IMPLEMENTASI PERAMALAN PENJUALAN MENGGUNAKAN
METODE EXPONENTIAL SMOOTHING
(Studi Kasus : Penjualan Produk Aksesoris Olahraga di Toko Trend Soccer)
*Zayn Firdausi, **Achmad Jauhari, S.T., M.Kom.
***Sigit Susanto Putro, S.Kom., M.Kom*
Jurusan teknik Informatika, Fakutas Teknik, Universitas TrunojoyoJl. Raya Telang PO. BOX 2 Kamal, Bangkalan, Madura, 691962
Email: *[email protected], **[email protected], ***[email protected]
ABSTRAK
Peramalan memperkirakan sesuatu pada waktu-waktu yang akan datang berdasarkan data masa lampau yang dianalisa secara ilmiah, khususnya menggunakan metode perhitungan statistika. Semakin banyak jumlah permintaan konsumen terhadap aksesoris olahraga maka secara otomatis penjualanya akan meningkat pula.hal ini akan tergantung terhadap banyaknya penjualan aksesoris olahraga kepada konsumen. Selama ini toko trend soccer tidak pernah menggunakan sistem peramalan. Tidak adanya peramalan mengakibatkan kurang efisien terhadap keuntungan toko tersebut karena tidak ada peramalan penjualan tiap mingguannya. oleh karena itu dibutuhkan implementasi peramalan yang bisa memprediksi jumlah penjualan tiap minggunya agar mengetahui besarnya penjualan tiap minggunya Maka untuk meramalkan menggunakan metode Single Exponential Smoothing, dan Double Exponential Smoothing dan diterapkan pada tools winqsb, Program WinQSB merupakan program komputer yang dapat melakukan peramalan berkaitan dengan data-data berpola konstan, trend atau musiman, dengan masing-masing dari pola data tersebut menggunakan metode dalam WinQSB yang berbeda. Dalam pola-pola tersebut juga terdapat metode-metode yang ada.Dari hasil peramalan yang dilakukan menggunakan metode single exponential smoothing dan double exponential smoothing dengan nilai α 0,1, α 0,3, α 0,5. diperoleh hasil terbaik dengan nilai MSE dan MAPE terkecil dengan nilai rata-rata MSE sebesar 62.64 dan nilai MAPE sebesar 12.64%.
Kata kunci : Peramalan, Single Exponential Smooting (SES), Double Exponential Smooting
(DES), Mean Square Error (MSE).
ABSTRACT
Forecasting predict something on the future based on past data that analysed scientifically, especially using statistics counting methods. Many the consumers request the sport accessoris, so automatically sale will also increse. This thing will depend on the many sales of the sport accessoris for the concumer. During trend soccer shop never using forecasting system. The lack of forecasting results in less efficient against the profits of the store because there is not any weekly sales forecasting. therefore needed implementation forecasting can predict the number of sales each week in order to determine the amount of sales each week. So to predict using Single Exponential Smoothing methode, and Double Exponential Smoothing methode and applying for WinQSB application. WinQSB program is the computer program that can do forecasting involve with datas constant model, trend or seasonal with each data model using different methode in WinQSB. In that models data exits methodes. From the results of forecasting is done using the method of single exponential smoothing and double exponential smoothing with α values of 0.1, α 0.3, α 0.5. it obtained the best result with MSE value and smallest MAPE with average value MSE 62.64 and MAPE score 12,64%.
PENDAHULUAN
Kelangsungan sebuah usaha sangat diperlukan oleh setiap organisasi baik yang berorientasi
pada profit ataupun yang nonprofit. Kegiatan yang dilakukan diharapkan dapat dilakukan secara
terus-menerus untuk jangka waktu yang lama bahkan diharapkan mengalami peningkatan, baik dari
aktifitas operasi dan laba yang diperoleh seandainya organisasi berorientasi pada profit.
Untuk mendapatkan keuntungan yang maksimal bagi perusahaan maka dengan kebijakan dari
penjualan aksesoris olahraga. Penjualan terjadi berdasarkan permintaan dari konsumen terhadap
aksesoris olahraga. Semakin banyak jumlah permintaan konsumen terhadap aksesoris olahraga
maka secara otomatis penjualanya akan meningkat pula.
Dengan meningkatnya penjualan aksesoris olahraga akan mempengaruhi keuntungan yang
akan diperoleh perusahaan yang besarnya tidak tentu,hal ini akan tergantung terhadap banyaknya
penjualan aksesoris olahraga kepada konsumen. Toko trend soccer merupakan toko penjualan
aksesoris olahraga yang lengkap di daerah kota bangkalan. Selama ini toko trend soccer tidak
pernah menggunakan analisa peramalan. Tidak adanya analisa peramalan mengakibatkan kurang
efisien terhadap keuntungan toko tersebut karena tidak ada prediksi/peramalan penjualan tiap
mingguannya. Oleh karena itu dibutuhkan analisisa peramalan yang bisa memprediksi jumlah
penjualan tiap mingguannya agar mengetahui besarnya penjualan tiap periode atau tiap minggunya.
Pada penelitian ini, penulis hanya mengimplementasikan data penjualan toko trend soccer pada
tahun 2013 diterapkan pada aplikasi WinQSB. Tujuan dari penelitian ini memproses data
peramalan menggunakan aplikasi WinQSB dan mendapatkan hasil peramalan terbaik dari metode
exponential smoothing.
Beberapa metode yang bisa diterapkan dalam sistem peramalan seperti simple average, moving
average, exponential smoothing, average based fuzzy time series dan masih banyak yang lain dan
mempunyai keunggulan masing-masing metode. Pola data penjualan yang ada di toko trend soccer
berbentuk stasioner yaitu data penjualan naik turun tiap minggunya.[1]
Penulis menggunakan Single Exponential Smoothing dan Double Exponential Smoothing,
karena metode SES dan DES sangatlah tepat digunakan dalam analisa peramalan, dengan data yang
hanya sedikit dan dalam periode tidak lama hanya 1 minggu.
Berdasarkan latar belakang di atas maka penulis tertarik untuk melakukan penelitian ini karena
olahraga sangatlah penting buat kesehatan dan membutuhkan banyak aksesoris untuk digunakan
dalam dunia olahraga. Atas dasar itulah mengapa aksesoris olahraga yang dipilih dalam penelitian
METODE
Meode
Single
Exponential Smoothing
Metode ini juga dikenal sebagai simple exponential smoothing yang digunakan pada peramalan
jangka pendek, biasanya hanya satu bulan ke depan. Metode ini banyak digunakan karena
sederhana dan mudah digunakan dengan hasil yang tidak kalah bila dibandingkan dengan model
peramalan yang lebih kompleks.(2)
Ft= αXt-1 + (1-α)F-1 (1)
Dimana : Ft = Nilai peramalan untuk periode t
Xt-1= Nilai aktual pada periode sebelumnya (t-1)
Ft-1= Nilai ramalan pada periode sebelumnya (t-1)
α = Konstanta pemulusan data dengan nilai antara 0 dan 1
hasil peramalan menggunakan metode single exponential smoothing dengan α=0,1 seperti tabel 1 Tabel 1 : Perhitungan SES dengan α=0,1
no
dasarnya tidak menggunakan rumus pemulusan berganda secara langsung. Sebagai gantinya, Holt
memuluskan nilai trend dengan parameter yang berbeda dari parameter yang digunakan pada deret
asli. Ramalan dari pemulusan dua parameter dari Holt didapat dengan menggunakan dua konstanta
pemulusan (dengan nilai antara 0 dan 1) dan memiliki tiga persamaan, yaitu: (3)
St = α Xt + (1- α) (St-1+ bt-1) (2)
bt = y(St-1-St-1) + (1-y)bt-1 (3)
Ft+m = St + btm (4)
Dimana : Xt = Nilai aktual
St = Nilai pemulusan data
m = Jumlah periode yang akan diramalkan ke depan α = Konstanta pemulusan data dengan nilai antara 0 dan 1 y = Konstanta pemulusan tren dengan nilai antara 0 dan 1
Tabel 2 : Perhitungan DES dengan α=0,1
No
Periode Peramalan
Bulan Minggu
penjualan (y)
SES
(α=0.1) (α=0.1) DES 1
Januari
Ke- 1 50 - - 2 Ke- 2 40 50,00 - 3 Ke- 3 45 49,00 50,00 4 Ke- 4 55 48,60 49,90
Ukuran Kesalahan Peramalan
Perhitungan rata-rata kesalahan yang dibuat oleh model peramalan setiap waktu merupakan ukuran
seberapa tepat peramalan. Metode Kesalahan Peramalan, melalui tahapan berikut :
(5)
dimana: D(t) = harga aktual pada periode t
F(t) = harga peramalan pada periode t
Mean Absolute Deviation (MAD)
Akurasi peramalan akan tinggi apabila nilai-nilai MAD, mean absolute percentage
error, dan mean squared error semakin kecil. MAD merupakan nilai total absolut dari
forecast error dibagi dengan data. Atau yang lebih mudah adalah nilai kumulatif absolut
error dibagi dengan periode. Jika diformulasikan maka formula untuk menghitung MAD
adalah sebagai berikut:
Mean Square Error (MSE)
Menurut Gaspersz (2004), mean squared error biasa disebut juga galat peramalan. Galat
peramalan ini juga dapat berfungsi untuk menghitung nilai MAD yang telah dibahas pada
sub bab sebelumnya. Galat ramalan tidak dapat dihindari dalam sistem peramalan, namun
galat ramalan itu harus dikelola dengan benar. Pengelolaan terhadap galat ramalan akan
menjadi lebih efektif apabila peramal mampu mengambil tindakan mengambil tindakan yang
tepat berkaitan dengan alasan-alasan terjadinya galat ramalan itu. Dalam sistem peramalan,
penggunaan berbagai model peramalan akan memberikan nilai ramalan yang berbeda dan
derajat dari galat ramalan yang berbeda pula. Rata-rata kesalahan kuadrat memperkuat
pengaruh angka-angka kesalahan besar, tetapi memperkecil angka kesalahan prakiraan yang
lebih kecil dari satu unit. (5)
MSE = rata-rata kesalahan kuadrat
dt = demand pada periode t
dt’ = forecasting pada periode t
n = Banyaknya periode
Mean Absolute Percentage Error (MAPE)
Rata-rata persentase kesalahan kuadrat merupakan pengukuran ketelitian dengan cara
persentase kesalahan absolute. MAPE menunjukkan rata-rata kesalahan absolut prakiraan
dalam bentuk persentasenya terhadap data aktualnya.
MAPE = (8)
Konsep Dasar Peramalan
Tahapan Peramalan
Dalam peramalan diperoleh tahapan-tahapan peramalan:
Melakukan analisa pada data masa lampau
Langkah ini bertujuan untuk mendapatkan gambaran pola dari data bersangkutan. Data
yang digunakan data penjualan 2013, setelah data didapatkan langkah selanjutnya mendefenisikan
tujuan peramalan Pendefenisian Dalam kegiatan penjualan, peramalan dilakukan untuk
menentukan persediaan barang dan bisa memperkirakan hasil yang akan didapatkan. Dalam
peramalan ditetapkan jenis produk apa yang diperlukan (what), jumlahnya (how many), dan
kapan dibutuhkan (when). peneliti disini yang diramalkan yaitu produk aksesoris olahraga, data
yang digunakan data penjualan produk.
Memilih metode yang akan digunakan.
Terdapat bermacam-macam metode yang tersedia dengan keperluannya. Metode yang
berlainan akan menghasilkan sistem prediksi yang berbeda pula untuk data yang sama. Secara
umum dapat dikatakan bahwa metode yang berhasil adalah metode yang menghasilkan
penyimpangan (error) sekecil-kecilnya antara hasil prediksi dengan kenyataan yang terjadi.
Penyelesaian peramalan memiliki beberapa metode yang umum digunakan seperti wieght moving
average,exponential smoothing,regresi linear, dan metode yang lainnya. Dari data yang diperoleh,
data penjualan yang tidak stabil atau perubahannya besar maka exponential smoothing termasuk
metode yang baik untuk digunakan jika terjadi perubahan data yang tidak stabil.
Exponential smoothing merupakan salah satu kategori time series yang menggunakan
pembobotan data masa lalu, dalam kategori ini terdapat beberapa metode yang umum dipakai.
Antara lain metode single exponential smoothing,double exponential smoothing. Dari ketiga
metode, peneliti menggunakan single, dan double exponential smoothing.Setelah mendapatkan
metode yang akan digunakan, maka selanjutnya menghitung data penjualan dengan menggunakan
Peramalan merupakan bagian awal dari suatu proses pengambilan suatu keputusan.
Sebelum melakukan peramalan harus diketahui terlebih dahulu apa sebenarnya persoalan dalam
pengambilan keputusan itu. Peramalan adalah pemikiran terhadap suatu besaran, misalnya
permintaan terhadap satu atau beberapa produk pada periode yang akan datang. Pada
hakekatnya peramalan hanya merupakan suatu perkiraan, Setiap pengambilan keputusan yang
menyangkut keadaan di masa yang akan datang, maka pasti ada peramalan yang melandasi
pengambilan keputusan tersebut.
Tahapan penggunaan Tools WinQSB
Program WinQSB merupakan program komputer yang dapat melakukan peramalan berkaitan
dengan data-data berpola konstan, trend atau musiman, dengan masing-masing dari pola data
tersebut menggunakan metode dalam WinQSB yang berbeda. Dalam pola-pola tersebut juga
terdapat metode-metode yang ada yang dapat digunakan untuk melakukan peramalan data.
Langkah-langkah penggunaan tools winqsb:
masukkan permasalahan
a. pilih new problem pada menu file
pilih spesifikasi permasalahan yaitu forecasting dan memilih time
penyelesaian masalah
pilih “perform forecasting” dari menu “solve analize” dan pilih metode Single Exponential Smoothing atau Double Exponential Smoothing.
b. Tentukan periode yang akan diramalkan dan masukkan α yang sudah ditentukan oleh peneliti yaitu α 0,1, α 0,3, α 0,5.
c.
Setelah peramalan dilakukan pilih “show forecasting detail” untuk menampilkan detail dariperamalan
HASIL UJI DAN PEMBAHASAN
Pada uji coba 1 peramalan menggunakan metode SES dan data jaket dengan alpha 0.1, 0.3,
0.5. Pada tabel 3 menunjukkan hasil peramalannya.
Tabel 3 hasil peramalan data jaket menggunakan metode SES dengan alpha 0.1, 0.3, 0.5
no minggu bulan jumlah(item) peramalan 0,1 peramalan 0,3 peramalan 0,51 ke 1 jan/minggu 01 50 - - -
2 ke 2 jan/minggu 02 40 50,00 50,00 50,00
3 ke 3 jan/minggu 03 45 49,00 47,00 45,00
4 ke 4 jan/minggu 04 55 48,60 46,40 45,00
5 ke 5 feb/minggu 01 44 49,24 48,98 50,00
6 ke 6 feb/minggu 02 65 48,72 47,49 47,00
7 ke 7 feb/minggu 03 50 50,34 52,74 56,00
9 ke 9 mar/minggu 01 65 51,78 55,84 59,00
10 ke 10 mar/minggu 02 45 53,10 58,59 62,00
dsb Dsb dsb Dsb dsb dsb dsb
KESIMPULAN DAN SARAN
Setelah selesai menganalisa peramalan penjualan menggunakan metode single exponential
smoothing, dan double exponential smoothing pada tugas akhir ini, maka diperoleh kesimpulan
sebagai berikut:
Berdasarkan hasil uji coba perhitungan peramalan asesoris olahraga menggunakan metode SES dan
DES didapatkan hasil:
jenis barang Jaket mendapatkan hasil peramalan terbaik dengan menggunakan metode SES
pada alpha 0.5 dan mendapat hasil MSE terkecil 7.17 dengan mendapatkan MAPE terkecil
12.56%
jenis barang Jersey Bola mendapatkan hasil peramalan terbaik dengan menggunakan metode
DES pada alpha 0.5 dan mendapat hasil MSE terkecil 1.91 dengan mendapatkan MAPE
terkecil 8.00%
jenis barang Sepatu mendapatkan hasil peramalan terbaik dengan menggunakan metode DES
pada alpha 0.1 dan mendapat hasil MSE terkecil 4.49 dengan mendapatkan MAPE terkecil
3.20%
jenis barang baju bola mendapatkan hasil peramalan terbaik dengan menggunakan metode DES
pada alpha 0.5 dan mendapat hasil MSE terkecil 1.91 dengan mendapatkan MAPE terkecil
8.00%
jenis barang Celana mendapatkan hasil peramalan terbaik dengan menggunakan metode DES
pada alpha 0.3 dan mendapat hasil MSE terkecil 6.02 dengan mendapatkan MAPE terkecil
5.16%
jenis barang Tas mendapatkan hasil peramalan terbaik dengan menggunakan metode DES pada
alpha 0.3 dan mendapat hasil MSE terkecil 8.94 dengan mendapatkan MAPE terkecil 2.16%
Hasil alpha terbaik yang diperoleh menggunakan metode SES dan DES antar jenis barang 1
dengan yang lainnya berbeda, tergantung pada data penjualan dari masing-masing barang.
Saran
Implementasi peramalan yang dibuat pada tugas akhir ini masih dapat dikembangkan lebih lanjut
dengan mengunakan metode peramalan selain Single Exponential Smooting, dan Double
Exponential Smooting. Misalkan dengan Regresi Linier, linier programming,Triple Exponential
Smoothing single moving average dan masih banyak metode lainnya. dan bisa diterapkan
menggunakan bahasa pemrograman seperti java atau PHP.
Terima kasih kepada Toko Trend Soccer yang telah memberikan kami ijin penelitian dan
memberikan kepercayaan kepada kami untuk dapat mengambil data di toko tersebut untuk uji coba
pada aplikasi WinQSB.
DAFTAR PUSTAKA
[1] Arifin, M. “ANALISIS PERAMALAN PENJUALAN BAHAN BAKAR MINYAK (BBM)
MENGGUNAKAN METODE AVERAGE-BASED FUZZY TIME SERIES (ABFTS) DAN
SINGLE EXPONENTIAL SMOOTHING (SES)” (Studi Kasus : Penjualan Premium dan
Solar di Depot PERTAMINA Camplong) Tugas Akhir Program Studi Teknik Informatika
Fakultas Teknik Universitas Trunojoyo Madura. 2011.
[2] Hasbi, ash,Shiddieqy, Moh. “ANALISIS PERAMALAN PENJUALAN PRODUK
ASESORIS KOMPUTER MENGGUNAKAN METODE EXPONENTIAL SMOOTHING
(ES) DAN ORDINARY LEAST SQUARE (OLS) (Studi Kasus : Penjualan produk asesoris komputer di SKY DISK Surabaya)” Tugas AkhirProgram Studi Teknik Informatika Fakultas Teknik Universitas Trunojoyo Madura. 2012
[3] Alifah. “ANALISA FORECASTING PROJECT COST MANAGEMENT MENGGUNAKAN METODE EXPONENTIAL SMOOTHING ” Tugas Akhir Program Studi Teknik Informatika Fakultas Teknik Universitas Trunojoyo Madura.2013
[4] Anonim, “Pemilihan Teknik Peramalan Dan Penentuan Kesalahan Peramalan”, URL :
http://winita.staff.mipa.uns.ac.id/files/2011/09/ pemilihan-teknik-peramalan.pdf diakses
tanggal 03 juni 2014
[5] Kanigoro, Bayu, Ohyver, Margaretha, kacaribu, riski. Agustian APLIKASI PERAMALAN
PRODUKSI KELAPA SAWIT DENGAN METODE REGRESI GANDA DAN
