PERBANDINGAN METODE DES (DOUBLE EXPONENTIAL SMOOTHING) DENGAN TES (TRIPLE EXPONENTIAL SMOOTHING) PADA PERAMALAN PENJUALAN ROKOK (STUDI KASUS TOKO UTAMA LUMAJANG) 1 Fajar Riska Perdana (1110651142) 2 Daryano, S.Kom, M.Kom, 3 Henny Wahyu, S.Kom Jurusan Teknik Informaika Fakulas Teknik Universias Muhammadiyah Jember ABSTRAK Peramalan ( forecasing ) adalah kegiaan mengisemasi apa yang akan erjadi pada masa yang akan daang. Peramalan diperlukan karena adanya perbedaan kesenjangan waku ( imelag ) anara kesadaran akan dibuuhkannya suau kebijakan baru dengan waku pelaksanaan kebijakan ersebu. Adapun diseiap perusahaan, kompuer menjadi ala unuk mempermudah kinerja seiap pegawai yang berugas, dan khususnya dalam pengelolaan daa penjualan di Toko Uama. Toko Uama Daerah Lumajang merupakan salah saunya yang memanfaakan eknologi kompuer unuk mendukung kegiaan operasional sehari-harinya. Conohnya adalah pemanfaaan eknologi kompuer dalam proses penjualan di Toko Uama. Pada proses ransaksi di Toko Uama Daerah Lumajang masih mengalami permasalahan, peugas Toko Uama belum dapa mengeahui nilai peramalan penjualan erbaik dalam seiap periodenya. Sehubungan dengan hal ersebu sanga pening melakukan perbandingan ingka akurasi peramalan penjualan di Toko Uama guna unuk mengeahui bagaimana membandingkan kedua meode unuk menghasilkan nilai peramalan erbaik diseiap bulannya. Pengukuran dilakukan dengan menggunakan pengukuran kesalahan MAPE (Mean Absolue Percenage error) unuk mengukur ingka keakurasian anara DES (Double Exponenial Smoohing) dan TES (Triple Exponenial Smoohing). Pengukuran MAPE merupakan persamaan yang sanga berguna unuk menghiung kesalahan-kesalahan peramalan dalam benuk presenase. Hasil akhir dari peneliian ini berupa Perbandingan Tingka Akurasi anara Double Exponenial Smoohing dengan Triple Exponenial Smoohing yang naninya akan menghasilkan nilai peramalan erbaik seiap periode. Dalam pembukian uji coba di dapakan meode Double Exponenial Smoohing lebih akura dengan meode Triple Exponenial Smoohing dengan nilai α = 0,5 dengan MAPE = 15,262 % Kaa kunci : forecasing, imelag, DES (Double Exponenial Smoohing), TES (Triple Exponenial Smoohing). MAPE. Perbandingan meode 1 1. Pendahuluan Dalam membandingkan ingka akurasi peramalan khususnya pada penjualan di Toko Uama, dapa sanga mudah dilakukan karena manusia mampu dapa unuk mengeahui nilai erbaik dari apa yang dibandingkan, walaupun erkadang menemukan kesulian dalam membandingkan seiap buku. Peramalan ( forecasing ) adalah kegiaan mengisemasi apa yang akan erjadi pada masa yang akan daang. Peramalan diperlukan karena adanya perbedaan kesenjangan waku ( imelag ) anara kesadaran akan dibuuhkannya suau kebijakan baru dengan waku pelaksanaan kebijakan ersebu. Adapun diseiap perusahaan, kompuer menjadi ala unuk mempermudah kinerja seiap pegawai yang berugas, dan khususnya dalam pengelolaan daa penjualan di Toko Uama. Toko Uama merupakan salah saunya yang memanfaakan eknologi kompuer unuk mendukung kegiaan operasional sehari-harinya. Conohnya adalah pemanfaaan eknologi kompuer dalam proses penjualan di Toko Uama. Andreas Yon dan Imbar Radian Vicor (2012) Sudi kasus yang di bahas adalah peramalan sok barang. Dalam peneliiannya
meode yang digunakan adalah meode Double Exponenial Smoohing (DES). Meode ini merupakan model linier yang dikemukakan oleh Brown. Didalam meode Double Exponenial Smoohing dilakukan proses smoohing dua kali. Kekurangan dari meode ini adalah harus dilakukan mainenance berkala dan pengecekan ruin dengan cara pemerikasaan kembali apakah daa daa yang sudah dimasukan sudah benar aau ada kesalahan, melakukan updae aplikasi jika ada bug aau penambahan fiur baru yang dirasa pening. Unuk mendapakan permalan sok barang yang akura harus memiliki banyak daa penjualan barang per-bulannya.. Inayah (2010) menjelaskan bahwa keunungan aau kelebihan dari meode Triple Exponenial Smoohing adalah dapa menggunakan daa yang relaif sediki jika dibandingkan dengan meode yang lainnya, parameer yang digunakan lebih sediki sera ipe daa yang digunakan idak mengandung unsur musiman dan mudah dalam pengelolaan daa (idak perlu ransformasi daa jika daa yang digunakan idak sasioner dan idak perlu melakukan analisis auoregresi) dalam meramalkan. Dan menuru Febry Arhadini (2015), Meode peramalan Triple Exponenial Smoohing khusus digunakan unuk daa yang berpola rend dan musiman adalah meode pemulusan eksponensial linear dan musiman dari Winer. Meode ini didaasarkan aas iga persamaan pula yaiu unuk unsur sasioner, rend dan musiman. Karena dua hal ersebu penulis membandingkan kedua meode unuk meminimalisir kekurangan pada penjualan rokok. Dengan harapan mengeahui meode mana yang paling akura unuk peramalan penjualan rokok yaiu keseluruhan brand rokok di Toko Uama. Pengukuran dilakukan dengan menggunakan pengukuran kesalahan MAPE (Mean Absolue Percenage error) unuk mengukur ingka keakurasian anara DES (Double Exponenial Smoohing) dengan TES (Triple Exponenial Smoohing). Pengukuran MAPE merupakan persamaan yang sanga berguna unuk menghiung kesalahan-kesalahan peramalan dalam benuk presenase. Hasil akhir dari peneliian ini berupa Perbandingan Tingka Akurasi anara Double Exponenial Smoohing dengan Triple Exponenial Smoohing yang naninya akan menghasilkan nilai peramalan erbaik seiap periode dan mengeahui meode mana yang lebih akura unuk peramalan penjualan rokok di Toko Uama. Pada peneliian ini, peramalan akan dilakukan unuk periode 1 ahun mendaang dan akan dihasilkan penjualan rokok unuk seluruh brand di Toko Uama. Diharapkan analisis penyebab peningkaan dan penurunan penjualan ini dapa dijadikan evaluasi unuk erus meningkakan penjualan produk eruama pada penjualan rokok di Toko Uama. Unuk iu dilakukan peneliian enang PERBANDINGAN METODE DES (DOUBLE EXPONENTIAL SMOOTHING) DAN TES (TRIPLE EXPONENTIAL SMOOTHING) UNTUK PERAMALAN PENJUALAN ROKOK (STUDI KASUS TOKO UTAMA). 2. Dasar Teori 2.1 Peramalan Andreas Yon dan Imbar Radian Vicor (2012) Sudi kasus yang di bahas adalah peramalan sok barang. Dalam peneliiannya meode yang digunakan adalah meode Double Exponenial Smoohing (DES). Meode ini merupakan model linier yang dikemukakan oleh Brown. Didalam meode Double Exponenial Smoohing dilakukan proses smoohing dua kali. Kekurangan dari meode ini adalah harus dilakukan mainenance berkala dan pengecekan ruin dengan cara pemerikasaan kembali apakah daa daa yang sudah dimasukan sudah benar aau ada kesalahan, melakukan updae aplikasi jika ada bug aau penambahan fiur baru yang dirasa pening. Unuk mendapakan permalan sok barang yang akura harus memiliki banyak daa penjualan barang per-bulannya. Inayah (2010) menjelaskan bahwa keunungan aau kelebihan dari meode Triple Exponenial Smoohing adalah dapa menggunakan daa yang relaif sediki jika dibandingkan dengan meode yang lainnya, parameer yang digunakan lebih sediki sera ipe daa yang digunakan idak mengandung unsur musiman dan mudah 2
3 dalam pengelolaan daa (idak perlu ransformasi daa jika daa yang digunakan idak sasioner dan idak perlu melakukan analisis auoregresi) dalam meramalkan. Dan menuru Febry Arhadini (2015), Meode peramalan Triple Exponenial Smoohing khusus digunakan unuk daa yang berpola rend dan musiman adalah meode pemulusan eksponensial linear dan musiman dari Winer. Meode ini didaasarkan aas iga persamaan pula yaiu unuk unsur sasioner, rend dan musiman. 2.2 Exponenial Smoohing Exponenial Smoohing merupakan prosedur perbaikan erus-menerus pada peramalan erhadap objek pengamaan erbaru. Ia meniik berakan pada penurunan priorias secara eksponenial pada objek pengamaan yang lebih ua. Dengan kaa lain, observasi erbaru akan diberikan priorias lebih inggi bagi peramalan daripada observasi yang lebih lama. Ada beberapa meode yang dikelompokkan kedalam meode Exponenial Smoohing yaiu : 2.2.1 Single Exponenial Smohing Juga dikenal sebagai simple exponenial smoohing yang digunakan pada peramalan jangka pendek, biasanya hanya 1 bulan kedepan. Model mengasumsikan bahwa daa berflukuasi di sekiar nilai mean yang eap, anpa rend aau pola perumbuhan konsisen. Rumus unuk mencari forecas pada meode Single Exponenial Smoohing : F + 1 = α X + (1-α) F Dalam eori nilai α = 0,1 aau 0,5 aau 0,9 (erganung dalam persoalan dan pencapaian hasil yang diinginkan) Conoh : F (feb + 1)=0,1. 9265 + (1-0,1) 9325 F Mare = 9319 F = Nilai ramalan unuk periode waku ke- F-1 = Nilai ramalan unuk periode waku yang lalu, -1 X + (1-α) = Nilai acual ime series 2.2.2 Double Exponenial Smohing Meode ini digunakan keika daa menunjukkan adanya rend. Exponenial smoohing dengan adanya rend seperi pemulusan sederhana kecuali bahwa dua komponen harus diupdae seiap periode level dan rendnya. Level adalah esimasi yang dimuluskan dari nilai daa pada akhir masing-masing periode. Trend adalah esimasi yang dihaluskan dari perumbuhan raa-raa pada akhir masing-masing periode. Rumus yang digunakan S = αs + (1-α )S -1 a = 2S S b = Dimana : S = Nilai pemulusan exponenial unggal S = Nilai pemulusan exponenial ganda 2.2.3 Triple Exponenial Smohing Meode ini digunakan keika daa menunjukkan adanya rend. Exponenial smoohing dengan adanya rend seperi pemulusan sederhana kecuali bahwa dua komponen harus diupdae seiap periode level dan rendnya. Level adalah esimasi yang dimuluskan dari nilai daa pada akhir masing-masing periode. Trend adalah esimasi yang dihaluskan dari perumbuhan raa-raa pada akhir masing-masing periode. Rumus yang digunakan S = αs + (1-α )S -1 a = 2S S b = 2.3 Ukuran Akurasi Peramalan Persamaan ini sanga berguna unuk menghiung kesalahan kesalahan peramalan dalam benuk persenase daripada jumlah. MAPE (mean absolue percenage error) dihiung dengan menggunakan kesalahan absolu pada iap periode dibagi dengan nilai observasi yang nyaa unuk periode iu. Kemudian, meraa- raa kesalahan persenase absolue ersebu. Pendekaan ini berguna keika ukuran aau besar variabel ramalan iu pening dalam mengevaluasi keepaan ramalan. MAPE mengindikasi sseberapa besar kesalahan dalam meramal yang dibandingkan dengan nilai nyaa pada dere. Meode MAPE digunakan jika nilai X besar. MAPE juga dapa digunakan unuk membandingkan keepaan dari eknik yang sama aau
4 berbeda dalam dua dere yang sanga berbeda dan mengukur keepaan nilai dugaan model yang dinyaakan dalam benuk raa raa persenase absolue kesalahan. MAPE dapa dihiung dengan rumus sebagai beriku : n 1 X F MAPE n 1 X Keerangan : X = daa akual pada periode ke F = nilai ramalan pada periode ke = banyaknya periode waku 3. Meodelogi Peneliian 3.1 Tahap ahap kegiaan peneliian Dalam pengerjakan Tugas Akhir ini diperlukan langkah-langkah Kegiaan Peneliian unuk mendapakan hasil yang maksimal. Unuk iu penulis merencanakan suau langkah-langkah yang dapa memaksimalkan dalam pengerjaan Tugas Akhir ini. Langkah-langkah iu adalah sebagai beriku : a. Sudy Lieraur Melakukan pencarian lieraure, referensi, dan uorial enang Perbandingan Tingka Akurasi Triple Exponenial Smoohing dan Triple Exponenial Smoohing dan semua maeri yang berhubungan dengan masalah yang akan dibahas. b. Pengumpulan Daase Peneliian ini akan menggunakan daase penjualan di Toko Uama. Daa diperoleh langsung dari Toko Uama. Implemenasi dan Rancangan Sisem Sisem ini akan di implemenasikan dengan menggunakan bahasa Visual Basic.Ne adalah sebuah ala unuk mengembangkan dan membangun aplikasi yang bergerak diaas sisem.net Framework, dengan menggunakan bahasa BASIC. Pada Gambar 3.1 dijelaskan bahwa blok diagram Perbandingan Tingka Akurasi ini menjelaskan alur dari aplikasi perbandingan dengan menggunakan meode Triple Exponenial Smoohing dan Triple Exponenial Smoohing. Perama inpu daa penjualan, seelah di inpu daa diramalkan, seelah daa diramalkan, hasil yang didapa akan dihiung nilai kesalahannya menggunakan MAPE (mean absolue percenage error) dan hasilnya dapa dibandingkan. 3.2 Blok Diagram 3.3 Pengujian Peramalan Seelah semua daa di inpukan dilakukan perhiungan peramalan penjualan menggunakan meode Double Exponenial Smoohing dengan Triple Exponenial Smoohing. 3.3.1 Tahap perhiungan DES Pada pemulusan eksponensial unggal dilakukan peramalan dengan sau kali penghalusan saja, meode Brown dilakukan dua kali penghalusan. Kemudian dilakukan peramalan, sehingga meode ini sering disebu Meode penghalusan Eksponensial Rangkap Dua (Double Exponenial Smoohing). Jenis masalah inisialisasi ini muncul dalam seiap meode pemulusan (smoohing) eksponensial. Jika parameer pemulusam idak mendekai nol, pengaruh dari proses inisialisasi ini dengan cepa menjadi kurang berari dengan berlalunya waku. Teapi, jika mendekai nol proses inisialisasi ersebu dapa memainkan peranan yang nyaa selama periode waku ke muka yang panjang. Beriku ini akan digunakan peramalan dengan meode pemulusan eksponensial dengan =
5 0 = 0.9, dimana nilai parameer besarnya anara 0 < < 1 dengan rial dan error (sesuai dengan langkah yang diempuh dalam pemecahan meode linier sau parameer dari brown). Perhiungan peramalan dengan Double Exponenial Smoohing dari hol s dengan parameer = 0.1 Bulan Ke -2 (Februari 2014), = 138, daa Paraceamol Perhiungan Eksponensial Tunggal S X 1 S 1 S 2 = 0,1 (138) + 0,9 (195) = 13.8 + 175.5 = 189.3 Perhiungan Eksponensial Ganda S S 1 S 1 S 2 = 0,1 (189.3) + 0,9 (195) = 18.93 + 175.5 = 194.43 Perhiungan Nilai a = 2 - = 2 (189.3) 194.43 = 378.6 194.43 = 184.17 Perhiungan Nilai b = ( - ) = (189.3 194.43) = (-5.13) = -0.57 Hasil Peramalan unuk Bulan Ke 2 yaiu : Febuari 2014 m = 1 = + m = 184.17 + (-0.57) (1) = 184 3.3.2 Tahap perhiungan TES Pada pemulusan eksponensial unggal dilakukan peramalan dengan sau kali penghalusan saja, meode Double dilakukan dua kali penghalusan dan meode Triple dilakukan iga kali penghalusan. Kemudian dilakukan peramalan, sehingga meode ini sering disebu Meode penghalusan Eksponensial Rangkap Tiga ( Triple Exponenial Smoohing ). Jenis masalah ini ini muncul dalam seiap meode pemulusan ( smoohing ) eksponensial. Jika parameer pemulusam idak mendekai nol, pengaruh dari proses inisialisasi ini dengan cepa menjadi kurang berari dengan berjalannya waku. Teapi, jika mendekai nol proses inisialisasi ersebu dapa memainkan peranan yang nyaa selama periode waku yang panjang. Beriku ini akan digunakan peramalan dengan meode pemulusan eksponensial dengan =0 =0.9, dimana nilai parameer besarnya anara 0 < < 1 dengan rial dan error. Perhiungan peramalan dengan Triple Exponenial Smoohing dari Hol s dengan parameer = 0.1 Bulan Ke -2 (Februari 2014), = 138, menggunakan daa penjualan rokok. Perhiungan Eksponensial Tunggal S X 1 S 1 S 2 = 0,1 (138) + 0,9 (195) = 13.8 + 175.5 = 189.3 Perhiungan Eksponensial Ganda S S 1 S 1 S 2 = 0,1 (189.3) + 0,9 (195) = 18.93 + 175.5 = 194.43 Perhiungan Eksponensial Rangkap Tiga S S 1 S S 2 1 = 0,1 (194.43) + 0,9 (195) = 19.443 + 175.5 = 194.943 Perhiungan Nilai a a 3S 3S S = 3 (189.30) 3 (194.43)+( 194.94) = 179.55 Perhiungan Nilai b b = ((a/2(1-a)) x ((6-(5x0.1)S )) ((10-(8x0.1)S ))+((4- (3x0.1)S )) = (0.1/(2x0.9)x((6- (5x0.1)189.3) (10-(8x0.1) 194.43)+(4-
(3x0.1) 194.94)) = -1.62 Perhiungan Nilai c 2 2 c a /(1 a) ( S 2S S ) = 0.1 2 / (1-0.1) 2 * (189.3 194.43 + 194.94 ) = -0.06 Hasil peramalan unuk bulan Februari adalah : F a b 1) ½ c (1) m ( = 179.55 + -1.62 (1) + (½ * - 0.06 (1)) = 178 3.4 Ukuran Kesalahan Peramalan Perhiungan raa-raa kesalahan yang dibua oleh model peramalan seiap waku merupakan ukuran seberapa epa peramalan. Dalam perhiungan peramalan diaas dilakukan dengan meode Kesalahan Peramalan MAPE (mean absolue percenage error). Hasil peramalan anara Double Exponenial Smoohing dengan Triple Exponenial Smoohing akan dihiung nilai kesalahannya menggunakan ukuran kesalahan MAPE (mean absolue percenage error) lalu hasil perhiungan MAPE akan dibandingkan nilai mana yang erbaik (yang lebih akura). bulannya dengan cara akual hasil ramalan. Dari perhiungan nilai kesalahan diaas dapa dikeahui nilai kesalahan DES lebih akura dibandingkan nilai kesalahan TES. 4. Uji Coba Aplikasi Form Inpu Daa Beriku adalah Form inpu daa yang digunakan unuk menginpu penjualan rokok. Form Meode Double dan Triple Exponenial Smoohing 6 Tabel di aas merupakan proses perhiungan nilai kesalahan dalam ramalan dengan menggunakan MAPE. Pada able di aas kia dapa meliha daa akual seluruhnya dan hasil ramalan seluruhnya sesuai dengan daase yang sudah kia gunakan. Unuk mengeahui seberapa besar nilai kesalahan seluruhnya kia harus menghiung nilai kesalahan pada iap Form diaas merupakan perbandingan perhiungan peramalan penjualan dengan meode Double Exponenial Smoohing dan Triple Exponenial Smoohing. Penjuaalan yang kia ramalkan diaas adalah penjualan rokok selama 1 ahun dengan menggunakan α = 0.9 Adapun perhiungannya Double Exponenial Smoohing sebagai beriku : Perhiungan Eksponensial Tunggal
7 1 S 1 S X S 2 = 0,1 (138) + 0,9 (195) = 13.8 + 175.5 = 189.3 Perhiungan Eksponensial Ganda S S 1 S 1 S 2 = 0,1 (189.3) + 0,9 (195) = 18.93 + 175.5 = 194.43 Perhiungan Nilai a = 2 - = 2 (189.3) 194.43 = 378.6 194.43 = 184.17 Perhiungan Nilai b = ( - ) = (189.3 194.43) = (-5.13) = -0.57 Hasil Peramalan unuk Bulan Ke 2 yaiu : Febuari 2014 m = 1 = + m = 184.17 + (-0.57) (1) = 184 Bulan Ke -2 (Februari 2014), = 138, menggunakan daa penjualan rokok. Perhiungan Eksponensial Tunggal S X 1 S 1 S 2 = 0,1 (138) + 0,9 (195) = 13.8 + 175.5 = 189.3 Perhiungan Eksponensial Ganda S S 1 S 1 S 2 = 0,1 (189.3) + 0,9 (195) = 18.93 + 175.5 = 194.43 Perhiungan Eksponensial Rangkap Tiga S S 1 S S 2 1 = 0,1 (194.43) + 0,9 (195) = 19.443 + 175.5 = 194.943 Perhiungan Nilai a a 3S 3S S = 3 (189.30) 3 (194.43)+( 194.94) = 179.55 Perhiungan Nilai b b = ((a/2(1-a)) x ((6-(5x0.1)S )) ((10- (8x0.1)S ))+((4- (3x0.1)S )) = (0.1/(2x0.9)x((6-(5x0.1)189.3) (10- (8x0.1) 194.43)+(4- (3x0.1) 194.94)) = -1.62 Perhiungan Nilai c 2 2 c a /(1 a) ( S 2S S ) = 0.1 2 / (1-0.1) 2 * (189.3 194.43 + 194.94 ) = -0.06 Hasil peramalan unuk bulan Februari adalah : F a b 1) ½ c (1) m ( = 179.55 + -1.62 (1) + (½ * - 0.06 (1)) = 178 5. Kesimpulan Dari peramalan penjualan di Toko Uama dengan meode Double Exponenial Smoohing dan Single Exponenial Smoohing didapa beberapa kesimpulan anara lain : 1. Dari pembukian perhiungan peramalan diaas kia dapa menyimpulkan bahwa Double Exponenial Smoohing lebih akura dibandingkan Triple Exponenial Smoohing 2. Nilai α erkecil yang mendekai nol didapa dari perhiungan peramalan Double Exponenial Smoohing α=0.5 dengan nilai prosenase MAPE = 15,262 % DAFTAR PUSTAKA A.M. Hirin, 2011, Belajar Tunas VB.NET 2010, PT.Presasi Pusakarya, Jakara Anggio. L, dan Nurhasanah. N. 2011. Usulan Penenuan Harga HRC dengan Simulasi Sisem Dinamis di PT. KS. Jurnal AL AZHAR INDONESIA SERI SAINS DAN TEKNOLOGI, vol. 1,No. 2, pp. 75-82.
8 Andreas. Y, dan Imbar. R. V. 2012. Aplikasi Peramalan Sok Barang Menggunakan Meode Double Exponenial Smoohing. Jurnal Sisem Informasi, vol. 7,No 2, pp. 123-141. Andrew. F, dan Tannady. H. 2013. Analisis Perbandingan Meode Regresi Linier Dan Exponenial Smoohing Dalam Parameer Tingka Eror. Jurnal Teknik dan Ilmu Kompuer, vol. 02, No. 07, pp. 242-250. Makridakis. 1999. Peramalan. Penerapan Meode Exponenial Smoohing Unuk Peramalan Pengguna Waku Telepon Di PT.TELKOMSEL DIVRE3 SURABAYA. 1-3. Makridakis. 1999. Meode Exponenial Smoohing. Penerapan Meode Exponenial Smoohing Unuk Peramalan Pengguna Waku Telepon Di PT.TELKOMSEL DIVRE3 SURABAYA. 3-4. Sahli. M. 2013. Penerapan Meode Exponenial Smoohing Dalam Sisem Informasi Pengendalian Persidaan Bahan Baku (Sudi Kasus Toko Tira Harum). Jurnal SIMETRIS, vol. 3, No 1, pp. 59-70. Kusrini. 2007. Sraegi Perancangan dan Pengelolaan Basis Daa. Yogyakara: ANDI. Arief, M.Rudiano. 2011. Pemrograman Web Dinamis Menggunakan Php dan Mysql. Yogyakara: ANDI.