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
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
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
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.
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
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
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
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
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
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
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
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
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
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
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
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
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.
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
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
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
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
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
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
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
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
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
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
Y Y
Y
Yt + t−1 + t−2 +....+ t−n+1
Ilustr asi 1
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
Minggu (t) Permintaan (Y) Simple Moving Average
3 Mingguan (MA3)
1 46 -
2 56 -
3 54 52
4 43 51
5 57 51,33
6 56 52
7 67 60
8 62 61,17
9 50 59,17
10 56 56
11 47 51
12 56 53
Contoh perhitungan: 52 3 54 56 46 3 = + + = Minggu SMA
51
3
43
54
56
4 min=
+
+
=
gguSMA
Berdasarkan data di atas, maka ramalan untuk minggu-minggu
mendatang (13)
unit
Y
t53
3
56
47
56
'
(12+)=
+
+
=
dengan t = 1,2,3b. 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:
L
Y
Y
Y
CMA
t=
t−((L−1/2)+
...
t+
...
+
t+((L−1)/2Dimana Yt adalah nilai tengah dari interval L data observasi. (L-1)/2
observasi merupakan data sebelum dan sesudahnya. Misalnya CMA 5
Ilustr asi 2 Contoh perhitungan: 4 , 55 5 67 56 57 43 54 = + + + + = Mei CMA
C. Weighted Moving Aver age
Formula untuk Weighted Moving Average (WMAt):
n t n t
t
t
w
A
w
A
w
A
F
=
1 −1+
2 −2+
...
+
− dan∑
= = n i i w 1 1
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
.
97
)
100
(
1
.
0
)
90
(
2
.
0
)
105
(
3
.
0
)
95
(
4
.
0
4
=
+
+
+
=
F
Maka ramalan bulan ke (5 + t) dengan t =1,2,3 adalah:
50
.
97
)
100
(
1
.
0
)
90
(
2
.
0
)
105
(
3
.
0
)
95
(
4
.
0
5
=
+
+
+
=
F
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
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)
dihitung sebagai:
'
(
1
)
(
1
)
( 2)...
2 )
1 ( 1
) 1
(t+
=
Y
+
−
Y
t−+
−
Y
t−+
Y
α
α
α
α
α
Dimana α disebut konstanta pelicinan dalam interval 0 < α < 1.
Rumus ini memperlihatkan bahwa data yang lalu memiliki bobot lebih
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
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:
a. Estimasi nilai ramalan periode kedua (February) adalah: ...(1) atau
)
'
(
'
'
(t)=
Y
(t−1)+
Y
(t−1)−
Y
(t−1)Y
α
...(2)84 ) 80 ( 8 . 0 ) 100 ( 2 . 0
'2= + =
Y atau
84 ) 80 100 ( 2 . 0 80
'2= + − =
Y
b. Mean Absolute Deviation (MAD)
n
t
Y
t
Y
MAD
n t∑
=−
=
1)
(
'
)
(
15
6
90
=
=
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
) ( 1
) 1
(
(
1
)
'
'
tY
Y
tmasingmasing 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
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.
Trend Linier (Garis Lurus) :
S Y S X Y
a = b = dan S X = 0
n S X2
Trend Kuadrat (Garis Lengkung) :
S Y = n a + c S X2
S XY = b S X2
S X2Y = a S X2 + c S X4
S X = 0
Y = a + b X
Y = a + b X + c X2
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
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
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
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
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
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
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,
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
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
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
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
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
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
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
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
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
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
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
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
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
3.3.2 Data`Flow Diagram
Data Flow Diagram adalah suatu model logika data atau proses yang di
buat untuk menggambarkan dari mana asal data dan kemana tujuan data keluar
dari sistem, dimana data disimpan, proses apa yang menghasilkan data tersebut
dan interaksi antara data yang tersimpan dan proses yang dikenakan pada data
tersebut.
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 proses estimasi penjualan
transaksi penjualan Informasi data penjualan
Daftar Barang Login
Admin
1
Estimasi Double Exponential
Smoothing
+
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
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
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.
mengakses
mengambil barang
Detail menghitung
Detail transaksi barang id_tbarang nota tgl_reff id_barang harga_gross qty <pi> Integer
Variable characters (10) Date
Integer Money (10) Variable multibyte (20)
<M> Identifier_1 <pi> Master barang id_mbarang nama_barang harga_jual harga_beli keterangan <pi> <Undefined> Variable characters (20) Money (10)
Money (10)
Variable characters (20) <M> Identifier_1 <pi> Master penjualan id_npenjualan no_nota tgl_nota nama_mpembeli kode_namapembeli <pi> Integer
Variable characters (5) Date
Variable characters (20) Variable characters (10)
<M> Identifier_1 <pi> user id_user nama_mpembeli password_user <pi> Integer
Variable characters (20) Variable characters (10)
<M> Identifier_1 <pi> Forecasting id+forecasting alpha st invalue bt invalue tahun <pi> <Undefined> Variable characters (2) Float (10)
Float (10) Date & Time
<M>
Gambar 3.10 PDM Sistem Informasi Penjualan Suku Cadang.
PDM ini merupakan gambaran dari struktur database dari sistem penerapan
Metode Double Exponential Smoothing untuk Estimasi hasil Penjualan suku
Cadang.
FK_MASTER_B_MENGAKSES_USER
FK_MASTER_B_MENGAMBIL_MASTER_P
FK_DETAIL_T_DETAIL_MASTER_B FK_MASTER_B_MENGHITUN_FORECAST
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
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
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
Gambar 3.14 Desain Account User
3.5.5 For m Data Penjualan
Form data penjualan digunakan untuk menca