37
ANALISA PREDIKSI PENYEWAAN ALAT TRANSPORTASI
MENGGUNAKAN METODE SINGLE EXPONENTIAL SMOOTHING
(STUDI KASUS : PT SEDONA HOLIDAYS MEDAN)
Dewi Ika Yanti Situmorang
Mahasiswa Program Studi Teknik Informatika Stmik Budi Darma Medan Jl Sisingamangaraja No. 338 Sp. Limun Medan
ABSTRAK
Dalam dunia bisnis khususnya dalam industri penjualan harus selalu memikirkan cara untuk terus meningkatkan dan mengembangkan skala bisnis sesuai dengan kebutuhan konsumen dan pasar. Persediaan mobil merupakan permasalahan operasional yang sering dihadapi oleh para agent travel. Jika jumlah persediaan mobil terlalu sedikit dan permintaan tidak dapat dipenuhi karena kekurangan persediaan, hal ini akan mengakibatkan konsumen akan merasa kecewa dan ada kemungkinan konsumen tidak akan kembali lagi. Data Mining adalah suatu istilah yang digunakan untuk menguraikan penemuan pengetahuan di dalam basis data. Data Mining adalah proses yang menggunakan teknik statistik, matematika, kecerdasan buatan, machine learning untuk mengekstraksi dan mengidentifikasi informasi yang bermanfaat dan pengetahuan yang terkait dari berbagai basis data besar. Forecasting/peramalan adalah mengenai apa yang akan terjadi, tapi belum tentu bisa dilaksanakan oleh perusahaan yang bertujuan untuk mendapatkan peramalan atau prediksi yang bisa meminimumkan kesalahan yang biasanya diukur dengan mean square error, mean absolute error. Baik tidaknya hasil dari suatu penelitian sangat ditentukan oleh ketepatan ramalan yang dibuat. Peramalan digunakan untuk mencari sebuah nilai ketetapan dari proses Single Exponential Smoothing yang mengasumsikan bahwa data berfluktuasi di sekitar nilai mean yang tetap tanpa trend atau pola pertumbuhan konsisten.
Kata Kunci: Forecasting, Penyewaan, Single Exponential Smoothing.
I. PENDAHULUAN
Dalam dunia bisnis khususnya dalam industri penjualan harus selalu memikirkan cara untuk terus meningkatkan dan mengembangkan skala bisnis sesuai dengan kebutuhan konsumen dan pasar. Pemanfaatan teknologi informasi dalam suatu perusahaan disesuaikan dengan kebutuhan dari desain sistem di perusahaan tersebut. Agar bisa memenuhi kebutuhan-kebutuhan bisnis banyak cara yang dapat ditempuh para pengelola perusahaan tersebut salah satunya adalah dengan melakukan analisis data perusahaan yang bisa digunakan untuk mengambil suatu keputusan untuk memperoleh pengetahuan yang baru. Forecasting bertujuan untuk mendapatkan peramalan atau predikisi yang bisa meminimumkan kesalahan dalam meramal yang biasanya diukur dengan mean square error, mean absolute error.
Perusahaan PT Sedona Holidays Medan merupakan suatu agen biro perjalanan wisata yang menyediakan jasa penyewaan alat transportasi yang sudah memiliki cukup banyak pelanggan. Namun dalam perusahaan ini data penyewaan tersebut belum dimanfaatkan atau diolah dengan baik. Dilihat dari data transaksi penyewaan sebelumnya PT Sedona Holidays Medan mempunyai cukup banyak pelanggan baik agen-agen travel maupun personal yang berada dikota medan maupun dari luar kota medan. Di PT Sedona Holidays Medan sendiri, belum ada system untuk meramalkan penyewaan alat transportasi tersebut. Untuk membuat sebuah system prediksi atau peramalan penyewaan alat transportasi tersebut dibutuhkan sebuah metode peramalan yang baik dan perhitungan yang cukup tepat untuk memprediksi jenis mobil apa yang sering terjadi dalam transaksi.
Dalam penelitian kali ini, metode yang digunakan adalah metode Single Exponential Smoothing.
Dalam metode ini peramalan dilakukan dengan mengulang perhitungan secara terus menerus dengan menggunakan data terbaru. Setiap data diberibobot, data yang lebih baru diberi bobot yang lebih besar. Hasil dari proses peramalan ini adalah prediksi dari penyewaan alat transportasi jenis mobil apa yang akan dibenahi sesuai dengan inputan parameter yang akan dimasukkan. Parameter disini adalah data dari periode-periode sebelumnya yang digunakan untuk mencari sebuah peramalan dan nilai ketetapan dari proses Single Exponential Smoothing.
II. TEORITIS A. Forecasting
Menurut Tita Deitiana (2011) peramalan (forecasting) adalah seni dan ilmu untuk memprediksi kejadian dimasa mendatang. Peramalan juga merupakan perkiraan mengenai sesuatu yang belum terjadi. Dalam ilmu pengetahuan sosial segala sesuatu itu serba tidak pasti, sukar diperkirakan secara tepat.
1. Kegunaan Peramalan
Pada umumnya kegunaan peramalan adalah sebagai berikut :
1. Sebagai alat bantu dalam perencanaan yang efektif dan efisien.
2. Untuk menentukan kebutuhan sumber daya di masa mendatang.
3. Untuk membuat keputusan yang tepat.
2. Tahap-Tahap Peramalan
38 1. Menentukan tujuan peramalan.
2. Memilih unsur apa yang akan diramal.
3. Menentukan horison waktu peramalan (pendek, menengah, atau panjang).
4. Memilih tipe model peramalan.
5. Mengumpulkan data yang di perlukan untuk melakukan peramalan.
6. Memvalidasi dan menerapkan hasil peramalan.
3. Teknik Peramalan
Teknik peramalan dapat dilakukan dengan 2 cara, yaitu:
1. Secara Kualitatif (Non Statistical Methhod) Secara kualitatif (Non Statistical Methhod) adalah cara penaksiran yang menitikberatkan pada pendapat seseorang (Judgement). Hal ini penting karena hasil peramalan tersebut ditentukan berdasarkan pemikiran yang bersifat intuisi, pendapat dan pengetahuan dari orang yang menyusunnya.
2. Secara Kuantitatif (Statistical Method)
Secara kuantitatif (Statistical Method) adalah cara penaksiran yang menitik beratkan pada perhitungan-perhitungan angka dengan menggunakan berbagai metode statistic.
B. Penyewaan Alat Transportasi
Pengertian sewa menurut kamus besar bahasa Indonesia (departemen pendidikan dan kebudayaan republik Indonesia 2001) adalah pemakaian sesuatu dengan membayar uang sewa, uang yang dibayarkan karena memakai atau meminjamkan sesuatu, yang boleh pakai dengan membayar uang dengan uang. Sedangkan pengertian penyewaan adalah proses, cara, pembuatan menyewa atau menyewakan. Penyewaan mobil merupakan salah satu cara untuk mendukung proses bisnis dari suatu perusahan khususnya perusahan yang bergerak di bidang jasa trasportasi. Secara klasik penyewaan mobil merupakan proses permintaan (requisition), pengelompokkan (classifying), order pembelian (purchase order), penerimaan (receiving), dan pelaporan (reporting) dari kegiatan penyewaan mobil.
C. Metode Exponential Smoothing
Metode Exponential Smoothing merupakan prosedur perbaikan terus-menerus pada peramalan terhadap objek pengamatan terbaru. Dalam metode ini peramalan dilakukan dengan mengulang perhitungan secara terus-menerus dengan menggunakan data terbaru. Setiap data diberi bobot, data yang lebih baru diberibobot yang lebih besar. Metode peramalan ini menitik-beratkan pada penurunan prioritas secara eksponensial pada objek pengamatan sebelumnya. Metode exponential smoothing dibagi lagi menjadi beberapa metode yaitu :
1. Single Exponential Smoothing
Metode ini mengasumsikan bahwa data berfluktuasi di sekitar nilai mean yang tetap tanpa trend atau pola pertumbuhan konsisten.
Ft + 1= αXt + (1-α) Ft
Metode ini digunakan ketika data menunjukkan adanya trend. Dengan adanya trend seperti pemulusan sederhana kecuali bahwa dua komponen harus diupdate setiap periode – level dan trendnya.
3. Triple Exponential Smoothing
Metode ini digunakan ketika data menunjukan adanya trend dan perilaku musiman.
D. Mean Squared Error
Dalam statistik, Mean Squared Error (MSE) sebuah estimator adalah nilai yang diharapkan dari kuadrat error. Error yang ada menunjukkan seberapa besar perbedaan hasil estimasi dengan nilai yang akan diestimasi. Perbedaan itu terjadi karena adanya keacakan pada data atau karena estimator tidak mengandung informasi yang dapat menghasilkan estimasi yang lebih akurat. Mean Squared Error
(MSE) dihitung dengan rumus :
�� = ∑ �� − 1�− � Keterangan :
Xt = Data aktual periode t Ft = Hasil ramalan periode t
n = Jumlah pengamatan atau periode pengamatan
Xt – Ft = Deviasi atau kesalahan peramalan
III. ANALISA dan PEMBAHASAN
Analisis sistem merupakan tahap yang bertujuan untuk memahami sistem, mengetahui kekurangan sistem, dan menentukan kebutuhan sistem yang lama. Analisa sistem lama dilakukan agar dapat menjadi acuan untuk membuat suatu system baru yang akan dibuat yaitu peramalan penyewaan alat transportasi.
B. Analisa Metode Prediksi
Langkah pertama dan penting dalam memilih metode suatu deret berkala yang tepat yaitu dengan mempertimbangkan jenis pola data, sehingga metode yang paling tepat dengan pola tersebut dapat diuji. Metode yang akan digunakan dalam memprediksi penyewaan alat transportasi pada PT Sedona Holidays Medan adalah metode peramalan Single Exponential Smoothing. Metode Exponential Smoothing adalah data yang lebih baru diberi bobot yang lebih besar, sehingga data terbaru lebih diperhatikan nilainya. Bobot yang terdapat pada metode Single Exponential Smoothing adalah nilai bobot (α) alpha. Bobot ini berfungsi untuk melakukan penghalusan terhadap nilai
39
Tabel 1. Daftar Jenis Transportasi Pada PT Sedona Holidays Medan
No Kode Armada Nama Armada Jumlah unit
1. BK 1563 IO Avanza 1
2. BK 1424 IL, BK 1858 JA Innova 2
3. BK 408 Vellfire 1
4. BK 7107 DP Hi-Ace 1
5. D 7678 AJ Minibus 1
6. B 7168 IA Bus 1
C. Analisa Penerapan Metode SingleExponential Smoothing
Metode Single Exponential Smoothing ini akan diterapkan dalam perhitungan prediksi penyewaan alat transporasi pada PT Sedona Holidays Medan.
Berikut rumus prediksi menggunakan Metode Single Exponential Smoothing :
�+ = ���+ 1 − � �
Tabel 2. Data Transaksi Penyewaan Alat Transportasi Tgl 01 Maret 2014-31 Maret 2015 Pada PT Sedona Holidays Medan
Transaksi Tgl Penyewa Nama Penyewa Tgl Pemakai Lama
Pakai Armada
Jumlah Unit
1 10-Mei-14 Indra 25-Mei-14 1 Vellfire 1
2 10-Mei-14 Indra 29-Mei-14 1 Vellfire 1
3 10-Mei-14 Adachi 10-Mei-14 1 Innova 1
4 10-Apr-14 Ayunda 12-Apr-14 4 Innova 1
5 03-Jun-14 Wenny 10-Jun-14 2 Innova 1
6 09-Jun-14 Tk to be plus 12-Jun-14 1 Bus 1
7 15-Jul-14 Indra 16-Jul-14 2 Vellfire 1
8 19-Jul-14 Destiawan 01-Agust-14 3 Vellfire 1
9 19-Jul-14 Destiawan 05-Agust-14 2 Vellfire 1
10 02-Jun-14 Elena 05-Jun-14 3 Innova 1
11 23-Agust-14 Prof Budi 25-Agust-14 1 Innova 1
12 23-Agust-14 Prof Budi 25-Agust-14 2 Innova 1
13 24-Sep-14 Indra 22-Sep-14 2 Vellfire 2
14 24-Sep-14 Dwimarwan 21-Sep-14 3 Avanza 1
15 30-Sep-14 Kunker jabar 01-Okt-14 1 Minibus 1
16 30-Sep-14 Kunker jabar 02-Okt-14 1 Minibus 1
17 30-Sep-14 Kunker jabar 03-Okt-14 1 Minibus 1
18 10-Okt-14 Aditya 10-Okt-14 1 Vellfire 1
19 21-Okt-14 Tk to be plus 21-Okt-14 1 Bus 1
20 21-Okt-14 Debora 21-Okt-14 3 Innova 1
21 21-Okt-14 Debora 24-Okt-14 1 Innova 1
22 03 Nov 2014 Deniria 06 Nov 2014 1 Avanza 1
23 15 Nov 2014 Aditya 17 Nov 2014 1 Vellfire 1
24 25 Nov 2014 Aditya 25 Nov 2014 3 Vellfire 2
25 20 Nov 2014 Sinarmata 21 Nov 2014 1 Innova 1
26 20 Nov 2014 Sinarmata 22 Nov 2014 2 Innova 1
27 03-Des-14 Primanto 03-Des-14 3 Vellfire 1
28 10-Des-14 Suprapto 10-Des-14 1 Vellfire 1
29 10-Des-14 Suprapto 11-Des-14 2 Innova 1
30 11-Des-14 Kornas group 11-Des-14 4 Innova 1
40
32 11-Des-14 Kornas group 11-Des-14 4 Innova 1
33 11-Des-14 Kornas group 11-Des-14 1 Vellfire 1
34 26-Jan-15 Aditya 26-Jan-15 3 vellfire 1
35 15-Jan-15 Patricia 16-Jan-15 2 Innova 1
Metode Single Exponential Smoothing ini diterapkan dalam perhitungan menentukan penyewan alat transportasi untuk tahun berikutnya dengan alpha (α)
yang akan dicoba (trial) secara acak sebagai nilai
bobot adalah (α =0.1), (α=0.2), (α=0.3), (α=0.4), (α=0.5), (α=0.6), (α=0.7), (α=0.8), (α=0.9) dengan
rumus:
�+ = ���+ 1 − � �
1. Penyewaan Alat Transportasi Jenis Avanza Berikut ini merupakan transaksi penyewaan alat transportasi jenis avanza
Tabel 3. Transaksi transportasi jenis avanza
Bulan Data Aktual (Xt)
a. Contoh perhitungan untuk konstanta (α =0.1) F2 = �� + (1- �
Tabel 4. Hasil Peramalan Transaksi Transportasi Jenis Avanza Dengan Alpha=0.1
41
F4 Mei - - - -
F5 Juni - - - -
F6 Juli - - - -
F7 Agustus - - - -
F8 September 1 - 1 1
F9 Oktober - 0.1 - -
F10 November 1 0.09 0.91 0.8281
F11 Desember - 0.181 - -
F12 Januari - 0.1629 - -
F13 Februari - 0.14661 - -
F14 Maret - 0.131949 - -
F15 April - 0.1187541 - -
∑ 2 1. 8281
Demikian hal yang sama dilakukan untuk perhitungan alpha = 0.2 sampai dengan alpha = 0.9 untuk transaksi penyewaan alat transportasi jenis Avanza sampai dengan jenis Bus.
Menghitung kesalahan / error dengan mengunakan metode MSE (Mean Square Error).
�� = ∑ �� − 1�− � Keterangan :
Xt = Data aktual periode t Ft = Hasil ramalan periode t
n = Jumlah pengamatan atau periode pengamatan
Xt – Ft = Deviasi atau kesalahan peramalan
Mean Square Error (MSE) Alat Transportasi Jenis Avanza :
1. Perhitungan metode MSE jenis mobil avanza pada forecast dengan alpha=0.1
1.8281/11 = 0.1661909091
2. Perhitungan metode MSE jenis mobil avanza pada forecast dengan alpha=0.2
1.7056/11 = 0.1550545455
3. Perhitungan metode MSE jenis mobil avanza pada forecast dengan alpha=0.3
1.6241/11 = 0.1476454545
4. Perhitungan metode MSE jenis mobil avanza pada forecast dengan alpha=0.4
1.5776/11 = 0.1434181818
5. Perhitungan metode MSE jenis mobil avanza pada forecast dengan alpha=0.5
1.5625/11 = 0.14204545
Dari perhitungan menggunakan rumus Mean Square Error (MSE) terkecil diperoleh dengan alpha 0.5 jenis transportasi avanza yaitu 0.14204545. Hal ini menunjukkan bahwa forecast terbaik untuk memprediksi penyewaan alat transportasi jenis avanza pada perusahaan adalah dengan menggunakan alpha 0.5. Jadi peramalan alat transportasi yang akan dibenahi untuk satu tahun kedepan adalah jenis transportasi jenis avanza.
IV. IMPLEMENTASI
Setelah dilakukan mining terhadap data penyewaan alat transportasi pada PT Sedona Holidays
Medan dengan menggunakan metode Single Exponential Smoothing, didapat indikator-indikator pengukuran akurasi peramalan untuk menemukan pola deret historis dan ekstrapolasi peramalan menggunakan pembobotan alpha. Mean Square Error (MSE) yang berfungsi mengukur kesalahan peramalan pada setiap besaran alpha yang menghasilkan forecast error terkecil. Dalam perhitungan sebelumnya ditemukan forecast error terkecil dengan alpha 0.5 ditemukan pada alat transportasi jenis avanza sebesar 0.14204545.
Implementasi sistem adalah merupakan kegiatan akhir dari proses penerapan sistem baru dimana sistem yang baru ini akan dioperasikan secara menyeluruh. Sebelum sistem benar-benar bisa digunakan dengan baik, sistem harus melalui tahap pengujian terlebih dahulu untuk menjamin tidak ada kendala yang muncul pada saat sistem digunakan. Berikut merupakan langka kerja untuk menghitung
forecasting, Mean Square Error (MSE) menggunakaan aplikasi POM QM yang telah terinstal di komputer/laptop.
4.1 Masukan (Input) Data Transaksi Penyewaan Alat Transportasi Jenis Avanza
1. Tampilan Data Transaksi
Sebelum melakukan analisa penyewaan alat transportasi maka dilakukan input data transaksi terlebih dahulu kedalam sistem aplikasi. Tampilan
input transaksi dapat dilihat pada gambar dibawah ini :
Gambar 1. Tampilan Pengisian Data Transaksi Avanza
42 sama untuk menghitung forecast menggunakan alpha 0.2 -0.9.
Gambar 2. Tampilan Hasil Mean Squared Error Avanza
V. KESIMPULAN
Sebagai penutup sajian pembahasan dalam penulisan skripsi ini penulis mencoba mengambil kesimpulan sekaligus memberikan saran untuk kemajuan analisa yang dibuat. Dengan adanya kesimpulan dan saran ini dapatlah diambil suatu perbandingan yang akhirnya dapat memberikan perbaikan-perbaikan pada masa yang akan datang. Adapun kesimpulan yang penulis peroleh adalah :
1. Proses peramalan/forecasting penyewaan alat transportasi dilakukan berdasarkan data transaksi dimasa lampau yang kemudian dianalisis dengan menggunakan metode penghalusan tingkat ke erroran suatu data yang kemudian akan menghasilkan ramalan yang akurat, tepat waktu, dan dapat dimengerti.
2. Pada PT Sedona Holidays Medan penerapan metode Single Exponential Smoothing ini dapat dijadikan sebagai informasi yang bisa diandalkan dalam pengambilan suatu keputusan kedepannya mengenai penyewaan alat transportasinya, karena metode ini berpedoman pada ketetapan nilai konstanta penghalusan yang dapat membuat
diferensiasi/perbandingan peramalan yang akurat dengan yang tidak akurat.
VI. DAFTAR PUSTAKA
1. Abdul Kadir,Pengenalan Sistem Informasi, 2003
2. Taufan Fahmi, Sudarno, Yuciana Wilandari. Jurnal Gaussian, April 2013
3. Chairunnisa, Pelita Informatika Budi Darma, Volume : IX, Nomor : 1, Maret 2015
4. Afni Sahara, Jurnal Informasi dan Tekhnologi ilmiah, STMIK BUDIDARMA, Volume : I, Nomor : 3, Oktober 2013 5. Riza Rahmadayanti dkk, Jurnal Rekursif, Universitas
Bengkulu, Volume : 3, Nomor : 1, Maret 2015
6. Untung Sus Andriyanto, Abdul Basith. Metode dan Aplikasi Peramalan, 1991
7. Riza Rahmadayanti dkk, Jurnal Rekursif, Universitas Bengkulu, Volume : 3, Nomor : 1, Maret 2015
8. https://id.wikipedia.org/wiki/Transportasi, tanggal akses 15 Mei 2015
9. Alda Raharja dkk, Jurnal Sistem Informasi, Institut Tekhnologi Sepuluh November, Juli, 2010)