Penerapan Metode Single Exponential Untuk Peramalan Volume
Penjualan Minuman Kemasan (Studi Kasus: PT Coca Cola
Amatil Indonesia Medan)
Rika SafitriProgram Studi Teknik Informatika, STMIK Budi Darma, Medan, Indonesia Jalan Sisingamangaraja No. 338 Medan, Indonesia
Abstrak
PT. Coca Cola Amatil Indonesia Medan merupakan salah satu perusahaan yang bergerak dalam hal memproduksi dan mendistribusikan produk minuman kemasan ke berbagai daerah yang membutuhkan. PT. Coca Cola Amatil Indonesia Medan sangat memerlukan peramalan penjualan obat untuk meningkatkan keuntungan dan menghindari terjadinya kelenihan maupun kekurangnan persediaan minuman kemasan. Adapun parameter atau alpha yang digunakan dalam meramalkan volume penjualan minuman kemasan adalah alpha (α) = 0.1, alpha (α) = 0.3, alpha (α) = 0.5, alpha (α) = 0.7, alpha (α) = 0.9. Singel Expontial Smoothing melakukan perbandingan dalam menentukan nilai alpha, dengan mencari nilai alpha tersebut secara trial/acak sampai menemukan alpha yang memiliki error minimum dengan pencarian menggunakan metode MSE ( Mean Square Error). Maka hasil peramalan yang memiliki alpha dengan nilai Error paling minimumlah yang akan dipilih menjadi peramalan untuk periode selanjutnya.Singel Expontial Smoothing hanya dapat meramlkan satu periode kedepan. Pada tahap pengujian sampel didapat bahwa hasil peramalan volume penjualan minuman kemasan untuk tahun 2017 yaitu 11688380, hasil ini didapatkan dari data tahun 2013 – 2016. Untuk aplikasi pengujian digunakan software penguji POMQM.
Kata Kunci: Singel Expontial Smoothing, Peramalan, POMQM. Abstract
PT. Coca Cola Amatil Indonesia Medan is one company that is engaged in producing and distributing packaging beverage products to various regions in need. PT. Coca Cola Amatil Indonesia Medan is in desperate need of forecasting drug sales to increase profits and avoid the occurrence of fatigue or lack of bottled beverage supplies. The parameters or alpha used in forecasting the sales volume of packaged drinks are alpha (α) = 0.1, alpha (α) = 0.3, alpha (α) = 0.5, alpha (α) = 0.7, alpha (α) = 0.9. Single Expontial Smoothing makes a comparison in determining the alpha value, by searching for the alpha value in a trial / random manner to find alpha that has the minimum error with a search using the MSE (Mean Square Error) method. Then the forecasting results that have alpha with the least amount of error value that will be chosen as forecasting for the next period. Expontial Smoothing can only predict one period in the future. At the sample testing stage, it was found that the forecasting results of packaging beverage sales volume for 2017 were 11688380, this result was obtained from data from 2013 - 2016. For testing applications POMQM testing software was used.
Keywords: Single Expontial Smoothing, Forecasting, POMQM.
1. PENDAHULUAN
Penjualan merupakan sebagai sebuah usaha atau langkah konkrit yang dilakukan untuk memindahkan suatu produk, baik itu berupa barang ataupun jasa, dari produsen kepada konsumen sebagai sasarannya. Tujuan penjualan yaitu mendatangkan keuntungan atau laba dari produk ataupun barang yang dihasilkan produsennya dengan pengelolaan yang baik.Suatu Perusahaan baik barang ataupun jasa, strategi penjualan sangat diperlukan untuk mendapatkan keuntungan yang besar. Salah satu cara yang dilakukan untuk strategi penjualan ini adalah dengan melakukan prediksi penjuala. Peramalan penjualan (sales forecasting) ialah teknik proyeksi permintaan langganan yang potensial untuk suatu waktu tertentu dengan berbagai asumsi.
Dalam penyediaan produk pada PT. Coca Cola Amatil Indonesia memiliki keterbatasan stok yang tidak tentu jumlahnya setiap priodenya dikarenakan pendugaan permintaan konsumen hanya dilakukan dengan pemikiran yang bersifat intuisi, pengetahuan serta pengalaman seorang managing director, sehingga banyak permintaan konsumen yang tidak terpenuhi. Untuk menghindari hal tersebut maka dibutuhkan suatu metode untuk peramalan yang sangat penting digunakan untuk menjalankan semua perencanaan di dalam perusahaannya. Peramalan penjualan yang akan diterapkan dengan menggunakan metode pemulusan eksponensial tunggal (Single Exponential Smoothing), dengan tujuan untuk memprediksi penjualan pada 1 periode (pertahun ).Dengan memperhatikan masalah yang ada pada penjualan minuman kemasan ini, maka dengan memanfaatkan metode single xponential smoothing akan dibangun sebuah sistem peramalan volume penjualan minuman kemasan. Karena metode singleexponential smoothing merupakan prosedur perbaikan terus-menerus pada peramalanterhadap objek pengamatan terbaru.
2. LANDASAN TEORI
2.1 Peramalan
Peramalan pada dasarnya merupakan suatu taksiran. Namun demikian dengan menggunakan teknik-teknik tertentu maka peramalan akan menjadi bukan hanya sekedar taksiran. Dapat dikatakan bahwa peramalan tersebut merupakan taksiran ilmiah. Tentu saja peramalan akan semakin baik jika mengandung sedikit mungkin kesalahan walaupun keslahan peramalan tetap merupakan suatu hal yang sangat manusiawi.[3]
2.2. Tahap – Tahap Peramalan
Tahapan dalam peramalan adalah sebagai berikut
1. Menentukan untuk apa peramalan digunakan: Tujuan apa yang hendak dicapai. 2. Pilih variabel yang mau diramal.
3. Tentukan horizon waktu peramalan: Apakah jangka pendek (1-30 hari), jangka menengah (1-12 bulan), atau jangka panjang (lebih dari 1 tahun).
4. Pilih model peramalan.
5. Kumpulan data yang diperlukan untuk meramal. 6. Lakukan validasi model peramalan terbaik. 7. Implementasikan hasil peramalan
8. Memproyeksi data yang lalu dengan menggunakan metode yang di pergunakan, dan mempertimbangkan adanya beberapa faktor perubahan.
9. Menentukan metode yang di pergunakan
10. Menganalisa data yang lalu, tahap ini berguna untuk pola yang terjadi masa lalu.[2]
2.3. Metode Expontial Smhooting
Metode Exponential Smoothing merupakan prosedur perbaikan terus-menerus pada peramalan terhadap objek pengamatan terbaru. Metodeperamalan ini menitik-beratkan pada penurunanprioritas 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.
2. Exponential Smoothing, Metode ini digunakan ketika data menunjukkan adanya trend. Dengan adanya trend
seperti pemulusan sederhana kecuali bahwa dua komponen harus di update setiap periode – level dan trendnya.
3. Triple Exponential Smoothing,Metode ini digunakan ketika data menunjukan adanya trend dan perilaku
musiman.
Metode Penghalusan exponential orde satu (Single exponential smoothing) sebenarnya merupakan perkembangan dari metode rata-rata bergerak (moving average) sederhana menggunakan rumus sebagai berikut:
Ft+1 = αXt + (1– α)Ft ...(1) Keterangan :
Ft+1 : Peramalan pada waktu t+1 Xt :Data pendaftar pada periode t Ft :Peramalan pada waktu t
Semakin mendekati 1 berarti data terbaru lebih diperhatikan. Secara matematis besarnya Peramalan adalah:
𝑭𝒕+𝟏= 𝜶𝑿𝒕+ (𝟏 − 𝜶)𝑭𝒕 ...(2)
Keterangan :
𝑋𝑡= Data pendaftar pada periode t
𝐹𝑡= Peramalan pada waktu t
𝐹𝑡+1= Peramalan pada waktu t + 1
𝛼 = Konstanta perataan antara 0.1 sampai 0.9
Pendekatan penghalusan eksponensial mudah digunakan, dan telah berhasil diterapkan pada hampir setiap bisnis. Walaupun demikian, nilai yang tepat untuk konstanta penghalus (α) dapat membuat diferensiasi antara peramalan yang akurat dan tidak akurat. Nilai α yang tinggi dipilih saat rata-rata cenderung berubah. Nilai α yang rendah digunakan saat rata-rata cenderung stabil. Tujuan pemilihan suatu nilai untuk konstanta penghalus adalah untuk mendapatkan peramalan yang paling akurat.[4]
3. ANALISA DAN PEMBAHASAN
PT. Coca Cola Amatil Indonesia adalah perusahaan yang berkembang di bidang penjualan produk minuman kemasan. PT. Coca Cola Amatil Indonesia tergantung pada permintaan dari pasar dan persediaan barang jika barang yang di minta oleh agen penjualan tidak sesuai dengan persediaannya maka produk tersebut mengalami kerugian yang memungkinkan terjadinya penumpukan barang di gudang dan terkadang dari segi penumpukan barang banyak mengalami permasalahan yaitu jika terlalu lama barang di gudang massa berlaku barang akan kadarluasa, langkah yang di lakukakan perusahaan ini agar tidak terjadi kadarluasa maka perusahaan melakukan pembagian barang sisa ke pekerja pabrik setahun sekali untuk mengurangi dampak pada waktu yang terbatas
(kadarluasa) pada barang tersebut. Untuk mengatasi tingkat kesalahan pada penjualan produk PT. Coca Cola Amatil Indonesia yaitu untuk segi penghitungannya di lakukan dengan penghitungan manual untuk mengukur kesalahan penjualan.Dalam memprediksi volume penjualan dibutuhkan data penjualan pada periode 2012 sampai dengan data 2016.
Secara acak sebagai nilai bobot dan contoh perhitungan adalah (α=0.1),(α=0.3),(α=0.5), (α= 0.7), dan (α= 0.9). Berikut rumus untuk Forecasting Single Exponential Smoothing:
Ft+1 = αXt + (1– α)Ft
Keterangan :
Ft+1: Peramalan pada waktu t+1 Xt :Data pendaftar pada periode t Ft :Peramalan pada waktu t
α :konstanta perataan antara 0.1 sampai 0.9 E : nilai eror
E^ : nilai eror^ Av : average
Tabel 1 : Data Penjualan
Bulan TAhun Total
2013 2014 2015 2016 Januari 87442 112115 132544 113475 565711 Februari 90278 119716 129953 115317 577139 Maret 86245 115558 129741 117514 568770 April 86855 120177 131566 116579 577332 Mei 87988 121918 133134 120055 588908 Juni 85516 115418 128855 118950 570054 Juli 87100 121475 130875 121680 586542 Agustus 89115 123158 129952 122705 588741 September 100473 120205 132475 119175 593243 Oktober 89789 122615 134071 120461 587923 November 101217 121518 134533 120953 602536 Desember 102155 119539 135975 122010 603515 Total 1094173 1433412 1583674 1428874 7010414
Secara acak sebagai nilai bobot dan contoh perhitungan adalah (α=0.1),(α=0.3),(α=0.5), (α= 0.7), dan (α= 0.9) Adapun pencarian Forecast menggunakan α = 0.2
1. Mencari Forecast Ft+1 = α At + ( 1- α ) Ft Ft+1 = 0.2 (At) + 0.8 (Ft) F = A2 F1 = 0.2 (1311873) + 0.8 (992018) F2 = 1055989 F3 =0.2(1447699) + 0.8 (1055989) =1134331 F5 =0.2 (1306864) +0.8 (1134331) =11688380
Jika sudah dapat nilai Forecast maka Total At cari nilai total AT Total AT = 992018 + 1311873 + 1447699 + 1306864
Total AT = 5058454
Kemudian mencari nilai AVERAGE Av = TotalAT / AT
= 5058454 / 4 = 1264614.0
Hasil tabel ini untuk mencari jumlah Forecast dan total ATdi tahun 2017.
Tabel 2. Mencari Jumlah Forecast Dan AT Di Tahun 2017
NO Tahun Penerimaan Total Penjualan/Botol (AT) Forecast (ft)
1 2013 992018
2 2014 1311873 992018
3 2015 1447699 1055989
5 Total S 5058454
Average 12646140
Next period forecast 11688380
Adapun pencarian nilai E(eror) menggunakan α = 0.2 E(eror) = At – Ft
E1 = 1311873 – 992018 = 319855 E2 = 1447699 -1055989 = 391710 E3 = 1306864 – 1134331 = 172533
Jika sudah mendapat kan nilai eror maka cari nilai total eror Total E = 319855 + 391710 + 172533
Total E = 884098
Kemudian mencari nilai Average Av = Total E/ jumlah E Av = 884098/3 = 2946993
Tabel 3. Hasil Dari Nilai Total eror
No Tahun Penerimaan Total Penjualan(At) Forecast (Ft) Eror
1 2013 992018 - 2 2014 1311873 992018 319855 3 2015 1447699 1055989 391710 4 2016 1306864 1134331 172533 5 Total S 5058454 884098 6 Average 2946993
7 Next period forecast 11688380 (Bias) (MAD) Adapun pencarian nilai E^2(eror) menggunakan α = 0.2
E^2(eror) = E x E
E1 = 319855 – 319855 = 2307200000 E2 = 391710 -391710 = 3436700000 E3 = 172523 – 172523 = 9767640000
Jika sudah mendapat kan nilai eror maka cari nilai total eror Total E^2 = 2307200000 + 3436700000 + 9767640000 Total E^2 = 5511600000
Kemudian mencari nilai Average Av = Total E^2/ jumlah E^2 Av = 5511600000/3 = 5170530000
Tabel 4. Hasil Dari Nilai Average
No Tahun Penerimaan Total Penjualan(At) Forecast (Ft) Eror Eror ᶺ2
1 2013 992018 - 2 2014 1311873 992018 319855 2307200000 3 2015 1447699 1055989 391710 3436700000 4 2016 1306864 1134331 172533 9767640000 5 Total S 5058454 884098 5511600000 6 Average 2946993 5170530000
7 Next period forecast 11688380 (Bias) (MAD) (MSE)
Std err 5343328 Dari perhitungan diatas dapat dilihat bahwa Mean Square Error (MSE) terkecil diperoleh dengan alpha 0.2yaitu
5343328 Hal ini menunjukkan bahwa forecast terbaik untuk meramalkan volume penjualan PT. Coca Cola Amatil Indonesia adalah dengan menggunakan alpha 0,2 Jadi, nilai prediksi volume penjualan untuk tahun 2017
11688380.
4. IMPLEMENTASI
Gambar 1. Tampilan Forecasting penjualan PT.Coca cola
Data di atas adalah tampilan data pendapatan yang telah di input kedalam demand(y) pad aplikasi POM-QM dan percobaan prediksi dengan rata-rata bergerak 0.20 atau priode to average sebanyak 0.20 seperti gambar di atas, maka hasil dari prediksi rata-rata bergerak sederhana atau single exponential smooting adalah seperti berikut :
Gambar 2. Tampilan Hasil Prediksi (Priods to average 0.2)
Berdasarkan hasil prediksi single exponensial smooting dengan pergerakan 0.20 / 0.2 maka di dapat hasil prediksi sebesar Rp. 11688380 pada bulan yang akan datang 2017.
5. KESIMPULAN
Adapun kesimpulan yang diperoleh dari penulis adalah sebagai berikut:1. Penerapan teknik riset operasi dengan menggunakan aplikasi POM/QM yang dibangun dapat membantu PT. Coca Cola Amatil Indonesia sebagai gambaran bagi pengambilan keputusan perusahaan dalam rangka untuk peramalan volume penjualan minuman kemasan.
2. Implementasi metode Single Exponential Smoothing dapat di terapkan pada system prediksi penjualan aplikasi dapat melakukan prediksi volume penjualan per tahun (1 tahun)
REFERENCES
[1] Adinur prasetyo, panduannprogram aplikasi Qm for W indows versi 3.0, pt elex.media komputindo, Ed. jakarta, 2009.
[2] Sofjan Ansauri, "Teknik dan Metode Peramalan," in Teknik dan Metode Peramalan Penerapannya
dalam Ekonomi Dan dunia Usaha. jakarta, 2012.
[3] sossy septia wahyuni, "Menentukan dasar sebagai peramalan Menentukan tingkat kebutuhan persediaan," 8 oktober 2014.
