PREDIKSI PENJUALAN SEPEDA MOTOR MENGGUNAKAN
METODE DOUBLE EXPONENTIAL SMOOTHING
Wari Astuti JS, Elfizar
Mahasiswa Program Studi S1 Sistem Informasi Jurusan Ilmu Komputer
Fakultas Matematika dan Ilmu Pengetahuan Alam Kampus Bina Widya Pekanbaru, 28293, Indonesia
wari.astuti2399@student.unri.ac.id
ABSTRACT
The uncertainty of motorcycle sales, which sometimes increases and decreases in sales, makes it difficult for dealer to determine motorcycle inventory. From this problem the dealere needs a system that can provide information about motorcycle sales predictions to assist dealer in determining motorcycle inventory. This study describes the process of developing a motorcycle sales forecast information system using the Double Exponential Smoothing method and Unified Language Modeling (UML) as a system design. The outputs of this system are table and graph which exhibit motorcycle sales predictions.
Keywords: Motorcyle Sales, Prediction, Double Exponential Smoothing.
ABSTRAK
Ketidakpastian penjualan sepeda motor yang terkadang mengalami peningkatan dan penurunan penjualan membuat dealer kesulitan dalam menentukan persediaan sepeda motor. Dari permasalahan ini dealer membutuhkan sebuah sistem yang bisa memberikan informasi tentang prediksi penjualan sepeda motor dengan tujuan untuk membantu dealer dalam menentukan persediaan sepeda motor. Penelitian ini menjelaskan proses pengembangan sistem infromasi prediksi penjualan sepeda motor menggunakan metode double exponential smoothing dan unifed modeling languange (UML) sebagai desain perancangan sistem. Hasil keluaran dari sistem ini adalah tabel dan grafik prediksi penjualan sepeda motor.
Kata Kunci: Penjualan Sepeda Motor, Prediksi, Double Exponential
PENDAHULUAN
Prediksi adalah kegiatan yang sangat penting untuk pengambilan keputusan manajemen suatu perusahaan yang berguna dalam menetapkan sasaran dan tujuannya.
PT. Alfa Scorpii merupakan perusahaan yang bergerak pada bidang penjualan sepeda motor baik secara tunai ataupun kredit serta bidang perawatan sepeda motor. PT. Alfa Scorpii NEQ Cerenti memiliki masalah dalam menangani penjualan sepeda motor, mengingat adanya ketidakpastiaan penjualan sepeda motor yang terkadang mengalami peningkatan dan penurunan penjualan. Penting bagi dealer untuk melakukan prediksi penjualan sepeda motor untuk menjaga ketersediaan sepeda motor bila terjadi ketidakpastian penjualan baik peningkatan maupun penurunan penjualan.
Berdasarkan permasalahan tersebut, maka dibuat sistem prediksi penjualan sepeda motor. Sistem dibuat menggunakan metode double exponential smoothing karena menggunakan data-data histori untuk mendapatkan nilai prediksi. Selanjutnya mencari nilai error terkecil menggunakan metode mean absolute error (MAD), mean square error (MSE) dan mean absolute percentage error (MAPE).
METODE PENELITIAN
a. Teknik Pengumpulan Data
Adapun metode pengumpulan data yaitu melakukan pengambilan data yang diperoleh secara langsung dari objek penelitian. Pengambilan data ini dilakukan di tempat penelitian yaitu dealer motor yamaha PT. Alfa Scorpii NEQ Cerenti, di Baserah, Kecamatan Kuantan Hilir, Kabupaten Kuantan Singingi, Riau.
Metode lainnya yaitu studi literatur. Studi literatur merupakan metode pengumpulan data sekunder yang mendukung pemecahan masalah penelitian dari penelitian yang berkaitan sebelumnya maupun dari buku, jurnal, internet dan tulisan resmi lainnya yang berkaitan erat dengan topik skripsi.
b. Peralatan yang Digunakan
Adapun peralatan yang digunakan dalam penelitian ini terbagi menjadi 2 kategori, yaitu hardware dan software. Peralatan hardware dapat dilihat pada Tabel 1 dan software pada Tabel 2.
Tabel 1. Hardware yang digunakan
No Nama Alat Fungsi
1 Laptop Pengolahan data
Tabel 2. Software yang digunakan
No Nama Alat Fungsi
1 Apache Menjalankan aplikasi web
2 PHP Bahasa pemrograman
3 MySQL Server Database
4 Microsoft Offie Word Membuat laporan 5 Microsoft Office Exel Melakukan perhitungan
6 Draw IO Mendesain perancangan sistem 7 Google Chrome Web browser
c. Metode Double Exponential Smoothing
Double exponential smoothing adalah perataan exponential dari data deret waktu memberikan bobot menurun secara exponential untuk observasi terbaru hingga tertua. Dengan kata lain, semakin tua data, semakin kecil prioritas (berat) dan diberikan. Data yang lebih baru dipandang relevan dan diberi bobot lebih. Parameter pemulusan dilambangkan dengan a, untuk menentukan bobot untuk observasi. Metode double exponential smoothing ini lebih andal untuk menganalisa data yang menunjukkan trend. Ini adalah metode yang lenih rumit yang menambahkan persamaan kedua pada prosedur (Putra, 2019).
Berikut beberapa tahapan untuk menentukan nilai prediksi menggunakan metode double exponential smoothing sebagai berikut (Pujiati dkk, 2016):
1. Menentukan smoothing pertama
( ) (1)
2. Menentukan smoothing kedua
( ) (2)
3. Menentukan besarnya kostanta
(3)
4. Menentukan besarnya slope
( )
(4) 5. Menentukan besarnya forecast
(5)
d. Mean Absolute Deviation
Mean absolute deviation (MAD) merupakan suatu metode untuk mengukur ketepatan ramalan dengan merata-rata kesalahan dugaan (nilai absolut masing-masing kesalahan). MAD berguna ketika mengukur kesalahan ramalan dalam unit yang sama sebagai deret asli. MAD merupakan ukuran pertama kesalahan peramalan keseluruhan untuk sebuah model (Puspitasari dkk, 2017).
|∑( )| (6) Dimana:
= Nilai real pada periode ke t = Nilai peramalan pada periode ke t = Jumlah periode prediksi
e. Mean Square Error
Mean square error (MSE) merupakan cara kedua untuk mengukur kesalahan peramalan keseluruhan. MSE adalah rata-rata selisih kuadrat antara nilai yang diramalkan dan yang diamati. Pendekatan ini mengatur kesalahan peramalan yang besar karena kesalahan itu dikuadratkan. Metode itu menghasilkan kesalahan-kesalahan sedang yang kemungkinan lebih baik untuk kesalahan-kesalahan kecil, tetapi kadang menghasilkan perbedaan yang besar (Puspitasari dkk, 2017).
Menghitung MSE dengan rumus sebagai berikut (Margi & Pendawa, 2015).
∑( ) (7)
Dimana:
= Nilai real pada periode ke t = Nilai peramalan pada periode ke t = Jumlah periode prediksi
f. Mean Absolute Percentage Error
Mean absolute percentage error (MAPE) merupakan pengukuran kesalahan yang menghitung ukuran presentase penyimpangan antara data aktual dengan data peramalan. MAPE dihitung dengan menggunakan kesalahan absolut pada tiap periode dibagi dengan nilai observasi yang nyata untuk periode itu. Kemudian, merata-rata kesalahan persentase absolut tersebut (Puspitasari dkk, 2017).
Menghitung MAPE dengan rumus sebagai berikut (Margi & Pendawa, 2015).
∑| |
(8)
Dimana :
= Nilai real pada periode ke t = Nilai peramalan pada periode ke t = Jumlah periode prediksi
HASIL DAN PEMBAHASAN
a. Analisa Kebutuhan Sistem
Adapun hasil analisa kebutuhan yang digunakan dalam perancangan sistem ini adalah:
1.Tujuan melakukan prediksi ini adalah untuk mengantisipasi ketersediaan stok sepeda
motor jika mengalami peningkatan atau penurunan penjualan.
2.Dalam perancangan sistem prediksi ini dibutuhkan proses pengolahan data secara
manual dengan metode double exponential smoothing yang akan di implementasikan ke dalam sistem.
3.Dalam proses pengolahan data menggunakan metode double exponential smoothing
adalah menyiapkan data penjualan sepeda motor di dealer PT. Alfa Scorpii NEQ Cerenti. Setelah data disiapkan, langkah selanjutnya menentukan nilai alpha (ɑ) yang nantinya akan digunakan untuk melakukan perhitungan prediksi. Dalam prediksi ini, nilai alpha (ɑ) yang akan dicoba sebagai contoh perhitungan adalah alpha (ɑ = 0.1), (ɑ = 0.2), (ɑ = 0.3), (ɑ = 0.4) dan (ɑ = 0.5). Setelah nilai alpha ditentukan, langkah selanjutnya menghitung nilai prediksi penjualan sepeda motor dengan menggunakan metode double exponential smoothing.
Contoh perhitungan metode double exponential smoothing:
S’6 = 0.4*8 + (1-0.4) 9 B6 = (0.4/(1-0.4))*(9-10) = 9 = -0.67 S’’6 = 0.4*9 + (1-0.4) 11 F7 = (8 + -0.67) = 10 = 7 A6 = 2*9-10 = 8
Dapat disimpulkan bahwa perhitungan prediksi dengan metode double exponential smoothing dengan alpha 0.4 untuk sepeda motor Nmax Non ABS untuk bulan Juli 2020 sebesar 7 unit dengan MAD 2, MSE 5, dan MAPE 22,03% adalah paling akurat, karena mempunyai nilai error yang paling kecil dari keseluruhan perhitungan prediksi. Contoh hasil rekapitulasi prediksi penjualan sepeda motor Nmax Non ABS dapat dilihat pada Tabel 3.
Tabel 3. Rekapitulasi Prediksi Penjualan Nmax Non ABS dengan Alpha 0.1 sampai 0.5 untuk Juli 2020
Sepeda Motor Alpha Forecast MAD MSE MAPE
Nmax Non ABS 0.1 11 4 18 42.71%
0.2 8 2 7 24.36%
0.3 9 3 9 30.49%
0.4 7 2 5 22.03%
Hasil perhitungan prediksi Dapat disimpulkan bahwa perhitungan prediksi dengan metode double exponential smoothing alpha 0.4 merupakan hasil prediksi dengan tingkat kesalahan prediksi paling terkecil dengan forecast 7, MAD 2, MSE 5 serta MAPE 22.03%.
b. Pengembangan Sistem 1. Use Case Diagram
Use Case diagram merupakan suatu aktivitas yang menggambarkan urutan interaksi antara satu atau lebih actor dalam sistem. Use Case yang akan dirancang yaitu use case diagram untuk pengaksesan melalui web. Gambar 1. dibawah ini menjelaskan aliran use case diagram pengaksesan melalui web.
Gambar 1. Use Case Diagram
2. Activity Diagram
Activity diagram atau diagram aktivitas ialah diagram yang menggambarkan proses bisnis dan workflow (alur kerja) operasional secara langkah demi langkah untuk membangun sistem. Gambar 2. dibawah ini menjelaskan alur kerja menghitung prediksi.
Gambar 2. Activity Diagram Hitung 3. Class Diagram
Class diagram menggambarkan struktur sistem dari segi pendefinisian kelas-kelas yang dibuat untuk membangun sistem. Class diagram pada sistem prediksi penjualan sepeda motor menggunakan metode double exponential smoothing dapat dilihat pada Gambar 3.
Gambar 3. Class Diagram
4. Sequence Diagram
Sequence diagram adalah representasi dari interaksi-interaksi objek yang berjalan pada sistem. Dengan menggunakan sequence diagram dapat dilihat bagaimana objek-objek bekerja. Sequence diagram dapat menampilkan bagaimana sistem merespon setiap kejadian atau permintaan dari user, dapat mempertahankan integritas internal, bagaimana data dipindah ke user interface dan bagaimana objek-objek diciptakan dan dimanipulasi.
Gambar 4. Sequence Diagram Menghitung Prediksi
c. Tampilan Sistem
Berdasarkan desain sistem pada pembahasan sebelumnya, maka diperoleh hasil tampilan sistem sebagai berikut.
Gambar 5. merupakan tampilan form login user. Form login wajib diisi oleh user dengan username dan password yang benar.
Gambar 5. Form Login
Gambar 6. menunjukkan tampilan halaman awal admin setelah melakukan login. Terdapat beberapa hak akses yang dapat dilakukan oleh admin.
Gambar 7. merupakan tampilan tambah motor yang berisikan form tambah motor, menu tambah motor hanya dapat diakses oleh admin.
Gambar 7. Tampilan Tambah Motor
Gambar 8. merupakan tampilan data transaksi penjualan yang berisikan data
transaksi penjualan tiap varian motor.
Gambar 8. Tampilan Transaksi Penjualan
Gambar 9. merupakan tampilan hasil menghitung prediksi. Terlihat pada gambar proses dan hasil perhitungan menggunakan metode double exponential smoothing.
Gambar 9. Tampilan Hasil Menghitung Prediksi
Gambar 10. merupakan tampilan melihat hasil prediksi berdasarkan jenis sepeda motor yang dipilih.
Gambar 10. Tampilan Hasil Prediksi
Gambar 11. Merupakan grafik prediksi penjualan motor di dealer PT. Alfa Scorpii NEQ Cerenti dengan menggunakan metode double exponential smoothing.
Gambar 11. Tampilan Grafik Prediksi
d. Pengujian Sistem
Tabel 4. Pengujian Sistem Deskripsi
Nama Prediksi Penjualan Sepeda Motor
Tujuan Menampilkan perhitungan
Kondisi Awal Data perhitungan
Skenario Pengujian Aksi Penguji Reaksi Sistem
-Memilih action hitung -Memilih action cetak
-Menampilkan hasil perhitungan data
-Namampilkan halaman cetak pada tab baru dalam format .pdf
Keterangan Sesuai
KESIMPULAN
Berdasarkan penelitian yang telah dilakukan oleh penulis dengan mengamati, mengalisa dan membuat sistem prediksi penjualan sepeda motor dapat diambil kesimpulan sebagai berikut:
1. Hasil perhitungan manual dengan perhitungan menggunakan sistem menghasilkan output nilai prediksi yang sama.
2. Sistem prediksi penjualan sepeda motor dengan menggunakan metode double exponential smoothing dapat melakukan prediksi yang akurat dan berdasarkan pengujian sistem, sistem berjalan sesusai harapan penulis, sehingga bisa dikatakan sistem ini berjalan dengan baik.
3. Sistem prediksi penjualan sepeda motor dapat membantu manager dalam menentukan ketersediaan sepeda motor apabila mengalami peningkatan atau penurunan penjualan.
UCAPAN TERIMA KASIH
Penulis mengucapkan terima kasih kepada Bapak Dr. Elfizar, S.Si., M.Kom. yang telah membimbing, memotivasi serta membantu penelitian dan penulisan karya ilmiah ini.
DAFTAR PUSTAKA
Margi S, K. and Pendawa W, S. 2015. "Analisa dan Penerapan Metode Single
Exponential Smoothing untuk Prediksi Penjualan Pada Periode Tertentu. Prosiding SNATI, pp. 259–266.
Pujiati, E., Yuniarti, D. and Goejantoro, R. 2016. "Peramalan dengan Menggunakan Metode Double Exponential Smoothing Dari Brown (Studi Kasus : Indeks Harga Konsumen (IHK) Kota Samarinda)." Jurnal Exponensial 7(1), pp. 33-40.
Puspitasari, D., Mentari, M. and Faldiansyah, W. R. 2017. "Penerapan Metode Single Exponential Smoothing Menggunakan Pendekatan Adaptif Pada Peramalan Jumlah Pelanggan dan Kebutuhan Air Pada PDAM Kota Probolinggo." Jurnalti Polinema, pp. 1-6.
Putra, R. A. 2019. Sistem Informasi Prediksi Penjualan Mobil Menggunakan Metode Double Exponential Smoothing. Tugas Akhir. Pekanbaru: Program Studi Sistem Informasi.
