III-73
RANCANG BANGUN SISTEM INFORMASI DAN PERAMALAN PENJUALAN MENGGUNAKAN ANALISA FORECASTING
Angga Vidianto1, Ekojono2
1,2 Teknik Informatika, Teknologi Informasi, Politeknik Negeri Malang
1 [email protected], 2 [email protected]
Abstrak
UD. Alins merupakan Usaha Dagang yang berperan sebagai supplier atau pemasok barang ke pelanggan.
Barang yang disediakan oleh UD. Alins tidak hanya satu jenis produk, namun meliputi beberapa jenis produk.
Sebagai Usaha Dagang yang mulai berkembang, UD. Alins membutuhkan sebuah sumber informasi yang akurat untuk membuat perencanaan di masa depan, khususnya peramalan penjualan. Hal tersebut dapat diwujudkan dengan menggunakan data penjualan di periode sebelumnya. Pembuatan sistem ini bertujuan untuk membantu melakukan pencatatan data penjualan serta membantu meramalkan jumlah penjualan diperiode selanjutnya. Untuk melakukan peramalan, aplikasi ini menggunakan Analisa Forecasting serta metode yang digunakan adalah Single Exponential Smoothing. Hasil yang diharapkan dari aplikasi ini berupa informasi yang menunjukkan jumlah penjualan yang mungkin terjadi pada periode selanjutnya. Sehingga jumlah persediaan barang yang harus disediakan untuk periode selanjutnya dapat diperkirakan.
Kata Kunci: Peramalan, Single Exponential Smoothing
1. Pendahuluan
Kehadiran teknologi informasi mulai disadari dapat menghadirkan berbagai solusi yang dapat membantu proses bisnis yang ada. Sebuah teknologi informasi memiliki beberapa peranan penting dalam dunia bisnis, yaitu mendukung operasi bisnis, seperti contohnya penelusuran pesanan pelanggan, sistem informasi menyediakan dukungan bagi manajemen dalam operasi/kegiatan bisnis sehari-hari. Yang kedua yaitu mendukung pengambilan keputusan manajerial, selain itu dapat mengkombinasikan informasi untuk membantu manager menjalankan bisnis dengan lebih baik.
UD. Alins merupakan Usaha Dagang yang berperan sebagai supplier atau pemasok barang ke pelanggan. Barang yang disediakan meliputi produk santan Sun Kara. Pada faktanya, yang dilakukan dalam memenuhi penjualan barang, pegawai akan memasarkan produk ke toko-toko. Selain memasarkan secara langsung, pesanan biasanya juga berasal dari pelanggan tetap yang memesan via telpon. Sedangkan untuk persediaan barang di dalam gudang, UD. Alins melakukan pengadaan barang langsung dari produsen barang tersebut. Pengadaan barang dilakukan ketika pemilik menilai barang yang ada di gudang tidak memenuhi untuk melakukan penjualan satu periode kedepan.
Sehingga tidak ada ukuran ketepatan dalam pengadaan jumlah barang yang ada di gudang.
Dari hasil observasi yang telah dilakukan pada UD. Alins Surabaya, dalam setiap transaksi yang terjadi, pencatatan dilakukan secara manual ke dalam kertas atau buku. Dari permasalahan yang terjadi, maka diperlukannya sebuah sistem informasi
yang dapat mencatat transaksi penjualan serta dapat meramalkan jumlah barang yang nantinya akan membantu dalam menentukan jumlah pesanan barang. Dengan memanfaatkan grafik penjulan yang fluktuatif serta data penjualan pada periode sebelumnya, maka hal tersebut dapat dilakukan dengan Analisa Forecasting menggunakan Model Time Series.
2. Landasan Teori 2.1 Sistem Informasi
Menurut Marimin et al (2006: 18), sistem informasi adalah suatu kumpulan dari komponen- komponen dalam perusahaan atau organisasi yang berhubungan dengan proses penciptaan dan pengaliran informasi. Sistem informasi dapat juga didefinisikan sebagai suatu sistem yang menerima sumber data sebagai input dan mengolahnya menjadi produk informasi sebagai output. Sistem informasi merupakan suatu sistem yang terdiri dari beberapa subsistem atau komponen hardware, software, dan brainware, data dan prosedur untuk menjalankan input, proses, output, penyimpanan, dan pengontrolan yang mengubah sumber data menjadi informasi.
2.2 Forecast
Menurut Subagyo (2007: 74), forecasting (peramalan) adalah seni dan ilmu memprediksi peristiwa-peristiwa masa depan. Peramalan harus mengambil data historis dan memproyeksikan ke masa depan dengan beberapa model matematis.
Peramalan bisa jadi juga merupakan kombinasi
Prosiding Seminar Informatika Aplikatif Polinema 2015 (SIAP~2015) ISSN: 2460-1160
III-74 antara penilaian subjektif seorang manajer dan model matematis.
Peramalan merupakan suatu usaha untuk meramalkan keadaan di masa mendatang melalui pengujian keadaan di masa lalu. Esensi peramalan adalah perkiraan peristiwa-peristiwa di waktu yang akan datang atas dasar pola-pola di waktu yang lalu, dan penggunaan kebijakan terhadap proyeksi- proyeksi dengan pola-pola di waktu yang lalu.
2.3 Single Exponential Smoothing (SES) Menurut Setiadi (2003: 43) metode ini berusaha untuk memperbaiki suatu prakiraan berdasarkan pengalaman-pengalaman terbaru secara terus menerus. Prosedurnya ditempuh dengan cara merata-ratakan secara mulus (“memuluskan”) serangkaian data masa lalu dengan pola eksponensial. Di sini di yakini bahwa data yang paling akhir lebih merupakan petunjuk tentang kejadian di masa yang akan datang dibandingkan dengan data yang sudah lama. Dengan dasar pemikiran demikian, maka data yang sudah lama tidak perlu lagi dipertimbangkan sebagai basis prakiraan. Pada prinsipnya model ini memerlukan tiga data yaitu:
Angka prakiraan yang paling akhir
Angka aktual
Angka koefisien pemulus alpha (α) Pola data yang tidak stabil atau perubahannya besar dan bergejolak umumnya menggunakan model pemulusan eksponensial (Exponential Smoothing).
Metode Single Exponential Smoothing lebih cocok digunakan untuk meramalkan hal-hal yang fluktuasinya secara acak (tidak teratur). Peramalan menggunakan model pemulusan eksponensial rumusnya terdapat pada persamaan 2.1.
= . + (1 − ) (2.1)
Dimana:
St+1 = prakiraan untuk periode baru
α = konstanta pemulusan, dengan 0 < α < 1 Xt = nilai sebenarnya pada periode t St = nilai pemulusan yang lama 2.4 Ukuran Ketepatan Suatu Metode
Menurut Setiadi (2003: 13) ukuran ketepatan suatu metode dari teknik pemrakiraan bisnis atau sering disebut pula sebagai Goodness of Fit adalah seberapa baik model pemrakiraan dapat memprakirakan data yang telah diketahui. Misal, karena ada lingkungan yang berubah, maka prakiraan mungkin menyimpang. Penyimpangan metode yang dipakai hendaknya dapat diterima dalam arti dicari penyimpangan yang terkecil. Model dengan penyimpangan terkecil inilah yang setidak- tidaknya dapat dijadikan acuan untuk pemrakiraan.
a. Deviasi Absolute Rerata / Mean Absolute Deviation (MAD)
Untuk mencari rata-rata dari kesalahan absolut selama beberapa periode (tidak diperhatikan tanda positif dan tanda negatif, artinya penyimpangan baik di atas maupun di bawah nilai rata-ratanya tetap dikatakan sebagai penyimpangan, sehingga nilai penyimpangannya di-absolut-kan). Rumusnya terdapat pada persamaan 2.2.
= ∑ | | (2.2)
3. Metode
3.1 Proses Single Exponential Smoothing
Gambar 1 Proses Single Exponential Smoothing Pada gambar 1 ditunjukkan bahwa proses perhitungan peramalan dengan menggunakan Metode Single Exponential Smoothing dilakukan dengan beberapa tahap. Yang pertama yaitu memilih produk, dalam artian memilih data yang akan dilakukan perhitungan. Yang kedua yaitu memilih alpha yang sesuai. Kesesuaian alpha dilakukan secara trial seperti yang sudah dijelaskan pada pembahasan sebelumnya. Apabila data (Xt) ada, maka proses selanjutnya yaitu mencari data peramalan pada periode t tersebut (St). Apabila St
tidak ada, maka peramalan periode selanjutnya (St+1) sama dengan data asli pada periode t. Apabila nilai peramalan ada, maka dilakukan perhitungan sesuai dengan rumus.
3.2 Proses Mean Absolute Deviation (MAD) Proses dalam perhitungan ketepatan suatu metode dengan menggunakan Metode MAD yaitu dengan menjumlahkan seluruh kesalahan/error yang didapatkan dari selisih antara data aktual dan hasil peramalan. Dalam menjumlahkan nilai error, tanda positif atau negatif diabakan. Langkah terakhir setelah mendapat hasil penjumlahan nilai error,
III-75 maka membagi hasil tersebut dengan banyak nilai yang diramalkan.
4 Pengujian
Pengujian metode Single Exponential Smoothing berhasil dilakukan dengan menggunakan alpha yang ditentukan secara trial. Berikut merupakan tabel pengujian yang dilakukan:
Alpha (α) Sun Kara 65ml 200ml 1000ml 0,2 24,17 26,60 5,68 0,3 21,85 27,09 5,53 0,4 20,72 27,52 5,50 0,5 20,49 27,99 5,66 0,6 20,34 28,59 5,86 0,7 20,18 29,14 6,11 Hasil MAD terkecil pada produk Sun Kara 65ml didapat dengan menggunakan alpha (α) 0,7 yaitu dengan nilai MAD sebesar 20,18. Sedangkan produk Sun Kara 200ml didapat dengan menggunakan alpha (α) 0,2 yaitu dengan nilai MAD sebesar 26,60. dan pada produk Sun Kara 1000ml didapat dengan menggunakan alpha (α) 0,4 yaitu dengan nilai MAD sebesar 5,50. Sehingga dapat disimpulkan untuk perhitungan peramalan selanjutnya menggunakan alpha (α) 0,7 untuk produk Sun Kara 65ml, menggunakan alpha (α) 0,2 untuk produk Sun Kara 200ml, dan alpha (α) 0,4 untuk produk Sun Kara 1000ml. hal tersebut bertujuan untuk meminimalisir nilai error pada perhitungan peramalan.
4.1 Perhitungan Single Exponential Smoothing
= . + (1 − )
(5.2)
= 32,4
= 0,7 . 21 + (1 − 0,7)32,4
= 14,7 + 9,72
= 24,42
= 0,7 . 35 + (1 − 0,7)24,4
= 24,5 + 7,32
= 31,82
= 31,8
Dari perhitungan diatas, didapatkan hasil peramalan 31,8 yang merupakan pembulatan dari 31,82.
4.2 Perhitungan Mean Absolute Deviation
= ∑ | | + + +
= 945,4 + (−1,3) + (−11,4) + 10,6 48
= 945,4 + 1,3 + 11,4 + 10,6 48
= 968.7
= 20,18125 48
= 20,2
5 Kesimpulan dan Saran 5.1 Kesimpulan
Berdasarkan penelitian yang telah dilakukan pada Rancang Bangun Sistem Informasi Dan Peramalan Penjualan Menggunakan Analisa Forecasting, dapat diambil beberapa kesimpulan sebagai berikut:
a. Sistem peramalan ini dapat digunakan untuk mengetahui prediksi/peramalan penjualan produk UD. Alins pada periode selanjutnya, sehingga dapat membantu pemilik UD. Alins Surabaya melakukan pengambilan keputusan untuk menentukan jumlah pengadaan barang untuk periode selanjutnya.
b. Nilai alpha (α) yang ditentukan sangat berpengaruh terhadap hasil perhitungan peramalan penjualan.
c. Nilai error yang dihasilkan sangat beragam pada setiap jenis produk. Hal tersebut tidak terlepas dari bervariasinya nilai data penjualan dari masing-masing produk tersebut. Namun, setelah dilakukan uji coba dan membandingkan hasil perhitungan dari sistem dan perhitungan secara manual, metode Single Exponential Smoothing
telah berhasil
diterapkan/diimplementasikan pada aplikasi ini.
d. Pada peramalan menggunakan metode Single Exponential Smoothing, nilai MAD terkecil didapat dengan menggunakan alpha (α) 0,7 untuk produk Sun Kara 65ml.
Sedangkan produk Sun Kara 200ml menggunakan alpha (α) 0,2. Dan produk Sun Kara 1000ml dengan menggunakan alpha (α) 0,4. Sehingga untuk perhitungan peramalan selanjutnya, disarankan menggunakan alpha (α) tersebut untuk meminimalisir kesalahan.
Prosiding Seminar Informatika Aplikatif Polinema 2015 (SIAP~2015) ISSN: 2460-1160
III-76 5.2 Saran
Penelitian ini masih dapat dikembangkan menjadi sistem yang lebih kompleks, tidak hanya terfokus pada pencatatan penjualan dan peramalan penjualan saja. Berikut merupakan beberapa hal yang disarankan untuk pengembangan aplikasi ini, yaitu:
a. Untuk penelitian selanjutnya, perlu ditambahkannya fungsi laporan keuangan sehingga pemilik dapat melihat hasil laba atau rugi yang didapatkan selama periode penjualan berlangsung.
b. Dalam proses input data penjualan, disarankan untuk penambahan fungsi upload file dalam jumlah lebih besar yang berformat .csv, .txt, dll. Sehingga proses input tidak hanya dilakukan dengan cara satu per satu transaksi. Diharapakan hal tersebut dapat menghemat waktu dalam perakapan data transaksi penjualan.
Daftar Pustaka:
Gaspersz, V. 1998. Production Planning And Inventory Control. Jakarta: Gramedia Pustaka Utama
Hanum, Yuhilza (Penterjemah). 2003. Software Enginer (Rekayasa Perangkat Lunak).
Jakarta: Erlangga
Makridakis, S. et all. 1999. Metode dan Aplikasi Peramalan. Jakarta: Erlangga
Marimin, et all. 2006. Sistem Informasi Manajemen Sumber Daya Manusia. Jakarta: Grasindo Usman, H. et all. 2004. Teknik Pengambilan
Keputusan. Jakarta: Grasindo
Prasetya, H dan Lukiastuti, F. 2009. Manajemen Operasi. Yogyakarta: Media Pressindo Pangestu, S. 2002. Forecasting Konsep dan Aplikasi.
Yogyakarta: BPFE-Yogyakarta
Pangestu, S. 2000. Manajemen Operasi. Yogyakarta:
BPFE
Setiadi, Nugroho J. 2003. Prakiraan Bisnis Pendekatan Analisa Kuantitatif untuk Antisipasi Bisnis. Bogor: Prenada Media Subagyo, Ahmad. 2007. Studi Kelayakan. Jakarta:
Elex Media Komputindo
