PENERAPAN METODE PERAMALAN (FORECASTING) DALAM PENENTUAN PERMINTAAN BARANG

Transkripsi

1

2 PENERAPAN METODE PERAMALAN (FORECASTING) DALAM PENENTUAN PERMINTAAN BARANG Delta Nancy Alinti 1, Manda Rohandi 2, Lillyan Hadjaratie 3 1 Mahasiswa Fakultas Teknik, Universitas Negeri Gorontalo delta.nancy.alinti@gmail.com 2 Dosen Fakultas Teknik, Universitas Negeri Gorontalo mandarohandi@gmail.com 3 Dosen Fakultas Teknik, Universitas Negeri Gorontalo lillyan.hadjaratie@gmail.com ABSTRAK Kurangnya stok barang yang diminati konsumen atau banyaknya barang yang lewat masa berlakunya karena kurang diminati menyebabkan kerugian bagi perusahaan. Peramalan permintaan terhadap barang yang paling diminati konsumen dibutuhkan untuk mengurangi kemungkinan kerugian yang dialami oleh perusahaan. Beberapa metode peramalan yang dapat digunakan yaitu Least Square, Single Exponential Smoothing, dan Adjusted Exponential Smoothing dengan uji keakuratan ramalan menggunakan Mean Squared Error (MSE). Hasil dari penelitian ini yaitu didapatkan MSE yang berbeda untuk masing-masing jenis barang, ini disebabkan karena data penjualan dari setiap barang berbeda. Untuk jenis barang rokok Black 16 metode yang paling baik untuk digunakan dalam peramalan yaitu Least Square dengan nilai MSE sedangkan jenis barang rokok LA Mentol 12 metode yang paling baik yaitu metode Single Exponential Smoothing alpha 0,7 dengan nilai MSE yaitu Metode Least Square baik digunakan pada pola data yang tersusun secara acak sedangkan metode Single Exponential Smoothing digunakan pada pola data yang berfluktuasi. Kata kunci : Permintaan Barang, Least Square, Single Exponential Smoothing, Adjusted Exponential Smoothing ABSTRACT The aim of this research is to compare the forecasting methods in determining every good demand. The comparison is needed to overcome the lack of stock of high on demand goods and to overcome the problem of expiration of low on demand goods or excess goods. Least Square, Single Exponential Smoothing, and Adjusted Exponential Smoothing are the forecasting method evaluated in this research, using the forecast accuracy test Mean Squared Error (MSE). The accuracy test obtains different MSE for different goods because the differences on the sales data. The best forecast method for Black 16 cigarette is Least Square, with MSE value of , while for LA Mentol 12 is Single Exponential Smoothing alpha 0.7, with the MSE value of Least Square method is best for random data, whereas Single Exponential Smoothing is best for fluctuated data. Keywords : Good Demands, Least Square, Single Exponential Smoothing, Adjusted Exponential Smoothing 1

3 1. PENDAHULUAN Suatu perusahaan akan mendapatkan keuntungan apabila barang yang dijual banyak diminati oleh konsumen. Barang yang paling banyak diminati konsumen biasanya barang yang harganya murah dan berkualitas, oleh karena itu perusahaan harus menyediakan barang tersebut dalam jumlah yang banyak pula. Apabila perusahaan lebih banyak menyediakan barang yang kurang diminati maka perusahaan akan kehilangan konsumen dan mengalami kerugian. Dari permasalahan tersebut dibutuhkan suatu metode yang dapat meramalkan permintaan yang paling diminati untuk bulan selanjutnya. Pada penelitian skripsi Simatupang (2009) yang berjudul penerapan metode peramalan dalam penentuan permintaan barang pada PT. Gunung Sibayak Medan dengan menggunakan metode peramalan yaitu Single Moving Avarage dan Double Moving Avarage, didapatkan metode yang paling cocok dalam meramalkan permintaan barang yaitu metode Single Moving Avarage. Sedangkan pada jurnal Luci, dkk (2013), mereka mengunakan metode Exponential Winter untuk melakukan peramalan permintaan bahan baku pada PT. Baba Rafi Indonesia dan menghasilkan aplikasi yang dapat meramalkan permintaan selanjutnya. Pada penelitian kali ini peneliti menggunakan metode peramalan permintaan barang yang berbeda dari penelitian sebelumnya untuk menyelesaikan permasalahan diatas. Metode yang digunakan yaitu Least Square, Single Exponential Smoothing dan Adjusted Exponential Smoothing. Ketiga metode tersebut akan dicari mana metode yang paling baik dalam peramalan dilihat dari Mean Squared Error (MSE) terkecil. Dengan menerapkan metode tersebut maka diharapkan perusahaan dapat menghindari penumpukan atau kekurangan stok barang sehingga dapat mengurangi biaya pengeluaran dan dapat menentukan banyaknya barang yang akan terjual pada bulan berikutnya 2. TINJAUAN PUSTAKA Metode Least Square Bentuk persamaanya menurut Taylor (2005) sebagai berikut: y = a + b x Dimana: a = Titik Potong (pada periode 0) b = Kemiringan garis x = Periode waktu y =Ramalan permintaan untuk periode x Nilai dari a dan b dapat dihitung dengan rumus sebagai berikut: b = xy nxy x 2 nx 2 a = y bx Dimana: n = Jumlah periode y = y n x = x n Metode Single Exponential Smoothing Nilai prakiraan dapat dicari menggunakan rumus berikut: F t+1= αx t + (1 α)f t Dimana F t+1 = Prakiraan untuk periode t α = Faktor/konstanta pemulusan x t = Data permintaan pada periode t F t =Peramalan yg ditentukan sebelumnya untuk periode t Metode Adjusted Exponential Smoothing 2

4 Rumus untuk menghitung metode ini yaitu sebagai berikut: AF t+1= F t+1 + T t+1 Dimana: AF t+1 = Forecast Adjusted Exponential Smoothing periode ke depan F t+1 =Forecast Exponential Smoothing periode ke depan T t+1 = Faktor Trend Untuk menentukan nilai F t+1 rumusnya sama dengan peramalan menggunakan metode Single Exponential Smoothing. Sedangkan untuk menentukan nilai T digunakan rumus sebagai berikut: T t+1= β(f t+1 F t ) + (1 β)t t Dimana T t+1 = Faktor Trand F t+1 = Exponential Smoothing Forecast periode kedepan F t = Exponential Smoothing Forecast periode sekarang T t = Faktor trend periode terakhir β = konstanta trend periode terakhir Uji Keakuratan Ramalan Menurut Taylor (2005) pada MSE tiap nilai kesalahan individual dipangkatkan kemudian dijumlahkan dan dicari rataratanya. MSE (Mean Squared Error) dapat dihitung dengan rumus berikut ini: MSE = (D t F t ) 2 n 3. METODE PENELITIAN Metode yang digunakan dalam penelitian ini yaitu metode eksperimen. Menurut Emzir (2013) menyatakan bahwa metode eksperimen adalah metode yang paling produktif dalam penelitian serta hasil dari eksperimental ini memungkinkan prediksi, tetapi tidak sama dengan karakteristik penelitian korelasional. Berikut ini tahapan dari metode eksperimen. a. Pengumpulan Data Didapatkan 5 permasalahan yang terjadi pada PT. Sumber Cipta Multiniaga yaitu sebagai berikut: 1. Kurang akuratnya data yang digunakan dalam meramalkan permintaan barang. 2. Masih belum menggunakan metode dalam melakukan peramalan. 3. Belum dapat melakukan peramalan permintaan barang untuk bulan selanjutnya yang sesuai dengan data yang digunakan. 4. Jumlah persediaan barang yang tidak sesuai dengan permintaan barang. 5. Besarnya total pengeluaran untuk persediaan barang b. Analisis Data Analisis dilakukan pada 2 sampel barang yaitu barang berjeniskan rokok Black 16 dan rokok LA Mentol 12 dengan data penjualan perbulan selama 4 tahun. Dari data tersebut didapatkan hasil ramalan untuk kedua barang tersebut. Untuk barang jenis rokok Black 16 hasil ramalan bulan selanjutnya dapat dihitung sebagai berikut: 1. Metode Least Square Y49= 4243, ,08 (49) = 43888,56 2. Metode Single Exponential Smoothing α=0,7 F49 = 0,7 x (1-0,7) 44434,94 = Metode Adjusted Exponential Smoothing menggunakan α= 0,7 dan β=0,1 AF13= 40444, ,53 = 40900,51 3

5 Sedangkan untuk barang berjeniskan rokok LA Mentol 12 hasil ramalan bulan berikutnya yaitu: 1. Metode Least Square Y49=16262,73 + (-207,42) (49) = 6099,15 2. Metode Single Exponential Smoothing α=0,7 F49= 0,7 x (1-0,7) 5097,33 = 4199,00 3. Metode Adjusted Exponential Smoothing menggunakan α=0,7 dan β=0,1 AF13= 4199,00 + (-374,06) = 3824,94 T T F Setelah dilakukan peramalan dari kedua jenis barang tersebut, selanjutnya akan diuji keakuratan ramalan dengan menggunakan MSE untuk menentukan metode peramalan yang cocok digunakan pada jenis barang tersebut. Dilihat dari analisis data sebelumnya bahwa pada barang yang berjeniskan rokok black 16 didapatkan metode yang sesuai untuk meramalkan yaitu metode Least Square dan rokok LA mentol 12 metode yang cocok yaitu metode Single Exponential Smoothing dengan alpha 0,7. Gambar 1 Flowchart Sistem Berikut ini merupakan hubungan antar tabel dari sistem yang dibuat. c. Desain Sistem Flowchart sistem yang dibuat yaitu sebagai berikut: Gambar 2. ERD (Entity Relation Diagram) 4

6 4. HASIL DAN PEMBAHASAN Aplikasi yang dibuat menggunakan bahasa pemograman PHP dan menggunakan database MySql. Berikut ini salah satu gambar dari hasil ramalan metode Least Square, Single Exponential Smoothing, dan Adjusted Exponential Smoothing beserta laporan peramalannya. Gambar 5 Ramalan metode Adjusted Exponential Smoothing Gambar 6. Laporan Peramalan Gambar 3 Ramalan metode Least Square Gambar 7. Grafik hasil peramalan dan ppermintaan aktual Gambar 4 Ramalan metode Single Exponential Smoothing Tabel 1 Hasil Uji Keakuratan Ramalan Rokok Black 16 Metode MSE Least Square Single Eksponential Smoothing α=0,7 Adjusted Exponential Smoothing α=0,7 dan ,02 β=0,1 Pada tabel 1 diatas dapat dilihat bahwa barang yang berjeniskan rokok black 16 cocok menggunakan metode least square karena data permintaan aktual selama 4 tahun memiliki data yang tersusun secara acak sehingga hasil ramalan yang didapatkan memiliki nilai yang relatif naik dari setiap bulannya maka data yang dihasilkan berbentuk garis lurus yang sesuai dengan metode least square serta metode least square memiliki nilai lebih 5

7 kecil dari pada metode yang lainnya, nilai MSE-nya yaitu ,10. Nilai MSE didapatkan dari pengurangan data aktual dengan peramalan metode least square yang dipangkatkan 2 dan dibagi dengan jumlah data. MS E metode Least Square = ,92 = , Tabel 2 Hasil Uji Keakuratan Ramalan Rokok LA Mentol 12 Metode MSE Least Square Single Eksponential Smoothing α=0, Adjusted Exponential Smoothing α=0,7 dan β=0, Pada tabel 2 diatas didapatkan metode single exponential smoothing dengan alpha 0,7 memiliki nilai terkecil dari metode lainnya untuk barang yang berjenis rokok LA mentol 16, ini dikarenakan data aktual mengalami perubahan secara tidak beraturan dan datanya mengalami penurunan setiap bulannya meskipun ada beberapa bulan yang permintaanya naik namun mengalami penurunan lagi, sehingga metode ini cocok dalam meramalkan rokok LA mentol 12. Serta hasil ramalan permintaan yang didapatkan menggunakan Single Exponential Smoothing dengan alpha 0,7 mengikuti data aktual yang memiliki nilai yang relatif naik turun atau berfluktuasi dibandingkan dengan alpha yang lainnya dan metode lainnya. 5. KESIMPULAN Berdasarkan hasil penelitan kesimpulan yang dapat diambil dari penerapan metode Least Square, metode Singgle Exponential Smoothing dan metode Adjusted Exponential Smoothing dalam meramalkan permintaan setiap barang yaitu untuk jenis barang rokok Black 16 didapatkan metode yang paling baik dalam meramalkan jenis barang ini yaitu metode Least Square dengan hasil MSE yaitu ,10 sedangkan pada jenis barang rokok LA Mentol 12 metode yang paling baik dalam meramalkan permintaan selanjutnya yaitu metode Single Exponential Smoothing alpha 0,7 dengan nilai MSE terkecil yaitu , REFERENSI Emzir Metode Penelitian Pendidikan Kualitatif dan Kuantitatif. Jakarta: PT.Raja Grafindo Persada. Luci, L.G., Tjandrarini, A.B., dan Sulistiowati Aplikasi Peramalan Permintaan Bahan Baku Pada PT.Baba Rafi Indonesia Dengan Metode Pemulusan Exponential Winter (Studi Kasus Daerah Surabaya), Jurnal Sistemn Informasi, (online), Vol.2, No.2, ( sika/article/view/172/136, diakses 11 Januari 2014). Simatupang, M. P Penerapan Metode Peramalan Dalam Penentuan Permintaan Barang Pada PT.Gunung Sibayak Medan. [Skripsi] tidak diterbitkan. Universitas Sumatera Utara. ( / /8982/1/09E00895.pdf, diakses 20 Januari 2014). Taylor, B. W. (2005). Introduction to Management Science, Edisi Kedelapan, Terjemahan. Jakarta: Salemba Empat 6