ANALISIS METODE TREND MOMENT DALAM FORECASTING UNTUK MEMPREDIKSI JUMLAH PENJUALAN
PADA RESTORAN AYAM GEPREK GOKIL
Rizky Prayoga1), Anita2), Josua Silaban3), Saut Parsaoran Tamba4) Fakultas Sains dan Teknologi, Universitas Prima Indonesia Email : rizky_prayoga@gmail.com, anitayakub_pilchan@yahoo.com,
josua_silaban@gmail.com, sautparsaorantamba@unprimdn.ac.id
Abstract
Predictions are things that might be done so that actions taken in the future are more effective and efficient. Predictions in sales are absolutely necessary so that companies / institutions can avoid big losses. Gokil Chicken Resto is a company engaged in the culinary field. Even though it is a Resto brand, it must have a business license in the form of a CV so that it can be said to be a company. The Gokil Chicken Resto has a problem, namely in the loss of procuring raw materials to be produced in a culinary menu called Gokil Geprek Chicken. In a condition, sometimes the procurement of these materials will be left quite a lot or even run out. This causes losses in terms of cost and also consumer disappointment as well. For this reason, research is needed in the form of sales predictions so that it can help minimize losses by procuring materials that are more effective and efficient. This study uses the trend moment method in analyzing sales to produce predictive numbers. The method of precise prediction accuracy uses MAPE (Mean Absolute Percentage Error). The accuracy of the prediction accuracy obtained is 99.36%.
Keywords: Predictions, Sales, Inventory, Trend Moment, Analysis
1. PENDAHULUAN
Resto Ayam Gokil merupakan sebuah restoran yang mengkhususkan diri dalam penjualan makanan seperti ayam geprek, mie goreng, dan kentang goreng. Restoran ini berlokasi di Jl. Gagak Hitam, No. 165. Saat ini, Resto Ayam Gokil mengalami pertumbuhan yang baik, baik dari sisi jumlah pelanggan maupun variasi makanan yang ditawarkan.
Sehingga resto ini memerlukan suatu sistem yang mampu memproyeksikan atau memprediksi jumlah penjualan di masa depan.
Permasalahan yang sering muncul di Resto Ayam Gokil adalah kelebihan atau kekurangan stok bahan yang dibutuhkan, serta kurang pemahaman terhadap bahan-bahan yang terjual yang menyebabkan pengelolaan kas menjadi tidak optimal. Hal ini terjadi karena terjadi penumpukan stok bahan dalam satu produk dan kekurangan stok bahan dalam produk lainnya.
Saat ini, berbagai teknologi yang berbasis komputer telah diterapkan untuk
memfasilitasi penyelesaian tugas dengan lebih mudah [1]–[10], [11]–[13]. Oleh karena itu, untuk mengatasi permasalahan yang sering terjadi di Resto Ayam Gokil diperlukan suatu sistem yang dapat melakukan ramalan atau prediksi terhadap jumlah penjualan di masa depan untuk periode yang akan datang. Sistem ini diharapkan dapat membantu Resto Ayam Gokil dalam mengoptimalkan pengelolaan stok bahan, menghindari kelebihan atau kekurangan, serta memperbaiki arus kas secara keseluruhan.
[14]–[22].
Suatu peramalan bisa dilakukan dengan menggunakan metode perhitungan menggunakan Trend Moment. Trend Moment dan Forecasting merupakan salah satu pengambilan data yang memilki kesesuaian yang akurat dan efektif untuk menangani masalah seperti data dalam jumlah besar. Metode Trend Moment merupakan suatu pendekatan yang menggunakan teknik perhitungan statistika dan matematika khusus untuk menggantikan garis patah-patah yang terbentuk dari data historis
perusahaan dengan fungsi garis lurus. Untuk mengevaluasi kinerja Metode Trend Moment, digunakan Analisa Trend yang mengacu pada kecenderungan pergerakan naik atau turun dalam jangka panjang, yang dihitung berdasarkan rata-rata perubahan dari waktu ke waktu. Rata-rata perubahan tersebut dapat meningkat atau menurun. Jika rata-rata perubahan meningkat, ini menunjukkan tren positif atau kecenderungan naik. Sebaliknya, jika rata-rata perubahan menurun, ini menunjukkan tren negatif atau kecenderungan menurun.
Peramalan merupakan proses untuk memperkirakan atau memproyeksikan permintaan konsumen potensial untuk periode waktu tertentu dengan menggunakan berbagai asumsi, berdasarkan pertimbangan teknis [8], [10], [14]. Sementara itu, peramalan penjualan adalah estimasi mengenai aktivitas perusahaan dalam periode waktu mendatang, dan juga berisi estimasi mengenai kondisi atau posisi keuangan perusahaan di masa depan.
2. METODE PENELITIAN Jenis Penelitian
Penelitian kuantitatif adalah suatu studi yang sistematis untuk mempelajari sebuah fenomena dengan mengumpulkan data yang dapat diukur menggunakan teknik statistik, matematika, atau komputasi. Tujuan utama dari penelitian ini adalah untuk memberikan pemahaman yang lebih mendalam tentang hubungan mendasar antara pengamatan empiris dan data yang diperoleh secara kuantitatif. Inti dari jenis penelitian ini adalah proses pengelompokan data menggunakan metode data mining dengan basis data yang lebih luas.
Prosedur Penelitian
Untuk memudahkan penyusunan laporan penelitian ini, diperlukan suatu rangkaian kerangka kerja penelitian yang terstruktur.
Rangkaian kerangka kerja penelitian ini mencakup serangkaian langkah yang akan dilakukan untuk menyelesaikan masalah yang akan dibahas. Berikut adalah susunan kerangka kerja penelitian yang telah disusun::
Gambar 1. Kerangka Kerja
Pengumpulan Data
Dalam pengumpulan data-data yang diperlukan dalam penyusunan penelitian ini, maka peneliti menggunakan beberapa tahapan yaitu :
1. Studi Lapangan
Pada penelitian ini, dilakukan suatu metode yang melibatkan kunjungan langsung ke lokasi Restoran Ayam Geprek Gokil di Jl. Gagak Hitam No. 165 untuk mengumpulkan data.
Teknik pengumpulan data yang digunakan adalah melalui observasi terhadap lokasi restoran guna memperoleh informasi tentang penjualan produknya serta kendala-kendala yang dihadapi dalam operasionalnya. [28].
2. Penelitian perpustakaan
Penelitian perpustakaan adalah suatu pendekatan yang digunakan oleh peneliti dalam mencari, mengumpulkan, dan menganalisis sumber data yang nantinya akan diolah dan disajikan dalam bentuk laporan. Dalam konteks ini, peneliti melakukan penelitian perpustakaan dengan tujuan mengumpulkan teori yang terdiri dari jurnal-jurnal penelitian sebagai referensi untuk penelitian yang sedang dilakukan. [16], [19].
3. Wawancara (Interview)
Wawancara adalah percakapan dua orang atau lebih yang berlangsung antara narasumber dan pewawancara dengan tujuan mengumpulkan data-data berupa informasi. Usaha pengumpulan data dengan cara mengajukan beberapa pertanyaan kepada salah satu staff pada Restoran Ayam Geprek Gokil. Disini peneliti secara
Mulai
Pengambilan Data
Analisis Data
Implementasi Data
Hasil Data
Vertifikasi Data
langsung bertatap muka dengan Bapak Ifan Solihin sebagai supervisor penjualan untuk melakukan wawancara agar mendapatkan informasi. Adapun pertanyaan yang diajukan penulis adalah :
1. Masalah apa yang terjadi terkait kerugian pada Restoran yang sering dialami?
2. Bagaimana biasanya pihak Restoran mensolusikan masalah tersebut sampai saat ini?
3. Apakah ada sistem yang dapat memprediksi penjualan produk pada Restoran Ayam Geprek Gokil?
4. Bagaimana bila solusi terhadap kerugian Restoran menggunakan Analisis prediksi?
Sehingga data penelitian yaitu
Tabel 1. Dataset
Bulan 2018 2019 2020 2021 2022
Januari 56 126 37 78 59
Februari 62 127 36 67 15
Maret 45 153 67 44 18
April 33 151 51 92 43
Mei 48 126 24 94 20
Juni 33 167 51 88 17
Juli 23 160 60 86 55
Agustus 11 139 67 81 54
September 21 177 53 75 60
Oktober 15 93 26 77 10
November 67 98 39 26 15
Desember 74 97 22 42 11
JUMLAH 488 1.614 533 850 377
1. Analisis Data
Proses pengelolaan data dengan tujuan untuk menemukan informasi yang berguna berdasarkan studi pustaka pada jurnal – jurnal
yang dapat dijadikan dasar dalam pengambilan keputusan untuk solusi suatu permasalahan [33].
2. Implementasi Data
Dengan mengimplementasikan isi data dalam metode trend moment untuk dapat mengatasi permasalahan yaitu untuk memprediksi penjualan sehingga pengaruh unsur subjektif dalam menentukan peramalan penjualan nantinya dapat di hindarkan [34], [35].
3. Hasil Data
Perhitungan metode trend moment akan menghasilkan kalkulasi – kalkulasi prediksi pada penjualan ayam geprek gokil kedepannya pada Restoran Ayam Geprek Gokil
4. Verifikasi Data
Verifikasi data ini untuk membandingkan hasil perhitungan manual dengan aplikasi sistem peramalan / prediksi dengan metode trend moment. Dan menghitung tingkat error prediksi dengan kalkulasi Mean Absolutely Percentage.
3. HASIL DAN PEMBAHASAN
Berdasarkan data penjualan ayam geprek pada Resto Ayam Gokil pada 5 (lima) tahun terakhir yaitu tahun 2018 - 2022 yang telah dikumpulkan sebagai berikut
Tabel 2. Dataset
Bulan 2018 2019 2020 2021 2022
Januari 56 126 37 78 59
Februari 62 127 36 67 15
Maret 45 153 67 44 18
April 33 151 51 92 43
Mei 48 126 24 94 20
Juni 33 167 51 88 17
Juli 23 160 60 86 55
Agustus 11 139 67 81 54
September 21 177 53 75 60
Oktober 15 93 26 77 10
November 67 98 39 26 15
Desember 74 97 22 42 11
Jumlah 488 1.614 533 850 377
Dari data penjualan tersebut maka akan dilakukan perhitungan menggunakan metode trend moment sehingga menghasilkan angka prediksi. Metode trend moment memiliki alur kerja yang dilakukan sebagai langkah-langkah perhitungan. Dimana alur ini merupakan petunjuk dalam penggunaan metode trend momen.
Mulai
Pilih data
Data terpilih
Olah data
Mencari nilai b
Mencari nilai a
Persamaan forcasting Analisis data
terpilih Hasil analisi
Hitung akurasi
Hasil akurasi Selesai
Gambar 2. Flowchart metode Trend Moment
Di mulai pada Pilih Data dan Data Terpilih di dapat dari data penjualan Resto Ayam Gokil pada lima tahun terakhir. Kemudian Olah Data
yaitu data penjualan yang telah terbentuk untuk diubah dengan menambahkan nilai X dan Y.
Tabel 3. Menentukan nilai Waktu, nilai X dan Y, serta X2
Mencari nilai a dan b untuk mendapatkan
persamaan
𝑌 = 𝑎 + 𝑏𝑋
3862 = 60𝑎 + 1770𝑏
232143830 = 190𝑎 + 2470𝑏
|3862|Eliminasi persamaan (1) dan (2):
22264280 = 60𝑎 + 1770𝑏 |9,5|
232143830 = 190𝑎 + 2470𝑏 |1|
211510660 = 190𝑎 + 1805𝑏 232143830 = 190𝑎 + 2470𝑏 −
−20633170 = −665𝑏
𝑏 = 31027,32
Substitusi b ke persamaan (1)
22264280 = 20𝑎 + 190𝑏 22264280 = 20𝑎 + 190(31027,32)
20𝑎 = 5895191,37 − 22264280 𝑎 = 818454,46
Memasukkan nilai X
𝑌 = 𝑎 + 𝑏𝑋 𝑌 = 818454,46 + 31027,32(21) Index musim
= rata − rata permintaan bulan tertentu rata − rata permintaan perbulan
= 14,7002878
Index musim = 1820145
1113214 = 1,64 Y
′= Index Musim × Y
Y
′= 1,64 × 14,7002878 Y
′=
42.378531073446PEMBAHASAN
Nilai 42.378531073446adalah hasil dari metode trend moment yang merupakan nilai prediksi.
Nilai prediksi ini harus dilakukan pencarian nilai akurasinya. Nilai akurasi ini memerlukan metode lain dalam pencariannya. Disini penulis memakai metode MAPE (Mean Absolute Percentage Error). Perhitungan MAPE yaitu
MAPE = | Y − Y
′Y | × 100%
= 14,7002878 −
42.37853107344614,7002878
× 100%
= −0,64
Akurasi = 100% − kesalahan
= 100% − 0,64%
= 99,36%
Jadi stok yang harus disediakan di bulan Februari tahun 2023 adalah 2410847,20. Hasil pengujian keakuratan yang diperoleh dari perbandingan antara data aktual dengan data ramalan pada Februari tahun 2023 adalah 99,36%.
Gambar 3. Data Penjualan
Gambar 4. Hasil Prediksi
4. KESIMPULAN
Dari pembahasan yang sudah dilakukan maka kesimpulan yang dapat diambil adalah penerapan metode trend moment dalam memprediksi penjualan ayam geprek gokil pada Resto Ayam Gokil yang akan terjadi kedepannya dikategorikan efketif karena hasil error yang didapat 0.64% dengan tingkat akurasi 99.36%. Dengan adanya penelitian ini maka diharapkan Resto Ayam Gokil dapat
mempersiapkan cost produksi lebih tepat efisien.
Penelitian ini juga memberikan pengetahuan pada penulis dalam hal pembelajaran datamining mengenai metode prediksi.
5. REFERENSI
[1] V. M. M. Siregar et al., “Decision support system for selection of food aid recipients using SAW method,” AIP Conf. Proc., vol. 2453, no. July, 2022, doi: 10.1063/5.0094385.
[2] N. A. Sinaga et al., “Decision support system with MOORA method in selection of the best teachers,” AIP Conf.
Proc., vol. 2453, no. July, 2022, doi:
10.1063/5.0094437.
[3] Kisno, V. M. M. Siregar, H. Sugara, A.
T. Purba, and S. Purba, “Jurnal abdi insani,” J. Abdi Insa., vol. 9, no. 2, pp.
570–579, 2022.
[4] P. D. P. Adi et al., “A Performance Evaluation of ZigBee Mesh Communication on the Internet of Things (IoT),” 3rd 2021 East Indones. Conf.
Comput. Inf. Technol. EIConCIT 2021,
pp. 7–13, 2021, doi:
10.1109/EIConCIT50028.2021.9431875.
[5] E. Damanik and I. M. Siregar,
“PENGEMBANGAN SISTEM
CUSTOMER RELATIONSHIP
MANAGEMENT BERBASIS WEB PADA PT. TERUS MEGA TARA JAKARTA,” J. Tek. Inf. dan Komput., vol. 4, no. 1, pp. 60–69, 2021, doi:
10.37600/tekinkom.v4i1.278.
[6] P. D. P. Adi, V. M. M. Siregar, and A.
Kitagawa, “Soil moisture sensor based on Internet of Things LoRa,” Iota, vol. 1, no. 2, pp. 120–132, 2021, doi:
10.31763/iota.v1i2.495.
[7] V. M. M. Siregar, S. Sonang, and E.
Damanik, “SISTEM PENDUKUNG
KEPUTUSAN PENENTUAN
PELANGGAN TERBAIK
MENGGUNAKAN METODE
WEIGHTED PRODUCT,” J. Tek. Inf.
dan Komput., vol. 4, no. 2, p. 239, Dec.
2021, doi: 10.37600/tekinkom.v4i2.392.
[8] V. M. M. Siregar, S. Sonang, A. T.
Purba, H. Sugara, and N. F. Siagian,
“Implementation of TOPSIS Algorithm for Selection of Prominent Student Class,” J. Phys. Conf. Ser., vol. 1783, no.
1, p. 012038, Feb. 2021, doi:
10.1088/1742-6596/1783/1/012038.
[9] V. M. M. Siregar and N. F. Siagian,
“Sistem Informasi Front Office Untuk Peningkatan Pelayanan Pelanggan Dalam Reservasi Kamar Hotel,” J. Tek. Inf. dan Komput., vol. 4, no. 1, pp. 77–82, 2021, doi: 10.37600/tekinkom.v4i1.279.
[10] H. Sugara, V. M. M. Siregar, K. Sinaga, M. A. Hanafiah, and H. D. Pardede,
“SAW and Electre Methods Implementation for Scholarship Awardee Decision,” IOTA, vol. 01, no. 4, pp. 209–
220, 2021, doi: 10.31763/iota.v1i4.496.
[11] S. Sonang, A. T. Purba, and S. Sirait,
“PREDIKSI PRESTASI MAHASISWA
DENGAN MENGGUNAKAN
ALGORITMA
BACKPROPAGATION,” J. Tek. Inf.
dan Komput., vol. 5, no. 1, p. 67, Jun.
2022, doi: 10.37600/tekinkom.v5i1.512.
[12] S. Sonang, S. Defit, and M. Ramadhan,
“JEPIN (Jurnal Edukasi dan Penelitian Informatika) Analisis Optimasi Fungsi Pelatihan Machine Learning Neural Network dalam Peramalan Kemiskinan,”
vol. 7, no. 3, pp. 359–369, 2021,
[Online]. Available:
https://www.bps.go.id/.
[13] S. S. Sitanggang, S. Defit, and M.
Ramadhan, “Analisis Optimasi Fungsi Pelatihan Machine Learning Neural Network dalam Peramalan Kemiskinan,”
J. Edukasi dan Penelit. Inform., vol. 7, no. 3, p. 359, Dec. 2021, doi:
10.26418/jp.v7i3.50092.
[14] A. Amrullah, E. Affandi, W. Riansyah, and S. Sobirin, “Peramalan Penjualan Bulanan menggunakan metode Trend
Moment pada Toko Suamzu Boutique,”
J. SAINTIKOM (Jurnal Sains Manaj.
Inform. dan Komputer), vol. 19, no. 2, p.
46, 2020, doi: 10.53513/jis.v19i2.2423.
[15] D. N. Fitriani and P. A. Rakhma Devi,
“Implementasi Metode Trend Moment pada Jumlah Produksi Baju Distro Jatirogo,” Nuansa Inform., vol. 16, no. 1, pp. 134–140, 2022, doi:
10.25134/nuansa.v16i1.5329.
[16] N. Indah Kusuma Wardhani, I. Hartami S, and W. Dwi Puspitasari, “Sistem Forecasting Penjualan Beras Dengan Menerapkan Metode Trend Moment,”
JATI (Jurnal Mhs. Tek. Inform., vol. 6, no. 2, pp. 901–907, 2022, doi:
10.36040/jati.v6i2.5780.
[17] T. Fakhta, T. Nasution, A. R. Lubis, S.
Informasi, U. H. Medan, and U. Mikro,
“Analisis Metode Trend Moment Sebagai Peramalan ( Forecast ) Penjualan UMKM Dimsum,” no. April 2021, pp. 117–126, 2023.
[18] D. Irawan, “Prediksi Harga Kebutuhan Pokok di Kota Kediri Dengan Menggunakan Metode Trend Moment,”
Ekon. Akunt., vol. 01, no. 08, pp. 1–13, 2016.
[19] A. N. Safitri and F. A. Sianturi, “Analisa Metode Trend Moment Untuk Peramalan Penjualan Stok Barang Pada Toko Sun Oleh-Oleh,” J. Ilmu Komput. dan Sist.
Inf., vol. 3, no. 1.1, pp. 91–102, 2020.
[20] I. Yulian, D. Sri Anggraeni, and Q. Aini,
“Penerapan Metode Trend Moment Dalam Forecasting Penjualan Produk Cv.
Rabbani Asyisa,” JURTEKSI (Jurnal Teknol. dan Sist. Informasi), vol. 6, no. 2, pp. 2407–1811, 2020.
[21] M. A. Firmansyah, A. P. Sasmito, and H.
Z. Zahro, “Aplikasi Forecasting Penjualan Bahan Bangunan Menggunakan,” JATI (Jurnal Mhs. Tek.
Inform., vol. 5, no. 2, pp. 526–533, 2021.
[22] F. R. Hariri and C. Mashuri, “Sistem Informasi Peramalan Penjualan dengan
Menerapkan Metode Double Exponential Smoothing Berbasis Web,” Gener. J., vol. 6, no. 1, pp. 68–77, 2022, doi:
10.29407/gj.v6i1.16204.
[23] D. Astuti, D. Y. Hartanti, S. T.
Nurhayanti, and H. Fransiska,
“Clustering and Forecasting of Covid-19 Data in Indonesia,” J. Mat. Stat. dan Komputasi, vol. 18, no. 3, pp. 324–335, 2022, doi: 10.20956/j.v18i3.18882.
[24] T. M. Jannah, L. Latipah, and A.
Muchayan, “Decision Support System Forecasting Penjualan Menggunakan Metode Simple Moving Average (Studi Kasus : CV. Perkakas Indonesia),” J.
Sisfokom (Sistem Inf. dan Komputer), vol. 11, no. 2, pp. 214–222, 2022, doi:
10.32736/sisfokom.v11i2.1434.
[25] I. T. Julianto, D. Kurniadi, M. R.
Nashrulloh, and A. Mulyani,
“Comparison of Data Mining Algorithm For Forecasting Bitccoin Crypto Currency Trends,” J. Tek. Inform., vol. 3, no. 2, pp. 245–248, 2022, doi:
10.20884/1.jutif.2022.3.2.194.
[26] I. Yulianti and A. Rahmawati,
“Pengembangan Sistem Forecasting Penjualan Pada Aplikasi Point of Sales Menggunakan Metode Trend Least Square,” Ldng. Artik. Komput., vol. 2, no.
2, pp. 24–31, 2022.
[27] Poernomo, “Sinergisme Metode Trend Moment Sebagai Model Pendukung Keputusan Dalam Perancangan Visual Forecasting Penjualan,” Semin. Nas.
Teknol. Inf. dan Multimed., pp. 91–96, 2016.
[28] M. Solehuddin, W. A. Syafei, and R.
Gernowo, “Metode Decision Tree untuk Meningkatkan Kualitas Rencana Pelaksanaan Pembelajaran dengan Algoritma C4.5,” J. Penelit. dan Pengemb. Pendidik., vol. 6, no. 3, pp.
510–519, 2022, doi:
10.23887/jppp.v6i3.52840.
[29] I. A. Darmawan, M. F. Randy, I.
Yunianto, M. M. Mutoffar, and M. T. P.
Salis, “Penerapan Data Mining Menggunakan Algoritma Apriori Untuk Menentukan Pola Golongan Penyandang Masalah Kesejahteraan Sosial,” Sebatik, vol. 26, no. 1, pp. 223–230, 2022, doi:
10.46984/sebatik.v26i1.1622.
[30] Giyanafrenti, “Analisis sistem pengelolaan rekam medis rawat inap rumah sakit umum daerah Kota Semarang,” Kesehat. Masy., vol. 1, pp.
48–61, 2018.
[31] D. A. Trianggana, “a Peramalan Jumlah Siswa-Siswi Melalui Pendekatan Metode Regresi Linear,” J. Media Infotama, vol.
16, no. 2, pp. 115–120, 2020, doi:
10.37676/jmi.v16i2.1149.
[32] E. Fauziningrum, M.Pd and E. I.
Sulistyaningsih, “Penerapan Data Mining Metode Decision Tree Untuk Mengukur Penguasaan Bahasa Inggris Maritim (Studi Kasus Di Universitas Maritim Amni),” J. Sains Dan Teknol. Marit., vol.
22, no. 1, p. 41, 2021, doi:
10.33556/jstm.v22i1.285.
[33] I. Maemanah and N. Sofiyati,
“Peramalan Jumlah Penduduk Desa Pandak Tahun 2022 Dengan Metode Exponential Smoothing,” Sci. Timeline, 2022.
[34] H. D. Wijaya and S. Dwiasnati,
“Implementasi Data Mining dengan Algoritma Naïve Bayes pada Penjualan Obat,” J. Inform., vol. 7, no. 1, pp. 1–7, 2020, doi: 10.31311/ji.v7i1.6203.
[35] F. Ginting, E. Buulolo, and E. R. Siagian,
“Implementasi Algoritma Regresi Linear Sederhana Dalam Memprediksi Besaran Pendapatan Daerah (Studi Kasus: Dinas Pendapatan Kab. Deli Serdang),”
KOMIK (Konferensi Nas. Teknol. Inf.
dan Komputer), vol. 3, no. 1, pp. 274–
279, 2019, doi:
10.30865/komik.v3i1.1602.