SISTEM PREDIKSI PENJUALAN GAMIS TOKO QITAZ MENGGUNAKAN METODE SINGLE EXPONENTIAL SMOOTHING. Oleh: Salman Alfarisi

Transkripsi

1 S. Alfarisi / Journal of Applied Business and Economics Vol. 4 No. 1 (Sep 2017) SISTEM PREDIKSI PENJUALAN GAMIS TOKO QITAZ MENGGUNAKAN METODE SINGLE EXPONENTIAL SMOOTHING Oleh: Salman Alfarisi Program Sudi Teknik Informaika Fakulas Teknik, Maemaika dan Ilmu Pengeahuan Alam Universias Indraprasa PGRI salman.hoaru@gmail.com ABSTRAK Unuk mendapakan laba yang besar pada suau perusahaan adalah dengan menenukan prediksi penjualan pada bulan berikunya. Prediksi merupakan salah sau kunci dari keberhasilan penjualan karena dengan nilai prediksi penjualan yang bisa dijadikan panduan sebagai acuan unuk menenukan suau penjualan produk. Meode Single Exponenial Smoohing digunakan unuk menenukan prediksi penjualan pada periode berikunya. Meode exponenial smoohing merupakan meode peramalan yang cukup baik unuk peramalan jangka panjang, jangka menengah maupun jangka pendek, eruama pada ingka operasional suau perusahaan, dalam perkembangan dasar maemais dari meode exponenial smoohing. Daa yang akan diolah adalah daa pada Toko Qiaz, pada ahun 2016 dan disajikan pada daa perbulan. Hasil yang didapakan dari peneliian ini adalah hasil analisa dari meode eksponensialunggal unuk memperoleh informasi prediksi penjualan dan ingka keakuraannya dengandaa MAD, MSE, MAPEunuk mencari error erkecil. Pada ahap berikunya dibangun sebuah sisem prediksi penenuan perminaan konsumen dengan menggunakan meode pengembangan sisem waerfall dan pembuaan sofware yang dirancang menggunakan bahasa pemrograman Java dengan edior NeBeans dan daabase MySQL. Dari hasil pengujian erhadap sisem yang elah dibua, sysem dapa meramalkan daa penjualan gamis pada oko Qiaz sehingga sisem dapa membanu oko Qiaz dalam mengambil kepuusan pada perkiraan sok produk dengan epa. Kaa Kunci : Prediksi, Penjualan, Single Exponenial Smoohing, Sisem A. PENDAHULUAN Perkembangan dunia compuer dan inerne saa ini elah umbuh dengan sanga pesa, seiring dengan kebuuhan manusia yang semakin banyak dan semakin kompleks.kompuer kini elah digunakan secara luas di berbagai bidang, conoh: bisnis, kesehaan, pendidikan, psikologi, permainan dan lain sebagainya. Halini mendorong para ahli danpengembang unuk semakin mengembangkan 80

2 Journal of Applied Business and Economics Vol. 4 No. 1 (Sep 2017) kompuer agar dapa membanu kerja manusia aau bahkan lebih dari iu. Berkembangnya eknologi mulai dari hardware sampai kebuuhan sofwarenya pun meningka. Banyak perusahaan, home indusry dan oko sekalipun sekarang mereka banyak yang menggunakan kompuer yang dilengkapi sysem informasi yang berujuan unuk melakukan proses penyimpanan daa, perkiraan penjualan di periode berikunya, dan sebagainya. Oleh karena iu Toko Qiaz yang saa ini masih melakukan pengauran bisnisnya secara manual memiliki beberapa kendala. Salah sau kendalanya adalah banyaknya barang yang bisa menjadi kendala dalam melakukan proses bisnisnya dan berakiba pada kesalahan memperkirakan penjualan barang unuk pengiriman selanjunya. Dari masalah di aas muncul pemikiran unuk membua sebuah sisem yang dapa membanu dalam melakukan proses mengelola barang dan peramalan penjualan barang unuk periode berikunya. Diharapkan dengan adanya sisem informasi ini, akan membua daa daa barang erkompuerisasi dengan baik anara daabase, user inerface, dan user iu sendiri. Sisem informasi yang dilengkapi dengan adanya sysem peramalan penjualan barang diharapkan dapa menambah kinerja dan pelayanan erhadap para pelanggan dalam hal penyuplaian barang agar idak kehabisan sok barang. Berdasarkan alasan di aas,akhirnya penelii ingin membua suau sisem prediksi penjualan gamis dengan meode single exponenial smoohing dengan ujuan unuk memprediksi penjualan pada 1 periode (per bulan). B. KAJIAN PUSTAKA Peramalan Dalam melakukan analisa ekonomi aau analisa kegiaan usaha/bisnis perusahaan, haruslah diperkirakan apa yang erjadi, baik dalam bidang ekonomi aau dalam dunia usaha/bisnis pada masa yang akan daang. Usaha unuk meliha siuasi dan kondisi pada masa yang akan daang merupakan usaha unuk memperkirakan pengaruh siuasi dan kondisi yang berlaku erhadap perkembangan di masa yang akan daang. Kegiaan unuk memperkirakan apa yang akan erjadi pada masa yang daang, disebu peramalan (forecasing). Heizer & Render menyaakan bahwa peramalan adalah suau seni dan ilmu pengeahuan dalam memprediksi perisiwa-perisiwa pada masa mendaang (Heizer & Render, 2015). Peramalan akan melibakan mengambil daa hisoris (seperi penjualan ahun lalu ) dan memproyeksikan mereka ke masa yang akan daang dengan model maemaika. Sevenson & Shoung menyaakan bahwa peramalan (forecas) adalah pernyaaan mengenai nilai yang akan daang dari variable seperi perminaan (Sevenson & Shoung, 2013). Arinya ramalan adalah prediksi mengenai masa depan. Sedangkan Syofian menyaakan bahwa prakiraan ramalan adalah kegiaan memprediksi nilai masa depan, dengan dasar pengeahuan aau nilai masa lalu yang dipersiapkan. Prakiraan ramalan mencakup penggunaan daa hisoris, dengan memproyeksikannya unuk masa depan yang menggunakan jenis model maemais (Syofian, 2013). 81

3 S. Alfarisi / Journal of Applied Business and Economics Vol. 4 No. 1 (Sep 2017) Berdasarkan beberapa definisi diaas, pada hakikanya peramalan merupakan suau kepuusan enang kemungkinan masa yang akan daang yang didasarkan faka-faka ekonomi sekarang dan sejarah masa lalu. Sebelum melakukan peramalan harus dikeahui lebih dulu persoalan dalam pengambilan kepuusan. Dengan adanya peramalan manajemen dapa segera menyiapkan langkah paling baik dalam mengaasi permasalahan dan dapa bersiap-siap memanfaakan siuasi jika erjadi perkembangan yang lebih baik dalam peramalan. Peramalan yang menjadi iik olak bagi indakan perusahaan adalah ramalan penjualan. Pengerian ramalan penjualan adalah proyeksi eknis perminaan konsumen yang poensial pada masa yang akan daang dengan menggunakan berbagai pendekaan. Hal ini sanga berhubungan dengan kegiaan produksi. Dalam proses produksi kegiaan yang dilaksanakan dalam peramalan adalah unuk menenukan jumlah perminaan konsumen erhadap suau produk yang dilakukan pada awal proses perencanaan dan unuk kepeningan proses pengendalian produksi. Oleh sebab iu perangka lunak sanga dibuuhkan, unuk mendukung peramalan perminaan konsumen unuk mempercepa, mempermudah dan menghindari hiungan dengan angan yang kemungkinan erjadi kesalahan. Tipe Peramalan Organisasi menggunakan 3 ipe peramalan uama dalam merencanakan operasional unuk masa mendaang (Heizer & Render, 2015) : 1. Peramalan Ekonomi (Economic Forecas) Menangani siklus bisnis dengan memprediksikan ingka inflasi, uang yang beredar, mulai pembangunan perumahan, dan indikaor perencanaan lainnya. 2. Peramalan Teknologi (Technological Forecas) Berkaian dengan ingka perkembangan eknologi, dimana dapa menghasilkan ercipanya produk baru yang lebih menarik, yang diperlukan pabrik dan perlengkapan yang baru. 3. Peramalan Perminaan (Demand Forecas) Adalah proyeksi aas perminaan produk aau jasa dari perusahaan. Peramalan mendorong kepuusan sehingga para manajer memerlukan informasi dengan segera dan akura mengenai perminaan yang sesungguhnya. Pendekaan Peramalan Menuru (Heizer & Render, 2015), erdapa dua pendekaan umum unuk peramalan, hanya erdapa dua cara unuk mengaasi seluruh permodelan kepuusan.salah sau adalah analisis kuaniaif,yang saunya lagi adalah pendekaan kualiaif. Didalam meode peramalan kualiaif idak digunakan perhiungan-perhiungan dengan rumus dan meode yang pasi melainkan melalui pendapa dari berbagai pihak. Meode peramalan kualiaif anara lain didasarkan pada penilaian dan opini (Opini dewan Eksekuif, Opini bagian Penjualan ), Survei Pasar, Meode Delphi. Sedangkan Meode peramalan kuaniaif adalah meode peramalan yang sanga mengandalkan pola daa hisoris yang dimiliki. Pada meode kuaniaif menggunakan meode yang berhubungan dengan ilmu saisik dan maemaika, sehingga dapa diperanggungjawabkan secara ilmiah. 82

4 Journal of Applied Business and Economics Vol. 4 No. 1 (Sep 2017) Meode kuaniaif dikelompokan menjadi dua jenis yaiu : analisis sebab-akiba (Causal Mehods ) yang didasarkan aas pengguna analisa pola hubungan anara variabel yang akan diperkirakan dengan variabel lain yang mempengaruhinya dan analisa dere berkala ( Time Series ) yang pada umumnya selalu berdasarkan aas penggunaan analisa pola hubungan anara variabel yang akan diperkirakan dengan variabel waku. Meode ini merupakan meode peramalan yang memperkirakan perminaan konsumen/penjualan periode yang akan daang dengan menggunakan daa hisoris. Ada 3 (iga) eknik unuk menghiung dere berkala erdiri dari : meode raa-raa bergerak (Moving Average), raa-raa bergerak erimbang (weigh average) dan penghalusan eksponensial (Exponenial Smoohing). Penjelasan dari keiga eknik menghiung raa-raa pada meode analisa dere berkala (Time Series) adalah sebagai beriku : 1. Meode Raa-Raa Bergerak (Moving Average) Raa-raa bergerak (Moving Average) mengembangkan suau model berdasarkan hasil perhiungan raa-raa dari sebagian besar peneliian dengan menggunakan persamaan : F 1 = 1 ( A A A z ) / N Penjelasan : F 1 = Hasil peramalan unuk periode N = jumlah daa peneliian A = daa hisoris penjualan/perminaan konsumen. A -2.Az = daa hisoris penjualan/perminaan konsumen periode 2 hingga -n 2. Meode Raa-raa Bergerak Terimbang (Weighed Moving Average). Meode ini sama dengan raa-raa bergerak, eapi nilai erbaru dalam dere berkala diberikan beban lebih besar unuk menghiung peramalan.secara maemais, raa-raa bergerak erimbang diunjukan sebagai beriku : Raa-raa bergerak erimbang =w n A -n +w n-1 A -(n-1) +...w 1 A -1 Dimana : Wn = bobo yang diberikan pada nilai erbaru A -1 = nilai akual pada periode Meode Penghalusan Eksponensial (Exponenial Smoohing) Peramalan Penghalusan Eksponensial (Exponenial Smoohing) merupakan salah sau kaegori meode ime series yang menggunakan pemboboan daa masa lalu unuk melakukan peramalan. Besarnya bobo berubah menurun secara eksponensial berganung pada daa hisori.berdasarkan bobo yang digunakan,meode Exsponenal erbagi menjadi iga jenis yaiu : 83

5 S. Alfarisi / Journal of Applied Business and Economics Vol. 4 No. 1 (Sep 2017) a. MeodeSingle Exponenial Smoohing Benuk maemais dari meode Single Exponenial Smoohing diunjukan sebagai beriku: F = α A α F 1 Dimana : α = Ramalan Baru = Ramalan Sebelumnya = Konsana Penghalusan = Perminaan akual periode Sebelumnya b. Meode Double Exponenial Smoohing (Meode Hol) Meode ini merupakan pengembangan dari Single Exponenial dimana menambahkan unsur rend pada bobo perhiungan,sehingga pada Double Exponenial Smoohing (Meode Hol) kia memberikan dua jenis bobo pada perhiungan yaiu level (α) dan rend (β). Benuk maemais dari Double Exponenial Smoohing diunjukan sebagai beriku : A T Y ( 1 )( A 1 T 1) ( A A 1 ) (1 ) T 1 F m A T m A = nilai pemulusan eksponensial α = konsana pemulusan unuk daa (0 < α< 1) β = konsana pemulusan unuk esimasi rend (0 < β< 1) Y = nilai akual pada periode T = esimasi rend F (+m) = Nilai ramalan c. Meode Triple Exponenial Smoohing Meode Triple Exponenial Smoohing aau dapa dikenal dengan nama Winer s Mehod, merupakan pengembangan dari Double Exponenial dimana melakukan peramalan dengan iga parameer dengan bobo yang berbeda yaiu level ( α ), rend ( β ) dan seasonal ( γ ). Berdasarkan ipe musiman ( Triple Exponenial Smoohing ) dibagi menjadi dua yaiu: Muliplicaive Seasonal Model dan Addiive Seasonal Model. Perbedaan anara Muliplicaion Seasonal Model dengan Addiive Seasonal adalah sebagai beriku : Pada Muliplicaive Seasonal Model yaiu mengalikan hasil perhiungan level dan rend dengan perhiungan Seasonal. Sedangkan 84

6 Journal of Applied Business and Economics Vol. 4 No. 1 (Sep 2017) Addiive Seasonal Model yaiu menambahkan hasil perhiungan level dan rend dengan perhiungan Seasonal. Y A S L ( 1 )( A 1 T 1) T ( A A 1 ) (1 ) T 1 S Y ( 1 ) A S L Yˆ p ( A T p) S L p A = nilai pemulusan eksponensial α = konsana pemulusan unuk daa (0 <α< 1) β = konsana pemulusan unuk esimasi rend (0 <β< 1) μ = konsana pemulusan unuk esimasi musiman (0 < μ< 1) Y = nilai akual pada periode T = esimasi rend S = esimasi musiman L = panjangnya musim p = jumlah periode ke depan yang akan diramalkan Mengukur Kesalahan Peramalan Beberapa ukuran yang digunakan dalam prakiknya unuk menghiung keseluruhan dalam kesalahan peramalan. Ukuran-ukuran ini dapa digunakan unuk membandingkan model peramalan yang berbeda, sejalan dengan unuk memonior peramalan unuk memasikan bahwa mereka berfungsi dengan baik. Tiga ukuran yang paling erkenal adalah deviasi raa-raa yang absolu (mean absolue deviaion--mad), kesalahan raa-raa-raa yang dikuadrakan (mean squared error--mse), dan kesalahan persenase raa-raa yang absolu (mean absolue percen error--mape). Teapi disini akan diambahkan kesalahan raaraa (mean error--me) sebagai acuan perama mencari nilai error 1. ME (Mean Error) aau Nilai Raa-Raa Kesalahan ME = Σ Akual Peramalan n 2. MAD (Mean Absolue Deviaion) aau Nilai Deviasi Raa-Raa Kesalahan Absolu MAD = Σ Akual Peramalan n 85

7 S. Alfarisi / Journal of Applied Business and Economics Vol. 4 No. 1 (Sep 2017) MAPE (Mean Absolue Percen Error) aau Nilai Raa-Raa Kesalahan Persenase Absolu MAPE = n i Akual i Akual i /Akual i n C. METODE PENELITIAN Jenis Peneliian Jenis peneliian yang dilakukan adalah peneliian deskripif kuaniaif. Menuru pendapa (Yusuf, 2014) pengerian deskripif kuaniaif adalah merupakan usaha sadar dan sisemais unuk memberikan jawaban erhadap suau masalah dan/aau mendapakan informasi lebih mendalam dan luas erhadap suau fenomena dengan menggunakan ahap-ahap peneliian dengan pendekaan kuaniaif Sedangkan menuru pendapa (Syofian, 2013) Peneliian deskripif kuaniaif adalah dengan cara menggambarkan obyek peneliian pada saa sekarang berdasarkan faka-faka sebagaimana adanya, kemudian dianalisis dan diinerpreasikan,benuknya berupa survei dan sudi perkembangan. Sebagai kesimpulan dari pendapa diaas maka yang dimaksud dengan peneliian deskripif kuaniaif adalah mendeskripsikan mengenai siuasi siuasi aau kejadiankejadian berdasarkan faka, dimulai dari menguraikan krieria, kemudian sub krieria sebagai bahan analisa dan inerpreasi unuk mendukung pembuaan peramalan. sera alernaif pemilihan perangka lunak unuk mendukung peramalan. Peneliian ini melibakan daa, perhiungan dan penarikan kesimpulan. Daa ersebu diambil dari daa hisoris dan kuesioner. Sedangkan penghiungan eknik peramalan dengan Single Exponenial Smoohing Model menggunakan eknik saisika. Dari hasil penghiungan dan pembahasan ersebu diambil kesimpulan. Selanjunya akan didesain prooipe perangka lunak yang mendukungnya. Meode yang digunakan unuk pengembangan sisem adalah meode waerfall sedangkan pembuaan perangka lunak ersebu menggunakan bahasa pemrograman Java dengan daabase menggunakan MySQL. Meode Pengumpulan Daa Meode pengumpulan daa yang digunakan dalam peneliian ini adalah sebagaiberiku : 1. Rise kepusakaan ( Library Research) Peneliian kepusakaan dilakukan unuk mendapakan daa sekunder maupun eori eori yang berhubungan dengan peneliian. Hal ersebu dilaksanakan dengan cara membaca dan mempelajari buku buku yang ersedia di perpusakaan. 2. Rise Lapangan (Field research) Peneliian lapangan adalah suau usaha unuk mendapakan daa daa primer dan informasi sebenarnya dengan cara urun langsung ke lapangan. Penelii mengadakan peninjauan langsung ke lokasi responden diempa 86

8 Journal of Applied Business and Economics Vol. 4 No. 1 (Sep 2017) produksi maupun di empa berjualannya, sehingga diperoleh gambaran enang masalah yang menjadi objek peneliian. Cara yang digunakan penelii adalah dengan menggunakan kuesioner aau angke, yaiu dengan menyebarkan angke kepada responden, dimana responden dimina unuk mengisi angke yang elah disediakan oleh penelii. Responden dalam peneliian ini adalah pemilik oko Qiaz. Teknik Pengolahan dan Analisa Daa Pada peneliian ini menggunakan pendekaan kuaniaif deskripif melalui analisis saisik yaiu meode Single Exponenial Smoohing. Seelah iu akan dilakukan melalui ingka pengujian kesalahan (error) yaiu ME (Mean Error), MAD (Mean Absolue Deviaion), MAPE (Mean Absolue Percenage Error), MSE (Mean Square Error).Kegiaan analisis daanya melipui pengolahan daa dan penyajian daa, melakukan perhiungan unuk mendeskripsikan daa dengan menggunakan uji saisik. Dalam peneliian ini erdapa dua jenis unuk pengolahan dan analisa daa yaiu : daa hisoris dan daa kuesioner sebagai pendukung sera daa perangka lunak. Penjelasan pengolahan dan analisa daa sebagai beriku : 1. Pengolahan dan Analisa Daa Hisoris menggunakan eknik : Single Exponenial Smoohing Model, seperi yang sudah dijelaskan dalam Tinjauan Pusaka. 2. Pengolahan dan Analisa Perangka Lunak menggunakan bagan alir daa berbenuk Flowchar, unuk pengembangan perangka lunak menggunakan meode waerfall, pengkodean menggunakan bahasa pemrograman Java sera unuk daabase menggunakan MySQL. D. HASIL DAN PEMBAHASAN Deskripsi Daa Daa yang diperlukan dalam peneliian ini diperoleh melalui insrumen kuesioner yang berisi daa hisoris penjualan perbulan selama 1 ahun ( ahun 2016) dari responden dan daa dari hasil wawancara kepada pemilik oko Qiaz, dimana daanya adalah sebagai beriku : 87

9 S. Alfarisi / Journal of Applied Business and Economics Vol. 4 No. 1 (Sep 2017) Tabel 1. Daa Penjualan Gamis Toko Qiaz Januari s/d Desember 2016 BULAN AKTUAL Januari 105 Februari 115 Mare 130 April 130 Mei 120 Juni 130 Juli 140 Agusus 115 Sepember 125 Okober 120 November 130 Desember 140 Dari daa diaas akan dijadikan benuk grafik unuk dapa di analisis berdasarkan daa periodik. Gambar 1 Grafik Penjualan Gamis Toko Qiaz Januari-Desember 2016 Analisis Daa dan Pembahasan Dari daa yang ersedia, maka selanjunya diolah dengan single exponenial smoohing. 88

10 Journal of Applied Business and Economics Vol. 4 No. 1 (Sep 2017) Pada pengolahan daa menggunakan single exponenial smoohing dilakukan peramalan dengan sau kali penghalusan saja, dengan menggunakan rumus: F = α A α F 1 Dimana, = Ramalan Baru, = Ramalan Sebelumnya, α = Konsana Penghalusan dan = Perminaan akual periode sebelumnya.peramalan dilakukan juga dengan cara meminimalkan selisih (error) erhadap daa diaas. Minimalisasi dilakukan dengan meode manual dengan cara memasukkan nilai α = 0.1 sampai 0.9. Dengan meminimkan error, akan didapa hasil peramalan yang paling opimum. Nilai error yang dimaksud adalah nilai perhiungan ME (Mean Error), MAD (Mean Absolue Deviaion), MAPE (Mean Absolue Percenage Error), MSE (Mean Square Error) Hasil analisis peramalan yang paling opimum dengan error yang paling minimum didapakan dengan memasukkan nilai α = 0.6 dan α = 0.7. Beriku adalah hasil perhiungan dengan memasukkan nilai α = 0.6: Tabel 2. Daa Peramalan Toko Qiaz Januari s/d Desember 2016 meode Single Exponenial Smoohing dengan α = 0.6 Dari daa diaas dapa dijelaskan beberapa hal yaiu, monh adalah bulan erjadinya penjualan. acualadalah daa penjualan perbulan. forecas adalah peramalan unuk bulan berikunya. error adalah selisih dari daa acual dan forecas. abs error adalah nilai absolu error. % error adalah persenase unuk iap error dan sq.error adalah nilai kuadra dari error. ME merupakan raa-raa error yang didapakan dari penjumlahan masingmasing nilai error, lalu dibagi dengan jumlah bulan. MAD adalah nilai raa-raa dari absolu error yang didapa dari penjumlahan masing-masing nilai abs error, lalu dibagi dengan jumlah bulan. MAPE adalah raa-raa persenase nilai error yang didapa dari penjumlahan masing-masing nilai % error, lalu dibagi dengan 89

11 S. Alfarisi / Journal of Applied Business and Economics Vol. 4 No. 1 (Sep 2017) jumlah bulan. MSE adalah nilai raa-raa kuadra error yang didapa dari hasil penjumlahan nilai sq.error, lalu dibagi dengan jumlah bulan. Sedangkan grafik penghalusannya adalah sebagai beriku : Gambar 2. Grafik penjualan Toko Qiaz Januari s/d Desember 2016 meode Single Exponenial Smoohing dengan α = 0.6 Garis biru merupakan grafik dari daa acual aau daa penjualan iap bulan, sedangkan garis merah adalah grafik nilai peramalan yang sudah dihaluskan. Beriku adalah hasil perhiungan dengan memasukkan nilai α = 0.7 : Tabel 3. Daa Peramalan Toko Qiaz Januari s/d Desember 2016 meode Single Exponenial Smoohing dengan α =

12 Journal of Applied Business and Economics Vol. 4 No. 1 (Sep 2017) Sedangkan ampilan grafiknya adalah sebagai beriku : Gambar 3. Grafik penjualan Toko Qiaz Januari s/d Desember 2016 meode Single Exponenial Smoohing dengan α = 0.7 Berdasarkan hasil perhiungan dari Single Exponenial Smoohing Model dengan menggunakan nilai α = 0.1sampai 0.9,maka didapa nilai error erkecil dengan menggunakan 4(empa) meode yang memperoleh hasil ME = 4, MAD = 9, MAPE=7% dan MSE= 121,yaiu dari nilai α = 0.6 dan α = 0.7. Nilai α inilah yang akan digunakan unuk menghiung nilai peramalan pada periode berikunya. Single Exponenial Smoohing Model digunakan pada peramalan jangka pendek, biasanya sau bulan kedepan. Model ini mengasumsikan bahwa daa berflukuasi disekiar nilai mean yang eap,anpa rend aau pola perumbuhan. Hal ini sesuai pendapa yang diungkapkan oleh William J Sevenson dan Sum Chee Chuong (2014) yang menyebukan bahwa kecepaan penyesuaian ramalan erhadap kesalahan dienukan dengan konsana pemulusan α. Semakin deka nilai α dengan nol, semakin lamba ramalan akan menyesuaikan diri dengan kesalahan ramalan. Sebaliknya semakin deka nilai α dengan 1,00 semakin besar kemampuan unuk merespon dan pemulusan lebih kecil. Beriku nilai perhiungan ME (Mean Error), MAD (Mean Absolue Deviaion), MAPE (Mean Absolue Percenage Error), MSE (Mean Square Error) dengan nilai α = 0.1 sampai

13 S. Alfarisi / Journal of Applied Business and Economics Vol. 4 No. 1 (Sep 2017) Tabel 4. Nilai Perhiungan ME, MAD, MAPE, MSE meode Single Exponenial Smoohing Nilai Kesalahan ME MAD MAPE MSE α = % 251 α = % 171 α = % 141 α = % 128 α = % 123 α = % 121 α = % 121 α = % 123 α = % 126 Dari hasil pengolahan keiga model ersebu proses selanjunya akan dibua rancangan konsep perangka lunak menggunakan flowchar sebagai bagan alir program yang menggambarkan alur daa aau alur pemrograman dari aplikasi yang akan dirancang unuk kebuuhan peramalan kebuuhan konsumen yang akan daang dengan alur sebagai beriku : Gambar 4. Flowchar unuk meode Single Exponenial Smoohing 92

14 Journal of Applied Business and Economics Vol. 4 No. 1 (Sep 2017) Bagan alir program perhiungan di aas dapa dijelaskan sebagai beriku : 1. Memasukkan daa penjualan yang akan diramalkan dan nilai alpha 2. Menghiung nilai peramalan 3. Keluaran unuk proses perhiungan peramalan 4. Menghiung nilai Mean Error (ME) 5. Menghiung nilai Mean Absolue Deviaion (MAD) 6. Menghiung nilai Mean Percenage Error(MAPE) 7. Menghiung nilai Mean Square Error (MSE) 8. Keluaran unuk ramalan periode berikunya sera nilai ME, MAD, MAPE, MSE dengan meode single exponenial smoohing. Jika ingin menyimpan hasil peramalan maka kompuer akan memproses penyimpanan daa kemudian selesai. Jika idak maka selesai. Sisem Peramalan Sisem peramalan memiliki kemampuan unuk menyimpan daa penjualan dan peramalan, menghiung peramalan dengan meode single exponenial smoohing sera membua laporan hasil peramalan kepada pemilik oko Qiaz dengan mudah dan akura sesuai dengan kebuuhan dari oko Qiaz. Secara umum sisem ini erbagi dalam beberapa menu yaiu : 1. Halaman Login, digunakan sebagai menu awal keika user ingin masuk kedalam sisem. Hal ini unuk menjaga agar sisem ini hanya bisa diakses oleh orang-orang yang berhak saja, yaiu user. Gambar 5 Halaman Awal (Login) Sisem Peramalan Toko Qiaz 2. Penginpuan daa akual, digunakan unuk memasukkan daa barang berdasarkan kode barang, nama barang, bulan dan jumlah penjualan barang (nilai akual) penjualan gamis oko Qiaz. Dalam menu ersebu ada ombol pilihan yaiu ambah ( digunakan unuk memasukkan daa ), edi ( unuk mengubah daa jika ada kesalahan ), hapus ( unuk menghapus daa jika daanya salah ), dan exi (unuk keluar dari halaman inpu daa akual). 93

15 S. Alfarisi / Journal of Applied Business and Economics Vol. 4 No. 1 (Sep 2017) Gambar 6. Form Inpu Sisem Peramalan Toko Qiaz 3. Perhiungan peramalan, digunakan unuk menghiung peramalan peramalan single exponenial smoohing. Unuk menghiung peramalan, erlebih dahulu user memasukkan nilai alpha, seelah iu ekan ombol hiung, lalu sisem akan menghiung dan menampilkan nilai peramalan besera empa nilai error ( ME, MAD, MAPE,dan MSE) dilayar menu. E. SIMPULAN Gambar 6 Form Oupu Sisem Peramalan Toko Qiaz Berdasarkan hasil peneliian dan uraian ersebu diaas maka.penelii membua kesimpulan yakni hasil perhiungan dengan meode Single Exponenial 94

16 Journal of Applied Business and Economics Vol. 4 No. 1 (Sep 2017) Smoohing digunakan unuk peramalan dalam jangka pendek biasanya sau bulan kedepan. Daa dari hasil perhiungannya berflukuasi disekiar nilai mean ( raaraa ) yang eap anpa rend dan perumbuhan.dengan dibuanya sisem aplikasi dari Single Exponenial Smoohing, diharapkan pemilik oko Qiaz akan lebih mudah unuk menyimpan daa penjualan gamisnya, menghiung nilai peramalan unuk periode berikunya dan membua laporan hasil perhiungan peramalan secara cepa dan akura. Sehingga ujuan dan manfaa dari peneliian ini yaiu pendapaan opimal dan efisiensi biaya dapa ercapai. DAFTAR PUSTAKA Assauri, S. (2016). Manajemen Operasi Produksi Edisi 3. Jakara: PT Raja Grafindo Persada. Heizer, J., & Render, B. (2015). Manajemen Operasi Edisi 11. Jakara: Salemba Empa. Sevenson, W. J., & Shoung, S. C. (2013). Operaions Managemen: an Asian Perspecive. Jakara: Salemba Empa. Syofian, S. (2013). Meode Peneliian Kuaniaif dilengkapi Perbandingan Perhiungan Manual & SPSS. Jakara: Kencana Prenadamedia Group. Yusuf, A. M. (2014). Meode Peneliian Kuaniaif, Kualiaif, dan Peneliian Gabungan. Jakara: Kencana Prenadamedia Group. 95