UNIVERSITAS BINA NUSANTARA. Program Ganda Teknik Informatika Statistika Skripsi Sarjana Program Ganda Semester Ganjil tahun 2006/2007

Transkripsi

1 UNIVERSITAS BINA NUSANTARA Program Ganda Teknik Informatika Statistika Skripsi Sarjana Program Ganda Semester Ganjil tahun 2006/2007 ANALISIS PERBANDINGAN KEAKURATAN PERAMALAN PADA PENJUALAN BESI WIREMESH DENGAN METODE ADAPTIVE RESPONSE RATE EXPONENTIAL SMOOTHING (STUDI KASUS:PT.ARTA TIARA PERMAI) YULI NIM : ABSTRAK PT Arta Tiara Permai adalah sebuah perusahaan yang bergerak dalam bidang penjualan alat-alat teknik, electrical dan bahan bangunan. Dalam penelitian ini objek yang akan diramalkan penjualannya untuk periode mendatang adalah besi Wiremesh yang merupakan salah satu produk yang dijual oleh PT Arta Tiara Permai kepada perusahaanperusahaan lain, para kontraktor hingga konsumen biasa. Besi Wiremesh ini juga diperoleh dari perusahaan lainnya yang mendistribusikannya kepada PT Arta Tiara Permai. Jadi PT Arta Tiara merupakan distributor yang hanya menjual produk, bukan sebagai produsen sehingga peramalan yang ada ini dapat bermanfaat bagi perusahaan yaitu dalam hal persediaan produknya. Mengingat produk-produk pada PT Arta Tiara Permai bermacam-macam maka persediaan menjadi hal yang penting untuk dipertimbangkan dalam pengambilan keputusan di masa yang akan datang. Adapun metode peramalan yang digunakan adalah metode adaptasi dari Exponential Smoothing yaitu metode Adaptive Response Rate Exponential Smoothing (ARRES). Perbedaan mendasar yaitu nilai α metode ARRES yang berfluktuasi tiap periodenya. Metode ARRES juga menggunakan konstanta pemulusan yang tetap yang disimbolkan dengan β. Nilai awal untuk α adalah sama dengan nilai β yang dipilih. Nilai β yang lebih kecil akan mengakibatkan semakin kecilnya fluktuasi nilai α setiap periodenya. Namun apakah nilai β yang lebih kecil ini juga akan membuat peramalan dengan metode ARRES semakin akuratlah yang akan diuji. Dalam penelitian ini akan diambil sampel beberapa buah nilai β yang akan dibandingkan keakuratan peramalannya. Ukuran relatif untuk mengukur keakuratan peramalan di sini digunakan MAPE yang berupa persentase. Data yang digunakan di sini adalah data 4 tahun penjualan besi Wiremesh. Jadi data-data tersebut disusun dan diurutkan kemudian dianalisis dengan metode ARRES untuk diperoleh nilai penjualan berikutnya dengan beberapa nilai β yang dipilih itu. Dari hasil perhitungan peramalan dengan data penjualan itu akan menjawab hipotesis apakah nilai β yang lebih kecil akan menghasilkan peramalan yang semakin akurat. Kata kunci : metode ARRES, penjualan, nilai α, nilai β, MAPE v

2 KATA PENGANTAR Puji dan syukur saya panjatkan kepada Tuhan Yang Maha Esa (YME) atas berkat rahmat dan bimbingan-nya saya dapat menyelesaikan skripsi ini. Skripsi ini disusun sebagai salah satu syarat dalam menyelesaikan program studi ganda Teknik Informatika dan Statistika, jenjang pendidikan Strata 1 di Universitas Bina Nusantara, Jakarta. Penulisan skripsi ini tidak terlepas dari keterlibatan pihak-pihak yang telah banyak membantu baik dalam bentuk materi, dukungan moril maupun dorongan semangat kepada saya. Untuk itu saya mengucapkan banyak terima kasih antara lain ditujukan kepada: 1) Bapak Gerardus Polla, M.App.Sc. selaku Rektor Universitas Bina Nusantara. 2) Bapak Wikaria Gazali, S.Si., M.T. selaku Dekan Fakultas Matematika dan Ilmu Pengetahuan Alam. 3) Bapak Ngarap Immanuel Manik, Drs., M.Kom selaku Ketua Jurusan Matematika dan Statistika. 4) Bapak Ir.Sablin Yusuf, M.Sc, M.ComSc. selaku Dekan Fakultas Ilmu Komputer. 5) Bapak H.Mohammad Subekti, BE, M.Sc. selaku Ketua Jurusan Teknik Informatika. 6) Bapak Ir.Abdul Hamang, M.S. dan Bapak Drs.Agus Prahono, M.Eng.Sc. selaku dosen pembimbing saya. 7) Bapak Susilo Putro selaku Direktur PT Arta Tiara Permai. 8) Para dosen Universitas Bina Nusantara yang telah memberikan ilmu kepada saya sehingga ilmu-ilmu tersebut dapat saya terapkan untuk penyusunan skripsi ini. vi

3 9) Orang tua, keluarga dan kerabat yang telah banyak memberikan dukungan dan doa-doa yang tiada henti-hentinya untuk kelancaran penyusunan skripsi ini. 10) Rekan-rekan jurusan Teknik Informatika dan Statistika angkatan ) Rekan-rekan yang telah banyak membantu baik dalam segi materi maupun dukungan moril sehingga saya dapat menyelesaikan skripsi ini. 12) Semua pihak yang tidak dapat saya sebutkan satu per satu. Saya menyadari bahwa skripsi yang saya susun ini masih jauh dari sempurna, sehingga dibutuhkan saran, kritik atau masukan yang berguna bagi pengembangan skripsi ini untuk penelitian berikutnya agar menjadi lebih baik lagi. Jakarta, 10 Januari 2007 Penulis Yuli vii

4 DAFTAR ISI Halaman Judul Luar Halaman Judul Dalam Halaman Persetujuan Hardcover Halaman Pernyataan Dewan Penguji Abstrak Kata Pengantar Daftar isi Daftar Tabel Daftar Gambar Daftar Lampiran i ii iii iv v vi viii xii xiii xiv BAB 1 PENDAHULUAN 1.1 Latar Belakang Ruang Lingkup Rumusan Masalah Tujuan Manfaat Sistematika Penulisan 4 BAB 2 GAMBARAN UMUM OBJEK 2.1 Gambaran Umum Perusahaan Sejarah Perusahaan Struktur Organisasi Perusahaan Objek Penelitian 7 BAB 3 LANDASAN TEORI 3.1 Peramalan Pengertian Peramalan (forecasting) 9 viii

5 3.1.2 Jenis jenis Metode Peramalan Kegunaan Metode Peramalan Pemilihan Teknik dan Metode Peramalan Manfaat Utama Keakuratan Peramalan Metode Adaptasi dari Peramalan Deret Waktu Metode Exponential Smoothing Pengidentifikasian Ciri ciri dari 21 Suatu Deret Waktu Koefisien Autokorelasi Kestatisan (Stationarity) Macam-macam Pola Data Autokorelasi dan Statistik Uji d 26 Durbin Watson 3.3 Metode Adaptive Response Rate 30 Exponential Smoothing (ARRES) 3.4 Ukuran Ketepatan Ramalan Sumber Ketidakakuratan Peramalan Aplikasi Perangkat Lunak Diagram Alir (Flowchart) Basis Data (Database) Interaksi Manusia dan Komputer 39 BAB 4 METODOLOGI 4.1 Metodologi Penelitian Pengumpulan Bahan Penelitian Data yang Digunakan Kerangka Berpikir Hipotesis Penelitian Teknik Analisis Data Metode Perancangan Program Aplikasi Diagram Alir Modul 45 ix

6 Diagram Alir Modul Utama Diagram Alir Modul Login Diagram Alir Modul ARRES Diagram Alir Modul Data Rancangan Tampilan Layar Rancangan Layar Halaman Awal Rancangan Layar Menu Login Rancangan Layar Menu Utama Rancangan Layar Menu 54 Data (Pilihan) Rancangan Layar Menu 55 Data (Peramalan 1) Rancangan Layar Menu 57 Data (Peramalan 2) Rancangan Basis Data Spesifikasi Perangkat Program Aplikasi 60 BAB 5 HASIL DAN ANALISIS DATA 5.1 Penyajian Data Penelitian Pengolahan Data Peramalan Penjualan Periode 63 yang akan Datang Perhitungan Koefisien Autokorelasi Statistik Uji d Durbin Watson Analisis Kesalahan Pengujian Hipotesis Pembahasan 71 BAB 6 KESIMPULAN DAN SARAN 6.1 Kesimpulan Saran 73 x

7 DAFTAR PUSTAKA RIWAYAT HIDUP LAMPIRAN FOTOKOPI SURAT SURVEI xv xi

8 DAFTAR TABEL Tabel 4.1 Tabel Struktur Database Penjualan 59 Tabel 4.2 Tabel Struktur Database Hasil Ramalan 59 Tabel 5.1 Data Penjualan Besi Wiremesh PT Arta Tiara Permai 61 Tabel 5.2 Perhitungan Peramalan untuk Periode Tabel 5.3 Data Aktual hingga 10 time lags 64 Tabel 5.4 Jumlah kuadrat data aktual hingga 10 time lags 64 Tabel 5.5 Jumlah hasil kali data aktual dengan data aktual hingga time lags Tabel 5.6 Perhitungan Koefisien Autokorelasi 10 time lags 65 Tabel 5.7 Tabel Z dengan standard error 95 % 66 Tabel 5.8 Tabel Wilayah Kritis Durbin Watson dengan α = Tabel 5.9 Perhitungan MAPE setiap β 70 xii

9 DAFTAR GAMBAR Gambar 2.1 Struktur Organisasi Perusahaan 7 Gambar 3.1 Konstruksi flowchart 38 Gambar 4.1 Diagram Alir Modul Utama 46 Gambar 4.2 Diagram Alir Modul Login 47 Gambar 4.3 Diagram Alir Modul ARRES 48 Gambar 4.4 Diagram Alir Modul Data 50 Gambar 4.5 Rancangan Layar Halaman Awal 51 Gambar 4.6 Rancangan Layar Menu Login 52 Gambar 4.7 Rancangan Layar Menu Utama 53 Gambar 4.8 Rancangan Layar Menu Data (Pilihan) 54 Gambar Rancangan Layar Menu Data (Peramalan 1) 55 Gambar Rancangan Layar Menu Data (Peramalan 1) 56 Gambar Rancangan Layar Menu Data (Peramalan 2) 57 Gambar Rancangan Layar Menu Data (Peramalan 2) 58 Gambar 5.1 Koefisien Autokorelasi hingga 10 time lags 67 xiii

10 DAFTAR LAMPIRAN Lampiran 1 Hasil Perhitungan Peramalan Penjualan dengan L.1 metode ARRES nilai β = 0.2 Lampiran 2 Hasil Perhitungan Peramalan Penjualan dengan L.2 metode ARRES nilai β = 0.04 Lampiran 3 Hasil Perhitungan Peramalan Penjualan dengan L.3 metode ARRES nilai β = 0.5 Lampiran 4 Hasil Perhitungan Peramalan Penjualan dengan L.4 metode ARRES nilai β = 0.1 Lampiran 5 Hasil Perhitungan Peramalan Penjualan dengan L.5 metode ARRES nilai β = 0.05 Lampiran 6 Hasil Perhitungan Peramalan Penjualan dengan L.7 metode ARRES nilai β = 0.25 Lampiran 7 Hasil Perhitungan Peramalan Penjualan dengan L.8 metode ARRES nilai β = 0.15 Lampiran 8 Tabel Perhitungan untuk Statistik Uji d Durbin Watson (β = 0.2) L.9 Lampiran 9 LAMPIRAN PERTANYAAN L.10 Lampiran 10 Listing Program L.11 xiv