CV. Manfredo suatu perusahaan yang bergerak dibidang industri makanan yang memproduksi kue bakpia. Seringnya jumlah produksi yang dihasilkan lebih banyak dari pada hasil penjualan. Sehingga perusahaan kesulitan dalam melakukan pengendalian jumlah produksi dan persiapan bahan baku yang akan digunakan. Dengan adanya sistem informasi pengendalian produksi kue bakpia dengan metode single moving average, perusahaan dapat mengendalikan produksi dengan baik sebagai acuan dari data penjualan. Sistem ini dapat memberikan informasi bahan baku yang akan dipergunakan untuk produksi pada periode selanjutnya.
Kata Kunci : pengendalian produksi, single moving average.
I. PENDAHULUAN
ada perkembangan industri makanan, kue bakpia digemari masyarakat sebagai camilan. Industri makanan seperti kue ini juga menjadi persaingan bisnis dalam dunia usaha yang semakin kompleks. Sehingga hal ini menjadi tantangan baru perusahaan untuk menjaga kualitas dan kuantitas kue bakpia agar tetap bertahan di pangsa pasar industri pangan. Perusahaan harus dapat menstabilkan jumlah produksi agar seimbang dengan penjualan produknya dan dapat memenuhi kebutuhan konsumen.
CV. Manfredo merupakan perusahaan yang bergerak dibidang industri makanan yang memproduksi kue bakpia. Salah satu faktor penting yang perlu diperhatikan sebelum menentukan jumlah produksi yang akan dihasilkan ialah dengan melihat hasil penjualan periode sebelumnya sebagai acuan. Berdasarkan hasil penjualan periode sebelumnya dapat memperkirakan jumlah bakpia yang diproduksi pada periode selanjutnya.
Oleh karena itu, perlu pemanfaatan teknolgi informasi sebagai pendukung pengendalian jumlah produksi untuk menjaga kualitas dan kuantitas bakpia. Pemanfaatan tersebut dilakukan dengan dibentuknya sistem informasi pengendalian produksi kue bakpia dengan metode single moving average. Dengan adanya sistem informasi ini diharapkan dapat membantu perusahaan sebagai pengendalian jumlah bakpia yang akan diproduksi dengan kualitas yang baik dan kuantitas yang optimal. Selain itu, manajer dapat memonitoring hasil produksi dan hasil penjualan secara terkomputerisasi.
Pertanyaan dalam penelitian ini adalah(1) Bagaimana merancang dan membuat aplikasi untuk pengendalian produksi kue bakpia serta dapat mengetahui hasil penjualan secara terkomputerisasi (2) Bagaimana membuatinformasi yang up to date dari hasil penjualan dan jumlah produksi yang dihasilkan secara periode (3) Bagaimana membuat aplikasi pengendalian produksi kue bakpia untuk memperoleh informasi kebutuhan bahan baku yang digunakan pada periode selanjutnya. Tujuan dari penelitian ini adalah (1) Sistem dapat melakukan pengendalian produksi kue bakpia secara periode serta dapat memberikan informasi hasil penjualan secara terkomputerisasi (2) Sistem dapat memperoleh informasi hasil penjualan secara up to date dan mengetahui jumlah produksi yang akan dihasilkan secara periode (3) Sistem dapat mengendalikan produksi kue bakpia serta dapat memberikan informasi bahan baku yang digunakan untuk periode selanjutnya.
II. LANDASAN TEORI
Sistem informasi mempunyai definisi ( Robert A. Leitch, K. Roscoe Davis, 1983 yang dikutip Jogianto Hartono, 1999) sebagai berikut : “Suatu sistem didalam suatu organisasi yang mempertemukan kebutuhan pengolahan transaksi harian, mendukung operasi, bersifat manajerial dan kegiatan strategi dari suatu organisasi dan menyediakan pihak luar tertentu dengan laporan– laporan yang diperlukan”.Maka dapat didefinisikan bahwa sistem informasi merupakan sebuah tatanan atau keterpaduan yang terdiri dari sejumlah komponen fungsional yang saling berhubungan dan secara bersama – sama berutujuan untuk memperoleh sebuah data yang dapat memberikan manfaat bagi manusia.
Pengambilan keputusan merupakan sutau proses manajemen, yang dimulai dengan perencanaan/persiapan dan berakhir dengan pengendalian. Untuk mendapatkan hasil yang baik, pengambilan keputusan seharusnya mengikuti suatu tahapan yang sistematis dan terkendali (Eddy Herjanto, 2008, hlm.23). Sistem pendukung pengambilan keputusan kelompok (DSS) adalah sistem berbasis komputer yang interaktif, yang membantu pengambil keputusan dalam menggunakan data dan model untuk menyelesaikan masalah yang tidak terstruktur.
SISTEM INFORMASI PENGENDALIAN
PRODUKSI KUE BAKPIA DENGAN METODE
SINGLE MOVING AVERAGE DI CV. MANFREDO
Anita Puspitasari, Budanis Dwi Meilani,ST.M.Kom
Jurusan Sistem Informasi, Fakultas Teknologi Informasi,
Institut Teknologi Adhi Tama Surabaya (ITATS)
Jl. Arief Rahman Hakim 100, Surabaya 60111
E-mail: dwimeilanibudanis@yahoo.com
Mockler yang dikutip oleh Han hlm. 360) mengatakan bahwa Pengend suatu usaha sistematik untuk menetap pelaksanaan dengan tujuan-tujuan, merancang sistem informasi um membandingkan kegiatan nyata dengan telah ditetapkan sebelumnya, mene mengukur penyimpangan-penyimpang mengambil tindakan koreksi yang diper menjamin bahwa sumber daya dipergunakan dengan cara paling efektif dalam pencapaian tujuan-tujuan perusa proses produksi untuk menghasilkan bar dinamai proses produksi karena pros mempunyai landasan teknis yang dalam teo disebut fungsi produksi (Ace Partadireja, 1
Peramalan menurut Handoko ( adalah suatu usaha untuk meramalkan kead mendatang melalui pengujian keadaan d Esensi peramalan adalah perkiraan peristi di waktu yang akan datang atas dasar waktu yang lalu dan penggunaan kebijak proyeksi-proyeksi dengan pola-pola di lalu. Peramalan memerlukan kebijakan proyeksi-proyeksi adalah fungsi-fungsi Peramalan merupakan alat bantu dalam perencanaan yang efektif dan efi Rosnani (2007) Langkah-langka secara kuantitatif yaitu :Definisikan tujua Buat diagram pencar,Pilih beberapa m parameter-parameter, Hitung kesalahan set Pilih metode dengan kesalahan terkeci peramalan.Pengolahan data kuantitatif dari dapat dilakukan dengan beberapa metode Rata – rata bergerak, Pemulusan E Dekomposisi.
Menurut Makridakis (p21-22,199 diplot adalah data masa lalu yang dipergu meramalkan data di masa yang akan datan yang telah diplot akan terlihat pola menentukan metode ramalan yang akan Salah satunya ialah Pola Stasioner / Horiso terjadi bila nilai data berfluktuasi di sekitar rata yang konstan. (Sofyan Assauri, 1984 Suatu produk yang penjualannya tidak me menurun selama waktu tertentu termasu Demikian pula, suatu keadaan pengendalia menyangkut pengambilan contoh dari produksi berkelanjutan yang secara t mengalami perubahan juga termasuk jenis pola tersebut seperti dibawah ini :
Gambar 2.1 Pola Horisontal ( H Sumber: Makridakis (1999, p2
Eksponensial,
999), data yang kitar nilai rata–
84, hal. 46-47). meningkat atau asuk jenis ini.
Salah satu metode yang paling peramalan adalah rata – rata berg dikenal dengan Metode Single Mo Metode ini meramalkan data pada m datang dengan cara mengambil rata tengah dari data untuk periode waktu tentukan. Setiap muncul nilai pengam rata– rata baru akan dihitung dengan observasi yang paling tua dan me pengamatan yang terbaru. Rata – r kemudian akan menjadi ramalan mendatang. Menurut Makridakis, W Mc.Gee (1999) Metode Single Mo memiliki karakteristik sebagai berikut Hanya menyangkut T periode ter
yang diketahui.
Jumlah titik data dalam setiap berubah dengan berjalannya waktu Menurut Fakhruddin (200 single moving average merupakan “su merentangkan data permintaan dari b sekian banyak data yang ada”. Met single moving average dapat digunaka permintaan barang yang stabil (tidak menentukan jumlah permintaan bar datang. Dengan demikian, metode per cocok digunakan untuk menganalisis v akan datang yang stabil/tidak berflukt untuk menentukan jumlah permintaa akan datang.
Prakiraan didasarkan pada pro yang dimuluskan dengan rata-rata ber data (N periode terakhir) dicar selanjutnya dipakai sebagai prakiraan berikutnya. Istilah rata-rata bergerak d setiap diperoleh observasi (data akt rata-rata yang baru dapat d mengeluarkan/meninggalkan data peri dan memasukkan data periode yang Rata-rata yang baru ini kemudian prakiraan untuk periode yang aka seterusnya. Serial data yang digun selalu tetap termasuk data periode terak
Keterangan :
N = jumlah deret waktu yang di
Ft+1 = nilai peramalan untuk perio
Xt = nilai riil periode ke t
Metode single moving av karakteristik khusus, yaitu :
a. Untuk menentukan ramalan pada p datang memerlukan data historis waktu tertentu.
b. Semakin panjang jangka waktu m efek pelicinan semakin terlihat dal menghasilkan moving average yan
ng sederhana dalam ergerak atau lebih Moving Average. a masa yang akan rata-rata atau nilai ktu yang sudah kita gamatan baru, nilai an membuang nilai memasukkan nilai rata bergerak ini an untuk periode i beberapa diantara Metode peramalan akan untuk meramal ak melonjak) dalam barang yang akan peramalan ini lebih is volume penjualan uktuasi secara acak ntaan barang yang
a proyeksi serial data a bergerak. Satu set icari rata-ratanya, raan untuk periode ak digunakan karena aktual) baru maka dihitung dengan eriode yang terlama ang terbaru/terakhir. n dipakai sebagai akan datang, dan
a periode yang akan ris selama jangka
Artinya pada moving average yang jangka waktunya lebih panjang, perbedaan ramalan terkecil dengan ramalan terbesar menjadi lebih kecil.
Pengukuran Ketelitian Peramalanmenurut Eddy Herjanto (2008, p110-111) ukuran statistik standard adalah sebagai berikut :
1. Kesalahan Peramalan (ei)
ei = Xi–Fi (2-2)
Keterangan :
ei = Kesalahan Peramalan
Xi = Data periode ke i
Fi = Data Ramalan periode ke t 2. Kesalahan Rata–rata (AE)
Kesalahan rata – rata merupakan rata – rata perbedaan antara nilai sebenarnya dengan nilai prakiraan. yang dirumuskan sebagai berikut :
AE =∑ (2-3)
Keterangan :
AE = Kesalahan rata–rata
∑ei = Penjumlahan kesalahan peramalan
n = Banyaknya data yang diamati
Kesalahan rata – rata dari suatu prakiraan seharusnya mendekati angka 0 bila data yang diamati berjumlah besar, apabila tidak berarti model yang digunakan mempunyai kecenderungan bias, yaitu prakiraan akan cenderung menyimpang diatas rata – rata (overestimate) atau dibawah rata – rata (underestimate) dari nilai sebenarnya.
3. Mean Absolute Deviation (MAD)
Mean Absolute Deviation merupakan penjumlahan kesalahan prakiraan tanpa menghiraukan tanda aljabarnya dibagi dengan banyaknya data yang diamati, yang dirumuskan sebagai berikut :
MAD =∑| | (2-4)
Keterangan :
MAD= Rata–rata penyimpangan absolute ∑| |= Penjumlahan kesalahan peramalan absolute n = Banyaknya data yang diamati
Dalam MAD, kesalahan dengan arah positif atau negatif akan diberlakukan sama, yang diukur hanya besar kesalahan secara absolut.
4. Mean Squared Error (MSE)
Mean Squared error merupakan nilai rata – rata kesalahan kuadrat yang memperkuat pengaruh angka– angka kesalahan besar, tetapi memperkecil angka kesalahan prakiraan yang kecil, yang dirumuskan sebagai berikut :
MSE =∑ (2-5)
Keterangan :
MSE= Rata–rata kesalahan kuadrat
∑ = Pengkuadratan penjumlahan kesalahan peramalan
n = Banyaknya data yang diamati
5. Mean Absolute Percentage Error (MAPE)
Mean Absolute Percentage Error merupakan pengukuran ketelitian dengan cara rata – rata persentase kesalahan absolute dengan menunjukkan rata – rata kesalahan absolute prakiraan dalam bentuk persentasenya terhadap data aktual.
MAPE =∑ (2-6)
Keterangan :
MAPE= Rata–rata persentase kesalahan absolute ∑| |= Penjumlahan kesalahan peramalan absolute
Xi = Data periode ke i
n = Banyaknya data yang diamati 6. Mean Percentage Error (MPE)
Mean Percentage Error merupakan kesalahan peramalan yang di hitung dengan mencari kesalahan pada tiap periode dibagi dengan nilai nyata. Jika pendekatan peramalan tak bias, MPE akan menghasilkan angka yang mendekati nol. Jika hasilnya mempunyai presentase negatif yang besar, metode peramalannya dapat dihitung. Jika hasilnya mempunyai presentase positif yang besar, metode peramalannya tidak dapat dihitung, yang dirumuskan sebagai berikut :
MPE =
∑
(2-7) Keterangan :
MPE= Rata–rata persentase kesalahan absolute ∑ei = Penjumlahan kesalahan peramalan
Xi = Data periode ke i
n = banyaknya data yang diamati
III. ANALISA SISTEM
Flowchart program dimulai dari penginputan t, dimana t ialah periode atau bulan ke-. Sehingga t dan N mempunyai arti yang sama, tetapi N disini merupakan jumlah deret waktu yang digunakan disesuaikan dengan nilai N yang digunakan. Kemudian nilai F sebagai data peramalan ke- diproses dengan nilai t ditambahkan 1 untuk mengetahui peramalan data ke-sesuai periode yang ditentukan. Setelah itu, melalui proses for untuk mengetahui data riil yang digunakan sebagai acuan perhitungan peramalan. Lalu hasilnya dibagi dengan nilai t yang ditentukan. Hasilnya berupa nilai Z pada peramalan data produksi.
Tabel 3.1 Data Real Penjualan dan Forecast Data Produksi Periode 5 Bulanan
Berdasarkan data penjualan kue bakpia diatas, hitunglah perkiraan produksi kue bakpia yang dihasilkan sebagai acuan untuk melakukan permintaan bahan produksi kepada supplier (Forecast Periode 4 Bulanan). Menghitung Peramalan Bulan Mei.
N = t = 5
Pada Sistem Informasi Pengendalian Produksi Kue Bakpia, Context Diagram menjelaskan tentang aliran data secara umum dan akan menjadi dasar dalam penyusunan sistem ke levelselanjutnya. Pada diagram context ini terdapat tiga external entity yaitu kasir, admin, manager. Penjalasan untuk masing – masing exsternal entity adalah sebagai berikut :
a. Kasir
Kasir adalah seorang pegawai yang melakukan transaksi penjualan dengan konsumen secara langsung. Sehingga mempunyai akses sebagai pengupdatean data penjualan dan mendapatkan informasi data produksi. b. Admin
Admin merupakan user yang mempunyai hak akses mengolah data user dan data kue. User ini dapat memperoleh informasi data penjualan dari kasir yang gunanya untuk perhitungan peramalan produksi pada periode selanjutnya. Sehingga dari hasil peramalan produksi dikalikan dengan data bahan baku yang di olah oleh user admin tersebut sebagai data pemesanan bahan baku yang akan dipesan pada periode selanjutnya, sehingga admin juga mempunyai akses dalam mengupdate status pemesanan barang sebagai informasi tersedianya bahan baku yang akan diproduksi.
c. Manager
Manager adalah pihak mempunyai akses dalam pencarian laporan yang dibutuhkan yaitu: laporan data kue, laporan data penjualan, laporan data peramalan produksi, laporan data pemesanan bahan baku.
Secara umum perancangan sistem yang akan dibuat dapat digambarkan dengan diagram konteks berikut :
Gambar 3.2 Diagram Konteks Sistem Informasi Pengendalian Produksi Kue Bakpia
diCV. MANFREDO
Data Flow Diagram di atas menggambarkan tentang sistem yang akan dibangun untuk memenuhi kebutuhan sistem informasi pengendalian produksi kue bakpia di CV. MANFREDO. Dari diagram konteks ini akan diturunkan menjadi levelyang lebih rendah sampai akhirnya tidak bisa diturunkan lagi.
Dari DFD yang sudah dibuat, maka sistem dapat diperjelas dengan menggambarkannya dalam sebuah diagram berjenjang yang dapat memperlihatkan proses – proses yang ada dalam sistem nantinya. Seperti gambar diagram berjenjang berikut ini sebagai acuan pembuatan DFD berlevel.
Gambar 3.3 Diagram Berjenjang Sistem Informasi Pengendalian Produksi Kue Bakpia
di CV. MANFREDO
laporan data pemesanan bahan baku laporan data peramalan produksi laporan data penjualan
status pemesanan bahan baku konvirmasi data user data user
CDM adalah diagram menggambarkan relasi antar entitas dan atributnya secara logika. Dalam CDM sistem ini, terdapat beberapa entitas yaitu : Data User, Data Penjualan, Data Bahan Baku, Data Pemesanan Bahan Baku, Data Peramalan Produksi. Seperti gambar berikut :
Gambar 3.4 CDM (Conceptual Data Model)
PDM adalah diagram yang menggambarkan penerapan database secara fisik. PDM merupakan hasil generalisasi dari CDM. PDM ini, entitas-entitas pada CDM akan menghasilkan tabel yang sudah ternormalisasi.
Gambar 3.5PDM (Physical Data Model)
IV. HASIL PENELITIAN
Data Hasil Peramalan Produksi merupakan menu yang dipergunakan untuk memberikan informasi hasil penjualan dan hasil peramalan setiap bulannya. Dapat dilihat gambar sebagai berikut :
Gambar 4.1 Data Hasil Peramalan Produksi
Kesalahan Prakiraan (e) adalah perbedaan antara nilai variabel yang sesungguhnya (X) dengan nilai prakiraan (F) pada periode yang sama. Kesalahan prakiraan tidak disebabkan karena kesalahan dalam pemilihan metode, tetapi dapat juga disebabkan karena jumlah data yang diamati terlalu sedikit sehingga tidak dapat menggambarkan perilaku/pola yang sebenarnya dari variabel yang bersangkutan. Berikut ini tabel uji coba pengukuran yang dipakai untuk menghitung kesalahan prakiraan sebagai berikut :
Tabel 4.1 Data Uji Coba Peramalan Periode 5 Bulan
Berdasarkan hasil uji coba perhitungan ketelitian dalam peramalan dengan periode 5 bulanan mempunyai nilai AE yang merupakan kesalahan rata– rata bernilai 0,31. Pada nilai MAD yang merupakan rata – rata penyimpangan absolute yaitu 2,43. Kemudian untuk nilai MSE yang merupakan rata–rata kesalahan kuadrat yaitu 7,56. Sehingga ketelitian dalam pengukuran peramalan menunjukkan rata– rata persentase kesalahan absolute dengan nilai MAPE
Bulan Data Penjualan
(Pack) Forecast Produksi
t = 5 Ei |ei| ei2 | |
× 100 × 100
1 745 2 750 3 752 4 750 5 753
6 748 750 -2,00 2,00 4,00 0,267 -0,267 7 755 751 4,40 4,40 19,36 0,583 0,583 8 753 752 1,40 1,40 1,96 0,186 0,186 9 749 752 -2,80 2,80 7,84 0,374 -0,374 10 755 752 3,40 3,40 11,56 0,450 0,450
11 752 752 0,00 - - - 0,000
12 755 753 2,20 2,20 4,84 0,291 0,291 13 748 753 -4,80 4,80 23,04 0,642 -0,642 14 750 752 -1,80 1,80 3,24 0,240 -0,240 15 754 752 2,00 2,00 4,00 0,265 0,265 16 748 752 -3,80 3,80 14,44 0,508 -0,508 17 755 751 4,00 4,00 16,00 0,530 0,530 18 750 751 -1,00 1,00 1,00 0,133 -0,133 19 755 751 3,60 3,60 12,96 0,477 0,477 20 753 752 0,60 0,60 0,36 0,080 0,080 21 751 752 -1,20 1,20 1,44 0,160 -0,160 22 755 753 2,20 2,20 4,84 0,291 0,291 23 750 753 -2,80 2,80 7,84 0,373 -0,373 24 755 753 2,20 2,20 4,84 0,291 0,291
∑ Xi ∑ Fi ∑ ei ∑|ei| ∑ei2
18.041 14.285 5,80 46,20 143,56 6,142 0,747 AE =
∑ ei MAD =∑| | MSE =∑ 2 ∑| |MAPE = × 100
MPE =
∑ × 100
0,31 2,43 7,56 0,323 0,039
yaitu 32,33 % dan MPE yang merupakan rata – rata persentase kesalahan terhadap nilai nyata yaitu 3,93 %.
V. KESIMPULAN
Berdasarkan hasil analisa dan perancangan sistem serta implementasi program sistem informasi pengendalian produksi kue bakpia dengan metode single moving average dapat diambil kesimpulan sebagai berikut :
1. Sistem informasi dapat melakukan pengolahan data penjualan sehari – hari yang direkap menjadi perbulan sebagai acuan data peramalan produksi. 2. Berdasarkan hasil uji coba perhitungan ketelitian
dalam peramalan dengan periode 5 bulanan mempunyai nilai AE yang merupakan kesalahan rata – rata bernilai 0,31. Pada nilai MAD yang merupakan rata–rata penyimpangan absolute yaitu 2,43. Kemudian untuk nilai MSE yang merupakan rata – rata kesalahan kuadrat yaitu 7,56. Sehingga ketelitian dalam pengukuran peramalan menunjukkan rata – rata persentase kesalahan absolute dengan nilai MAPE yaitu 32,33 % dan MPE yang merupakan rata – rata persentase kesalahan terhadap nilai nyata yaitu 3,93 %. 3. Pada Gambar 4.1. yang merupakan data hasil
peramalan produksi setiap tahunnya sesuai dengan grafik pola horizontal yaitu metode single moving average di mulai bulan ke 6 yaitu bulan juni sesuai dengan uji coba periode 5 bulanan.
VI. DAFTAR PUSTAKA
[1] Arseto Pramono dan Moch. Arifin, “Jurnal
Rancang Bangun Sistem Informasi Inventory & Prediksi Jumlah Pembelian Barang Pada
Koperasi Pegawai Telekomunikasi”. Jurusan Sistem Informasi; Sekolah Tinggi Ilmu Komputer Surabaya.
[2] Herjanto, Eddy (2008). Manajemen Operasi. Jakarta : PT. Grasindo.
[3] Kusuma, Yuriadi. Sistem Produksi, Pusat Pengembangan Bahan Ajar. Universitas Mercu Buana.
[4] Miqdad Mashabi, “Jurnal Rancang Bangun Sistem Penjadwalan Produksi dan Persediaan
Bahan Baku UD. Karya Jati”.Jurusan Sistem Informasi, Sekolah Tinggi Manajemen Informatika & Teknik Komputer Surabaya.
[5] Muraharmawati. Peramalan 5. Sekolah Tinggi Teknologi Telkom.
[6] Rina Fiati, “Jurnal Aplikasi Sistem Pendukung Keputusan Peramalan Penjualan Barang”. Fakultas Teknik, Universitas Muria Kudus.
[7] Sofie Adi Firmani, “Jurnal Sistem Informasi