ANALISIS PERAMALAN PENJUALAN PRODUK KERIPIK PISANG KEMASAN BUNGKUS (Sudi Kasus : Home Indusry Arwana Food Tembilahan) Sii Wardah *), Iskandar Jurusan Teknik Indusri, Fakulas Teknik dan Ilmu Kompuer, Universias Islam Indragiri, Tembilahan (Received: January 21, 2016 / Acceped: Augus 15, 2016) ABSTRAK Peramalan adalah meode unuk memperkirakan suau nilai dimasa depan dengan menggunakan daa masa lalu. Peneliian ini dilakukan pada Home Indusry Arwana Food. Pada peneliian ini, penulis membahas mengenai analisis peramalan penjualan produk kripik pisang unuk jenis kemasan bungkus. Peramalan yang dilakukan mengggunakan iga meode yaiu meode Moving Average, meode Exponenial Smoohing wih Trend dan meode Trend Anayisis dengan membandingkan ingka kesalahan (error) erkecil, maka meode peramalan yang erpilih yaiu meode Trend Analysis, dengan nilai MAD sebesar 161,3539, MSE sebesar 55744,16, dan sandar error sebesar 242,947. Dari analisis pengolahan daa yang elah dilakukan berdasarkan meode peramalan yang erpilih, peramalan penjualan erhadap produk kripik pisang jenis kemasan bungkus adalah sebanyak 1121,424 aau 1122 bungkus/bulan, arinya pihak Home Indusry Arwana Food Tembilahan harus menyediakan produk kripik pisang kemasan bungkus adalah sebanyak 1122 bungkus unuk iap bulannya. Kaa kunci : peramalan penjualan; kripik pisang; meode moving average; meode exponenial smoohing wih rend; meode rend analysis ABSTRACT Forecasing is a mehod o esimae a value of he fuure using pas daa. This research was conduced a he Home Indusry Arowana Food. In his sudy, he auhors discuss he analysis of produc sales forecasing banana chips for his ype of packaging wrap. Forecasing ha do use radiional hree mehods are mehods Moving Average, Exponenial Smoohing mehod wih Trend and Trend Anayisis mehod by comparing he level of errors (error) he smalles, hen he seleced forecasing mehod is he mehod of Trend Analysis, wih a value of 161.3539 MAD, MSE of 55744, 16, and he sandard error of 242.947. From he analysis of daa processing ha has been carried ou based on he mehod chosen forecasing, sales forecasing for producs banana chips are as many ypes of packaging wrap 1121.424 or 1 122 packs / monh, meaning he Home Indusry Arowana Food Tembilahan mus provide producs banana chips wrapped packs is as much as 1122 wrap for each monh. Keywords : sales forecasing, banana chips, mehods moving average, exponenial smoohing mehods wih rend, rend analysis mehod Pendahuluan Suau perusahaan yang bergerak dalam bidang jasa penjualan aau pendisribusian produk, selalu menginginkan keberhasilan dalam akifiasnya dimasa yang akan daang. Ini menunjukkan bahwa seiap perusahaan selalu berusaha unuk eap dapa berkembang dalam bidang usahanya di masa depan. ------------------------------------------------------------- *) Penulis Korespondensi. email: siiwardahs@yahoo.co.id pimpinan yang memiliki kemampuan unuk dapa meneapkan kepuusan yang epa dalam menghadapi masa depan yang penuh keidak pasian, agar perusahaan dapa meraih apa yang menjadi ujuannya. Salah sau hal yang paling pening unuk mewujudkan hal ersebu adalah memperkirakan aau meramal (forecasing) besarnya penjualan aau perminaan pelanggan akan barang aau jasa yang dihasilkan. Seorang manejer selalu berkeinginan unuk dapa memperkirakan aau memprediksikan besarnya seluruh Jurnal Teknik Indusri, Vol. XI, No. 3, Sepember 2016 135
perminaan jangka pendek aau jangka panjang sekalipun unuk masing - masing produknya. Dalam kaiannya dengan penyusunan rencana penjualan, informasi yang diperoleh dari peramalan penjualan akan memberikan gambaran berguna enang prospek perminaan produk ersebu di pasar. Baik aau idaknya prospek penjualan suau produk pada dasarnya idak hanya berdasarkan kemampuan aaupun penggunaan meode peramalan yang epa. Namun yang idak kalah peningnya adalah proses perencanaan produksi yang menenukan erhadap muu aau kualias produk, penilaian pasar yang menenukan jenis pasar, kebijakan promosi dan pemasaran yang menenukan cerahnya prospek produk kedepannya. Hal ini secara langsung aaupun idak, akan berpengaruh erhadap manajemen persediaan perusahaan dan ini menunjukkan keerkaian di anara fakor-fakor ersebu. Hasil peramalan dalam prakeknya hampir idak pernah secara mulak epa. Hal ini karena keadaan maupun kejadian di masa depan idak menenu. Walaupun demikian, apabila semua fakor pening yang mempengaruhi elah diperhiungkan dan model hubungan dari fakor-fakor ersebu dienukan dengan baik, maka hasil peramalan akan mendekai kondisi yang sebenarnya, maka harus dilakukan dengan haihai eruama pemilihan meode unuk digunakan dalam suau kasus erenu. Hal ini diperimbangkan kerena idak ada saupun meode dari perkiraan aau peramalan yang dapa dipergunakan secara universal unuk seluruh keadaan aau siuasi. Hampir semua bagian perusahaan membuuhkan hasil ramalan penjualan. Hasil peramalan lingkungan bisnis dimana perusahaan beroperasi pada umumnya mempunyai implikasi pada ramalan penjualan. Karena iu peramalan penjualan dalam sebuah perusahaan sanga dibuuhkan idak hanya unuk jangka pendek saja melainkan juga unuk jangka panjangnya. Di Tembilahan, banyak perusahaan yang bergerak dalam bidang penjualan aaupun disribusi produkproduk kebuuhan sehari-hari unuk para pelanggan aau konsumen. Perusahaan-perusahaan ini enunya mempuyai pangsa pasar ersendiri. Unuk dapa memperahankan keberadaannya aaupun posisinya di pasar, maka perusahaan-perusahaan ersebu mempunyai sraegi-sraegi aaupun meode-meode yang dierapkan dalam rangka mengembangkan usahanya. Hal ini enunya dapa dilakukan aau dierapkan apabila elah dilakukan survey aaupun melakukan peramalan unuk mewujudkan ujuan mereka baik di segi peramalan pasar, peramalan produksi, maupun peramalan penjualannya. Home Indusry Arwana Food adalah salah sau usaha yang bergerak dalam bidang indusri produk makanan ringan. Indusri ini berdiri pada ahun 1994 yang beralama di Jalan Tanjung Harapan No. 15 Tembilahan. Permasalahan yang erjadi di Home Indusry Arwana Food sering erjadi kekurangan persediaan produk makanan keripik pisang kemasan bungkus seperi pada Gambar 1 karena pada indusri ersebu idak melakukan peramalan sebelum melakukan produksi. Kondisi seperi ini dapa membua indusri kehilangan pelanggan dan urunya laba. Oleh sebab iu dibuuhkan suau meode peramalan penjualan produk pada Home Indusry Arwana Food unuk mengeahui berapa besar kebuuhan produk yang disediakan agar dapa memenuhi kebuuhan konsumen di ahun yang akan daang dan idak erjadi kekosongan persediaan. Gambar 1. Grafik Perminaan dan Penjualan Produk Pada Tahun 2012 Tinjauan Pusaka Peramalan Peramalan adalah meode unuk memperkirakan suau nilai dimasa depan dengan menggunakan daa masa lalu. Peramalan juga dapa diarikan sebagai seni dan ilmu unuk memperkirakan kejadian pada masa yang akan daang, sedangkan akivias peramalan merupakan suau fungsi bisnis yang berusaha memperkirakan penjualan dan penggunaan suau produk sehingga produk-produk iu dapa dibua dalam kuanias yang epa (Gaspersz, 2002). Peramalan yang dibua selalu diupayakan agar dapa : 1. Meminimumkan pengaruh keidak pasian erhadap perusahaan. 2. Peramalan berujuan mendapakan peramalan (forecas) yang bisa meminimumkan kesalahan meramal (forecas error) yang biasanya diukur dengan MSE(Mean Squared Error), MAE (Mean Absolue Error ), dan sebagainya (Subagyo, 1986). Peramalan yang baik adalah peramalan yang dilakukan dengan mengikui langkah-langkah aau prosedur penyusunan yang baik yang akan menenukan kualias aau muu dari hasil peramalan yang disusun. Pada dasarnya ada 3 langkah peramalan yang pening, yaiu (Assauri,1984) : 1. Menganalisa daa yang lalu, ahap ini berguna unuk pola yang erjadi pada masa lalu. 2. Menenukan daa yang dipergunakan. Meode yang baik adalah meode yang memberikan hasil ramalan yang idak jauh berbeda dengan kenyaaan yang erjadi. 3. Memproyeksikan daa yang lalu dengan menggunakan meode yang dipergunakan, dan memperimbangkan adanya beberapa fakor perubahan(perubahan kebijakan-kebijakan yang mungkin erjadi, ermasuk perubahan kebijakan pemerinah, perkembangan poensi masyaraka, Jurnal Teknik Indusri, Vol. XI, No. 3, Sepember 2016 136
perkembangan eknologi dan penemuan-penemuan baru). Sedangkan prinsip prinsip peramalan yang perlu diperimbangkan adalah : 1. Peramalan melibakan kesalahan (error), peramalan akan hanya mengurangi keidakpasian eapi idak menghilangkannya. 2. Peramalan sebaiknya memakai olak ukur kesalahan peramalan, pemakai harus ahu besar kesalahan, yang dapa dinyaakan dalam sauan uni aau persenase (probabiliy) perminaan akual akan jauh dalam inerval peramalan. 3. Peramalan famili produk lebih akura dari pada peramalan produk individu (iem). 4. Peramalan jangka pendek lebih akura dari pada peramalan jangka panjang, karena peramalan jangka pendek, kondisi yang mempengaruhi perminaan cenderung eap aau berubah lamba, sehingga peramalan jangka pendek lebih akura. 5. Jika memungkinkan coba melakukan perhiungan perminaan dari pada meramalkan perminaan. Adapun karakerisik peramalan yang baik adalah : 1. Accuracy 2. Low Rupiah Cos Of Sofware Purchase Or Developmen 3. Low Compuer Time Requiremens 4. Low Compuer Sorage Requiremens 5. On-line Capabiliies Meode Peramalan Meode Moving Average Moving average merupakan meode yang paling sering digunakan dan paling sandar. Moving average adalah suau meode peramalan umum dan mudah unuk menggunakan ala-ala yang ersedia unuk analisis ekniks. Moving average menyediakan meode sederhana unuk pemulusan daa masa lalu. Meode ini beguna unuk peramalan keika idak erjadi ren, gunakan esimasi berbeda unuk memperimbangkanya. Hal ini disebu dengan bergerak karena sebgai daa baru yang ersedia, daa yang erua idak digunakan lagi (Makridakis dkk, 1999). Tujuan uama dari penggunaaan raa-raa bergerak adalah unuk menghilangkan aau mengurangi acakan dalam dere waku. Teknik raa-raa bergerak dalam dere waku erdiri dari pengambilan suau kumpulan nilai-nilai yang diobservasi, mendapakan raa-raa dari nilai ini, dan kemudian menggunakan nilai raa-raa ersebu sebagai ramalan unuk periode yang akan daang (Assauri, 1984). Peramalan dengan eknik moving average melakukan perhiungan erhadap nilai daa yang paling baru sedangkan daa yang ua/lama akan dihapus. Nilai raa-raa dihiung berdasarkan jumlah daa, yang angka raa-raa bergeraknya dienukan dari harga 1 sampai nilai N daa yang dimiliki. moving average dihiung dengan menggunakan rumus sebagai beriku :.(1) Di mana adalah nilai yang paling akhir dan +1 adalah priode berikunya, unuk priode mana suau ramalan dibua. F +1 = ramalan unuk priode beriku, +1 X,-1,-2 = nilai observasi/sebenarnya dari variabel iu pada priode,-1,-2,... N = jumlah observasi yang digunakan dalam menghiung raa-raa bergerak. Dalam model moving average dapa diliha bahwa bahwa semua daa observasi memiliki bobo yang sama yang membenuk raa-raanya. Padahal daa observasi erbaru seharusnya memiliki bobo yang lebih besar dibandingkan dengan daa observasi dimasa lalu. Hal ini dipandang sebagai kelemahan dalam meode moving average. Nilai Tengah Diberikan sekumpulan daa yang melipui N periode, waku erakhir dan dienukan T iik daa perama sebagai kelompok kelompok inisialisasi dan sisanya sebagai kelompok pengujian. Meode raa raa sederhana adalah mengambil raa raa dari semua daa dalam kelompok inisialisasi ersebu T i I T FT i1 1.(2) Sebagai ramalan unuk periode (T + 1) kemudian bila mana daa periode (T+1) ersedia, maka dimungkinkan unuk menghiung nilai kesalahannya. e T+1 = X T+1 - F T+1.(3) Dalam kelompok daa hisoris masa lalu erdapa sau lagi iik daa sehingga, nilai raa raanya yang baru adalah : T 1 i I T i1 ( T 1) F 2.(4) Dan unsur gala yang baru, jika X T+2 adalah e T+2 = X T+2 - F T+2.(5) Raa raa bergerak sederhana aau unggal (Simple Moving Average) Salah sau cara unuk mengubah pengaruh masa lalu erhadap nilai engah sebagai ramalan adalah dengan menenukan sejak awal berapa jumlah nilai pengamaan masa lalu yang akan dimasukkan unuk menghiung nilai engah. Unuk menggambarkan prosedur ini digunakan isilah raa raa bergerak karena seiap muncul pengamaan nilai yang baru, nilai raa raa yang baru dapa dihiung dengan membuang nilai observasi yang paling ua dan dimasukkan nilai pengamaan yang erbaru. Raa raa bergerak berganda Unuk mengurangi gala sisemais yang erjadi bila raa raa bergerak dipakai pada daa berkecendrungan maka dikembangkan meode raa raa bergerak linear. Dasar meode ini adalah menghiung Jurnal Teknik Indusri, Vol. XI, No. 3, Sepember 2016 137
raa raa bergerak berganda, merupakan raa raa bergerak dan menuru simbol diuliskan sebagai MA (M x N) dimana MA adalah M periode dari MA N-periode. Prosedur peramalan raa raa bergerak melipui iga aspek : 1. Penggunaan raa raa bergerak unggal pada waku (s ). 2. Penyesuaian yang merupakan perbedaan anara raaraa bergerak unggal dan ganda pada waku (S S ). 3. Penyesuaian unuk kecendrungan dari periode keperiode +1 (aau ke periode +m). Penyesuain dua paling efekif bila rend bersifa linear dan komponen gala acaknya idak begiu kua. Penyesuaian ini efekif karena adanya kenyaaan bahwa MA unggal eringgal (lags) di belakang dere daa yang menunjukkan rend. Apabila dere daa menunjukkan rend, maka MA unggal akan menghasilkan sesuau yang menyerupai gala sisimais dan gala sisemais ini dapa dikurangi dengan menggunakan perbedaan anara nilai raa raa bergerak unggal dan nilai bergerak ganda. Prosedur raa raa bergerak linear secara umum dapa dierangkan melalui persamaan beriku : X X 1 X 2... X N1 S' (6) N S S' 1 S2... S' N 1 S".(7) N a = S + (S S ) = 2S S.(8) 2 b ( S' S" ).(9) N 1 F +m = a + b m.(10) Meode Exponenial Smoohing Meode exponenial smoohing adalah meode yang menunjukkan pemboboan menurun secara eksponensial erhadap nilai pengamaan yang lebih lama. Terdapa sau aau lebih parameer penulisan yang dienukan secara eksplisi, dan hasil pilihan ini menenukan bobo yang dikenakan pada nilai observasi. (Makridakis dkk, 1999). Meode pemulusan eksponensial unggal (Singel Exponensial Smooing/SES)minimal membuuhkan dua buah daa unuk meramalkan nilai yang akan erjadi pada masa yang akan daang (Makridakis dkk, 1999). Kasus yang paling sederhana dari pemulusan (smoohing) eksponensial unggal (SES), dengan persamaan sebagai beriku : Misalkan pengamaan yang lama X -N idak ersedia sehingga harus diganikan dengan nilai pendekaan. Salah sau penggani yang mungkin adalah nilai peramalan periode sebelumnya F. Persamaan umum yang digunakan dalam menghiung peramalan dengan meode pemulusan eksponensial adalah : F +1 = X ( 1) F.(11) = F + e ).(13) ( Meode Trend Analisis Meode Memisahkan iga komponen iga komponen erpisah dari pola dasar yang cendrung mencirikan dere daa ekonomi dan bisnis. Komponen ersebu adalah facor rend, siklus dan musiman. Pencocokan suau garis lurus erhadap daa saioner (horizonal) dapa dilakukan dengan cara meminimumkan MSE menggunakan: n i X 1 n X i.(14) garis rend linear unuk daa dere berkala : X = a + b Nilai a dan b yang meminimumkan MSE dapa diperoleh dengan menggunakan persamaan beriku : nx X.(15) b 2 n 2 X a b.(16) n n a = inersep b = kemiringan (slope) Ukuran Hasil Peramalan Ukuran akurasi hasil pengukuran peramalan yang merupakan ukuran kesalahan enang ingka perbedaan anara hasil peramalan dengan perminaan yang sebenarnya erjadi, ada 4 ukuran yang biasa digunakan, yaiu : 1. Raa raa deviasi mulak (Mean Absolue Deviaion = MAD) MAD merupakan raa raa kesalahan mulak selama periode waku erenu anpa memperhaikan apakah hasil peramalan lebih besar aau lebih kecil dibandingkan dengan fakanya. Secara sisemais, MAD dirumuskan sebagai beriku : A F MAD.(17) n A = Perminaan Akual pada Periode F = Peramalan perminaan (forecas) pada periode- n = Jumlah periode peramalan yang erliba 2. Raa raa kuadra kesalahan (Mean Square Error = MSE) MSE dihiung dengan menjumlahkan kuadra semua kesalahan peramalan pada seiap periode dan membaginya dengan jumlah periode peramalan. Secara sisemais, MSE dirumuskan sebagai beriku: 2 ( A F ) MSE n.(18) A = Perminaan Akual pada Periode F = Peramalan perminaan (forecas) pada periode- n = Jumlah periode peramalan yang erliba =F + ( X F ).(12) 3. Raa raa kesalahan peramalan (Mean Forecas Error = MFE) Jurnal Teknik Indusri, Vol. XI, No. 3, Sepember 2016 138
MFE sanga efekif unuk mengeahui apakah suau hasil peramalan selama periode waku erenu erlalu inggi aau erlalu rendah. Bila hasil peramalan idak bias, maka nilai MFE akan mendekai nol. MFE dihiung dengan menjumlahkan semua kesalahan peramalan selama periode peramalan dan membaginya dengan jumlah periode peramalan, secara sisemais, MFE dinyaakan sebagai beriku: ( A F ) MFE.(19) n A = Perminaan akual pada periode F = Peramalan perminaan (forecas) pada periode- n = Jumlah periode peramalan yang erliba 4. Raa raa persenase kesalahan absolu (Mean Absolue Persenage Error = MAPE) MAPE merupakan ukuran kesalahan relaif, MAPE biasanya lebih berari bila dibandingkan dengan MAD karena MAPE menyaakan persenase kesalahan hasil peramalan erhadap perminaan akual selama periode erenu yang akan memberikan informasi persenase kesalahan erlalu inggi aau erlalu rendah. Secara sisemais, MAPE dinyaakan sebagai beriku: 100 F.(20) MAPE A n A A = Perminaan akual pada periode F = Peramalan perminaan (forecas) pada periode- n = Jumlah periode peramalan yang erliba konrol peramalan yang mirip dengan pea konrol kualias. Pea konrol peramalan ini dapa dibua dengan kondisi daa yang ersedia minim. Meodologi Peneliian Langkah-langkah yang dilakukan pada peneliian ini adalah sebagai beriku : 1. Pendahuluan Sebelum melakukan peneliian, maka silakukan peneliian pendahuluan unuk mengeahui permasalahan yang ada pada Home Indusry Arwana Food. 2. Pengumpulan Daa Tahap pengumpulan daa pada peneliian ini menggunakan daa primer dan daa sekunder. Daa sekunder merupakan daa yang diperoleh langsung dari perusahaan yang berbenuk dokumen aau caaan perusahaan. Adapun daa sekunder yang dibuuhkan dalam peneliian ini adalah sebagai beriku : 1. Daa profil Home Indusry Arwana Food, srukur organisasi, lokasi perusahaan, jumlah karyawan dan jadwal kerja karyawan. 2. Daa penjualan keripik pisang kemasan bungkus selama 3 ahun. 3. Pengolahan Daa Seelah daa diperoleh, maka langkah selanjunya adalah mengolah daa dengan menggunakan program aplikasi kompuer yaiu sofware QM (Quaniaive Mehodes) for Windows 2.1. Pengolahan daa ini berujuan agar daa menah yang diperoleh bisa dianalisa dan memudahkan mengambil kesimpulan aau menjawab permasalahan yang sedang dielii dengan menggunakan meode moving average, exponenial smoohing whi rend dan rend analysis. 4. Analisis Analisa yang penulis lakukan berujuan unuk mempelajari masalah-masalah yang ada dan mengambil kesimpulan dari hasil peneliian. Unuk keperluan ersebu penulis menggunakan meode kuaniaf yaiu dengan menggunakan rumus-rumus yang berhubungan dengan meeode-meode yang digunakan. 5. Kesimpulan Dari hasil pengolahan daa dan analisa, maka dapa diarik kesimpulan yang dapa menjawab rumusan masalah. Verifikasi dan Pengendalian Peramalan Langkah pening seelah peramalan dibua adalah melakukan verifikasi peramalan sedemikian rupa sehingga hasil peramalan ersebu benar benar mencerminkan dari daa masa lalu dan sisem sebab akiba dari sisem ersebu. Sepanjang akualias peramalan ersebu dapa dipercaya, hasil peramalan akan erus digunakan, jika selama proses verifikasi ersebu mengalami keraguan validias meode peramalan yang digunakan, maka harus mencari meode lain yang lebih cocok. Validias ersebu harus dienukan dengan uji saisik yang sesuai. Seelah peramalan dibua, selalu imbul keraguan mengenai kapan kia harus meode peramalan yang baru. Peramalan harus selalu dibandingkan dengan perminaan akual secara eraur, maka pada suau saa harus diambil indakan revisi ramalan jika diemukan Hasil Dan Pembahasan adanya buki perubahan pola perminaan yang Daa Penjualan menyakinkan selain sebab iu perubahan perminaan Sebelum pengolahan daa dilaksanakan, sebaiknya harus dikeahui, maka penyesuaian meoda peramalan melakukan plo daa erlebih dahulu. Karena dari plo perlu dilakukan segera seelah perubahan pola daa kia dapa mengeahui pola aliran daa yang akan perminaan dikeahui. kia ramal sehingga memudahkan kia dalam melakukan Banyak ala yang dapa digunakan unuk peramalan. Berdasarkan plo daa dari daa penjulan memverifikasi peramalan dan mendeeksi perubahan akual dapa disimpulkan bahwa daa berdisribusi sisem sebab akiba melaarbelakangi perubahan pola bersifa musiman. Hal ini berdasarkan plo daa yang perminaan. Benuk yang paling sederhana adalah pea elah dilakukan cenderung urun-naik. Jurnal Teknik Indusri, Vol. XI, No. 3, Sepember 2016 139
Tabel 2. Forecasing Resul Moving Average Periode 2 Gambar 2. Grafik Penjualan Produk Keripik Pisang Kemasan Bungkus Analisa Peramalan Seiap Meode Meode Moving Average Unuk mendapakan hasil peramalan yang lebih ekekif, maka kia menggunakan meode raa-raa bergerak sebanyak 2 periode, yaiu periode 1 dan periode ke 2. Moving Average dengan Periode I Berdasarkan pada Tabel 1, didapa nilai forecas perminaan unuk periode berikunya sebesar 1368 bungkus, nilai MAD sebesar 212,6286, MSE sebesar 86399,14, dan Bias sebesar 12 sedangkan sandar error sebesar 302,7135. Berdasarkan oupu ersebu maka dapa kia arikan bahwa ingka kesalahan penggunaan meode ini sebesar 212,6286 unuk MAD dan 86399,14 unuk MSE. Tabel 1. Forecasing Resul Moving Average Periode I Measure Value Error Measures Bias (Mean Error) 12 MAD (Mean Absolue Deviaion) 212,6286 MSE (Mean Squared Error) 86399,14 Sandard Error 302,7135 Forecas nex period 1368 Moving Average dengan Periode II Berdasarkan Tabel 2, didapa nilai forecas penjualan unuk periode berikunya sebesar 1269,5 bungkus, nilai MAD sebesar 219,7794, MSE sebesar 89357,98, dan Bias sebesar 18,8971 sedangkan sandar error sebesar 308,128. Berdasarkan oupu ersebu maka dapa kia arikan bahwa ingka kesalahan penggunaan meode ini sebesar 219,7794 unuk MAD dan 89357,98 unuk MSE. Namun unuk menenukan kepuusan menggunakan meode ini aau idak, maka kia akan membandingkan dengan meode lainnya. Measure Value Error Measures Bias (Mean Error) 18,8971 MAD (Mean Absolue Deviaion) 219,7794 MSE (Mean Squared Error) 89357,98 Sandard Error 308,128 Forecas nex period 1269,5 Sebagai bahan perbandingan awal dapa kia bandingkan di anara kedua model raa-raa bergerak periode 1 dan 2. Dari pengolahan daa didapa nilai MAD 1(212,6286) < MAD 2 (219,7794) dan nilai MSE 1 (86399,14) < MSE 2 (89357,98). Sehingga dapa disimpulkan unuk semenara bahwa model raa-raa bergerak periode 1 lebih baik dibandingkan periode 2 karena nilai MAD dan MSE perioe 1 lebih kecil dibandingkan periode 2. Di samping iu, jika kia liha pola disribusi daa peramalan periode ke perama berbeda dengan periode kedua. Pola disribusi daa peramalan penjualan periode ini mempunyai simpangan yang besar dari pada periode perama. Meode Exponenial Smoohing Wih Trend α = 0,5 dan β = 0,5 Dari oupu pada Tabel 3 didapa bahwa nilai forecas unuk periode berikunya, yaiu sebesar 1321,469, nilai MAD sebesar 263,2664, nilai MSE sebesar 112759, dan Bias (Mean Error) sebesar 14,2113 dan Sandar Error sebesar 345,8221. Berdasarkan oupu ersebu dapa kia arikan bahwa ingka kesalahan peramalan penjualan sebesar 263,2664 unuk MAD dan 112759 unuk MSE. Tabel 3. Forecasing Resul Exponensial Smooing Wih Ternd α = 0,5 dan β = 0,5 Measure Value Error Measures Bias (Mean Error) 14,2113 MAD (Mean Absolue Deviaion) 263,2664 MSE (Mean Squared Error) 112759 Sandard Error 345,8221 Forecas nex period 1321,469 Jurnal Teknik Indusri, Vol. XI, No. 3, Sepember 2016 140
Meode Trend Analysis Dari oupu Tabel 4 didapa bahwa nilai forecas unuk periode berikunya, yaiu sebesar 1121,424, nilai MAD sebesar 161,3539, nilai MSE sebesar 55744,16, Bias (Mean Error) sebesar 0 dan sandar error = 242,947. Berdasarkan oupu ersebu dapa kia arikan bahwa ingka kesalahan peramalan sebesar 161,3539 unuk MAD dan 161,3539 unuk MSE. Unuk pola diribusi grafik peramalan erliha bahwa meode ini mempunyai simpangan yang kecil dibandingkan dengan meode moving average dan exponenial smoohing wih rend. Tabel 4. Forecasing Resul Trend Analysis Measure Value Fuure Period Forecas Error Measures 37 1121,424 Bias (Mean Error) 0 38 1127,086 MAD (Mean Absolue Deviaion) 161,3539 39 1132,749 MSE (Mean Squared Error) 55744,16 40 1138,411 Sandard Error (denom = n-2=34) 242,947 41 1144,074 Regression line 42 1149,736 Peramalan(bungkus) = 911,9096 43 1155,399 + 56625 * Time (x) 44 1161,062 Saisics 45 1166,724 Correlaion coefficien 0,2418 46 1172,387 Coefficien of deerminaion (r^2) 0,0584 47 1178,049 48 1183,712 49 1189,374 membandingkan kumulaif nilai pemboboan pada seiap meode peramalan penjualan ersebu. Penilaian diberikan dengan memberikan nilai erkecil unuk seiap fakor penilaian pada seiap meode. Proses penilaian dilakukan dengan cara memberi nilai 1 dan seerusnya hingga 4 pada seiap meode dengan meliha sau fakor, yaiu nilai MAD, seelah nilai MAD dinilai barulah nilai MSE yang diliha begiu juga dengan nilai Sandar Error dan Bias. Sehingga dari proses pemboboan ersebu didapakan hasil akhir pada seiap meode dan dapa dipilih meode mana yang mempunyai nilai yang paling kecil. Berdasarkan analisa di aas dan pengolahan daa pada Bab IV maka dapa kia bandingkan bahwa dari segi ingka kesalahan, meode Trend Analysis mempunyai ingka kesalahan yang lebih kecil dibandingkan meode yang lainnya, Nilai Biasnya adalah 0 maka meode yang erpilih dan yang sanga mendekai nilai nol adalah pada meode Trend Analysis ini. Analisa Penenuan Peramalan Jumlah Penjualan Produk Keripik Pisang Jenis Kemasan Bungkus Seelah dilakukan perhiungan peramalan, maka meode yang erpilih adalah meode peramalan rend analysis karena mempunyai ingka kesalahan lebih kecil dibandingka dengan meode yang lain. Peramalan penjualan erhadap produk kripik pisang jenis kemasan bungus adalah sebanyak 1121,424 aau 1122 bungkus/bulan, arinya pihak Home Indusry Arwana Food Tembilahan harus menyediakan produk kripik pisang unuk kemasan bungkus adalah sebanyak 1122 bungkus/bulan agar idak mengalami kekurangan aau kelebihan persediaan produk kripik pisang unuk kemasan bungkus, dan dapa memenuhi semua perminaan konsumen erhadap penjualan kripik pisang kemasan bungkus sehingga bisa memperoleh keunungan sesuai dengan yang diharapkan. Analisa Meode Peramalan Terpilih Seelah keiga meode peramalan digunakan, maka Kesimpulan ahap selanjunya adalah menenukan meode mana Unuk melakukan forcasing kia dapa yang lebih efekif dan mempunyai ingka kesalahan menggunakan meode Moving Average, Exponenial yang kecil eapi mempunyai nilai peramalan yang smoohing wih rend dan Trend Analysis unuk besar. mendapakan nilai erkecil dari peramalan. Parameer yang digunakan unuk menenukan Berdasarkan pengumpulan dan pengolahan daa meode yang erbaik adalah meliha nilai MAD, MSE, sera analisa yang sudah dilakukan maka dapa kia sandar error dan bias yang paling mendekai nol, bandingkan bahwa dari segi ingka kesalahan sera Berdasarkan parameer ersebu, kia dapa menenukan perangkingan rend analysis mempunyai ingka meode yang erbaik dari beberapa meode yang ada kesalahan yang lebih kecil dibandingkan dengan meode unuk kasus peramalan penjualan dengan daa yang lainnya. Meode rend analysis mempunyai nilai MAD bersifa musiman. sebesar 161,3539, MSE sebesar 55744,16, dan sandar Unuk seiap meode pada peneliian ini erdapa error sebesar 242,947, maka dapa disimpulkan bahwa variasi nilai MAD, MSE, Sandar Error dan Bias meode erpilih adalah meode Trend Analysis. sehingga unuk menenukan meode mana yang erbaik Berdasarkan analisa peneuan peramalan jumlah maka cara yang digunakan adalah memberikan penjualan produk kripik pisang kemasan bungkus pemboboan nilai pada fakor MAD, MSE, sandar adalah sebanyak 1121,424 aau 1122 bungkus/bulan error dan bias. Seelah pemberian bobo nilai pada iap agar idak mengalami kekurangan aau kelebihan fakor dilakukan, langkah selanjunya adalah persediaan produk kripik pisang unuk kemasan bungkus. Jurnal Teknik Indusri, Vol. XI, No. 3, Sepember 2016 141
Dafar Pusaka Assauri, Sofyan. 1984. Teknik dan Meode Peramalan. Penerbi Fakulas Ekonomi Universias Indonesia: Jakara Baroo, T. Perencanaan dan Pengendalian produksi. Jakara : Ghalia Indonesia, 2002. Makridakis, dkk. 1999. Meode dan Aplikasi Peramalan. Bina Rupa Aksara: Jakara Nasuion A.H, dan Praseyawan Y.P. Perencanaan dan Pengendalian Produksi. Edisi Perama, Yogyakara : Graha Ilmu, 2008. Pujawan IN, Supply Chain Managemen. Surabaya: Penerbi Guna Widya, 2005. Subagyo, Pangesu. 1986. Forcesing Konsep and Aplikasi. BPEE UGM: Yogyakara Surjasa D. Rancang Bangun Model Sisem Penunjang Kepuusan Cerdas Unuk Sisem Ranai Pasokan Beras di Propinsi DKI Jakara. Diserasi dierbikan. Bogor : Insiu Peranian Bogor, 2011. Tersine Ricard J. Principles Of Invenory and Maerials Managemen. USA:Prenice Hall, Inc. 1994. Vincen Gaspersz. 2002. Producion Planing and Invenory Conrol. PT. Gramedia Pusaka Uama: Jakara Jurnal Teknik Indusri, Vol. XI, No. 3, Sepember 2016 142