini adalah memperoleh suatu metode prediksi yang tepat dan menerapkannya di perusahaan untuk memperlancar kegiatan penjualan di perusahaan.Dengan adanya metode prediksi yang tepat, diharapkan perusahaan dapat mengefisienkan segala sumber daya yang dimiliki perusahaan.

(5)

ABSTRAKSI ……….i

KATA PENGANTAR ……….ii

DAFTAR ISI ……….…...iv

DAFTAR GAMBAR ……….viii

DAFTAR TABEL...x

BAB I PENDAHULUHAN...1

1.1.Latar Belakang ..………..………..……1

1.2.Perumusan Masalah ...……….………...2

1.3.Batasan Masalah ...………...….……..…3

1.4.Tujuan …………..………...3

1.5.Manfaat ………..………...……....4

1.6.Metodologi Pembuatan Skripsi ………..………..……….…………4

1.7.Sistematika Penelitian ………..……….8

BAB II TINJ AUAN PUSTAKA ………...10

2.1.Estimasi ...…...………...10

2.2.Metode Pendekatan Prediksi ...………...12

2.2.1 Model Rata-rata Bergerak ...………...15

(6)

2.4.Ukuran Ketepatan Metode Peramalan ...………...26

2.5.Pengertian Penjualan ...…...………....28

2.5.1 Proses Penjualan ..……….34

BAB III ANALISIS DAN PERANCANGAN SISTEM …...36

3.1.Analisis Sistem ..………..………...36

3.2. Desain Arsitektur …...37

3.3. Perancangan Sistem ...38

3.3.1. System Flow ...40

3.3.1.1 System Flow Maintenance Suku Cadang ...40

3.3.1.2 System Flow Maintenance User ...42

3.3.1.3 System Flow Transaksi Penjualan ...43

3.3.1.4 System Flow Transaksi Penjualan ...44

3.3.1.5 Flowchart Proses perhitungan ...45

3.3.2. Data Flow Diagram ...46

3.3.2.1 Context Diagram Peramalan Suku Cadang ...46

3.3.2.2 DFD Level 0 Estimasi Suku Cadang ...47

(7)

3.5.1 Form Login ...51

3.5.2 Form Utama ...51

3.5.3 Form Penjualan Barang ...52

3.5.4 Form User Acoount ...53

3.5.5 Form Data Penjualan Barang ...54

3.5.6 Form Master Barang ...55

3.5.7 Form Forecasting ...55

BAB VI IMPLEMENTASI ………...………....57

4.1.Kebutuhan Sistem ...………...57

4.1.1. Kebutuhan Perangkat Keras ………...………..57

4.1.2. Kebutuhan Perangkat Lunak ……….57

4.2.Implementasi DataBase ...58

4.3.Implementasi Program ...…..…..60

4.3.1. Form Utama ...…..…...60

4.3.2. Form Login ...……...61

4.3.3. Form Master Barang ...……...61

(8)

4.3.6. Form Forecasting ...64

BAB V UJ I COBA DAN EVALUASI ………...65

5.1 Uji Coba Sistem ...………...65

5.1.1 Prediksi Dengan Nilai Alpha 0.1 dan Beta 0.1 ...………….……66

5.1.2 Prediksi Dengan Nilai Alpha 0.2 dan Beta 0.2 ...………..67

5.1.3 Prediksi Dengan Nilai Alpha 0.3 dan Beta 0.3 ………..68

5.1.4 Prediksi Dengan Nilai Alpha 0.4 dan Beta 0.4 …..………...69

5.1.5 Prediksi Dengan Nilai Alpha 0.5 dan Beta 0.5 ..………...70

5.1.6 Prediksi Dengan Nilai Alpha 0.6 dan Beta 0.6 ...………...71

5.1.7 Prediksi Dengan Nilai Alpha 0.7 dan Beta 0.7 …...………...72

5.1.8 Prediksi Dengan Nilai Alpha 0.8 dan Beta 0.8 ………..73

5.1.9 Prediksi Dengan Nilai Alpha 0.9 dan Beta 0.9 ………..74

BAB VI PENUTUP ………...……...76

6.1 Kesimpulan ………...76

6.2 Saran ………...76

(9)

DAF TAR GAMBAR

Gambar 3.1 Arsitektur Proses Estimasi ...……….38

Gambar 3.2 System Flow Diagram Suku Cadang ....………41

Gambar 3.3 System Flow Maintenance User ...42

Gambar 3.4 System Flow Transaksi Penjualan Suku Cadang ...43

Gambar 3.5 System Flow Estimasi Double Exponential Smoothing ...44

Gambar 3.6 Flochart Proses Perhitungan DES Estimasi penjualan ...45

Gambar 3.7 Context Diagram Sistem Estimasi Penjualan Suku Cadang ...46

Gambar 3.8 DFD Level 0 Sistem Prediksi Penjualan Suku Cadang ...47

Gambar 3.9 CDM Sistem Informasi Penjualan Suku Cadang ...49

Gambar 3.10 PDM Sistem Informasi Penjualan Suku Cadang ...50

Gambar 3.11 Desain Form Login...51

Gambar 3.12 Desain Form Utama ...52

Gambar 3.13 Desain Form Penjualan...53

Gambar 3.14 Desain FormAccount User...54

Gambar 3.15 Desain Form Data Penjualan ...54

(10)

Gambar 4.1 Form Estimasi Double Exponential Smoothing ...61

Gambar 4.2 Form Utama ...61

Gambar 4.3 Form Master Barang ...62

Gambar 4.4 Form Penjualan Barang ...63

Gambar 4.5 Form Data Penjualan ...63

Gambar 4.6 Form Forecasting ...64

Gambar 5.1 Proses Memasukan Nilai Alpha,Beta,St,dan Bt ...65

Gambar 5.2 Nilai Alpha,Beta,St,dan Bt...66

Gambar 5.3 Hasil Prediksi Dengan Alpha 0.1 dan Beta 0.1 ...67

Gambar 5.4 Hasil Prediksi Dengan Alpha 0.2 dan Beta 0.2 ...68

Gambar 5.5 Hasil Prediksi Dengan Alpha 0.3 dan Beta 0.3 ...69

Gambar 5.6 Hasil Prediksi Dengan Alpha 0.4 dan Beta 0.4 ...70

Gambar 5.7 Hasil Prediksi Dengan Alpha 0.5 dan Beta 0.5 ...71

Gambar 5.8 Hasil Prediksi Dengan Alpha 0.6 dan Beta 0.6 ...72

Gambar 5.9 Hasil Prediksi Dengan Alpha 0.7 dan Beta 0.7...73

Gambar 5.10 Hasil Prediksi Dengan Alpha 0.8 dan Beta 0.8 ...74

(11)

Tabel 2.2 Pehitungan Simple Morving ...17

Tabel 2.3 Perhitungan Centered Moving ...19

Tabel 2.4 Perhitungan Centered Moving Average ...20

Tabel 2.5 Data Actual Sales ...22

Tabel 2.6 Perhitungan Exponential Smoothing ...22

Tabel 4.1 Structur Tabel Master Barang ...58

Tabel 4.2 Structur Tabel Master Penjualan ...58

Tabel 4.3 Structur Tabel Master Detail Barang ...59

Tabel 3.4 Tabel User ...59

(12)

Pada Bab I ini akan dibahas beberapa penjelasan dasar meliputi latar

belakang permasalahan, perumusan masalah, batasan masalah, tujuan, manfaat,

dan metodologi pelaksanaan serta sistematika penulisan buku Tugas Akhir ini.

1.1 Latar Belaka ng

Pada saat ini hampir semua perusahaan yang bergerak dibidang penjualan

dihadapkan pada suatu masalah yaitu adanya tingkat persaingan yang semakin

kompetitif. Hal ini mengharuskan perusahaan untuk merencanakan atau

menentukan jumlah pembelian, agar dapat memenuhi permintaan pasar dengan

tepat waktu dan dengan jumlah yang sesuai. Pada dasarnya penentuan jumlah

pembelian ini derencanakan untuk memenuhi jumlah persediaan barang guna

memenuhi tingkat penjualan yang direncanakan atau tingkat permintaan pasar.

Estimasi adalah kegiatan untuk memprediksikan kejadian dimasa yang

akan datang (planning) merupakan bagian vital bagi setiap organisasi bisnis dan

untuk setiap pengambilan keputusan management yang sangat signifikan.

Estimasi menjadi dasar bagi perencanaan suatu perusahaan. Dalam area

fungsional penjualan estimasi berfungsi untuk membantu pihak manajemen

dalam melakukan prediksi penjualan dalam periode tertentu.Untuk itu diperlukan

suatu system yang dapat memprediksi penjualan dan pembelian suku cadang dari

waktu ke waktu. Dengan hasil estimasi yang diperoleh, maka para pihak yang

berkepentingan diharapkan bisa mengambil keputusan sesuai dengan kondisi yang

(13)

Walaupun nilai-nilai yang dihasilkan dalam estimasi ini tidak 100%

benar-benar akurat, namun tujuan estimasi (planning) adalah agar meminimalkan

kesalahanya sekecil mungkin. Dengan mengetahui nilai penjualan pada periode

tertentu,diharapkan dapat membantu pihak management untuk mengambil

keputusan dalam menentukan jumlah penjualan suku cadang dengan metode

Double Exponential Smoothing.

Metode Ada banyak metode yang dapat digunakan untuk membuat

estimasi salah satunya Double Exponential Smoothing adalah metode yang

mengulang terus menerus dengan menggunakan data terbaru. Metode ini

didasarkan pada perhitungan rata-rata pemulusan data-data sebelumnya secara

eksponensial. Setiap data diberikan sebuah nilai dengan data yang lebih baru

memiliki nilai lebih besar. Nilai yang digunakan adalah α untuk data yang

baru,α(1-α) untuk data sebelumnya, α(1-α) 2 untuk data yang lebih lama lagi, dan

seterusnya. Metode ini digunakan untuk planning data yang memiliki pola trend

dan stasioner. Data penjualan dan pembelian merupakan suatu data yang memiliki

pola kecendrungan stasioner. Oleh karena itu dalam estimasi penjualan suku

cadang ini menggunakan metode Double Exponential Smoothing.

1.2 Per umusan Masalah

Dari apa yang telah dijelaskan pada latar belakang maka dapat dirumuskan

suatu permasalahan yaitu bagaimana Penerapan metode Double Exponential

Smoothing estimasi penjualan dengan beberapa sub masalah :

1. Bagaimana menganalisa data penjualan untuk digunakan proses estimasi

(14)

2. Bagaimana merancang dan membangun system estimasi penjualan suku

cadang dengan menggunakan metode Double Exponential Smoothing.

3. Apakah system estimasi penjualan suku cadang dapat melakukan

perhitungan sesuai dengan perhitungan manual.

1.3 Batasan Masalah

Batasan masalah dalam pembuatan system ini adalah sebagai berikut :

1. Metode estimasi yang di pakai untuk memperoleh informasi prediksi

penjualan suku cadang pada periode mendatang adalah Double

Exponential Smoothing

2. Estimasi hanya dilakukan berdasarkan transaksi penjualan, dengan

hanya mempertimbangkan faktor jumlah barang dalam suatu periode.

3. Nilai ST Initial Value Bernilai sesuai dengan nilai Actual bulan

pertama.

4. Nilai BT Initial Value Bernilai dari Actual bulan 2- Actual Ibulan 1.

1.4 Tujuan

Tujuan Tugas Akhir adalah:

1. Secara garis besar bahwa tujuan dari skripsi ini adalah mengetahui hasil

prediksi penjualan barang pada perusahaan yang bergerak di bidang suku

cadang mobil dan motor (spare parts).

2. Menganalisa data penjualan suku cadang untuk digunakan dalam proses

(15)

3. Merancang dan membangun sistem penjualan Suku cadang khususunya

prediksi penjualan dengan Double Exponential Smoothing.

1.5 Manfaat

Sistem informasi penjualan suku cadang ini adalah:

1. Membantu pihak management untuk melakukan perkiraan penjualan

suku cadang dengan periode tertentu tingkat kesalahan terkecil mungkin

yang nantinya akan di pakai aplikasi sebagai bahan pertimbangan dalam

pengambilan keputusan untuk melakukan pembelian suku cadang.

2. Sofware database yang dibuat untuk membantu meningkatkan efisiensi

kerja dan peningkatan profesionalisme.

3. Serta memberikan kemudahan dalam memberikan kemudahan dalam

menyajikan laporan-laporan manajemen yang terintegrasi.

1.6 Metode Penelitian

Metode Double Exponential Smoothing digunakan ketika data menunjukkan

adanya trend. Exponential smoothing dengan adanya trend seperti pemulusan

sederhana kecuali bahwa dua komponen harus diupdate setiap periode – level dan

trendnya. Level adalah estimasi yang dimuluskan dari nilai data pada akhir

masing-masing periode. Trend adalah estimasi yang dihaluskan dari pertumbuhan

(16)

Dalam pemecahan masalah perusahan khususnya penjualan dalam jumlah

besar (wholesaler) dan eceran (retailer). Perusahaan ini di kelola sendiri oleh

pemilinya dengan karyawanya.

Secara garis besar, kinerja dijelaskan sebagai berikut

1. Penentuan harga jual barang ditentukan oleh pemiliknya, kecuali

barang-barang orisinil mengikuti daftar harga(price list).

2. Jika barang kosong maka akan dicatat pada sebuah buku.

3. Setiap bulan ada salesman yang datang untuk menagih dan mencatat

pemesanan barang.

4. Perusahaan hanya memberi hutang kepada pelanggan yang sudah dikenal

atau hanya sebatas kepada relasi dari pemilik perusahaan.

5. Setiap menerima barang dari supplier, maka barang-barang tersebut akan

diberi tanggal penerimaan dan kode harga pokok barang.

6. Jika terjadi kenaikan harga pokok barang maka barang yang lama akan

mengikuti harga pokok terbaru, biasanya barang-barang tersebut akan

dimasukan dalam satu kotak dan pada kotak tersebut diberi kode harga

pokok yang terbaru beserta tanggal penerimaanya.

7. Jika terjadi penurunan harga pokok baranng maka barang tersebut tetap

diberi tanggal dan kode harga pokok yang bari tetap mengikuti harga jual

yang sama seperti harga sebelumya.

Metodologi/Teknik: Metodologi yang digunakan pada proyek akhir ini terbagi

(17)

1. Tinjuan Pustaka

Pengumpulan teori-teori sebagai referensi baik dari buku-buku ataupun

informasi dari sumber lainya untuk memilih dan menentukan jenis metode

aplikasi penjualan yang ideal untuk diterapkan.

2. Studi lapangan , untuk mengumpulkan data serta melakukan analisa.

Teknik pengumpulan data tiga macam metode:

a. Observasi langsung

Untuk mengetahui proses penjualan secara langsung.

b. Interview

c. Melakukan tanya jawab terutama pada orang yang bertanggung jawab

melakukan semua transaksi di toko tersebut dan yang nantinya akan

mengoperasikan system yang akan dibuat.

d. Dokumentasi

Dokumen-dokumen dari perusahaan, serta pengambilan sample yang

selanjutnya bisa di pengaruhi interface dan penyusunan laporan

aplikasi tersebut.

3. Analisa Sistem

Menganalisa barang apa saja yang kurang laku.

4. Perancangan Sistem Informasi

Adapun perancangan Sistem Informasi diantaranya adalah :

a. Perancangan Data Flow Diagram (DFD)

Untuk perancangan saya menggunakan Data Flow Diagram (DFD)

karena program yang saya buat termasuk program yang terstruktur.

(18)

menggunakan data flow diagram (DFD), setelah itu melakukan

ketingkat selanjutnya yang lebih tinggi.

b. Perancangan Entity Relationship Diagram (ERD)

c. Conceptual Data Model (CDM) dan Phisycal Data Model(PDM).

Konsep DFD,CDM,dan PDM didesain untuk menginformasikan

kepada para pemakai (user) persepsi tentang data dan bukan

menggambarkan bagaimana cara sebuah data disimpan dalam sebuah

Komputer.

d. Perancangan Basis Data

5. Implementasi Sistem Informasi

a. Perancangan Basis Data

• Penentuan entitas dan hubungan antara entitas, yang akan

diterjemahkan ke dalam tabel-tabel.

• Penentuan kunci untuk entitas dan penentuan kunci tamu.

• Normalisasi, untuk mencegah terjadinya pengulangan informasi

dan untuk mencegah terjadnya keanehan pada proses update dan

penghapusan.

b. Pembuatan Program meliputi :

•Mengikuti control Ke field database.

•Merancang form

•Memprogram Tombol

6. Coding

Penerapan hasil perancangan sistem yang dibuat dengan teknologi

(19)

databasenya. Untuk rancangan sistemnya menggunakan Sybase Power

Designer 9.0 Evaluation dan PowerDesigner 6. Pemilihan kedua teknologi

ini berdasarkan dengan kebutuhan skema yag ada serta peningkatan

teknologi dari pemrograman.

7. Testing

Uji coba sistem dilakukan secara langsung melalaui simulasi

langsung dengan Data Flow Diagram (DFD) yang telah berjalan. Sehingga

akan lebih mudah diketahui kekurangan dari sistem pendukung keputusan.

8. Pelaporan

Pembuatan laporan dari sistem yang telah dibuat, meliputi hasil

tampilan program, serta kode program.

1.7 Sistematika Penulisan

BAB I PENDAHULUAN

Berisi tentang pendahuluan dimana dilakukannya pra-tugas akhir

dan latar belakang yang menjelaskan tentang informasi dari

instansi yang bersangkutan dimana berkaitan dengan permasalahan

yang sedang dihadapi serta solusi pemecahannya, rumusan

masalah, batasan masalah, tujuan, manfaat bagi pengguna serta

sistematika penulisan yang digunakan dalam laporan Tugas Akhir

(20)

BAB II TINJ AUAN PUSTAKA

Berisi landasan – landasan teori dan hal - hal yang bersifat

informatif yang akan digunakan sebagai data pendukung dalam

penyelesaian permasalahan.

BAB III ANALISIS PERMASALAHAN

Berisi tentang analisa masalah dari model penelitian untuk

memperlihatkan keterkaitan antar variabel yang diteliti dan

beberapa penjelasan dari analisa permasalahan yang di teliti.

BAB IV PERANCANGAN DAN IMPLEMENTASI SISTEM

Berisi tentang hasil yang diperoleh dari pra-tugas akhir beserta

pembahasan perancangan sistem dan pengimplementasian hasil

perancangan sistem yang telah dibuat ke dalam bentuk aplikasi

yang akan dibangun.

BAB V UJ I COBA DAN EVALUASI

Membahas uji coba aplikasi yang dibuat, untuk mengetahui tingkat

keberhasilan sistem dan ketepatan datanya, kemudian melakukan

evaluasi terhadap kinerja sistem.

BAB VI PENUTUP

Berisi kesimpulan dan saran yang sudah diperoleh dari hasil

(21)

BAB II

TINJ AUAN PUSTAKA

Pada BAB II ini akan dibahas beberapa teori dasar untuk menunjang

penyelesaian Tugas Akhir ini, antara lain: pengertian metode Double

Exponential Smoothing,estimasi dan definisi,dasar-dasar Penjualan.

2.1 Estimasi

Estimasi merupakan bagian vital bagi setiap organisasi bisnis dan

untuk setiap pengambilan keputusan manajemen yang sangat signifikan.

Peramalan menjadi dasar bagi perencanaan jangka panjang perusahaan.

Dalam area fungsional keuangan, peramalan memberikan dasar dalam

menentukan anggaran dan pengendalian biaya. Pada bagian pemasaran,

peramalan penjualan dibutuhkan untuk merencanakan produk baru,

kompensasi tenaga penjual, dan beberapa keputusan penting lainnya.

Selanjutnya, pada bagian produksi dan operasi menggunakan data-data

peramalan untuk perencanaan kapasitas, fasilitas, produksi, penjadwalan,

dan pengendalian persedian (inventory control). Untuk menetapkan

kebijakan ekonomi seperti tingkat pertumbuhan ekonomi, tingkat

pengangguran, tingkat inflasi, dan lain sebagainya dapat pula dilakukan

dengan metode peramalan.

Prediksi (estimasi) adalah penggunaan data masa lalu dari sebuah

variabel atau kumpulan variabel untuk mengestimasi nilainya di masa

(22)

adalah:“If we can predict what the future will be like we can modify our

behaviour now to be in a better position, than we otherwise Sejak tahun

akademik 1994/1995 penyelenggaraannya dilakukan secara mandiri

sebagai Perguruan Tinggi Swasta.

would have been, when the future arrives.” Artinya, jika kita dapat

memprediksi apa yang terjadi di masa depan maka kita dapat mengubah

kebiasaan kita saat ini menjadi lebih baik dan akan jauh lebih berbeda di

masa yang akan datang. Hal ini disebabkan kinerja di masa lalu akan terus

berulang setidaknya dalam masa mendatang yang relatif dekat.

prediksi adalah perhitungan yang obyektif dengan menggunakan

data-data masa lalu untuk menentukan kondisi di masa yang akan datang.

Dengan demikian forecasting merupakan proses yang menggambarkan

peristiwa/ kondisi pada masa yang akan datang. Dasar pengambilan

keputusan dalam bisnis, meliputi : (1) Produksi; (2) Persediaan; (3)

Personil dan (4) Fasilitas-fasilitas.

Salah satu cara untuk mengklasifikasikan permasalahan pada

prediksi adalah mempertimbangkan skala waktu estimasinya yaitu

seberapa jauh rentang waktu data yang ada untuk diramalkan. Terdapat

tiga kategori waktu yaitu jangka pendek (minggu → bulan), menengah

(bulan → tahun), dan jangka panjang (tahun → dekade). Tabel berikut ini

menunjukkan tipe-tipe keputusan berdasarkan jangka waktu

(23)

Selain rentang waktu yang ada dalam proses estimasi, terdapat juga

teknik atau metode yang digunakan dalam estimasi. Metode estimasi dapat

diklasifikasikan dalam dua kategori, yaitu:

Salah satu cara untuk mengklasifikasikan permasalahan pada

prediksi adalah mempertimbangkan skala waktu estimasinya yaitu

seberapa jauh rentang waktu data yang ada untuk diramalkan. Terdapat

tiga kategori waktu yaitu jangka pendek (minggu → bulan), menengah

(bulan → tahun), dan jangka panjang (tahun → dekade). Tabel berikut ini

menunjukkan tipe-tipe keputusan

Selain rentang waktu yang ada dalam proses estimasi, terdapat juga

teknik atau metode yang digunakan dalam estimasi. Metode estimasi dapat

diklasifikasikan dalam dua kategori, yaitu:

2.2 Metode Pendekatan Pr ediksi (Estimasi)

1. Metode Kualitatif

Metode yang menganalisis kondisi obyektif dengan apa adanya.

Metode ini meliputi : Metode Delphi, Metode Nominal Grup, Survey

Pasar dan Analisis Historikal Analogy and Life Cycle.

Metode ini digunakan dimana tidak ada model matematik,

biasanya dikarenakan data yang ada tidak cukup representatif untuk

meraprediksikan masa yang akan datang (long term forecasting). estimasi

kualitatif menggunakan pertimbangan pendapat-pendapat para pakar yang

ahli atau experd di bidangnya. Adapun kelebihan dari metode ini adalah

(24)

Sementara kekurangannya yaitu bersifat subyektif sehingga seringkali

dikatakan kurang ilmiah.

Salah satu pendekatan estimasi dalam metode ini adalah Teknik

Delphi, dimana menggabungkan dan merata-ratakan pendapat para pakar

dalam suatu forum yang dibentuk untuk memberikan estimasi suatu hasil

permasalahan di masa yang akan datang.

Beberapa Model estimasi (prediksi) yang tergolong metode kualitiatif,

yaitu:

a. Trend Sekuler (sekuler trend)

Forecasting model trend sekuler dilakukan dengan menarik garis

secara kasar atau serampang mengikuti kecenderunagn permintaan yang

terjadi secara siklus dari tahun ke tahun dan garis trend dibuat dengan

mempertimbangkan simpangan yang paling kecil diantara data-data

penjualan yang ada.

b. Fluktuasi Siklis (cyclical fluctuation)

Ekspansi dan kontraksi yang berulang (long-run cycles of

expansion and contraction). Data time series mengalami perubahan dan

kontraksi yang berulang kembali setiap beberapa tahun, misalnya

penjualan setiap lima tahun mengalami lonjakan yang cukup signifikan

(25)

c. Variasi Musiman (Seasonal Variation)

Melakukan perkiraan volume permintaan konsumen di

waktu-waktu yang akan datang dapat didasarkan pada gelombang musiman yang

melekat pada kultur budaya atau kebiasaaan dari masyarakat. Tetapi

dapat juga karena faktor sifat dan keadaan alam yang melekat pada iklim

atau cuaca.

d. Irregular or Random Influences (pengaruh tak teratur atau acak)

Efek pemanasan global menyebabkan perubahan cuaca atau

musiman menjadi tidak beraturan, sehingga bencana alam banjir atau

kekeringan tidak dapat diprediksikan, atau terjadinya kekacauan politik

dan social atau perang

2. Metode Kuantitatif

Penggunaan yang sering disebut time series/ runtun waktu

merupakan suatu analisis yang mengambarkan pola perkembangan

produksi/ penjualan pada pada runtun waktu yang telah lewat untuk dapat

memperoleh besar kecilnya tingkat perkembangan penjualan/ produksi

tahunan.

Penggunaan metode ini didasari ketersediaan data mentah disertai

serangkaian kaidah matematis untuk meramalkan hasil masa depan

Terdapat beberapa macam model peramalan yang tergolong metode

(26)

a. Model Regresi

Perluasan dari metode Regresi Linier dimalan memprediksikan suatu

variabel yang memiliki hubungan secara linier dengan variabel bebas yang

diketahui atau diandalkan.

b. Model Ekonometrik

Menggunakan serangkaian persamaan-persamaan regresi dimana

terdapat variabel-variabel tidak bebas yang menstimulasi segmen-segmen

ekonomi seperti harga dan lainnya.

c. Model Time Series Analysis (Deret Waktu)

Memasang suatu garis trend yang representatif dengan data-data

masa lalu (historis) berdasarkan kecenderungan datanya dan

memproyeksikan data tersebut ke masa yang akan datang.

Analisis deret waktu berhubungan dengan nilai-nilai suatu variabel yang

diatur secara kronologis menurut waktu seperti hari, minggu, bulan,

kuartal, semester atau tahunan. Analisis deret waktu daapt digunakan

untuk memprediksikan nilai-nilai data masa depan dari data masa lalu

yang berderet menurut waktu. Asumsi yang digunakan adalah bahwa deret

waktu akan terus bergerak seperti di waktu yang lalu dengan pola tertentu

yang tetap.

2.2.1 Model Rata-rata Ber ger ak (Moving Average)

Metode rata-rata bergerak banyak digunakan untuk menentukan

trend dari suatu deret waktu. Dengan menggunakan metode rata-rata

(27)

bergerak yang lebih mulus. Metode ini digunakan untuk data yang

perubahannya tidak cepat, dan tidak mempunyai karakteristik musiman

atau seasonal. Model rata-rata bergerak mengestimasi permintaan periode

berikutnya sebagai rata-rata data permintaan aktual dari n periode terakhir.

Terdapat tiga macam model rata-rata bergerak, yaitu:

a.Simple Moving Aver age

Simple Moving Average (SMAt)=

n

Diberikan data harga penutupan akhir minggu surat-surat berharga

perusahaan “Mandala” yang bergerak dalam bidang maskapai

penerbangan.

Maka Moving Average 3 mingguan (SMA3) terhadap harga penutupan

akhir minggu saham diperoleh dari perhitungan berikut;

T 1 2 3 4 5 6 7 8 9 10 11 12

Y 46 56 54 43 57 56 67 62 50 56 47 56

(28)

Minggu

(29)

Berdasarkan data di atas, maka ramalan untuk minggu-minggu

b. Center ed Moving Aver age

Perbedaan utama antara Simple Moving Average dan Centered

Moving Average terletak pada pemilihan observasi yang digunakan.

Simple Moving Average menggunakan data yang sedang diobservasi

tambah data sebelum observasi. Misalnya, menggunakan 5 periode

moving average, maka untuk SMA menggunakan data periode ke-5 dan 4

data periode sebelumnya.

Sebaliknya untuk CMA, “Center” berarti rataan antara data

sekarang dengan menggunakan data sebelumnya dan data sesudahnya.

Misalnya untuk 3 periode moving average, maka SMA menggunakan data

periode 3 ditambah data sebelumnya dan data sesudahnya. Didefinisikan

sebagai berikut:

observasi merupakan data sebelum dan sesudahnya. Misalnya CMA 5

(30)

Ilustr asi 2

Contoh perhitungan:

4

C. Weighted Moving Aver age

Formula untuk Weighted Moving Average (WMAt):

n

(31)

Ilustr asi 3

Diketahui data penjualan suatu departement store 4 bulan periode.

Kemudian ingin meramalkan penjualan bulan ke-5 dengan moving

average dimana menggunakan bobot 40% actual sales untuk bulan saat ini

(4), 30% untuk 2 bulan sebelumnya, 20% untuk 3 bulan sebelumnya, dan

10% untuk 4 bulan sebelumnya. Data penjualannya sebagai berikut:

Tabel 2.4 Perhitungan Centered Moving Average

Month1 Month2 Month3 Month4 Month5

100 90 105 95 ?

Peramalan weighted moving average dengan N = 4 adalah:

50

Maka ramalan bulan ke (5 + t) dengan t =1,2,3 adalah:

50

2.2.2 Exponential Smoothing

Dalam model rata-rata bergerak (Moving Average) dapat dilihat

bahwa untuk semua data obserrvasi memiliki bobot yang sama yang

membentuk rata-ratanya. Padahal, data observasi terbaru seharusnya

memiliki bobot yang lebih besar dibandingkan dengan data observasi di

masa yang lalu. Hal ini dipandang sebagai kelemahan model peramalan

(32)

agar kelemahan tersebut dapat diatasi didasarkan pada alasan sebagai

berikut:

Metode exponential smoothing mempertimbangkan bobot

data-data sebelumnya dengan estimasi untuk Y’(t+1) dengan periode (t+1)

kecil dibandingkan dengan data yang terbaru. Rumus tersebut dapat

disederhanakan sebagai berikut:

Dengan nilai Y’(1) untuk inisial ramalan didekati dengan nilai

rata-ratanya(Y)

Atau

Y

'

(t)

=

Y

'

(t−1)

+

α

(

Y

(t−1)

Y

'

(t−1)

)

Perlu diperhatikan bahwa penetapan nilai konstanta memiliki andil yang

penting dalam menghasilkan hasil ramalan yang “handal”. Model

(33)

Ilustr asi 4

Tabulasi data berikut ini merupakan actual sales dalam unit untuk 6 bulan

dan peramalan dimulai dari bulan januari.

Tabel 2.5 Data actua sales

Month Jan Feb Marc Apr May June

Actual Sales 100 94 108 80 68 94

a. Hitunglah estimasi nilai ramalannya menggunakan simple exponensial

smoothing dengan α = 0.2 jika inisial estimasi periode Januari = 80.

b. Hitunglah Mean Absolute Deviation (MAD)

Jawaban:

(34)

a. Estimasi nilai ramalan periode kedua (February) adalah:

b. Mean Absolute Deviation (MAD)

dimana 1 MAD = 0.8 standard deviation diperoleh standar deviation = 12

Exponential Smoothing merupakan prosedur perbaikan terus-menerus

pada peramalan terhadap objek pengamatan terbaru. Ia menitik-beratkan

pada penurunan prioritas secara eksponensial pada objek pengamatan yang

lebih tua. Dengan kata lain, observasi terbaru akan diberikan prioritas

lebih tinggi bagi peramalan daripada observasi yang lebih lama.

2.2.3 Double Exponential Smoothing

Metode ini digunakan ketika data menunjukkan adanya trend.

Exponential smoothing dengan adanya trend seperti pemulusan sederhana

kecuali bahwa dua komponen harus diupdate setiap periode – level dan

trendnya. Level adalah estimasi yang dimuluskan dari nilai data pada akhir

(35)

masingmasing periode. Trend adalah estimasi yang dihaluskan dari

pertumbuhan rata-rata pada akhir masing-masing periode. (Makridakis,

1999).

Rumus double exponential smoothing adalah:

dimana:

St = peramalan untuk periode t.

Yt + (1-α) = Nilai aktual time series

bt = trend pada periodeke - t

α = parameter pertama perataan antara nol dan

1, = untuk pemulusan nilai observasi

beta = parameter kedua, untuk pemulusan trend

Ft+m = hasil peramalan ke - m

m = jumlah periode ke muka yang akan

diramalkan

2.3 Per amalan Penjualan

Dalam hasil penjualan tahun sebelumnya digunakan sebagai titik awal

dalam menyusun ramalan penjualan. Alat statistik yang dapat digunakan

untuk menyusun ramalan penjualan diantaranya analisa regresi, trend dan

(36)

dan ekonometrika tersebut dapat meningkatkan kualitas data anggaran.

Untuk memprediksi penjualan di masa yang akan datang, model yang

sering dipergunakan adalah metode kuadrat terkecil atau lebih lazim

dikenal dengan nama trend. Dengan menggunakan metode kuadrat terkecil

ini perusahaan akan dapat melaksanakan perhitungan ramalan penjualan

produk perusahaan melalui dua macam bentuk yaitu bentuk linier dan

bentuk kuadrat. Bentuk yang akan dipergunakan di perusahaan sebagai

dasar perencanaan penjualan tergantung pada bentuk yang paling sesuai

dengan kondisi perusahaan.

Bentuk umum dari trend linier (garis lurus) dan trend kuadrat (garis

lengkung) adalah sebagai berikut.

(37)

Manfaat Peramalan Penjualan

Peramalan penjualan sangat penting dalam mengkaji situasi dan

kondisi pada masa depan dan dapat digunakan untuk memperkirakan apa

yang akan terjadi di masa mendatang. Dengan melihat pada kondisi data di

masa sekarang hal ini diperlukan untuk dapat melaksanakan kebijaksanaan

yang akan di ambil perlu melakukan perkiraan akan kesempatan atau

peluang yang ada.

Pada dasarnya peramalan tidak terlepas daripada perencanaan di

mana kemampuan para perencana dalam meramalkan harus sesuai dengan

situasi dan kondisi saat ini dan data yang ada agar rencana atau kebijakkan

yang di ambil dapat dijalankan secara efektif dan tepat. Pada hakikatnya

peramalan penjualan tidak terlepas daripada rencana atau perencanaan.

Kegunaan daripada peramalan penjualan adalah untuk dapat mengambil

keputusan / kebijakkan di mana keputusan yang baik adalah keputusan

yang didasarkan pada pertimbangan yang akan terjadi pada waktu

keputusan tersebut dilaksanakan.

2.4 Ukur an Ketepatan Metode Per amalan

Beberapa metode untuk mengukur keandalan ramalan:

a. Deviasi absolut rata-rata (mean absolute deviation – MAD)

Membagi jumlah total kesalahan absolut dengan jumlah periode. Pada

(38)

AE = Σ | Ei | atau Rumus yag lain Σ Kesalahan

N -n N – n N = Jumlah data

n = Periode pergerakan

b. Mean deviasi absolut rata-rata (mean absolute percent deviation –

MAPD) Membagi jumlah total kesalahan absolut dengan jumlah data

aktual, ditampilkan dalam bentuk persentase. Pada umumnya, semakin

kecil nilai MAPD maka ramalan semakin akurat.

AE = Σ Ei . 100

Xi n

dimana :

ei : selisih hasil ramalan dengan data sebenarnya

n : jumlah periode

X1 : data sebenarnya

c. Kesalahan kumulatif (cummulative error – E)

mendekati nol. Diperoleh dari total kesalahan. Nilai positif berarti

ramalan cenderung lebih rendah dibandingkan data actual (mengalami

bias rendah). Sebaliknya, nilai negatif berarti ramalan cenderung lebih

tinggi dibandingkan data aktual (mengalami bias tinggi). Tidak

digunakan untuk peramalan metode regresi (garis tren linear), karena

(39)

d. Kesalahan rata-rata (average error – Ê (E bar))

Diperoleh dari total kesalahan dibagi dengan jumlah periode.

Penjelasan lain sama seperti kesalahan Kumulatife. Kesalahan pangkat

rata-rata (mean square error – MSE) Diperoleh dari jumlah seluruh

nilai kesalahan setiap periode yang dikuadratkan lalu dibagi dengan

jumlah periode. Pada umumnya, semakin kecil nilai MSE maka

ramalan semakin akurat.

Kesalahan Rata” (AE = Average Error)

AE = Σ Ei

n

Ei : Selisih Hasil Ramalan Dengan Kenyataannya

e. Kesalahan pangkat rata-rata (mean square error – MSE)

Diperoleh dari jumlah seluruh nilai kesalahan setiap periode yang

dikuadratkan lalu dibagi dengan jumlah periode. Pada umumnya,

semakin kecil nilai MSE maka ramalan semakin akurat.

MSE = Σ Ei 2

N

2.5 Penger tian Penjualan.

Penjualan merupakan pembelian sesuatu (barang atau jasa) dari

suatu pihak kepada pihak lainnya dengan mendapatkan ganti uang dari

pihak tersebut. Penjualan juga merupakan suatu sumber pendapatan

perusahaan, semakin besar penjualan maka semakin besar pula

(40)

Aktivitas penjualan merupakan pendapatan utama perusahaan

karena jika aktivitas penjualan produk maupun jasa tidak dikelola dengan

baik maka secara langsung dapat merugikan perusahaan. Hal ini dapat

disebabkan karena sasaran penjualan yang diharapkan tidak tercapai dan

pendapatan pun akan berkurang.

Untuk lebih jelasnya dapat dilihat dari pengertian penjualan itu

sendiri adalah sebagai berikut:

Pengertian penjualan menurut Henry Simamora dalam buku

“Akuntansi Basis Pengambilan Keputusan Bisnis” menyatakan bahwa:

“Penjualan adalah pendapatan lazim dalam perusahaan dan

merupakan jumlah kotor yang dibebankan kepada pelanggan atas barang

dan jasa”.

Pengertian penjualan menurut Chairul Marom dalam buku

“Sistem Akuntansi Perusahaan Dagang” menyatakan bahwa :

“Penjualan artinya penjualan barang dagangan sebagai usaha pokok

perusahaan yang biasanya dilakukan secara teratur”.

Berdasarkan pengertian di atas, maka dapat disimpulkan bahwa

penjualan adalah persetujuan kedua belah pihak antara penjual dan

pembeli, dimana penjual menawarkan suatu produk dengan harapan

pembeli dapat menyerahkan sejumlah uang sebagai alat ukur produk

(41)

Penjualan adalah suatu usaha yang terpadu untuk

mengembangkan rencana rencana strategis yang diarahkan pada usaha

pemuasan kebutuhan dan keinginan pemebeli, guna mendapatkan

penjualan yang menghasilkan laba (Marwan, 1991). Penjualan

merupakan sumber hidup suatu perusahaan, karena dari penjualan dapat

diperoleh laba serta suatu usaha memikat konsumen yang diusahakan

untuk mengetahui daya tarik mereka sehingga dapat mengetahui hasil

produk yang dihasikan. Menurut Winardi (1982), penjualan adalah suatu

transfer hak atas benda-benda. Dari penjelasan tersebut dalam

memindahkan atau mentransfer barang dan jasa diperlukan orang-orang

yang bekerja dibidang penjualan seperti pelaksnaan dagang, agen, wakil

pelayanan dan wakil pemasaran.

1. Hubungan Promosi Dengan Penjualan

Dalam kegiatan pemasaran yang sangat kompleks dan saling berkaitan

yang satu dengan yang lainnya, seperti promosi dan penjualan hendaknya

dikelola dengan baik untuk mencapai tujuan perusahaan, yaitu laba.

Promosi berfungsi untuk meningkatkan volume penjualan juga sebagai

strategi untuk menjangkau pembeli untuk melakukan pertukaran.

Sedangkan penjualan adalah pemindahan barang dan jasa yang dilakukan

oleh penjual. Pada umumnya perusahaan yang ingin mempercepat proses

peningkatan volume penjualan akan melakukan untuk mengadakan

kegiatan promosi melalui iklan, personal selling, dan publisitas. Apabila

volume penjualan dirasakan cukup besar sesuai dengan yang diinginkan

(42)

promosi atau sekedar mempertahankannya. Meskipun demikian

seringkali perusahaan dalam menurunkan kegiatan promosi diikuti pula

oleh penurunan penjualan. Hal ini disebabkan oleh karena beberapa

kemungkinan, misalnya penurunan promosi tersebut perlu ditinjau

kembali. Peninjauan tentang keputusan promosi tersebut hendaknya

dilakukan dalam skop yang luas, dengan demikian penyajian

2. Faktor-faktor Yang Mempengaruhi Kegiatan Penjualan

Aktivitas penjualan banyak dipengaruhi oleh faktor tertentu yang

dapat meningkatkan aktivitas perusahaan, oleh karena itu manajer

penjualan perlu memperhatikan faktor-faktor yang mempengaruhi

penjualan. Faktor-faktor yang mempengaruhi penjualan menurut Basu

Swastha dalam buku “Manajemen Penjualan” antara lain sebagai

berikut:

1. Kondisi dan Kemampuan Penjual

2. Kondisi Pasar

3.Modal

4.Kondisi Organisasi Perusahaan

5. Faktor-Faktor Lain.

Menurut pengertian diatas dapat diuraikan sebagai berikut:

1. Kondisi dan Kemampuan Penjual.

Transaksi jual-beli atau pemindahan hak milik secara komersial atas

barang dan jasa itu pada prinsipnya melibatkan dua pihak, yaitu penjual

(43)

harus dapat menyakinkan kepada pembelinya agar dapat berhasil

mencapai sasaran penjualan yang diharapkan.untuk maksud tersebut

penjual harus memahami beberapa masalah penting yang sangat

berkaitan, yakni:

a. Jenis dan karakteristik barang yang di tawarkan.

b. Harga produk.

c. Syarat penjualan seperti: pembayaran, penghantaran, pelayanan

sesudah penjualan, garansi dan sebagainya.

2. Kondisi Pasar.

Pasar, sebagai kelompok pembeli atau pihak yang menjadi sasaran dalam

penjualan, dapat pula mempengaruhi kegiatan penjualannya. Adapun

faktor-faktor kondisi pasar yang perlu di perhatikan adalah:

a. Jems pasarnya

b. Kelompok pembeli atau segmen pasarnya

c. Daya belinya

d. Frekuensi pembelian

e. Keinginan dan kebutuhan

3. Modal.

Akan lebih sulit bagi penjualan barangnya apabila barang yang dijual

tersebut belum dikenal oleh calon pembeli, atau apabila lokasi pembeli

jauh dari tempat penjual. Dalam keadaan seperti ini, penjual harus

memperkenalkan dulu membawa barangnya ketempat pembeli. Untuk

melaksanakan maksud tersebut diperlukan adanya sarana serta usaha,

(44)

di luar perusahaan, usaha promosi, dan sebagainya. Semua ini hanya

dapat dilakukan apabila penjualan memiliki sejumlah modal yang

diperlukan untuk itu.

4. Kondisi Organisasi Perusahaan.

Pada perusahaan besar, biasanya masalah penjualan ini ditangani oleh

bagian tersendiri (bagian penjualan) yang dipegang orang-orang

tertentu/ahli di bidang penjualan.

5. Faktor lain.

Faktor-faktor lain, seperti: periklanan, peragaan, kampanye, pemberian

hadiah, sering mempengaruhi penjualan. Namun untuk

melaksanakannya, diperlukan sejumlah dana yang tidak sedikit. Bagi

perusahaan yang bermodal kuat, kegiatan ini secara rutin dapat

dilakukan. Sedangkan bagi perusahaan kecil yang mempunyai modal

relatif kecil, kegiatan ini lebih jarang dilakukan. Ada pengusaha yang

berpegangan pada suatu prinsip bahwa "paling penting membuat barang

yang baik". Bilamana prinsip tersebut dilaksanakan, maka diharapkan

pembeli akan kembali membeli lagi barang yang sama. Namun, sebelum

pembelian dilakukan, sering pembeli harus dirangsang daya tariknya,

misalnya dengan memberikan bungkus yang menarik atau dengan cara

(45)

2.5.1 Pr oses Penjualan

Menurut Basu Swastha dalam buku “Manajemen Penjualan”

menyebutkan beberapa tahapan penjualan, yaitu:

1. Persiapan Sebelum Penjualan.

2. Penentuan Lokasi Pembeli Potensial.

3. Pendekatan Pendahuluan.

4. Melakukan Penjualan.

5. Pelayanan Sesudah Penjualan.

Menurut pengertian diatas dapat diuraikan sebagai berikut:

1.Persiapan Sebelum Penjualan

Pada tahap ini kegiatan yang dilakukan adalah mempersiapkan

tenaga penjual dengan memberikan pengertian tentang barang

yang dijualnya, pasar yang di tuju, dan teknik-teknik penjualan

yang harus dilakukan.

2. Penentuan Lokasi Pembeli Potensial

Dari lokasi ini dapatlah dibuat sebuah daftar tentang orang-orang

atau perusahaan yang secara logis merupakan pembeli potensial

dari produk yang ditawarkan.

3. Pendekatan Pendahuluan

Berbagai macam informasi perlu dikumpulkan untuk mendukung

(46)

kebiasaan pembeli, kesukaan, dan sebagainya. Semua kegiatan ini

dilakukan sebagai pendekatan pendahuluan terhadap pasarnya.

4. Melakukan Penjualan

Penjualan dilakukan bermula dari suatu usaha untuk memikat

perhatian calon pembeli, kemudian diusahakan untuk menarik

daya tarik mereka. Dan akhirnya penjual melakukan penjualan

produknya kepada pembeli.

5. Pelayanan Sesudah Penjualan

Dalam tahap akhir ini penjual harus berusaha mengatasi berbagai

macam keluhan atau tanggapan yang kurang baik dari pembeli.

Pelayanan penjualan ini dimaksudkan untuk memberikan jaminan

kepada pembeli bahwa keputusan yang diambilnya tepat dan

barang yang dibelinya betul-betul bermanfaat.

Berdasarkan uraian di atas dapat disimpulkan bahwa tahapan

proses penjualan bermula dari persiapan sebelum penjualan,

penentuan lokasi pembeli potensial, pendekatan pendahuluan,

melakukan penjualan, dan berakhir pada pelayanan sesudah

(47)

ANALISA DAN PERANCANGAN SISTEM

Bab ini akan membahas tentang analisa dan perancangan sistem meliputi

perancangan Data Flow (DFD) dan Entity Relationship Diagram (ERD) yang

ada pada Penerapan Double Eksponential Smoothing untuk hasil penjualan. Pada

ERD terdapat Conceptual Data Model (CDM) dan Physical Data Model (PDM)

yang menggambarkan tabel-tabel dan relasinya secara konsep dan detailnya.

Dalam Bab ini juga di lengkapi dengan desain Input Output.

3.1 Analisis Masalah

Penjualan dalam transaksi banyak melakukan penumpukan barang suku

cadang, penumpukan suku cadang ini terjadi karena selama tujuh hari Stock suku

cadang yang tidak terjual habis. Hal ini disebabkan oleh pihak management tidak

mengetahui dalam memperkirakan jumlah penjualan beberapa hari kedepan.

Dalam melakukan pembelian suku cadang management perusahaan

masih kesulitan dalam menentukan jumlah suku cadang yang akan dibeli karena

tidak tahu beberapa jumlah penjualan beberapa periode kedepan dan berapa

banyak macam suku cadang apa yang terjual, sedangkan suku cadang tersebut

barang abadi. Melihat masalah itu tentu pihak management masih kesulitan dalam

menetukan jumlah suku cadang yang akan dibeli, karena mereka merasa takut jika

melakukan pembelian suku cadang terlalu banyak dan suku cadang tersebut tidak

(48)

management dapat mengantisipasi masalah tersebut sehingga mereka tidak akan

mengalami kerugian dan dapat memaksimalkan keuntungan.

Untuk itu diperlukan sistem yang dapat memprediksikan penjualan suku

cadang dari waktu ke waktu. Dengan hasil estimasi yang diperoleh, maka para

pihak yang berkepentingan diharapkan dapat mengambil keputusan sesuai

dengan kondisi yang ada. Walaupun nilai yang dihasilkan dalam peramalan tidak

100% benar-benar akurat, namun tujuan estimasi adalah agar meminimalkan

kesalahannya sekecil mungkin. Dengan mengetahui nilai penjualan pada periode

tertentu, diharapkan dapat membantu pihak penjual dalam mengambil keputusan

misalnya untuk menentukan beberapa jumlah prediksi penjualan suku cadang .

Dengan adanya sistem estimasi penjualan suku cadang diharapkan dapat

memprediksikan beberapa periode kedepan dengan tingkat kesalahan sekecil

mungkin, sehingga pihak management dapat menentukan jumlah pembelian suku

cadang dalam beberapa periode kedepan.

3.2 Desain Ar sitektur

Setelah terdapat sekumpulan data Time Series, konstanta estimasi, dan panjang

periode estimasi, maka proses estimasi dapat dilakukan untuk menghasilkan

suatu nilai prediksi yang di ambil adalah nilai estimasi yang memilik tingkat

kesalahan terkesil (MAD). Desain arsitektur proses estimasi penjualan dan

(49)

Gambar 3.1 Arsitektur Proses Estimasi

3.3 Per ancangan Sistem

Berdasarkan dari analisa permasalahan yang ada, tahap berikutnya dari

siklus pengembangan sistem adalah perancangan sistem. Pada tahap ini terdapat

aktifitas pendefinisian kebutuhan-kebutuhan fungsional dan persiapan untuk

rancang bangun hingga implementasi dari sistem.

Sebelumnya membangun sebuah model perancangan ke dalam bentuk

Context Diagram akan di jelaskan proses bisnis pada sistem yang akan dihapus.

Proses bisnis dari Penerapan Metode Double Exponential Smoothing untuk

(50)

1. Pengelolaan Data Suku Cadang

Proses ini merupakan proses pengelolaan data suku cadang yang dilakukan

oleh admin dapat melakukan bebarapa manipulasi data input data suku cadang,

edit data suku cadang dan hapus suku cadang.

2. Pengelolan data User

Proses ini merupakan proses pengelolaan data User data yang dilakukan

oleh Admin. Didalam proses ini seorang admin dapat melakukan bebarapa

manipulasi data yaitu tambah data user. Admin juga bias menentukan otoritas

user, apakah sebagai petugas atau admin sebagai admin.

3. Transaksi penjualan

Proses ini berfungsi melakukan transaksi penjualan dapat di lakukan

seorang admin maupun petugas penjualan. Proses ini sangat penting karena data

penjualan merupakan dasar yang di perlukan untuk melakukan proses estimasi.

4. Estimasi

Estimasi penjualan hanya dapat di lakukan oleh admin, proses ini hanya

dapat dilakukan jika data time series, Konstanta pemulusan, dan periode estimasi.

Melalui proses ini seorang admin akan bisa mengetahui prediksi penjualan suku

cadang beberapa periode kedepan yang nantinya akan digunakan sebagai bahan

(51)

Dalam proses estimasi Metode double Exponential Smoothing nilai

konstanta pemulusan yang di gunakan adalah antara 0.1 sampai dengan 0.9. Dari

masing masing konstanta pemulusan tersebut akan di ambil nilai estimasi yang

mempunya nilai MAD terkecil yang akan diambil sebagai keputusan. Selain itu

terdapat proses untuk memasukan periode ρ dimasa datang yang di jadikan acuan

untuk menghasilkan nilai estimasi penjualan pada periode selanjutnya

3.3.1 System Flow

System flow adalah bagan yang menunjukan arus pekerjaan secara

menyeluruh dari suatu system dimana bagan ini menjelaskan urutan

prosedur-prosedur yang ada pada system dan biasanya dalam membuat system flow

sebaiknya ditentukan pula fungsi-fungsi yang melaksanakan atau bertangguang

jawab terhadap sub-sub sistem.

3.3.3.1 System flow Maintenance Suku Cadang

System flow proses maintenance suku cadang terlihat pada Gambar 3.2

Maintenance suku cadang hanya bisa di lakukan dengan admin , pada proses ini

(52)

Gambar.3.2 System Flow suku cadang

System flow proses maintenance suku cadang diatas Maintenance suku

cadang hanya bisa di lakukan dengan admin , pada proses ini admin bisa

input,update dan delete.

3.3.1.2 System Flow Maitenance user

Sistem suku cadang flow proses Maitenance user terlihat pada Gambar

3.3 Maitenance suku cadang bisa di lakukan oleh admin, pada proses ini admin

(53)

Gambar 3.3 system Flow Maitenance User

System flow proses maintenance User diatas Maintenance suku cadang

hanya bisa di lakukan dengan admin , pada proses ini admin bisa input,update dan

(54)

3.3.1.3 System Flow Tr ansaksi Penjualan

System flow proses transaksi penjualan suku cadang terlihat pada gambar

3.4 transaksi penjualan ini bisa di lakukan oleh admin maupun petugas

penjualan. Proses ini merupakan proses dasar dalam melakukan prediksi, karena

data penjualan merupakan data dasar dalam melakukan estimasi.

Gambar 3.4 System Flow Transaksi Penjualan Suku cadang.

System Flow Transaksi Penjualan Suku cadang dilakukan dengan

melakuka prediksi dengan menggunakan data penjualan yang lalu sesuai

(55)

3.3.1.4 System Flow Tr ansaksi Penjualan

Pada gambar 3.6 menjelaskan proses estimasi dengan Double Exponnetial

Smothiing .

Gambar 3.5 System Flow Estimasi Double Exponential Smootthing

Beberapa hal yang harus ada sebelum proses prediksi dilakukan adalah

data penjualan suku cadang sebagai data user sebagai data dasar, konstanta

pemulusan, dan panjang periode prediksi. Setelah proses peramalan di lakukan

maka akan di lakukan proses perhitungan kesalahan deviasi terkecil (MAD).

Hasil prediksi dengan tingkat kesalahan terkecil akan diambil sebagai nilai

(56)

3.3.1.5 System Flow Tr ansaksi Penjualan

Gambar 3.6 Flowchart Proses Perhitungan DES Estimasi Penjualan .

Flowcahart diatas merupakan langkah-langkah perhitungan

Double Exponential Smoothing yang digunakan dalam penerapan sistem

(57)

3.3.2 Data`Flow Diagram

3.3.2.1 Context Diagr am Per amalan Suku Cadang

Context diagram dari sistem prediksi suku cadang menggunakan Metode

Double Exponential Smoothing dapat dilihat pada Gambar 3.6. Pada context

diagram terdapat satu proses utama dari sistem dan 2 entity (Bagian penjualan,

Admin) yang terhubung dengan proses utama.

Dari context diagram dapat didekomposisikan lagi menjadi level yang

lebih rendah untuk menggambarkan sistem lebih rinci.

Hasil estimasi penjualan

(58)

Pada gambar 3.7 dapat di jelaskan bahwa entinity sistem ini terdiri dari

bagian penjualan dan admin. Admin nantinya dapat dilihat hasil prediksi

merupakan keluaran dari sistem ini. Selain itu admin juga bisa melakukan

manipulasi data suku cadang, data user, data transaksi, data penjualan dan dapat

juga melihat grafik penjualan selama beberapa hari sebelumnya. Sedangkan

petugas penjualan hanya bisa melakukan transaksi penjualan saja.

3.3.2.2 DFD Level 0 Estimasi Suku Cadang

Setelah context diagram didekomposoisikan maka akan dapat DFD level 0

seperti yang terlihat pada Gambar 3.8

(59)

Pada Level 0 di atas, terdapat 3 proses yaitu:

1. Poses master User. Proses ini di gunakan untuk Maintenance User.

2. Proses Transaksi penjualan. Proses ini di gunakan untuk mencatat transaksi

penjualan yang terjadi.

3. Proses Forecasting. Proses ini digunakan untuk mendapatkan hasil estimasi

penjualan berdasarkan periode prediksi yang diberika oleh admin.

3.4 Conseptual Data Model (PDM) dan Physical Data Model ( PDM)

Model yang dibuat berdasarkan anggapan bahwa dunia nyata terdiri dari

koleksi obyek-obyek dasar yang dinamakan entitas (entity) serta hubungan

(relationship) antara entitas-entitas itu. Biasanya direpresentasikan dalam bentuk

Entity Relationship Diagram.

Dalam perancangan sistem ini, ada entitas yang saling terkait untuk

menyediakan data yang dibutuhkan oleh sistem yang disajikan dalam bentuk

conceptual data model (CDM) dan Physical data model (PDM). ERD dalam

(60)

Gambar 3.9 CDM Sistem Informasi Estimasi Penjualan Suku cadang.

Pada CDM sistem informasi estimasi penjualan suku cadang ini, memiliki

5 entinitas yaitu Suku Cadang, User , Rekap_Penjualan, dan Peramalan. Dengan

meng-generate CDM, maka akan didapat PDM seperti pada Gambar 4.10.

(61)

Gambar 3.10 PDM Sistem Informasi Penjualan Suku Cadang.

PDM ini merupakan gambaran dari struktur database dari sistem penerapan

(62)

3.5 Desain Input/Output

Pada tahap ini dilakukan perancangan input/output untuk berinteraksi

antara user dengan sistem. Desain antarmuka ini dibuat dengan menggunakan

peranggkat lunak Mikrosoft Visio terdiri dari desain antarmuka dan halaman

admin.

3.5.1 For m Login

Terdapat label username dan password untuk login.user diminta untuk

login terlebih dahulu jika mau menggunakan aplikasi ini. Form login ditampilkan

pada Gambar 3.11 Desain Form login.

Gambar 3.11 Desain Form login.

3.5.2 For m Utama

Form ini merupakan tampilan awal saat aplikasi pertama kali dijalankan

Menu-menu dari aplikasi ini akan muncul sesuai dengan otoritas user. Form

(63)

Gambar 3.12 Desain Form Utama

Untuk dapat menggunakan Menu-menu tersebut user harus melakukan

login dahulu. Menu dapat digunakan tergantung dengan otoritas user, jika user

memiliki otoritas sebagai admin maka semua menu akan bisa digunakan akan

tetapi jika user sebagi hanya sebagai petugas maka menu yang bisa digunakan

hanya menu transaksi penjualan barang, data jual dan data barang.

3.5.3 For m Penjualan Bar ang

Proses ini melakukan proses penjualan barang. Pada form ini dapat

dilakukan proses insert, update, dan delete. Daftar barang yang ada pada database

(64)

Gambar 3.13 Desain Form Penjualan

3.5.4 For m User Account

Form user Account digunakan untuk melakukan maintenance data user.

Pada form ini dapat dilakukan proses simpan , batal ,dan edit data user. Admin

bisa menentukan masing-masing user, apakah sebagai petugas atau sebagai

(65)

Gambar 3.14 Desain Account User

3.5.5 For m Data Penjualan

Form data penjualan digunakan untuk mencatat seluruh hasil transaksi

penjualan yang terjadi secara detail. Gambar 3.15

(66)

3.5.6 For m Master Barang

Form master barang ini digunakan untuk mencatat penjualan yang

terjadi.Gambar 3.16

Gambar 3.16 Desain Form Master Barang

Form ini terdapat pilihan tombol tambah, hapus, edit, dan keluar. Tombol

tambah berfungsi untuk menambahkan daftar barang yang akan dibeli,tombol

hapus berfungsi untuk daftar barang yang akan dibeli dan edit berfungsi mengedit

daftar barang yang akan dibeli.

3.5.7 For m For ecasting

Form ini Digunakan untuk melakukan estimasi penjualan. Pada form ini

terdapat pilihan tombol start untuk melakukan proses perhitungan

estimasi.memasukan nilai batasan Alpha dan Beta antara 0,1 sampai dengan 0,9 .

(67)

mengetahui nilai dari St dan Bt. Grafik yang berfungsi untuk mengetahui

penjualan suku cadang pada periode tertentu.Gambar 3.17

Gambar 3.17 Desain Forecasting

Saat tombol Start berjalan maka hasil proses estimasi forecasting dari

setiap proses perhitungan yang diminta dengan memasukan nilai tahun data,

alpha, beta, st dan bt. Dengan hasil prediksi diatas akan muncul grafik yang

(68)

IMPLEMENTASI

4.1 Kebutuhan Sistem

Dalam merancang dan membangun sistem estimasi penjualan ini ada

beberapa spesifikasi perangkat lunak dan keras yang dibutuhkan sebagai berikut

4.1.1 Kebutuhan Per angkat ker as

Untuk dapat memanfaatkan sistem peramalan penjualan ini dengan

optimal, maka dibutuhkan perangkat keras yang sesuai sehingga sistem dapat

berjalan dengan baik. Adapaun perangkat keras yang dibutuhkan untuk

menjalankan aplikasi ini adalah:

1. processor intel intel Pentium 4 atau lebih.

2. Memory 1 Gb atau lebih.

3. VGA Card minimal 32 Mb.

4. Hardissk 5 Gb atau lebih.

5. Monitor dengan resolusi minimal 800 x 600.

4.1.2 Kebutuhan Per angkat Lunak

Perangkat lunak yang dibutuhkan untuk menjalankan sistem ini adalah:

1. Sistem operasi menggunakan Microsoft Windows XP Profesional.

2. Database untuk pengolahan data menggunakan Microsoft Acces 2003

(69)

4.2Implemestasi Database

Berikut ini adalah rancangan seluruh tabel dalam tabel estimasi berikut ini.

a. Tabel Master Barang

Pada Tabel ini menyimpan barang agar mudah digunakan untuk

menyimpan barang.

Tabel 4.1 Struktur Tabel Master Barang

No Tabel Kolom Tipe Data Keterangan

1 Master Barang Id_barang Integer Primary Key

2 Nama_barang Varchar(20)

3 Harga_jual Integer

4 Harga_beli Integer

5 Keterangan Varchar(25)

b. Tabel Master Penjualan

Pada tabel ini akan digunakan untuk mencatat hasil transaksi

penjualan dan mempermudah dalam penyimpanan data penjualan.

Tabel 4.2 Struktur Tabel Master Penjualan

No Tabel Kolom Tipe Data Keterangan

1 Master Penjualan Id_penjualan Integer Primary Key

2 No_nota Integer

3 Tgl_nota Date

4 Kode_mpembeli Integer

5 Nama_pembeli Varchar(25)

c. Tabel Detail Barang

Pada tabel ini akan digunakan untuk mencatat hasil transaksi penjualan

sesuai dengan categori agar dapat mengetahui semua trsansaksi penjualan

(70)

Tabel 4.3 Struktur Tabel Master Barang

No Tabel Kolom Tipe Data Keterangan

1 Master Detail Barang Id_dbarang Integer Primary Key

2 No_nota Integer

Tabel ini digunakan untuk login dan login hanya bisa admin saja.

Tabel 4.4 Struktur Tabel User

No Tabel Kolom Tipe Data Keterangan

1 User Id_user Integer Primary Key

2 Nama_user Varchar(20)

3 Password_user Float (10)

e. Tabel Forecasting

Tabel ini digunakan untuk melakukan proses estimasi mengetahui

nilai batasan alpha 0,1 sampai dengan 0,9, mengetahui seluruh hasil

dalam setiap periode dengan mengetahui nilai dari setiap batasan periode.

Tabel 4.5 Struktur Tabel Forecasting

No Tabel Kolom Tipe Data Keterangan

1 Forecasting Id_forecasting Integer Primary Key

2 Alpha Float (2)

3 St_ivlalue Float (10)

4 Bt_ivalue Float (10)

Figur

Tabel 2.3 Perhitungan Centered Moving
Tabel 2 3 Perhitungan Centered Moving . View in document p.30
Tabel 2.5 Data actua sales
Tabel 2 5 Data actua sales . View in document p.33
Gambar 3.1 Arsitektur Proses Estimasi
Gambar 3 1 Arsitektur Proses Estimasi . View in document p.49
Gambar 3.3 system Flow Maitenance User
Gambar 3 3 system Flow Maitenance User . View in document p.53
Gambar 3.4 System Flow Transaksi Penjualan Suku cadang.
Gambar 3 4 System Flow Transaksi Penjualan Suku cadang . View in document p.54
Gambar 3.5 System Flow  Estimasi Double Exponential Smootthing
Gambar 3 5 System Flow Estimasi Double Exponential Smootthing . View in document p.55
Gambar 3.6 Flowchart Proses Perhitungan DES Estimasi Penjualan .
Gambar 3 6 Flowchart Proses Perhitungan DES Estimasi Penjualan . View in document p.56
Gambar 3.8 DFD Level 0 Sistem Prediksi Penjualan Suku Cadang
Gambar 3 8 DFD Level 0 Sistem Prediksi Penjualan Suku Cadang . View in document p.58
Gambar 3.9 CDM Sistem Informasi Estimasi Penjualan Suku cadang.
Gambar 3 9 CDM Sistem Informasi Estimasi Penjualan Suku cadang . View in document p.60
Gambar 3.10 PDM Sistem Informasi Penjualan Suku Cadang.
Gambar 3 10 PDM Sistem Informasi Penjualan Suku Cadang . View in document p.61
Gambar 3.11 Desain Form login.
Gambar 3 11 Desain Form login . View in document p.62
Gambar 3.12 Desain Form Utama
Gambar 3 12 Desain Form Utama . View in document p.63
Gambar 3.13  Desain Form Penjualan
Gambar 3 13 Desain Form Penjualan . View in document p.64
Gambar 3.14 Desain Account User
Gambar 3 14 Desain Account User . View in document p.65
Gambar 3.15 Desain Form Data Penjualan
Gambar 3 15 Desain Form Data Penjualan . View in document p.65
Gambar 3.16 Desain Form Master Barang
Gambar 3 16 Desain Form Master Barang . View in document p.66
Gambar 3.17  Desain Forecasting
Gambar 3 17 Desain Forecasting . View in document p.67
grafik.
grafik. . View in document p.72
Gambar 4.3 Form Master
Gambar 4 3 Form Master . View in document p.73
Gambar 4.5 Form Data Penjualan.
Gambar 4 5 Form Data Penjualan . View in document p.74
Gambar 4.4 Form penjualan Barang.
Gambar 4 4 Form penjualan Barang . View in document p.74
Gambar 4.6 Form Forecasting.
Gambar 4 6 Form Forecasting . View in document p.75
Gambar 5.4 Hasil Prediksi Dengan Alpha 0.2 dan Beta 0.2
Gambar 5 4 Hasil Prediksi Dengan Alpha 0 2 dan Beta 0 2 . View in document p.79
Gambar 5.5 Hasil Perhitungan Alpha 0.3 dan Beta 0.3
Gambar 5 5 Hasil Perhitungan Alpha 0 3 dan Beta 0 3 . View in document p.80
Gambar 5.6 Hasil Perhitungan Alpha 0.4 dan Beta 0.4
Gambar 5 6 Hasil Perhitungan Alpha 0 4 dan Beta 0 4 . View in document p.81
Gambar 5.7 Hasil Perhitungan Alpha 0.5 dan Beta 0.5
Gambar 5 7 Hasil Perhitungan Alpha 0 5 dan Beta 0 5 . View in document p.82
Gambar 5.8 Hasil Perhitungan Alpha 0.6 dab Beta 0.6
Gambar 5 8 Hasil Perhitungan Alpha 0 6 dab Beta 0 6 . View in document p.83
Gambar 5.9 Hasil Perhitungan Alpha 0.7 dan Beta 0.7
Gambar 5 9 Hasil Perhitungan Alpha 0 7 dan Beta 0 7 . View in document p.84
Gambar 5.10 Hasil Perhitungan Alpha 0.8 dan Beta 0.8
Gambar 5 10 Hasil Perhitungan Alpha 0 8 dan Beta 0 8 . View in document p.85
Gambar 5.11 Hasil Perhitungan Alpha 0.9 dan Beta 0.9
Gambar 5 11 Hasil Perhitungan Alpha 0 9 dan Beta 0 9 . View in document p.86

Referensi

Memperbarui...