SIG TUGAS AKHIR PERAMALAN PENJUALAN AVTUR DENGAN MEMPERTIMBANGKAN SPECIAL EVENT Siti Lukmatul Henifa (1210 100 064) Pembimbing: Dra. Nuri Wahyuningsih, M.Kes. Senin, 20 Januari 2014 Matematika - ITS Page 1
A. PENDAHULUAN Latar Belakang sebagai pertimbangan perusahaan yang bergerak di bidang pertambangan dan energi dalam perencanaan Rumusan Masalah Batasan Masalah Tujuan Penjualan avtur oleh Pertamina Aviation mengalami peningkatan terutama di event-event tertentu. Penelitian sebelumnya: Anggraheni, (2003) Putra, (2010) Manfaat dengan mempertimbangkan dibandingkan dengan metode yang akurat Page 2
A. PENDAHULUAN Latar Belakang Rumusan Masalah Batasan Masalah Tujuan apa saja yang mempengaruhi tingginya peningkatan penjualan avtur. Bagaimana penerapan peramalan penjualan avtur dengan mempertimbangkan dibandingkan metode dilihat dari akurasinya Metode peramalan apa yang sesuai untuk diterapkan di masing-masing DPPU Manfaat Page 3
PENDAHULUAN Latar Belakang Rumusan Masalah Batasan Batasan Masalah Masalah Tujuan Manfaat Produk avtur yang diamati adalah penjualan avtur pada DPPU Juanda, Ngurah Rai, Iswahyudi, Eltari Group, dan Bandara Internasional Lombok (BIL) Group. Data diperoleh dari data sekunder penjualan bulanan yang didokumentasikan perusahaan periode Jan 2009-Jul 2013 yang dimaksud adalah kejadian yang mempengaruhi penjualan secara signifikan. Metode yang digunakan adalah Moving Average Based, Exponential Smoothing Based, dan with Moving Average Ratio. Data diolah dengan menggunakan Microsoft excel 2007 dan Minitab 14.0. Page 4
PENDAHULUAN Latar Belakang Rumusan Masalah Batasan Masalah Tujuan Tujuan Manfaat 1. Dapat mengidentifikasi event yang mempengaruhi tingginya penjualan avtur di masing-masing DPPU. 2. Mengetahui keakuratan peramalan dengan mempertimbangkan event dibandingkan metode with Moving Average Ratio. 3. Mendapatkan metode peramalan yang sesuai untuk masing-masing DPPU. Page 5
PENDAHULUAN Latar Belakang Rumusan Masalah Batasan Masalah Tujuan Metode peramalan yang sesuai untuk masingmasing DPPU dijadikan rekomendasi oleh pihak perusahaan. Manfaat Page 6
TINJAUAN PUSTAKA adalah prediksi atau estimasi tingkat kejadian yang tidak pasti dimasa yang akan datang Moving Average Exponential Smoothing Based Decomposit ion Kuantitatif Kualitatif Forcast (Sumber: Makridarkis, S., Wheelwright, Steven C., Mc GEE, Victor E. 1999) Page 7
TINJAUAN PUSTAKA y y Pola Data waktu a. Pola data horizontal waktu b. Pola data musiman Moving Average Exponential Smoothing y y Based Decomposit ion waktu c. Pola data trend waktu d. Pola data siklis Forcast (Sumber: Makridarkis, S., Wheelwright, Steven C., Mc GEE, Victor E. 1999) Page 8
TINJAUAN PUSTAKA pola data dengan analisis autokorelasi Pola Data (1) Moving Average Exponential Smoothing Based Decomposit ion Forcast dengan : koefisien autokorelasi untuk k dari lag : mean dari data aktual : data aktual pada periode t : data aktual k periode waktu sebelumnya atau periode waktu t-k (sumber: Hanke, J.E., Wichern, D.W., 2005) Page 9
TINJAUAN PUSTAKA Moving Average (MA) dilakukan dengan meratakan historis masa lalu untuk memperoleh peramalan nilai di waktu yang akan datang. (2) Moving Moving Average Avrage Exponential Smoothing Based Decomposit ion Forcast dengan : peramalan periode selanjutnya : data aktual pada periode t : jumlah data yang dilibatkan pada MA (sumber: Hanke, J.E., Wichern, D.W., 2005) Page 10
TINJAUAN PUSTAKA Eksponential Smoothing menunjukkan pembobotan menurun secara eksponensial terhadap nilai observasi yang lebih lama. (3) Moving Average Exponential Smoothing Based Decomposit ion dengan : peramalan periode selanjutnya : data aktual pada periode t : peramalan periode t : konstanta pemulusan ( 0< <1) Forcast (Sumber: Makridarkis, S., Wheelwright, Steven C., Mc GEE, Victor E. 1999) Page 11
TINJAUAN PUSTAKA Moving Average Exponential Smoothing Manfaat Based Decomposit ion Forcast Metode peramalan Based adalah metode peramalan penjualan berdasarkan yang terjadi di periode-periode tertentu. Jika peramalannya menggunakan MA dinamakan Moving Average Based (MAEB), jika peramalannya menggunakan ES maka dinamakan Exponential Smoothing Based (ESEB). Indeks Special (4) dengan berdasarkan event : data aktual periode t : Indeks event pada periode t yang terdapat special event : data hasil peramalan dengan : dengan indeks pada periode t +1 : Grup indeks event periode t+1 : sebelum indeks pada periode t +1 (Sumber: Makridarkis, S., Wheelwright, Steven C., Mc GEE, Victor E. 1999) Page 12 (5)
TINJAUAN PUSTAKA Moving Average Exponential Smoothing Dari indeks tersebut, disusun berdasarkan event yang sama pada tahun berbeda kemudian dilakukan rata-rata untuk mendapatkan Indeks ( Gt ) yang digunakan untuk peramalan MAEB dan ESEB Subtitusi persamaan 2 ke persamaan 5 menghasilkan model MAEB yaitu, (6) Manfaat Based Decomposit ion subtitusi persamaan 3 ke persamaan 5 menghasilkan model ESEB yaitu, (7) Forcast Page 13
TINJAUAN PUSTAKA Moving Average Exponential Smoothing Metode peramalan yang mencoba memisahkan tiga komponen terpisah dari pola dasar yang cenderung mencirikan deret data ekonomi dan bisnis with Moving Average Ratio: dengan (5) : nilai deret berkala (data aktual) pada periode t : komponen musiman (atau indeks) pada periode t : komponen trend pada periode t : komponen siklus pada periode t : komponen galat atau acak pada periode t Manfaat Decomposit ion Forcast (Sumber: Makridarkis, S., Wheelwright, Steven C., Mc GEE, Victor E. 1999) Page 14
TINJAUAN PUSTAKA Moving Average Exponential Smoothing Manfaat Decomposit ion Forcast Steps: 1. Mencari indeks musiman Menghitung rasio dari data aktual terhadap rata-rata bergerak. Kemudian rasio disusun menurut bulan untuk mendapatkan ratarata medial. Indeks musiman dihitung dengan mengalikan ratarata medial dengan faktor penyesuaian sehingga nilai rataratanya adalah kisaran nilai rasio 2. Menentukan persamaan trend menggunakan model regresi linier dengan dan 3. menggunakan persamaan berikut (Sumber: Makridarkis, S., Wheelwright, Steven C., Mc GEE, Victor E. 1999) Page 15 (6)
TINJAUAN PUSTAKA Moving Average PE (Percentage ) MAPE (Mean Absolute Percentage ) Exponential Smoothing Manfaat Decomposit ion dengan : Nilai data ke- i : Nilai peramalan ke-i n : Banyaknya data. Forcast Forcast (Sumber: Makridarkis, S., Wheelwright, Steven C., Mc GEE, Victor E. 1999) Page 16
METODE PENELITIAN Studi Literatur dan pengumpulan data Pengolahan data Analisis dan interpretasi hasil Penarikan kesimpulan dan pemberian saran Page 17
Grafik Penjualan Avtur Periode Januari 2009 Juli 2013 dan kolerogram DPPU JUANDA Analisis Pola Special Page 18
Grafik Penjualan Avtur Periode Januari 2009 Juli 2013 dan Kolerogram DPPU ISWAHYUDI Analisis Pola Special Page 19
Grafik Penjualan Avtur Periode Januari 2009 Juli 2013 dan kolerofram DPPU NGURAH RAI Analisis Pola Special Page 20
Grafik Penjualan Avtur Periode Januari 2009 Juli 2013 dan kolerogram DPPU BIL Group Analisis Pola Special Page 21
Grafik Penjualan Avtur Periode Januari 2009 Juli 2013 DPPU ELTARI Group Analisis Pola Special Page 22
Analisis Kejadian yang diperkirakan mempengaruhi peningkatan penjualan avtur secara signifikan No. Special Waktu 1. Hari raya Idul fitri September 2009-2011 Agustus 2012 2. Hari raya Desember 2009-2012 Natal 3. Liburan Juli 2009-2013 sekolah 4. Haji flight Oktober, November, Desember 2009-2011 September, Oktober, November 2012 5. Hari raya Idul adha November 2009-2010 Oktober 2011-2012 Special Page 23
Pemilihan konstanta α (0<α<1) untuk Exponential Smoothing Analisis Special a. DPPU Juanda (α = 0,99) Page 24
Pemilihan konstanta α (0<α<1) untuk Exponential Smoothing Analisis Special b. DPPU Iswahyudi (α = 0,3) Page 25
Pemilihan konstanta α (0<α<1) untuk Exponential Smoothing Analisis Special c. DPPU Ngurah Rai (α = 0,8) Page 26
Pemilihan konstanta α (0<α<1) untuk Exponential Smoothing Analisis Special d. DPPU BIL Group (α = 0,13) Page 27
Pemilihan konstanta α (0<α<1) untuk Exponential Smoothing Analisis Special e. DPPU Eltari Group (α = 0,56) Page 28
Analisis Pemilihan nilai N (orde) untuk Moving Average N DPPU Juanda DPPU Iswahyudi MAPE (%) DPPU Ngurah Rai DPPU BIL Group DPPU Eltari Group 2 11,3280 31,2263 5,6031 14,8681 10,0281 3 12,5976 30,3397 5,4230 15,3157 10,6913 4 13,9963 30,2009 5,7063 14,5944 11,0066 12 10,5209 28,8741 5,1385 12,3742 12,6275 Special Page 29
Analisis Special Hasil Indeks MAEB dan ESEB Tabel 1. Rekapitulasi Indeks DPPU Juanda Liburan sekolah Hari raya Idul fitri Haji flight Hari raya Natal Waktu Indeks MAEB Grup Indeks Indeks ESEB Juli 2009 1,04 Juli 2010 1,00 1,08 Juli 2011 1,01 1,01 1,09 Juli 2012 1,02 1,00 Juli 2013 0,89 0,90 September 2009 1.01 September 2010 1,03 1.10 1,05 September 2011 1,00 1.05 Agustus 2012 1,11 1.09 Okt, Nov, & Des 2009 1,17 Okt, Nov, & Des 2010 1,30 1,10 Okt, Nov, & Des 2011 1,29 1,28 1,07 Sept, Okt, & Nov 2012 1,24 1,08 Desember 2009 1.17 Desember 2010 1,34 1.03 1,20 Desember 2011 1,20 0.96 Desember 2012 1,05 0.81 MAEB dan ESEB menghasilkan : liburan sekolah, hari raya Idul fitri, dan haji flight Grup Indeks 1,05 1,06 1,11 0,99 Page 30
Analisis Special Hasil Indeks MAEB dan ESEB Tabel 2. Rekapitulasi Indeks DPPU BIL Group Liburan sekolah Hari raya Idul fitri Haji flight Hari raya Natal Waktu Indeks event MAEB Indeks event ESEB Juli 2009 2013 1,05 1,08 September 2009 2011 & Agustus 2012 Okt, Nov, & Des 2009 Okt, Nov, & Des 2010 Okt, Nov, & Des 2011 Sept, Okt, & Nov 2012 0,98 0,97 1,38 1,32 Desember 2009 2012 1,30 1,26 MAEB & ESEB menghasilkan : liburan sekolah dan haji flight Page 31
Analisis Special Hasil Indeks MAEB dan ESEB Tabel 3. Rekapitulasi Indeks DPPU Ngurah Rai Waktu Indeks MAEB Ngurah Rai Indeks ESEB Liburan Sekolah Juli 2009 2013 1,11 1,10 Hari raya Idul fitri Hari raya Idul Adha Hari raya Natal September 2009-2011 & Agustus 2012 November 2009-2010 & Oktober 2011-2012 Desember 2009 2012 1,06 0,98 1,05 0,99 1,03 1,03 MAEB menghasilkan : liburan sekolah, hari raya Idul fitri, Idul adha, dan hari raya Natal ESEB menghasilkan : liburan sekolah dan hari raya Natal Page 32
Analisis Hasil Indeks MAEB dan ESEB Tabel 3. Rekapitulasi Indeks DPPU Eltari Group Waktu Indeks MAEB Eltari Group Indeks ESEB Special Liburan Sekolah Hari raya Idul fitri Hari raya Idul Adha Hari raya Natal Juli 2009 2013 1,09 1,11 September 2009-2011 & Agustus 2012 November 2009-2010 & Oktober 2011-2012 Desember 2009 2012 1,09 1,11 0,98 1,01 1,06 1,04 MAEB menghasilkan : liburan sekolah, hari raya idul fitri, dan Natal ESEB menghasilkan : liburan sekolah, hari raya Idul fitri, Idul adha, dan Natal Page 33
Analisis November 2009-2010 & Oktober 2011-2012 Desember 2009 2012 Special Hasil Indeks MAEB dan ESEB Tabel 4. Rekapitulasi Indeks DPPU Iswahyudi Waktu Indeks MAEB Indeks ESEB Liburan Juli 2009 Sekolah 2013 1,26 1,19 Hari raya Idul fitri September 2009-2011 & Agustus 2012 0,80 0,92 Hari raya Idul Adha Hari raya Natal 0,92 0,97 0,82 1,10 MAEB menghasilkan : liburan sekolah ESEB menghasilkan : liburan sekolah dan hari raya Natal Page 34
Analisis Indeks Musiman Tabel 5. Rekapitulasi Indeks Musiman Bulan DPPU Juanda Indeks Musiman DPPU DPPU Ngurah Iswahyudi Rai DPPU Eltari Group DPPU BIL Group Jan 0.94 0.82 1.04 0.99 0.98 Feb 0.86 1.04 0.94 0.86 0.88 Mar 0.94 1.13 0.94 0.96 0.93 Apr 0.88 0.72 0.95 0.94 0.91 Mei 0.87 1.02 0.97 0.95 0.96 Jun 0.91 1.16 0.97 0.97 1.05 Jul 0.98 1.26 1.07 1.05 1.07 Agust 0.93 0.81 1.07 0.85 0.94 Sept 0.97 1.06 1.02 0.93 0.97 Okt 1.22 0.99 1.02 1.15 1.08 Nov 1.27 1.01 0.99 1.13 1.06 Des 1.23 0.97 1.02 1.22 1.17 Special Page 35
Analisis Persamaan trend Tabel 6. Persamaan Trend Menggunakan Analisis Regresi Linier No. DPPU Persamaan Trend 1. Juanda y(t) = 18.969.998 + 152.448t 2. Iswahyudi y(t) = 1.113.121 3. Ngurah Rai y(t) = 31.262.362 + 209.655t 4. BIL Group y(t) = 888.732 + 20.093,1t 5. Eltari Group y(t) = 1.093.724 + 14.501,3t Special Page 36
Analisis Tabel 7. Rekapitulasi 5 lokasi Lokasi Pemasaran Metode MAPE DPPU Juanda MAEB 7,53% ESEB 9,52% 5,59% DPPU Iswahyudi MAEB 26,48% ESEB 28,08% 28,11% DPPU Ngurah Rai MAEB 3,37% ESEB 4,56% 3,35% DPPU BIL Group MAEB 7,72% ESEB 9,60% 8,67% DPPU Eltari Group MAEB 9,35% ESEB 8,89% 10,98% Special Page 37
Analisis Special Tabel 8. Hasil Special N Indeks special DPPU Special o event 1 Juanda Hari Raya Idul Fitri 1,05 Liburan sekolah 1,01 Haji flight 1,28 2 Ngurah Liburan sekolah 1,11 Rai Hari raya Natal 1,03 Hari raya Idul fitri 1,06 Hari raya Idul adha 1,05 3 BIL Liburan sekolah 1,05 Group Haji flight 1,38 4 Eltari Group Liburan sekolah 1,11 Hari raya Natal 1,10 Hari raya Idul adha 1,04 Hari raya idul fitri 1,01 Metode MAEB MAEB MAEB ESEB Page 38
PENUTUP Kesimpulan Saran 1. Special event yang mempengaruhi peningkatan penjualan avtur berbeda untuk masing-masing DPPU antara lain DPPU Juanda dipengaruhi liburan sekolah, hari raya Idul fitri, dan haji flight, DPPU Ngurah Rai dipengaruhi liburan sekolah, hari raya Natal, Idul fitri, dan Idul adha. DPPU BIL dipengaruhi liburan sekolah dan haji flight. DPPU Eltari dipengaruhi liburan sekolah, hari raya Natal, Idul fitri, dan Idul adha. Sedangkan peningkatan penjualan avtur di DPPU Iswahyudi tidak dipengaruhi oleh. 2. dengan mempertimbangkan sesuai diterapkan di DPPU Bandara International Lombok Group yaitu menggunakan metode Moving Average Based dengan nilai MAPE 7,72% dan Eltari Group yaitu menggunakan metode Exponential Smoothing Based dengan nilai MAPE 8,92%. Sedangkan di DPPU Juanda dan Ngurah Rai metode peramalan sesuai untuk diterapkan dengan nilai MAPE berturutturut sebesar 5,59% dan 3,35%. Page 39
PENUTUP Kesimpulan Saran 1. penjualan avtur dengan mempertimbangkan dilakukan dengan menggunakan data harian untuk mendapatkan hasil yang lebih akurat. 2. Metode peramalan lain yang sesuai untuk peramalan penjualan avtur dapat diterapkan untuk mendapatkan metode yang paling baik. Page 40
DAFTAR PUSTAKA 1. Henifa, S.L. (2013). Aplikasi Multiple channel Model pada analisa jumlah operator Pengisian Pesawat Udara dan Metode Dekomposisi pada Jumlah Penjualan Avtur di Pertamina Aviation Area Jatim & Balinus DPPU Juanda Surabaya. Laporan Penelitian Kerja Praktek, Institut Teknologi Sepuluh Nopember, Surabaya. 2. Anonim.2013.Pertamina Aviation (diakses pukul 09.00, 8 Juli 2013) < URL:http://aviation. pertamina.com/> 3. Anggraheni, W. (2003). Di PT. Coca Cola Distribution Indonesia SIER Surabaya. Laporan Penelitian Tugas Akhir, Institut Teknologi Sepuluh Nopember, Surabaya. 4. Putra, I.N. (2010). Permintaan dan Perencanaan Produksi dengan Mempertimbangkan Special di PT. Coca Cola Bottling Indonesia (PT. CCBI) Plant Pandaan. Laporan Penelitian Tugas Akhir, Institut Teknologi Sepuluh Nopember, Surabaya. 5. Wati, E.E. (2013). Analisa Jumlah Mobil Refueller/Dispenser Di DPPU Juanda Menggunakan Metode Antrian Multiple channel Model dan Penjualan Avtur Di DPPU Juanda Menggunakan Metode Exponential Smoothing Winter. Laporan Penelitian Kerja Praktek, Institut Teknologi Sepuluh Nopember, Surabaya. 6. Makridarkis, S., Wheelwright, Steven C., Mc GEE, Victor E. 1999. Metode dan Aplikasi. Tangerang: Binarupa Aksara. 7. Zainun, N. Y., dan Majid, M. Z. A., 2003. Low Cost House Demand Predictor. Universitas Teknologi Malaysia. 8. Hanke, J.E., Wichern, D.W., 2005. Business ing Eight Edition. Prentice Hall, United States of America. 9. Santoso, Singgih. 2009. Business ing Metode peramalan Bisnis Masa Kini dengan Minitab dan SPSS. Jakarta, PT Elex Media Komputiondo Kelompok Gramedia. 10. Draper, N dan Smith H.(1992). Analisis Regresi Terapan Edisi Kedua. PT Gramedia Pustaka Utama,,Jakarta. Page 41