PERANCANGAN APLIKASI PERAMALAN PENJUALAN
MOTOR HONDA MENGGUNAKAN METODE LEAST SQUARE
(STUDI KASUS: PT. HD MOTOR 99 GRESIK)
Muhammad Ihsan - Harunur Rosyid, ST., M.Kom. - Eko Prasetyo, S.Kom., M.Kom.
1) Mahasiswa Teknik Informatika Universitas Muhammadiyah Gresik
2) Dosen tetap Universitas Muhammadiyah Gresik
Fakultas Teknik, Universitas Muhammadiyah Gresik Jl.Sumatra no.101 GKB
Gresik
m3d.ixsan@gmail.com
ABSTRACT
Every company has always made a work plan for determining sales targets. However, during this time sales target for the future is not objective because its still based on management intuitive and is still influenced by the opinions or feelings of the maker. Therefore a system is needed that can help management to decide future sales target more objectively, so that the determination of the sales target can be more accountable and more groundless. This research applies time series forecasting model by Least Square method to estimate the rate of motorcycle sales period of one month to come. Data were processed using historical data of sales of motor PT. HD MOTOR 99 Gresik period January 2013 - August 2015. System testing performed four times, each composition test using different amounts of training data. Then it will be compared with the actual sales data to determine the best forecasting results and gain the smallest value forecasting error with Mean Absolute Deviation (MAD). Based on the results of system testing showed that the amount of data used affects the forecast error (MAD). The best forecast error found in the third test using 3 months training data which has MAD value at 5.055. In the testing of margin error obtained value of MAPE (Mean Absolute Percentage Error) of the test data is good enough for 5%.
Kata Kunci: Least Square, Time Series, Sales Forecast, Mean Absolut Deviation.
1. Pendahuluan
1.1 Latar Belakang Masalah
Setiap perusahaan selalu membuat rencana kerja untuk menentukan target penjualan yang ingin dicapai kedepannya. Penentuan target penjualan berarti perusahaan berusaha untuk meramalkan penjualan kedepan dengan memperhatikan kondisi ke depan dan kondisi masa lampau.
PT. HD MOTOR 99 GRESIK merupakan dealer penjualan motor honda di Gresik yang juga seperti perusahaan lainnya membuat target penjualan. Namun selama ini penentuan target ke depan tidak obyektif karena hanya berdasarkan intuisi manajemen saja. Dalam penentuan target masih dipengaruhi oleh pendapat atau perasaan orang yang membuatnya. Target yang ditetapkan sering kali tidak sesuai dengan data penjualan aktual sehingga mempengaruhi seluruh perencanaan selanjutnya dan pertanggungjawaban kepada atasan.
Untuk itu diperlukan suatu alat yang dapat membantu manajemen memutuskan
target penjualan ke depan dengan lebih objektif. Adapun metode peramalan yang digunakan adalah metode kuadrat terkecil (Least Square) yang merupakan model peramalan time series dengan memperhatikan data yang disusun berdasarkan urutan waktu penjualan di masa lampau. Penelitian ini bertujuan untuk mengestimasi tingkat penjualan motor periode yang akan datang.
1.2 Rumusan Masalah
Bagaimana meramalkan tingkat penjualan motor honda periode yang akan datang pada PT. HD MOTOR 99 GRESIK menggunakan metode Least Square .
1.3 Tujuan Penelitian
2. Landasan Teori 2.1 Pengertian Aplikasi
Beberapa teori yang mendefinisikan Aplikasi yang dikemukakan oleh beberapa para ahli, diantaranya adalah :
a) Menurut Hengky W Pramana (2012) Aplikasi adalah satu unit perangkat lunak yang dibuat untuk melayani kebutuhan akan beberapa aktivitas seperti sistem perniagaan, game, pelayananmasyarakat, periklanan, atau semua proses yang hampir dilakukan manusia.
b) Menurut Shelly, Cashman, Verman (2009) aplikasi adalah seperangkat intruksi khusus dalam komputer yang di rancang agar kita menyelesaikan tugas-tugas tertentu.
c) Menurut Yuhefizar (2012) Aplikasi merupakan program yang dikembangkan untuk memenuhi kebutuhan pengguna dalam menjalankan pekerjaan tertentu. Jadi Aplikasi merupakan sebuah program yang di buat dalam sebuah perangkat lunak dengan komputer untuk memudahkan pekerjaan atau tugas-tugas tertentu seperti penerapan, penggunaan dan penambahan data yang dibutuhkan.
2.2 Penjualan
Penjualan adalah suatu usaha yang terpadu untuk mengembangkan rencana-rencana strategis yang diarahkan pada usaha pemuasan kebutuhan dan keinginan pembeli, guna mendapatkan penjualan yang menghasilkan laba. Penjualan merupakan sumber hidup suatu perusahaan, karena dari penjualan dapat diperoleh laba serta suatu usaha memikat konsumen yang diusahakan untuk mengetahui daya tarik mereka sehingga dapat mengetahui hasil produk yang dihasilkan.
2.3 Motor Honda
Honda adalah merek terkenal di industri otomotif asal negara Jepang. Honda didirikan pada 24 September 1948 oleh Soichiro Honda. Honda merupakan produsen sepeda motor terbesar di dunia sejak 1959. Di Indonesia sendiri motor-motor dari pabrikan Honda sangat mudah sekali di temukan di jalan raya karena motor dari negara Jepang ini sangat laris di Indonesia.
Dengan desain yang modern kemudian harga yang relatif terjangkau dan spesifikasi yang lengkap membuat motor ini sangat digandrungi pasar. Setiap tahunnya
motor Honda selalu menguasai 50 persen lebih pangsa pasar roda dua di Indonesia.
2.4 Peramalan
Peramalan (forecasting) adalah seni dan ilmu untuk memperkirakan kejadian dimasa depan. Hal ini dapat dilakukan dengan melibatkan pengambilan data masa lalu dan menempatkannya kemasa yang akan datang dengan suatu bentuk model matematis. Peramalan, prediksi (forecasting) merupakan alat penting dalam pengambilan kesimpulan. Kualitas suatu ramalan berkaitan erat dengan informasi yang dapat diserap dari data masa lampau (Boedijoewono, 2001).
Terdapat dua pendekatan untuk melakukan peramalan yaitu dengan pendekatan kualitatif dan pendekatan kuantitatif. Metode peramalan kualitatif digunakan ketika data historis tidak tersedia. Metode peramalan kualitatif adalah metode subyektif (intuitif). Metode ini didasarkan pada informasi kualitatif. Dasar informasi ini dapat memprediksi kejadian-kejadian di masa yang akan datang. Keakuratan dari metode ini sangat subjektif
Metode peramalan kuantitatif dapat dibagi menjadi dua tipe, causal dan time series. Metode peramalan causal meliputi faktor-faktor yang berhubungan dengan variabel yang diprediksi seperti analisis regresi. Peramalan time series merupakan metode kuantitatif untuk menganalisis data masa lampau yang telah dikumpulkan secara teratur menggunakan teknik yang tepat. Hasilnya dapat dijadikan acuan untuk peramalan nilai di masa yang akan datang.
2.5 Metode Kuadrat Terkecil
Prinsip dari metode kuadrat terkecil adalah meminimumkan jumlah kuadrat penyimpangannya (selisih) nilai variabel bebasnya (Yi) dengan nilai trend / ramalan ( ′) atau ∑ � − ′ diminimumkan.
Dengan bantuan kalkulus yaitu deviasi partial, ∑ � − ′ diminimumkan maka akan diperoleh dua buah persamaan normal sebagai berikut:
∑ � = �. + . ∑ � ∑ � � = . ∑ � + . �
Dengan menyelesaikan kedua persamaan normal ini secara simultan, maka nilai a dan b dari persamaan trend ′= +
pemberian kode pada nilai X (tahun) diupayakan sedemikian rupa sehingga ∑ � = 0 , dengan begitu persamaan normal di atas dapat disederhanakan menjadi:
=∑ �� . . . .
= ∑ � �∑ � . . . .
Setelah nilai a dan b dihitung dengan rumus di atas maka persamaan nilai trend liniernya dapat disusun sebagai berikut:
= + . . . .
Y = nilai trend pada periode tertentu
a = intersep yaitu besarnya nilai Y bila nilai X = 0
b = slope garis trend, yaitu perubahan variabel Y untuk setiap perubahan satu unit variabel X
X = periode waktu
Untuk membuat nilai ∑ � = 0 tergantung dari jumlah data tahunnya yaitu genap dan ganjil, pedomannya sebagai berikut: (Budiasih Yanti, 2012)
(1.) Bila jumlah data tahun tidak habis dibagi dua yaitu ganjil maka dipakai skala x = 1 tahun. Maka tahun dasar diletakkan pada tahun yang ditengah, misalnya sebagai berikut:
Tabel 2.1 Skala X data ganjil
(2.) Bila jumlah data tahun habis dibagi dua yaitu genap maka dipakai skala x = 1/2 tahun. Maka tahun dasar diletakkan pada tahun yang ditengah, misalnya sebagai berikut:
Tabel 2.2 Skala X data genap
Thn 2004 2005 2006 2007 2008 2009 2010 2011
x -7 -5 -3 -1 1 3 5 7
3. Analisis Dan Perancangan Sistem 3.1 Analisis Sistem
Berdasarkan hasil wawancara dengan pihak manajemen PT. HD MOTOR 99 Gresik, perusahaan selalu membuat rencana terget penjualan, namun selama ini perusahaan memperkirakan penjualan kedepan hanya berdasarkan intuisi manajemen yang masih dipengaruhi pendapat dan perasaan pembuatnya. Sehingga target
yang ditetapkan sering tidak sesuai dengan perencanaan sehingga mempengaruhi seluruh
perencanaan selanjutnya dan
pertanggungjawaban kepada atasan.
3.2 Hasil Analisis
Hasil analisis masalah selama ini dalam memperkirakan target penjualan ke depan tidak objektif karena hanya mengandalkan intuisi manajemen saja. Target yang ditetapkan sering kali tidak sesuai dengan penjualan aktual.
Sistem yang akan dibangun ditujukan untuk digunakan pihak manajemen sehingga dapat membantu pihak manajemen perusahaan dalam menentukan target berdasarkan data-data penjualan yang sebelumnya. Dengan demikian penentuan target dapat lebih dipertanggungjawabkan dan lebih berdasar.
3.3 Representasi Model
Sistem peramalan ini akan menggunakan data aktual penjualan motor 3 tahun terakhir pada PT. HD MOTOR 99 Gresik.
Gambar 3.1 Plot Penjualan Aktual Dari plot data penjualan yang terlihat, plot data menunjukkan adanya trend sekuler yaitu gerakan trend yang berjangka panjang dan cenderung naik atau mengalami peningkatan dalam penjualan motor. Contoh Perhitungan :
Tentukan jumlah data yang akan digunakan. Data yang digunakan berjumlah 32 periode dan habis dibagi dua yaitu genap maka dipakai skala x = 1/2 tahun. Maka periode dasar diletakkan pada tahun yang diantara periode april 2014 dan mei 2014.
Tabel 3.1 Perhitungan
n Periode Tahun Y X X2
XY
1 Januari 2013 300 -31 961 -9300
2 Februari 2013 303 -29 841 -8787
3 Maret 2013 319 -27 729 -8613
4 April 2013 331 -25 625 -8275 Tahun 2004 2005 2006 2007 2008 2009 2010
5 Mei 2013 343 -23 529 -7889
6 Juni 2013 357 -21 441 -7497
7 Juli 2013 363 -19 361 -6897
8 Agustus 2013 378 -17 289 -6426
9 September 2013 384 -15 225 -5760
10 Oktobe 2013 385 -13 169 -5005
11 November 2013 390 -11 121 -4290
12 Desember 2013 387 -9 81 -3483
13 Januari 2014 391 -7 49 -2737
14 Februari 2014 403 -5 25 -2015
15 Maret 2014 415 -3 9 -1245
16 April 2014 425 -1 1 -425
17 Mei 2014 436 1 1 436
18 Juni 2014 446 3 9 1338
19 Juli 2014 447 5 25 2235
20 Agustus 2014 444 7 49 3108
21 September 2014 445 9 81 4005
22 Oktober 2014 439 11 121 4829
23 November 2014 440 13 169 5720
24 Desember 2014 447 15 225 6705
25 Januari 2015 450 17 289 7650
26 Februari 2015 451 19 361 8569
27 Maret 2015 462 21 441 9702
28 April 2015 470 23 529 10810
29 Mei 2015 465 25 625 11625
30 Juni 2015 468 27 729 12636
31 Juli 2015 477 29 841 13833
32 Agustus 2015 480 31 961 14880
32 ∑ =
13141
0 ∑ �= 10912
∑ = 29437
Hitung intersep (a) dari tiap jenis motor sesuai dengan persamaan rumus (2.2) :
=∑ � � � � = = 410,656
Hitung slope garis trend (b) dari masing-masing jenis motor sesuai dengan persamaan rumus (2.3) :
= ∑ ∑ 2 � = 9 79 = 2.698
Dari perhitungan diperoleh persamaan Least Square sesuai dengan persamaan rumus (2.4) sebagai berikut:
Y = 410,656 + 2,698 X
Dari persamaan di atas maka didapatkan taksiran penjualan untuk periode September 2015 sebagai berikut :
Y = 410,656 + 2,698 (33) = 499,679
Jadi banyaknya penjualan motor honda periode September 2015 diperkirakan sebanyak 499 unit motor
3.4Perancangan Sistem
3.4.1Diagram Konteks / Context Diagram
Gambar 3.2 Diagram Konteks Aplikasi
Peramalan Penjualan Motor Honda.
3.4.2Data Flow Diagram
Gambar 3.3 Data Flow Diagram
Proses 1 adalah proses management data yang diinputkan divisi penjualan. Data penjualan yang diinputkan oleh divisi penjualan.
Proses 2 adalah perhitungan Least Square yaitu proses perhitungan peramalan penjualan sepeda motor menggunakan metode Least Square (Kuadrat Terkecil).
Proses 3 adalah pembuatan laporan yaitu proses memberikan laporan dari hasil peramalan yang telah dilakukan kepada manager.
4 Implementasi Dan Pengujian Sistem 4.1 Implementasi
jalannya aplikasi sistem klasifikasi kecenderungan penyelesaian studi ini.
4.2 Implementasi Least Square Method Dalam proses metode least square ini tentukan jumlah n (jumlah periode/bulan) dan banyaknya pasangan data yang digunakan dalam peramalan sebagai periode dasar.
$q1="SELECT COUNT(*) FROM periode_penjualan";
Kode Program 4.1 Proses Penentuan Jumlah Data
Setelah menentukan banyak data yang digunakan kemudian mencari nilai X, X2,XY,Y,XY,X2 untuk dasar mencari trend seperti
berikut.
$y=array(); $periode=array(); $tahun=array(); $nY=0;
$q2="SELECT * FROM
periode_penjualan ORDER BY
id_periode";
echo "<font
color=\"#grey\"><b>Data tidak
ada</b></font>";
}else if($n%2==0){
echo "<font
color=\"grey\"><b>Jumlah pasangan
data
echo "<font
color=\"grey\"><b>Jumlah pasangan
data
echo "<font color=\"grey\"><b>Total Y (Jumlah Penjualan) = ".$nY."</b></font><br>";
echo "<font color=\"grey\"><b>Total X^2 = ".$nX2."</b></font><br>"; echo "<font color=\"grey\"><b>Total
XY =
".$nXY."</b></font><br>";
Kode Program 4.2 Proses Perhitungan X, X2,XY,Y,XY,X2
Proses selanjutnya adalah mencari nilai a (besar nilai trend) dan menghitung b (perubahan nilai trend) terhadap X (waktu) kemudian hitung persamaan trend (Y=a+bX).
$a=$nY/$n; periode ".($n+1)." diperkirakan sekitar = ".$Y."</b></font><br>";
4.3 Pengujian Sistem 4.3.1 Menu Data Aktual
Pada menu data aktual ini divisi penjualan dapat memasukkan data aktual baru pada pilihan tambah data.
Gambar 4.1 Halaman Tambah Data
Setelah data baru di simpan maka data otomatis bertambah di tabel data aktual.
Gambar 4.2 Halaman Data Aktual
4.3.2 Menu Forecast
Menu forecast untuk melakukan perhitungan peramalan menggunakan metode Least Square untuk satu periode/bulan selanjutnya atau melakukan pengujian peramalan satu tahun dengan jumlah data periode tertentu yang digunakan klik tombol
‘Proses’ sesuai pilihan.
Gambar 4.3 Halaman Forecast
4.3.3 Form Hasil Peramalan
Form hasil peramalan menampilkan hasil peramalan dan tabel detail perhitungan Least Square. Pada gambar berikut adalah tampilan hasil peramalan untuk satu periode kedepan.
Gambar 4.4 Halaman hasil peramalan
4.3.4 Form Proses Pengujian
Pada gambar 4.5 berikut adalah tampilan halaman pengujian peramalan untuk satu tahun kedepan berdasarkan periode yang digunakan untuk peramalan.
Gambar 4.5 Halaman pengujian peramalan
4.3.5 Form Hasil Pengujian
Pada gambar 4.6 berikut adalah tampilan halaman hasil pengujian peramalan data 3 bulanan untuk meramalkan penjualan pada tahun 2014. Pada halaman ini berisi tabel perhitungan pengujian kesalahan peramalan (MAD) sesuai pilihan data yang digunakan pada halaman pengujian sebelumnya.
Gambar 4.6 Halaman hasil pengujian peramalan
4.4 Analisa Hasil Pengujian Sistem Pengujian bulanan akan dilakukan untuk membandingkan forecast penjualan dengan jumlah periode penjualan tertentu yang digunakan. Kemudian akan disandingkan dengan data penjualan aktual untuk mengetahui hasil forecast dengan menggunakan jumlah periode manakah yang terbaik dan yang memperoleh nilai kesalahan peramalan Mean Absolut Deviation (MAD) terkecil. Data acuan yang digunakan untuk pengujian adalah data bulan januari 2013 sampai desember 2013 untuk meramalkan bulan januari 2014 hingga desember 2014. Pada pengujian ini dilakukan 4 tahapan pengujian dengan kriteria yaitu, pengujian 1 menggunakan data 3 bulanan, pengujian 2 menggunakan data 6 bulanan, pengujian 3 menggunakan data 9 bulanan dan pengujian 4 menggunakan data 12 bulanan.
4.5 Keberhasilan
Pengujian bulanan dilakukan untuk mendapatkan hasil peramalan dengan nilai kesalahan peramalan MAD terkecil dalam proses peramalan berdasarkan jumlah data periode yang berbeda. Hasil kesalahan peramalan keempat pengujian tersebut dapat dilihat pada tabel berikut.
Tabel 4.1 Perbandingan Kesalahan Peramalan (MAD)
Berdasarkan pengujian bulanan yang telah dilakukan didapatkan hasil bahwa pengujian pertama dengan data 3 bulanan menghasilkan kesalahan peramalan paling kecil dibandingkan dengan pengujian lainnya. Hal ini menunjukkan bahwa data periode yang digunakan dalam peramalan akan sangat berpengaruh terhadap tingkat kesalahan peramalan.
Selanjutnya pengujian untuk mencari margin error dari peramalan dengan menggunakan MAPE (Mean Absolut Percentage Error). Data latih yang digunakan sebanyak 27 bulan, dimulai dari bulan januari 2013 hingga maret 2015. Persamaan yang
Pada pengujian margin error Data Uji menggunakan data periode April 2015 – Agustus 2015. Persamaan yang digunakan
sama dengan persamaan pada data latih yakni Y = 399,296 + 5,970X.
Tabel 4.2 Perhitungan Margin Error
Dari hasil perhitungan tersebut dapat diketahui margin error dari Data Uji sebesar 0,24 / 5 = 0,05 (5%).
5. Penutup 5.1 Kesimpulan
1. Metode peramalan Least Square ini dapat diimplementasikan untuk studi kasus penjualan sepeda motor pada PT. HD MOTOR 99 GRESIK.
2. Aplikasi ini dapat melakukan perhitungan peramalan dengan cukup baik jika jumlah data yang digunakan dalam proses peramalan semakin sedikit, sehingga kesalahan peramalan atau error yang dihasilkan semakin rendah. Hal ini dibuktikan pada pengujian dengan menggunakan jumlah periode yang paling sedikit yaitu per 3 bulan dan menghasilkan error Mean Absolut Deviation (MAD) sebesar 5,055 lebih rendah jika dibandingkan dengan hasil uji pada pengujian yang jumlah datanya lebih banyak.
3. Pada pengujian margin error diperoleh nilai MAPE (Mean Absolute Percentage Error) dari data uji yang cukup baik yaitu sebesar 0,05 (5%).
5.2 Saran
1. Menambahkan modul-modul yang lebih lengkap dan sesuai kebutuhan perusahaan dan dapat terintegrasi dengan sistem lainnya.
2. Memperkenalkan aplikasi ini kepada manajemen perusahaan agar dapat diambil manfaatnya untuk meramalkan / mengestimasi penjualan pada periode-periode selanjutnya.
3. Diharapkan adanya penelitian dengan metode trend linier lain seperti Semi Average Method dan Moving Average Method untuk kemudian dibandingkan dengan metode Least Square ini.
6. Daftar Pustaka
Basu Swastha dan Irawan. 1997. Manajemen Pemasaran Modern. Yogyakarta : Liberty
Boedijoewono Noegroho. 2001. Pengantar Statistik Ekonomi dan Bisnis Jilid 1. Yogykarta:UPP AMP YKPN.
Budiasih Yanti. 2012. Statistika Deskriptif untuk Ekonomi dan Bisnis. Tangerang:Jelajah Nusa.
Makridakis, Spyros, Steven C Wheelwright, Victor E. McGee. 1999. Metode dan Aplikasi Peramalan, Jilid 1. Jakarta: Binarupa Aksara
Rambe Fauzi. 2014. Perancangan Aplikasi Peramalan Persediaan Obat-obatan Menggunakan Metode Least Square (Studi Kasus: Apotek Mutiara Hati). Medan: STMIK Budi Dharma. Riana Dwisa. 2012. Statistika Deskriptif Itu
Mudah. Tangerang: Jelajah Nusa. Simanjuntak Mantauli. 2014. Sistem
Informasi Prediksi Jumlah Buah Sawit Kebutuhan Produksi Pada Pt.Tasik Raja (Pom) Menggunakan Metode Least Square. Medan: STMIK Budi Dharma.
BIOGRAFI PENULIS
Muhammad Ihsan,
dilahirkan di
Surabaya, pada
tanggal 10
September 1992. Merupakan anak pertama dari dua bersaudara. Penulis telah menempuh pendidikan tingkat dasar di SD NEGERI II SIWALANKERTO 419 SURABAYA selesai pada tahun 2004, kemudian melanjutkan ke jenjang pendidikan menengah pertama di SMP NEGERI 36 SURABAYA selesai pada tahun 2007 dan melanjutkan ke jenjang pendidikan tinggi atas di SMK NEGERI 3 SURABAYA JURUSAN TEKNIK AUDIO VIDIO selesai pada tahun 2010. Kemudian penulis melanjutkan ke jenjang pendidikan sarjana (S1) dengan bidang keahlian Teknik Informatika di Universitas Muhammadiyah Gresik. Pada tahun 2015 penulis menyelesaikan pendidikan sarjana (S1) di bidang keahlian Teknik Informatika di Universitas Muhammadiyah Gresik.
