Jurnal Ilmiah Teknologi dan Informaika ASIA (JITIKA) Vol.10, No.2, Agusus 2016 ISSN: 0852-730X Perancangan Sisem Peramalan Penjualan Barang Pada UD Achmad Jaya Dengan Meode Triple Exponenial Smoohing Tria Apriliano 1, Imam Fauzi 2 STMIK ASIA Malang e-mail:raporapril@gmail.com, 2 imamfauzi07@gmail.com ABSTRAK. Peramalan jumlah penjualan oba adalah salah sau cara unuk menenukan sok oba di gudang. Selain iu ujuan dari peramalan penjualan agar idak erjadi penumpukan sok di gudang UD ACHMAD JAYA. Karena jika erjadi penumpukan sok akan mempengaruhi jumlah pembelian aau order ulang di bulan berikunya. Meode yang biasanya digunakan unuk meramalkan adalah meode riple exponenial smohing. Dengan memanfaakan sisem saisika khususnya riple exponenial smoohing dibua perancangan sisem peramalan sok barang pada UD ACHMAD JAYA berdasarkan daa penjualan oba. Oupu yang dihasilkan berupa hasil peramalan penjualan oba dari perhiungan dengan menggunakan meode riple exponenial smoohing. Pengujian dilakukan dengan jumlah daase yang berbeda. Hasil akhir yang diperoleh dengan menginpukan daa penjualan dua ahun erakhir ahun 2013 dan ahun 2014. Seelah daa dihiung akan mengasilkan nilai peramalan dan nilai keepaan meode. Hasil peramalan dibulan berikunya Januari ahun 2015 adalah 194,60 dengan alpha 0,1 dan nilai kesalahan dalam peramalan aau MAPE 29,29. Kaa kunci: Peramalan Penjualan, Oba, Triple Exponenial Smoohing 1. PENDAHULUAN Oba adalah semua bahan unggal aau campuran yang dipergunakan oleh semua mahluk unuk bagian dalam dan luar ubuh guna mencegah, meringankan, dan menyembuhkan penyaki. Kebuuhan akan oba-obaan merupakan hal pening yang harus diperhaikan, dikarenakan populasi penduduk di Indonesia cenderung meningka, ini berpengaruh erhadap kebuuhan akan oba-obaan. UD ACHMAD JAYA adalah salah sau pemasok oba obaan yang menjual oba di berbagai oko dan apoek. Ada banyak jenis dan merek oba yang ada di UD ACHMAD JAYA dianaranya Alboyl, Faigon, Konidin, Mixagrip dan sebagainya. UD ACHMAD JAYA melakukan pengambilan (order) oba ke produsen, unuk proses pengambilan (order) pemilik UD harus memprediksi erlebih dahulu berapakah yang harus diambil unuk dijadikan sok di gudang UD ACHMAD JAYA. Selain iu adapun kendala lain di UD ACHMAD JAYA yaiu gudang di UD ACHMAD JAYA yang berukuran kecil dan hanya sau ruangan. Unuk memprediksikan penjualan oba agar idak erjadi penumpukan sok, pemilik UD ACHMAD JAYA idak menggunakan meode peramalan seperi meode riple exponenial smoohing. Sehingga pemilik UD ACHMAD JAYA mengalami kesulian dalam memprediksikan sok dibulan berikunya. Efek negaif kedepannya jika salah memprediksikan penjualan akan mengalami penumpukan sok yang berlebihan. Adapun meode peramalan yang dapa memberi solusi dari permasalahan yang diuraikan diaas, seperi meode riple exponenial smoohing, mengapa menggunakan meode peramalan riple exponenial smoohing karena pola daa penjualan oba berunsur musiman. Dengan adanya meode riple exponenial smoohing diharapkan dapa membanu UD ACHMAD JAYA dalam menenukan sok di bulan berikunya. Unuk mengaasi berbagai permasalahan diaas maka di rancang aplikasi unuk peramalan penjualan barang khususnya oba-obaan di UD ACHMAD JAYA dengan menggunakan meode Triple Exponenial Smoohing. 2. KAJIAN TEORI 2.1 Saisika Menuru Kamus Besar Bahasa Indonesia (KBBI) (2008) bahwa saisika adalah ilmu enang cara-cara mengumpulkan, menabulasi, menggolong-golongkan, menganalisis, dan mencari keerangan yang berari dari daa yang berupa angka; aau pengeahuan yang berhubungan dengan pengumpulan daa yang penyelidikan caaan bilangan (angka-angka). Dengan demikian dapa dijelaskan bahwa saisika adalah pengeahuan yang berhubungan dengan cara-cara pengumpulan faka, pengolahan sera penganalisisnya, penarikan kesimpulan sera pembuaan kepuusan yang cukup beralasan berdasarkan faka dan penganalisaan yang dilakukan. Saisika juga dapa dikaakan merupakan pengeahuan enang penguraian, penjelasan aau kesimpulan enang persoalan-persoalan yang dihadapi. Sebelum kesimpulan dibua, keerangan aau daa yang elah dikumpulkan erlebih dahulu dipelajari, dianalisis, aau diolah dan berdasarkan pengolahan inilah baru kesimpulan dibua. Dalam pengumpulan faka aau keerangan, pengolahan dan pembuaan kesimpulan harus dilakukan dengan baik, cerma, elii, hai-hai, mengikui cara-cara dan eori yang benar dan dapa diperanggung jawabkan (Yusri, 2009). 73
Unuk mempelajari saisika dapa diempuh dengan dua cara, yaiu: a. Mempelajari Saisika Maemais aau Saisika Teoriis. Dalam hal ini saisika dibahas secara mendalam dan eoriis. Unuk iu diperlukan dasar maemaika yang kua dan mendalam, yang dibahas anara lain penemuan sifa-sifa, dalil-dalil, rumus-rumus, mencipakan model-model dan segi-segi lainnya lagi yang eoriis dan maemais. b. Mempelajari saisika semaa-maa dari segi penggunaannya. Auran-auran, rumus-rumus, sifa-sifa dan sebagainya yang elah dicipakan oleh saisika eoriis diambil dan digunakan mana yang perlu dalam berbagai bidang pengeahuan. Dalam hal ini idak dipersoalkan bagaimana didapanya rumus-rumus aau auran-auran, melainkan hanya dipeningkan bagaimana cara aau meode saisika digunakan. 2.2 Peramalan Peramalan berasal dari kaa ramalan yang arinya adalah suau siuasi aau kondisi yang diperkirakan akan erjadi pada masa yang akan daang. Sedangkan peramalan adalah benuk kegiaannya. Ramalan ersebu dapa didasarkan aas bermacam-macam cara yaiu meode single exponenial smoohing, meode double exponenial smoohing, meode riple exponenial smoohing. Semua iu dikenal dengan meode peramalan. Peramalan adalah memperkirakan keadaan dimasa yang akan daang melalui pengujian keadaan dimasa lalu. Dalam kehidupan sosial segala sesuau iu serba idak pasi, sukar diperkirakan secara epa. Dalam hal ini diperlukan peramalan. Peramalan yang dibua selalu diupayakan agar dapa meminimumkan pengaruh keidakpasian ini erhadap sebuah masalah. Dengan kaa lain peramalan berujuan mendapakan peramalan yang bisa meminimumkan kesalahan meramal (forecas error) yang biasanya diukur dengan mean square error, mean absolue error, dan sebagainya (Spyros Makridakis,1999). Meode peramalan adalah cara unuk memperkirakan secara kuaniaif apa yang akan erjadi pada masa yang akan daang dengan dasar daa yang relevan pada masa lalu. Dengan kaa lain meode peramalan yang bersifa objekif. Disamping iu meode peramalan memberikan uruan pengerjaan dan pemecahan aas pendekaan aas pendekaan suau masalah dalam peramalan, sehingga bila digunakan pendekaan yang sama dalam suau permasalahan dalam suau kegiaan peramalan, akan dapa dasar pemikiran dan pemecahan yang sama. Baik idaknya suau peramalan yang disusun selain dienukan oleh meode yang digunakan, juga dienukan oleh baik idaknya informasi yang digunakan. Selama informasi yang digunakan idak dapa meyakinkan unuk mendapa hasil yang bagus, hasil peramalan yang disusun juga akan sukar dipercaya keepaannya. Keberhasilan dari suau peramalan sanga dienukan oleh: A. Pengeahuan eknik enang pengumpulan informasi (daa) masa lalu, daa aaupun informasi ersebu bersifa kuaniaif B. Teknik dan meode yang eap dan sesuai dengan pola daa yang di kumpulkan. Gambaran perkembangan pada masa lalu yang akan daang diperoleh dari hasil analisa daa yang didapa dari peneliian yang elah dilakukan. Perkembangan pada masa depan merupakan perkiraan apa yang akan erjadi, sehingga dapa dikaakan bahwa peramalan selalu diperlukan didalam peneliian. Keepaan peneliian merupakan hal yang pening, walaupun demikian perlu dikeahui bahwa sesuau ramalan selalu ada unsur kesalahannya, sehingga yang perlu diperhaikan adalah usaha unuk memperkecil kesalahan dari ramalan ersebu. Kegunaan peramalan erliha pada saa pengambilan kepuusan. Kepuusan yang baik adalah kepuusan yang didasarkan aas perimbangan-perimbangan yang akan erjadi pada waku kepuusan iu dilaksanakan. Menuru Arsyad (1994:54) Jangka waku ke depan (ime horizon) merupakan fakor yang paling pening yang harus diperhaikan dalam pemilihan eknik peramalan. Unuk peramalan jangka pendek dan jangka menengah, beberapa eknik ersebu yang kurang epa unuk dierapkan. 2.3 Penenuan Pola Daa Hal pening yang harus diperhaikan dalam meode dere berkala adalah menenukan jenis pola daa hiorisnya, sehingga pola daa yang epa dengan pola daa hisoris ersebu dapa diuji, pola daa umumnya dapa dibedakan sebagai beriku: A. Pola Daa Horizonal Pola ini erjadi bila nilai berflukasi disekiar nilai raa-raa yang konsan, dapa di liha pada Gambar 1. 74
Gambar 1. Pola Daa Horizonal B. Pola Daa Musiman (Seasonal) Pola yang menunjukkan perubahan yang berulang-ulang secara periodik dalam dere waku. Pola yang ini erjadi bila suau dere dipengaruhi oleh fakor musiman misalnya ahun-ahun erenu, bulanan aau hari-hari pada minggu erenu, dapa di liha pada Gambar 2. Gambar 2. Pola Daa Musiman C. Pola Daa Siklis (Cyclical) Pola daa yang menunjukkan gerakan naik urun dalam jangka panjang dari suau kurva rend, yang erjadi akiba pengaruh oleh flukuasi ekonomi jangka panjang seperi yang berhubungan dengan siklus bisnis, dan dapa diliha pada Gambar 3. Gambar 3. Pola Daa Siklis D. Pola Daa Trend Pola yang menunjukkan kenaikan aau penurunan jangka panjang dalam daa, dan dapa diliha pada Gambar 4. Gambar 4. Pola Daa Trend 75
2.4 Meode Pemulusan (Smoohing) Smoohing adalah mengambil raa-raa dari nilai pada beberapa periode unuk menaksir pada suau periode. Exponenial Smoohing adalah suau meode peramalan raa-raa bergerak yang melakukan pemboboan secara menurun secara exponenial erhadap nilai observasi yang lebih ua. Bobo yang diberikan ersebu berciri menurun secara exponensial dari iik daa erakhir sampai daa yang erawal. Jika dalam perhiungan peramalaan diamsusikan nilai mean nya konsan sepanjang waku, maka akan diberikan bobo yang sama erhadap seiap observasi. Namun akan lebih beralasan bila diamsusikan mean akan bergerak secara lamba sepanjang waku. Oleh karena iu diberikan bobo yang lebih pada nilai observasi yang baru dan mengurangi bobo pada observasi yang lebih lama. Meode Exponenial Smoohing merupakan pengembangan dari meode moving average. Dalam meode ini peramalan dilakukan dengan mengulang perhiungan secara erus menerus dengan menggunakan daa erbaru. Meode ini erdiri dari aas: 1. Meode Single Exponenial Smoohing Meode single exponenial smoohing merupakan perkembangan dari meode moving average sederhana, Meode ini lebih cocok digunakan unuk daa yang sasioner/raa-raa konsan Dengan rumus sebagai beriku : F' F F ' 1 ' 1 F X F N N 1 X 1 N ax (1 a F 1 ) 1 N 1 F Dapa diliha bahwa ramalan ini ( F' 1 ) didasar kan aas pemboboan observasi yang erakhir dengan suau nilai bobo (1/N) dan pemboboan ramalan yang erakhir sebelum nya (F ) dengan suau bobo [1-(1/N)]. Karena N merupakan suau bilangan posiif, 1/N akan menjadi suau kosana anara nol (jaka N ak erhingga) dan 1 (jika N=1). Dengan menggani 1/N dengan α. = Merupakan nilai peramalan unuk periode F' 1 X = Daa akual pada perode ke N = jumlah daa α = Nilai konsana F 1 = Hasil Ramalan Sebelumnya 2. Meode Double Exponenial Smoohing Dengan cara analogi yang dipakai pada waku berangka dari raa-raa bergerak unggal ke pemulusan single exponenial smoohing kia dapa juga berangka dari raa-raa bergerak ganda ke pemulusan double exponenial smoohing. Perpindahan seperi iu mungkin menarik karena salah sau keerbaasan dari raa-raa bergerak unggal yaiu perlunya menyimpan N nilai erakhir, masih erdapa pada raa-raa bergerak linear, kecuali bahwa jumlah nilai daa yang diperlukan sekarang adalah 2N-1. Pemulusan exponenial linear dapa di hiung hanya iga nilai daa dan sau nilai unuk α. Meode ini lebih cocok digunakan unuk daa yang musiman Didalam meode double exponenial smoohing dilakukan proses smoohing dua kali sebagai beriku: S' X (1 ) S' 1 S' ' S' (1 ) S" 1 a 2S' S" b S' S" (1 ) F a b m m Keerangan : S = Nilai pemulusan single exponenial S = Nilai pemulusan double exponenial a = nilai raa-raa unuk periode b F' = nilai kecenderungan / rend linear = Merupakan nilai peramalan unuk periode 76
m = jumlah periode ke muka yang di ramalkan. 3. MeodeTriple Exponenial Smoohing Sebagaimana halnya dengan pemulusan double exponenial linear yang dapa digunakan unuk meramalkan daa dengan suau pola rend. Meode ini lebih cocok digunakan unuk membua forecas hal yang berflukuasi aau mengalami gelombang pasang suru maksudnya kenaikan aau penurunan jumlah dari daa ersebu biasanya erjadi secara iba-iba dan sukar diprediksikan (Pangesu Subagyo, 1986,27). Dalam meode riple exponenial smoohing dilakukan proses smoohing iga kali. Prosedur pembuaan forecas dengan meode ini sebagai beriku S ' ax(1 a) S' 1 S '' as' (1 a) S" 1 S ''' as'' (1 a) S''' 1 a 3S' 3S" S' '' b = [(6 2(1 α) 2 5α)S (10 8α)S + (4 3α)S ] 2 a c ( S' 2S' ' S' '' ) 2 (1 a) 1 F a b C 2 Keerangan : S = Nilai pemulusan single exponenial S = Nilai pemulusan double exponenial S = Nilai pemulusan riple exponenial = nilai raa-raa unuk periode a b c F' = nilai kecenderungan / rend linear = nilai kecenderungan / rend parabolik = Merupakan nilai peramalan unuk periode 3. PEMBAHASAN 3.1 Analisa Daa Diarikan sebagai upaya mengolah daa menjadi informasi, sehingga karakerisik aau sifa-sifa daa ersebu dapa dengan mudah dipahami dan bermanfaa unuk menjawab masalah-masalah yang berkaian dengan kegiaan peneliian. 1. Tahap mengumpulkan daa Daa yang didapa adalah penjualan oba seiap bulan di UD ACHMAD JAYA Di Koa Balikpapan. 2. Tahap Seleksi Daa Daa yang ada pada perusahaan dilakukan seleksi sebelum dimasukan dalam daabase. 3. Tahap pembersihan daa Pembersihan daa merupakan proses menghilangkan noise aau daa yang idak relevan. Conoh daa belum diolah dapa diliha pada Tabel 1. Tabel 1. Daa yang belum diolah. 77
Daa seelah diolah dapa diliha pada Tabel 2. Tabel 2. Daa seelah diolah. 4. Tahap evaluasi pola Proses mengidenifikasi pola-pola menarik ke dalam knowledge base yang diemukan sebagai landasan unuk meramalkan jumlah sok barang oba-obaan yang akan daang dengan meramalkan daa penjualan oba. 3.2 Meode Triple Exponenial Smoohing Penerapan meode riple exponenial smoohing ini dapa dianalisa dalam proses perhiungan peramalan. Flowchar riple exponenial smoohing diunjukan pada gambar 5 beriku: Mulai Masukan nilai X S = α.x + (1- α)s -1 S = α.s + (1- α)s -1 S = α.s + (1- α)s -1 a = 3S -3S +S B =α²/2(1-α)² (6-α)S -(10-8α)S +(4-3α)S C =α/(1-α)² (S -2S +S ) F =a + b + 1/2C Tampilkan X, S, S, S, a,b,c dan F Selesai Gambar 5. Flowchar Triple Exponenial Smoohing 78
Jan- Mar Mei Jul-13 Sep Nov Jan- Mar Mei Jul-14 Sep Nov JITIKA 3.3 Sudi Kasus Dalam sudi kasus akan dihiung peramalan penjualan perbulan salah sau oba Alboyl 5 ml dari ahun 2013 sampai ahun 2014. Beriku Tabel 3 merupakan daa oba Alboyl ahun 2013 sampai dengan ahun 2014. Tabel 3. Daa oba Alboyl ahun 2013-2014 Tahun Bulan Penjualan 2013 Januari 267 Februari 110 Mare 150 April 235 Mei 355 Juni 222 Juli 160 Agusus 200 Sepember 301 Okober 244 November 150 Desember 171 2014 Januari 300 Februari 211 Mare 150 April 222 Mei 355 Juni 150 Juli 160 Agusus 200 Sepember 301 Okober 244 November 140 Desember 170 Gambar 6 adalah pola daa oba Alboyl sau ahun erakhir. Dari plo daa ini nani akan dihiung peramalannya di bulan Januari ahun 2015. 400 200 0 Daa penjualan oba Alboyl Tahun 2013-2014 Daa penjualan oba Alboyl 5 ml Gambar 6. Grafik Penjualan Oba Alboyl 5 ml 79
Peramalan akan dilakukan pada bulan Februari ahun 2013 hingga bulan November ahun 2014, yang naninya akan mencari peramalan di bulan Januari ahun 2015. Langkah-langkah seperi pada flowchar yang sudah dierangkan diaas. Alpha yang digunakan bervariasi mulai alpha 0,1 hingga alpha 0,9. 1. Peramalan dimulai dari bulan Februari ahun 2013 unuk meramalkan bulan Mare ahun 2013 dengan nilai alpha 0,1 Pemulusan unggal S = α. X + (1 - α) S 1 S 2 = 0,1. 110 + (1 0,1) 267 S 2 = 251,30 Lanju keperhiungan pemulusan ganda S = α. S + (1 - α) S 1 S 2 = 0,1. 251,30 + (1 0,1) 267 S 2 = 265,43 Lanju keperhiungan pemulusan riple S = α. S + (1 - α) S 1 S 2 = 0,1. 265,43 + (1 0,1) 267 S 2 = 266,84 Lanju keperhiungan mencari nilai a a = 3S - 3S + S a 2 = 3(251,30) 3(265,43) + 266,84 a 2 = 224,45 Lanju perhiungan mencari nilai b b = [(6 2(1 α) 2 5α)S (10 8α)S + (4 3α)S ] b 2 = [(6 2(1 0,1) 2 5. 0,1)251,30 (10 8. 0,1)265,43 + (4 3. 0,1)266,84] b 2 = -0,45 Lanju perhiungan mencari nilai c C = (1 α) 2 (S 2S + S ) C 2 = (1 0,1) 2 (251,30 2. 265,43 + 266,84) C 2 = -0,16 Lanju perhiungan mencari nilai peramalan F F = a + b + 1 c 2 F 3 = 224,45 0,45 + 1 2 ( 0,16) F 3 = 223.93 Hasil ramalan unuk bulan Mare ahun 2013 adalah 223.93 2. Peramalan bulan Mare ahun 2013 unuk meramalkan bulan April ahun 2013 dengan nilai alpha 0,1 Pemulusan unggal S = α. X + (1 - α) S 1 S 3 = 0,1. 150 + (1 0,1) 251,30 S 3 = 241,17 Lanju keperhiungan pemulusan ganda S = α. S + (1 - α) S 1 S 3 = 0,1. 241,17 + (1 0,1) 265,43 S 3 = 263,00 Lanju keperhiungan pemulusan riple S = α. S + (1 - α) S 1 S 3 = 0,1. 263,00 + (1 0,1) 266,84 S 3 = 266,46 Lanju keperhiungan mencari nilai a a = 3S - 3S + S a 3 = 3(241,17) 3(263,00) + 266,46 a 3 = 200,96 Lanju perhiungan mencari nilai b 80
b = [(6 2(1 α) 2 5α)S (10 8α)S + (4 3α)S ] b 3 = [(6 2(1 0,1) 2 5. 0,1)241,17 (10 8. 0,1)263,00 + (4 3. 0,1)266,46] b 3 = -0,66 Lanju perhiungan mencari nilai c C = (1 α) 2 (S 2S + S ) C 3 = (1 0,1) 2 (241,17 2. 263,00 + 266,46) C 3 = -0,23 Lanju perhiungan mencari nilai peramalan F F = a + b + 1 c 2 F 4 = 200,96 0,66 + 1 2 ( 0,23) F 4 = 200,18 Hasil ramalan unuk bulan April ahun 2013 adalah 200,18 3. Peramalan bulan April ahun 2013 unuk meramalkan bulan Mei ahun 2013 dengan nilai alpha 0,1 Pemulusan unggal S = α. X + (1 - α) S 1 S 4 = 0,1. 235 + (1 0,1) 241,17 S 4 = 240,55 Lanju keperhiungan pemulusan ganda S = α. S + (1 - α) S 1 S 4 = 0,1. 240,55 + (1 0,1) 263,00 S 4 = 260,76 Lanju keperhiungan pemulusan riple S = α. S + (1 - α) S 1 S 4 = 0,1. 260,76 + (1 0,1) 266,46 S 4 = 265,89 Lanju keperhiungan mencari nilai a a = 3S - 3S + S a 4 = 3(240,55) 3(260,76) + 265,89 a 4 = 205,27 Lanju perhiungan mencari nilai b b = [(6 2(1 α) 2 5α)S (10 8α)S + (4 3α)S ] b 4 = [(6 2(1 0,1) 2 5. 0,1)240,55 (10 8. 0,1)260,76 + (4 3. 0,1)265,89] b 4 = -0,57 Lanju perhiungan mencari nilai c C = (1 α) 2 (S 2S + S ) C 4 = (1 0,1) 2 (240,55 2. 260,76 + 265,89) C 4 = -0,19 Lanju perhiungan mencari nilai peramalan F F = a + b + 1 c 2 F 5 = 205,27 0,57 + 1 2 ( 0,19) F 5 = 204,61 Hasil ramalan unuk bulan Mei ahun 2013 adalah 204,61 4. Peramalan bulan Mei ahun 2013 unuk meramalkan bulan Juni ahun 2013 dengan nilai alpha 0,1 Pemulusan unggal S = α. X + (1 - α) S 1 S 5 = 0,1. 355 + (1 0,1) 240,55 S 5 = 252,00 Lanju keperhiungan pemulusan ganda S = α. S + (1 - α) S 1 S 5 = 0,1. 252,00 + (1 0,1) 260,76 S 5 = 259,88 Lanju keperhiungan pemulusan riple 81
S = α. S + (1 - α) S 1 S 5 = 0,1. 259,88 + (1 0,1) 265,89 S 5 = 265,29 Lanju keperhiungan mencari nilai a a = 3S - 3S + S a 5 = 3(252,00) 3(259,88) + 265,29 a 5 = 241,63 Lanju perhiungan mencari nilai b b = [(6 2(1 α) 2 5α)S (10 8α)S + (4 3α)S ] b 5 = [(6 2(1 0,1) 2 5. 0,1)252,00 (10 8. 0,1)259,88 + (4 3. 0,1)265,29] b 5 = -0,14 Lanju perhiungan mencari nilai c C = (1 α) 2 (S 2S + S ) C 5 = (1 0,1) 2 (252,00 2. 259,88 + 265,29) C 5 = -0,03 Lanju perhiungan mencari nilai peramalan F F = a + b + 1 c 2 F 6 = 241,63 0,14 + 1 2 ( 0,03) F 6 = 241,47 Hasil ramalan unuk bulan Juni ahun 2013 adalah 241,47 5. Peramalan dari bulan Juni ahun 2013 unuk meramalkan bulan Juli ahun 2013 dengan nilai alpha 0,1 Pemulusan unggal S = α. X + (1 - α) S 1 S 6 = 0,1. 222 + (1 0,1) 252,00 S 6 = 249,00 Lanju keperhiungan pemulusan ganda S = α. S + (1 - α) S 1 S 6 = 0,1. 249,00 + (1 0,1) 259,88 S 6 = 258,79 Lanju keperhiungan pemulusan riple S = α. S + (1 - α) S 1 S 6 = 0,1. 258,79 + (1 0,1) 265,29 S 6 = 264,64 Lanju keperhiungan mencari nilai a a = 3S - 3S + S a 6 = 3(249,00) 3(258,79) + 264,64 a 6 = 235,25 Lanju perhiungan mencari nilai b b = [(6 2(1 α) 2 5α)S (10 8α)S + (4 3α)S ] b 6 = [(6 2(1 0,1) 2 5. 0,1)249,00 (10 8. 0,1)258,79 + (4 3. 0,1)264,64] b 6 = -0,20 Lanju perhiungan mencari nilai c C = (1 α) 2 (S 2S + S ) C 6 = (1 0,1) 2 (249,00 2. 258,79 + 264,64) C 6 = -0,05 Lanju perhiungan mencari nilai peramalan F F = a + b + 1 c 2 F 7 = 235,25 0,20 + 1 2 ( 0,05) F 7 = 235,03 Hasil ramalan unuk bulan Juli ahun 2013 adalah 235,03 Hasil perhiungan ramalan dari daa akual bulan Januari ahun 2013 sampai dengan Juni ahun 2013 unuk menghiung hasil ramalan unuk bulan Juli ahun 2013 dengan alpha 0,1 adalah 235,03. Unuk perhiungan 82
peramalan bulan selanjunya dengan alpha 0,1, alpha 0,2 sampai dengan 0,9 dapa dihiung dengan cara yang sama seperi dengan perhiungan alpha 0,1, eapi pada bagian ini idak diuliskan secara deail rumus dan perhiungannya. Perhiungan dengan alpha 0,1 dapa diliha abel 4 beriku ini: Tabel 4. Perhiungan Triple Exponenial Smoohing dengan α = 0,1 No TH BLN JMLH a 1-a S' S'' S''' A b c F 1 2013 JAN 267.00 0.10 0.90 267.00 267.00 267.00 2 FEB 110.00 0.10 0.90 251.30 265.43 266.84 224.45-0.45-0.16 3 MAR 150.00 0.10 0.90 241.17 263.00 266.46 200.96-0.66-0.23 223.93 4 APRL 235.00 0.10 0.90 240.55 260.76 265.89 205.27-0.57-0.19 200.18 5 MEI 355.00 0.10 0.90 252.00 259.88 265.29 241.63-0.14-0.03 204.61 6 JUN 222.00 0.10 0.90 249.00 258.79 264.64 235.25-0.20-0.05 241.47 7 JUL 160.00 0.10 0.90 240.10 256.92 263.87 213.39-0.41-0.12 235.03 8 AGST 200.00 0.10 0.90 236.09 254.84 262.96 206.71-0.45-0.13 212.91 9 SEPT 301.00 0.10 0.90 242.58 253.61 262.03 228.92-0.18-0.03 206.19 10 OKT 244.00 0.10 0.90 242.72 252.53 261.08 231.67-0.14-0.02 228.73 11 NOV 150.00 0.10 0.90 233.45 250.62 260.03 208.53-0.37-0.10 231.52 12 DES 171.00 0.10 0.90 227.20 248.28 258.86 195.64-0.47-0.13 208.11 13 2014 JAN 300.00 0.10 0.90 234.48 246.90 257.66 220.42-0.18-0.02 195.10 14 FEB 211.00 0.10 0.90 232.14 245.42 256.44 216.58-0.20-0.03 220.24 15 MAR 150.00 0.10 0.90 223.92 243.27 255.12 197.07-0.39-0.09 216.37 16 APRL 222.00 0.10 0.90 223.73 241.32 253.74 200.98-0.31-0.06 196.64 17 MEI 355.00 0.10 0.90 236.86 240.87 252.45 240.41 0.13 0.09 200.63 18 JUN 150.00 0.10 0.90 228.17 239.60 251.17 216.88-0.12 0.00 240.59 19 JUL 160.00 0.10 0.90 221.35 237.78 249.83 200.56-0.28-0.05 216.76 20 AGST 200.00 0.10 0.90 219.22 235.92 248.44 198.33-0.28-0.05 200.25 21 SEPT 301.00 0.10 0.90 227.40 235.07 247.10 224.09 0.01 0.05 198.03 22 OKT 244.00 0.10 0.90 229.06 234.47 245.84 229.61 0.08 0.07 224.13 23 NOV 140.00 0.10 0.90 220.15 233.04 244.56 205.91-0.17-0.02 229.72 24 DES 170.00 0.10 0.90 215.14 231.25 243.23 194.90-0.27-0.05 205.72 25 2015 JAN 194.60 83
3.4 Mean Absolu Percenage Error mulai Masukan nilai X, F PE = ((X - F)/ X)x100 APE = ABS(PE) MAPE = APE/22 Nilai MAPE selesai 84 Gambar 7. Flowchar Mean Absolu Percenage Error (MAPE) Unuk lebih jelasnya perhiungan MAPE dengan alpha 0,1 dapa diliha abel 5. Tabel 5. Perhiungan nilai persenase kesalahan dengan α = 0,1 Tahun Bulan Jumlah Peramalan PE APE 2013 JAN 267,00 FEB 110,00 MAR 150,00 223,93-49,28 49,28 APRIL 235,00 200,18 14,28 14,28 MEI 355,00 204,61 42,36 42,36 JUNI 222,00 241,47-8,77 8,77 JULI 160,00 235,03-46,89 46,89 AGST 200,00 212,91-6,46 6,46 SEPT 301,00 206,19 31,50 31,50 OKT 244,00 228,73 6,26 6,26 NOV 150,00 231,52-54,35 54,35 DES 171,00 208,11-21,70 21,70 2014 JAN 300,00 195,10 34,97 34,97 FEB 211,00 220,24-4,38 4,38 Tahun Bulan Jumlah Peramalan PE APE 2014 MAR 150,00 216,37-44,24 44,24 APRIL 222,00 196,64 11,42 11,42 MEI 355,00 200,63 43,48 43,48 JUNI 150,00 240,59-60,39 60,39 JULI 160,00 216,76-35,47 35,47 AGST 200,00 200,25-0,13 0,13 SEPT 301,00 198,03 34,21 34,21 OKT 244,00 224,13 8,14 8,14
NOV 140,00 229,72-64,09 64,09 DES 170,00 205,72-21,01 21,01 TOTAL 4736,85-190,00 644,33 Tabel 6 Perhiungan nilai MPE dan MAPE dari α = 0,1 sampai α = 0,9 α Peramalan Bulan Januari ahun 2015 MPE MAPE 0,10 194,60-8,64 29,29 0,20 180,10-9,51 32,72 0,30 163,28-9,67 36,58 0,40 149,99-8,93 43,05 0,50 143,00-7,14 50,11 0,60 147,33-3,95 57,46 0,70 168,76 0,85 62,93 0,80 210,27 7,06 69,52 0,90 268,72 13,98 82,83 Dari abel 6 di aas ingka kesalahan erkecil ada pada alpha 0,1 dengan hasil mean absolue percenage error 29,29 dengan hasil peramalan 194,60. 4. PENUTUP a. Daa hasil ramalan dengan daa asli pada bulan Desember ahun 2014 mempunyai selisih 35,72. Dengan meode riple exponenial smoohing daa acak cukup bisa diselesaikan dengan baik. b. Mape erkecil erdapa pada alpha 0,1 dengan hasil peramalan pada bulan Januari ahun 2015 adalah 194,60. Dari mape bisa dijadikan bahan perimbangan unuk peramalan di bulan berikunya. c. Unuk peneliian selanjunya daa yang digunakan unuk peramalan disarankan daa 3 ahun aau 4 ahun. DAFTAR PUSTAKA [1] Ainurmaidah. (2012), Penerapan Meode Eksponensial Smoohing Hol-Winer Dalam Sisem Peramalan Curah Hujan. UPI. [2] Arsyad, L. (1994), Peramalan Bisnis. Edisi 1. Yogyakara. [3] Assauri Sofjan. (1984), Teknik dan Meode Peramalan Penerapaanya Dalam Ekonomi dan Dunia Usaha. Edisi 1. Jakara. Lembaga penerbian Fakulas Ekonomi UI. [4] Edyasyahpuralubis. (2009), Aplikasi Meode Pemulusan Eksponensial Ganda Dari Brown Unuk Peramalan Produksi Kelapa Sawi Pada PT. Perkebunan Nusanara III ahun 2010 Dan 2011. USU. [5] Jayani, Ni Keu Dewi Ari. (2015), Penerapan Meode Triple Exponenial Smoohing pada Sisem Peramalan Penenuan Sok Oba. Vol. 9, No. 2. STMIK STIKOM Bali. [6] Koler, Philip. (1998), Dasar-Dasar Pemasaran:Edisi Bahasa Indonesia Jilid 2. Jakara. [7] Kusuma, J,M.A. (2000), Saisik (eori dan aplikasi). Edisi keenam jilid 1. Jakara. Erlangga. [8] Makridakis, Spyros. (1999), Meode dan aplikasi peramalan. Edisi ke-2. Jakara. Binarupa Aksara. [9] Subagyo, Pangesu. (1986), Forecasing Konsep dan Aplikasi. Yogyakara. Binarupa Aksara. [10] Sugiyono. (2010), Saisika Unuk Peneliian. Bandung. Alfabea. [11] Yusri. (2009), Saisika Sosial. Edisi perama. Yogyakara. Graha Ilmu. 85
0852730X ISSN: 86