APLIKASI PERAMALAN PENENTUAN JUMLAH PERMINTAAN KONSUMEN TERHADAP PRODUK BORDIR PADA KOTA TASIKMALAYA

Transkripsi

1 APLIKASI PERAMALAN PENENTUAN JUMLAH PERMINTAAN KONSUMEN TERHADAP PRODUK BORDIR PADA KOTA TASIKMALAYA Lies Sunarminyasui 1, Salman Alfarisi 2, Firia Sari Hasanusi 3 1,2,3 Program Sudi Teknik Informaika, Fakulas Teknik, Maemaika dan IPA Universias Indraprasa PGRI Jakara 1 liesbina@yahoo.com, 2 salman.hoaru@gmail.com, 3 hasanfiria26@gmail.com Absrak Peramalan penenuan jumlah perminaan erhadap produk bordir pada koa Tasikmalaya mempunyai ujuan khusus unuk menenukan jumlah kebuuhan perminaan konsumen secara periodik (berkala) dan pola kebuuhan perminaan konsumen dimasa yang akan daang secara rend (musiman). Peneliian ini berawal dari konsep pemikiran bagaimana supaya produsen bordir pada koa Tasikmalaya mendapakan pendapaan yang opimal dan efisiensi dalam biaya produksi bordir mereka. Berdasarkan hasil perhiungan dari Single Exponenial Smoohing Model dengan menggunakan nilai α = 0.1, 0.5, dan 0.9, maka didapa nilai error erkecil dengan menggunakan 4 (empa) meode yang memperoleh hasil ME=5, MAD=13, MAPE=7%, dan MSE= 241, yaiu dari nilai α = 0.9. Perhiungan Double Exponenial Smoohing Model yang dilaksanakan dengan menggunakan kombinasi nilai α = 0,1, 0,5, 0,9, dan nilai β = 0,1, 0,5, 0,9. Dari hasil perhiungan didapa hasil nilai error yang erkecil yaiu : ME = -1, MAD = 12, MAPE = 7%, MSE = 246 yang diperoleh dari kombinasi nilai α = 0,9 dan nilai β = 0,1. Perhiungan Model Triple Exponenial Smoohing dengan Muliplicaive Seasonal Model dengan menggunakan kombinasi α = 0,1, 0,5, 0,9 dan β = 0,1, 0,5, 0,9 sera γ = 0,1, 0,5, 0,9. Hasil perhiungan didapakan error erkecil yaiu ME =2, MAD = 16, MAPE = 9% dan MSE = 329 dari kombinasi α = 0,5, β = 0,1 dan γ = 0,5. Hasil perhiungan peramalan yang memiliki error yang erkecil akan digunakan sebagai informasi prediksi penjualan produk unuk periode berikunya. Pada ahap berikunya dibangun sebuah sisem peramalan penenuan perminaan konsumen erhadap produk bordir pada Koa Tasikmalaya. Kaa Kunci: aplikasi, peramalan, bordir, exponenial smoohing, Tasikmalaya. 1. Pendahuluan Pada periode saa ini unuk menghadapi era globalisasi banyak perusahan dalam menjalankan sraegi bisnisnya mencoba unuk mengopimalkan produksi dengan menggunakan beberapa cara aau sisem dengan ujuan unuk efisiensi biaya. Permasalahan yang erjadi biasanya adalah idak sinkronnya informasi anara deparemen produksi dengan deparemen penjualan dan dengan bagian disribusi. Hal ini sanga berdampak pada oal biaya yang di keluarkan perusahan yang akan mengakibakan pengurangan laba, bahkan dapa erjadi menurunnya laba perusahaan. Salah sau upaya dalam permasalahan ersebu adalah dengan melakukan perencanaan produksi bordir seefisien dan seakura mungkin unuk memaksimalkan oal laba, dengan melaksanakan peramalan perminaan konsumen. Berikunya adalah menenukan penggunaan dana yang efisien, pengauran waku produksi unuk meminimalkan biaya produksi. Peneliian ini meniik berakan bagaimana cara mengopimalkan perencanaan dan peramalan jumlah perminaan konsumen unuk produk bordir berdasarkan daa penjualan sebelumnya. Haryai Embroidery Collecion, Zianka Ar Bordir adalah merupakan salah sau produsen bordir di daerah Kawalu Tasikmalaya yang merupakan senra Indusri hiasan Bordir di Tasikmalaya. Produk yang dihasilkan oleh Haryai Embrodery Collecion, Zianka Ar Bordir anara lain, Kebaya, Mukena, Tunik, Selendang, Blus, Rok, Sprei, Sarung Banal, Taplak Meja, Baju Gamis, Baju 53

2 Koko, kerudung dan Kopiah Haji. Selanjunya para pengusaha bordir juga mendirikan Koperasi yang bernama GAPEBTA (Gabungan Pengusaha Bordir Tasikmalaya) sebagai suau lembaga yang didirikan oleh para pengusaha bordir yang erpanggil berperan akif membangun dan mengembangkan poensi dan kemampuan ekonomi masyaraka bordir melalui kegiaan posiif dalam suau wadah yang memenuhi aspek yuridis. Jenis produk yang sanga diminai, perminaan inggi di pasar, khususnya hasil produk dari pengusaha bordir yang ergabung dalam koperasi GAPEBTA dan yang berjualan di Tanah Abang adalah Baju Koko. Meskipun produk jenis lainnya juga banyak peminanya. Kemajuan eknologi informasi memungkinkan kegiaan peramalan saa ini dapa dilakukan dengan mudah lewa banuan kompuer. Unuk mengaasi masalah yang ada, maka dibuuhkan suau rancang bangun aplikasi peramalan. Aplikasi peramalan ini dapa mempercepa perhiungan peramalan, sehingga hasil peramalan ersebu dapa membanu para produsen bordir salah saunya yang berlokasi di Tasikmalaya. Aplikasi peramalan ersebu digunakan unuk perkiraan penenuan jumlah produk yang harus diproduksi dengan epa dan bermuu. Sisem yang dirancang bangun ini menggunakan bahasa pemrograman java sebagai aplikasi penyelesaian perhiungan peramalan unuk daa produksi yang berdasarkan daa penjualan unuk pola perminaan konsumen secara periodik, rend dan musiman. 2. Tinjauan Pusaka 2.1. Peramalan Jay Heizer dan Barry Render (2015), menyaakan bahwa peramalan adalah suau seni dan ilmu pengeahuan dalam memprediksi perisiwaperisiwa pada masa mendaang. Peramalan akan melibakan mengambil daa hisoris (seperi penjualan ahun lalu) dan memproyeksikan mereka ke masa yang akan daang dengan model maemaika. William J. Sevenson dan Sum Chee Chuong (2014) menyaakan bahwa peramalan (forecas) adalah pernyaaan mengenai nilai yang akan daang dari variabel seperi perminaan. Arinya ramalan adalah prediksi mengenai masa depan. Sedangkan Sofjan Assauri (2016) 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. 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 pernaan 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 Pendekaan Peramalan Menuru Jay Heizer dan Barry 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 54

3 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. 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. Daa dere berkala (ime series) merupakan daa yang dikumpulkan, dicaa aau diobsevasi sepanjang waku secara beruruan. Periode waku observasi dapa berbenuk ahun, kuaral, bulan, minggu dan dibeberapa kasus dapa juga hari aau jam. Time series dianalisis unuk menemukan pola variasi masa lalu yang dapa dipergunakan unuk memperkirakan nilai masa depan dan membanu dalam manajemen operasi sera membua perencanaan. Analisis dere berkala dapa dilakukan dengan mengamai daa dan meliha apakah empa komponen daa dere berkala yang mempengaruhi suau pola daa masa lalu dan sekarang, yang cenderung berulang di masa mendaang erdapa di daa ersebu. Empa komponen pola dere waku, anara lain: a. Trend, yaiu pergerakan daa secara berahap keaas aau kebawah secara berahun-ahun. b. Musiman, yaiu pola daa yang mengulang dengan sendirinya seelah sau periode (hari, minggu, bulan, aau kuaralan) dan berflukuasi secara musiman c. Siklus, yaiu pola daa yang erjadi seiap beberapa ahun. Siklus dari daa dere berkala akiba dari kondisi ekonomi aau perisiwa poliik dan hal ini sanga pening dalam analisis jangka pendek. d. Variasi secara acak, yaiu pola acak didalam daa yang disebabkan oleh adanya perisiwa yang idak bisa diprediksi aau idak berauran 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 : a. Meode Raa-Raa Bergerak (Moving Average) Raa-raa bergerak mengembangkan suau model berdasarkan hasil perhiungan raa-raa dari sebagian besar peneliian dengan menggunakan persamaan: F 1 = (A -1 + A A z) / N Penjelasan: F1 = Hasil peramalan unuk periode N = jumlah daa peneliian A = daa hisoris penjualan/perminaan konsumen. A -2. A z = daa hisoris penjualan/ perminaan konsumen periode 2 hingga -n b. 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 na -n + w n-1a -(n-1) w 1A -1 Dimana: w n = bobo yang diberikan pada nilai erbaru 55

4 A-1 = nilai akual pada periode -1 c. 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 eksponensial erbagi menjadi iga jenis yaiu: 1) Meode Single Exponenial Smoohing Meode ini memberikan bobo berdasarkan level (α) Benuk maemais dari meode Single Exponenial Smoohing diunjukan sebagai beriku: Dimana: < = > *?!1@="< * = Ramalan Baru = Ramalan Sebelumnya α = Konsana Penghalu = Perminaan akual periode sebelumnya 2) 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 α + ( 1 α )( A + 1 T 1) = Y β = ( 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 3) 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 - 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 Addiive Seasonal Model yaiu menambahkan hasil perhiungan level dan rend dengan perhiungan Seasonal. Teapi yang akan di bahas disini hanya Triple Exponenial Smoohing dengan Muliplicaive Seasonal Model β 56

5 A T S Y α + ( 1 α )( A 1 + T 1) = S L = β ( A A 1 ) + (1 β ) T 1 ˆ Y = µ + ( 1 µ ) A L Y + 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 2.3. 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 raa-raa (mean error ME) sebagai acuan perama mencari nilai error. a) ME (Mean Error) aau Nilai Raa-Raa Kesalahan ME = A B&*C$D E S c) MSE (Mean Square Error) aau Nilai Raa- Raa Kesalahan Kuadra MSE = A B&*C$D G E d) MAPE (Mean Absolue Percen Error) aau Nilai Raa-Raa Kesalahan Persenase Absolue MAPE=. 6IJ HH B& 6 * B& 6 /B& 6 3. Analisis dan Pembahasan 3.1. Deskripsi Daa Daa yang diperlukan dalam peneliian ini diperoleh melalui insrumen kuesioner yang berisi daa hisoris penjualan perbulan selama 3 ahun (ahun 2015, 2014 dan 2013) dari responden dan daa dari hasil wawancara kepada produsen sekaligus pedagang diambah dari pengurus dan keua koperasi GAPEBTA, dimana daanya adalah sebagai beriku: Tabel 1. Daa Penjualan Bordir Tasikmalaya Toko A bulan Jan 2013 s/d Des 2015 b) MAD (Mean Absolue Deviaion) aau Nilai Deviasi Raa-Raa Kesalahan Absolue MAD = A B&*C$D E 57

6 Dari daa di aas akan disajikan dengan grafik agar bisa dilakukan analisis sehingga erliha bahwa daa ersebu ermasuk ke dalam jenis pola daa dere berkala. Gambar 1. Hasil Analisis Daa Dere Berkala Penjelasan: a. Kecenderungan (rend) adalah pergerakan daa secara berahap ke aas aau ke bawah secara berahun-ahun. Pada daa yang kami peroleh dari pedagang selama 3 ahun (2013, 2014, 2015), menunjukkan peningkaan yang erusmenerus. Analisis bisnis ini sanga pening unuk jangka panjang yang mendasari perumbuhan aau penurunan suau daa ime series. b. Musiman adalah pola daa yang mengulang dengan sendirinya seelah sau periode (hari, minggu, bulan, aau kuaralan) dan berflukuasi secara musiman. Pada daa di aas (ahun 2013, 2014 dan 2015), menunjukkan bahwa puncak musiman erjadi pada bulan Juni (liburan sekolah), Juli (Lebaran), Desember (liburan sekolah). c. Siklus adalah pola daa yang erjadi seiap beberapa ahun. Flukuasi aau siklus dari daa ime series akiba dari kondisi ekonomi aau perisiwa poliik dan hal ini sanga pening dalam analisis jangka pendek. Pada pola daa diaas selama 3 ahun seiap bulan agusus, menunjukkan penurunan daya beli (grafik urun secara drasis). Hal ini disebabkan karena adanya radisi mudik di Indonesia, sehingga erjadi penurunan penjualan. d. Variasi secara acak (ak berauran) adalah pola acak didalam daa yang disebabkan oleh adanya perisiwa yang idak bisa diprediksi aau idak berauran. Dari grafik pola daa diaas, selama 3 ahun menunjukkan secara beruru-uru selama 2 ahun (2013 dan 2014) seiap bulan Mei pola daa penjualan naik, eapi pada bulan Mei ahun 2015 pola daa penjualan menurun. Dari penjelasan diaas, maka dapa disimpulkan bahwa daa yang diperoleh menunjukkan daa ime series, karena elah memenuhi 4 komponen pola daa yang bisa dianalisis dengan model ime series, yaiu: kecenderungan (rend), musiman, siklus, dan variasi secara acak. Selanjunya daa akan diolah dengan 3 model pemulusan (single, double dan riple exponenial smoohing) menggunakan sisem peramalan yang dibua dengan edior NeBeans berbahasa pemrograman Java dan basis daa menggunakan MySQL berdasarkan rancangan sisem yang dibua dengan flowchar pada sub bab Flowchar Sisem Bagan Alir (flowchar) digunakan unuk ala banu komunikasi dan unuk dokumenasi (Pressman, 2010). Flowchar unuk sisem ini dibagi menjadi 3 flowchar unuk masing-masing peramalan (single exponenial smoohing, double exponenial smoohing dan riple exponenial smoohing), eapi pada peneliian ini flowchar yang diberikan hanya flowchar unuk peramalan single exponenial smoohing. Beriku flowchar sisem unuk peramalan single exponenial smoohing. Gambar 2. Flowchar sisem peramalan dengan perhiungan single exponenial smoohing Bagan alir program perhiungan di aas dapa dijelaskan sebagai beriku: 58

7 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. 9. Jika ingin menyimpan hasil peramalan maka kompuer akan memproses penyimpanan daa kemudian selesai. Jika idak maka selesai Hasil Dan Pembahasan Proses awal dari sisem peramalan ini adalah dengan menginpu daa barang berdasarkan kode barang, nama barang dan jumlah penjualan barang (nilai akual). Proses selanjunya adalah perhiungan nilai peramalan dengan keiga meode peramalan (single, double, dan riple exponenial smoohing). Beriku adalah hasil perhiungan peramalannya. Tabel 2. Hasil Perhiungan Meode Single Exponenial Smoohing Tabel 3. Hasil Perhiungan Nilai Kesalahan Meode Single Exponenial Smoohing Berdasarkan hasil perhiungan dari Single Exponenial Smoohing Model dengan menggunakan nilai α = 0.1, 0.5 dan 0.9, maka didapa nilai error erkecil dengan menggunakan 4 meode yang memperoleh hasil ME=5, MAD=13, MAPE=7% dan MSE= 241,yaiu dari nilai α = 0.9. Nilai α inilah yang akan digunakan unuk menghiung nilai peramalan pada periode berikunya. Single Exponenial 59

8 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. Tabel 4. Hasil Perhiungan Meode Double Exponenial Smoohing Perhiungan Double Exponenial Smoohing Model yang dilaksanakan dengan menggunakan kombinasi nilai α = 0.1, 0.5, 0.9 dan nilai β = 0.1, 0.5, 0.9. Dari hasil perhiungan didapa hasil nilai error yang erkecil yaiu: ME = -1, MAE = 12, MAPE = 7%, MSE = 246 yang diperoleh dari kombinasi nilai α = 0.9 dan nilai β = 0.1. Model Double Exponenial Smoohing mempunyai kinerja yang bagus dalam meramalkan daa dengan nilai perhiungan ingka error yang paling kecil erhadap daa pengamaan sebenarnya di lapangan. Unuk kenaikan pada seiap ahunnya, walaupun pada bulan erenu di seiap ahun erjadi flukuasi. Double Exponenial Smoohing hanya dipergunakan unuk pola daa yang mengandung rend. Tabel 6. Hasil Perhiungan Meode Triple Exponenial Smoohing Tabel 5. Hasil Perhiungan Nilai Kesalahan Meode Double Exponenial Smoohing 60

9 Tabel 7. Hasil Perhiungan Nilai Kesalahan Meode Triple Exponenial Smoohing Dari hasil perhiungan keiga model peramalan (single, double, riple exponenial smoohing dengan Muliplicaive Seasonal Model), maka aplikasi peramalan ini sanga sesuai digunakan oleh pengusaha bordir di Tasikmalaya. Hasil perhiungan dengan model single exponenial smoohing digunakan unuk meramalkan bulan berikunya. Hasil perhiungan dengan model double exponenial smoohing dengan meode Hol dapa digunakan unuk peramalanahun berikunya. Hasil perhiungan meode riple exponenial smoohing dengan muliplicaive seasonal model sanga baik digunakan unuk peramalan ahun berikunya yang mengandung unsur musiman. Berdasarkan analisis daa akual diaas, periode musiman erjadi pada bulan Juni, Desember dan menjelang waku Lebaran. 4. Kesimpulan Perhiungan Model Triple Exponenial Smoohing dengan Muliplicaive Seasonal Model dengan menggunakan kombinasi α = 0.1, 0.5, 0.9 dan β = 0.1, 0.5, 0.9 sera γ = 0.1, 0.5, 0.9. Hasil perhiungan didapakan error erkecil yaiu ME = 2, MAE = 16, MAPE = 9% dan MSE = 329 dari kombinasi α = 0.5, β = 0.1 dan γ = 0.5. Meode Triple Exponenial Smoohing dengan Muliplicaive Seasonal Model menyaakan bahwa dari hasil perbandingan peramalan ersebu yang memiliki error yang erkecil akan digunakan sebagai informasi prediksi penjualan produk unuk periode musiman berikunya, yaiu bulan Juli dan Desember (musim liburan sekolah), sera pada waku menjelang Lebaran. Selanjunya meode ini digunakan keika menunjukan adanya rend dan perilaku musiman, sera lebih cocok unuk membua ramalan yang berflukuaif aau mengalami gelombang pasang suru pada kasus peramalan perminaan konsumen bordir dai Tasikmalaya sering dijumpai pada bulan Juni, Desember dan pada bulan menjelang Lebaran. Dari hasil peneliian yang elah dilakukan, maka dapa diambil beberapa kesimpulan sebagai beriku: a. Hasil perhiungan dengan meode Single Exponenial Smoohing digunakan unuk peramalan dalam jangka pendek biasanya sau bulan kedepan. Daa dari hasil perhiungannya berflukuasi disekiar nilai mean (raa-raa) yang eap anpa rend dan perumbuhan. b. Hasil perhiungan dengan meode Double Exponenial Smoohing meramalkan daa unuk ahun depan. Hal ersebu diunjukan dengan pola daa yang kecenderungan naik. c. Hasil perhiungan dengan meode Triple Exponenial Smoohing dengan Muliplicaive Seasonal Model menunjukan bahwa dengan melakukan pemulusan sebanyak iga kali yaiu nilai level, nilai rend dan nilai esimasi musiman, maka diharapkan nilai peramalan yang didapakan memiliki nilai keepaan yang cukup inggi dan dapa memberikan hasil daa peramalan unuk periode musiman unuk ahun berikunya. d. Seelah penelii melakukan pengolahan daa berdasarkan daa hisoris penjualan dari responden dengan pengujian rial and error unuk semua meode (single exponenial 61

10 smoohing, double exponenial smoohing dan riple exponenial smoohing dengan Muliplicaive Seasonal Model), maka dapa disimpulkan grafik dari daa penjualan responden berbeda unuk seiap responden erganung dari daa hisorisnya. Dafar Pusaka Heizer, Jay., Barry, Render. (2015). Manajemen Operasi, Edisi 11, Jakara: Salemba Empa. Assauri, Sofjan, (2016), Manajemen Operasi Produksi Edisi 3, Jakara: PT Raja Grafindo Persada. Sevenson, William J and Sum Chee Chuong. (2014), Operaions Managemen; An Asian Prespecive. Jakara: Salemba Empa. Pressman, Roger S. (2010). Sofware Engeneering A Praciioner Approach (7 h Ediion). New York: McGraw Hill. Biodaa Penulis Lies Sunarminyasui, memperoleh gelar S1 di Universias Brawijaya Malang. Memperoleh gelar S2 di Sekolah Tinggi Ilmu Ekonomi IPWI Jakara. Saa ini menjadi pengajar di Universias Indraprasa PGRI Jakara. Salman Alfarisi, memperoleh gelar S1 di Universias Indraprasa PGRI Jakara. Memperoleh gelar S2 di Universias Budi Luhur. Saa ini menjadi pengajar di Universias Indraprasa PGRI Jakara. Firia Sari Hasanusi, memperoleh gelar S1 di Universias Dr. Hamka (Uhamka). Memperoleh gelar S2 di Universias Indraprasa PGRI Jakara. Saa ini menjadi pengajar di Universias Indraprasa PGRI Jakara. 62

11 BERITA ACARA PELAKSANAAN HASIL SEMINAR SESI PARALEL KNASTIK 2016 Judul :PeramalanPenenuanJumlahPerminaanKonsumenBerbasisTeknologilnform asiterhadapprodukbordirpada Koa Tasikmalaya Pemak :Lies Sunarminyasui, Salman Alfarisi, Firia Sari Hasanusi alah Modera :Kaonwi.iana,S.Kom.,M.T. or Noulis :Yube Pesera : 16 orang di ruang : C.3.9 Tanya lawab : Tanya :apakah dengan peramalan bisa dikeahuifakor-fakor perubahan ren, Jawab : ren iu erjadi bahawa,keika musim anak sekolah dan liburan rennya naik. Masukan Seminar : Hasil prhiungan meode single exponenial smoohing digunakan unuk ramal unuk jangka pendek biasanya 1 bulan kedepan fl i,'i lr.