APLIKASI PERAMALAN PERSEDIAAN TINTA SABLON DENGAN MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE ( STUDI KASUS : CV

Pelita Informatika Budi Darma, Volume : XV, Nomor: 1,Oktober 2016

ISSN : 2301-9425

APLIKASI PERAMALAN PERSEDIAAN TINTA SABLON DENGAN MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE ( STUDI KASUS : CV. MULTI GRAFIKA) 1

2

3

Lurita Hutagalung (1111518), Lince T Sianturi, Efori Buulolo

1)

Mahasiswa program studi Teknik Informatika STMIK Budidarma Medan Dosen Tetap Program Studi Teknik Informatika STMIK Budi Darma Medan 3) Dosen Tetap Program Studi Teknik Informatika STMIK Budi Darma Medan Jl. Sisingamangaraja No. 338 Simpang limun Medan http\\ stmik-budidarma.ac.id// Email : [email protected] 2)

ABSTRAK Peramalan merupakan aktivitas fungsi bisnis yang memperkirakan penjualan dan penggunaan produk sehingga produk-produk itu dapat dibuat dalam kuantitas yang tepat Peramalan merupakan dugaan terhadap permintaan yang akan datang berdasarkan pada beberapa variabel peramal, sering berdasarkan data deret waktu historis. Peramalan menggunakan teknik-teknik peramalan yang bersifat formal maupun informal. Pengantisipasian permasalahan tersebut dilakukan prediksi terhadap kemungkinan-kemungkinan terjadinya penurunan atau kenaikan penjualan pada periode yang akan datang Motode Autoregressive Integrated Moving Average adalah model yang secara penuh mengabaikan independen varibel dalam pembuatan peramalan. Autoregressive Integrated Moving Average menggunakan nilai masa lalu dan sekarang dari variabel dependen untuk menghasilkan peramalan jangka pendek yang akurat. Tujuan metode ARIMA adalah untuk menentukan hubungan statistik yang baik antar variabel yang diramal dengan nilai historis variabel tersebut sehingga peramalan dapat dilakukan dengan model tersebut. Autoregressive Integrated Moving Average digunakan untuk suatu variabel (univariate) deret waktu. Untuk mempermudah dalam menghitung model Autoregressive Integrated Moving Average dapat digunakan berbagai aplikasi. Kata Kunci : Peramalan, Persediaan Barang, Autoregressive Integrated Moving Average, SPSS22 1. PENDAHULUAN 1.1 Latar belakang masalah Peramalan merupakan aktivitas fungsi bisnis yang memperkirakan penjualan dan penggunaan produk sehingga produk-produk itu dapat dibuat dalam kuantitas yang tepat. Peramalan merupakan dugaan terhadap permintaan yang akan datang berdasarkan pada beberapa variabel peramal, sering berdasarkan data deret waktu historis. Peramalan menggunakan teknik-teknik peramalan yang bersifat formal maupun informal. Pengantisipasian permasalahan tersebut dilakukan prediksi terhadap kemungkinan-kemungkinan terjadinya penurunan atau kenaikan penjualan pada periode yang akan datang. Dengan diperolehnya informasi yang akurat sehingga perusahaan dapat mempersiapkan strategi-strategi yang akan ditempuh menghadapi kondisi tersebut. Peramalan tidak hanya dilakukan untuk menentukan jumlah produk yang akan diproduksi dan dijual tetapi bermanfaat pula untuk perencanaan persediaan barang jadi. Ketersediaan barang jadi menjadi penting, sebagai salah satu alat untuk mengantisipasi keadaan pasar sehingga produk senantiasa tersedia dan dapat memenuhi konsumen. Dengan diperolehnya informasi yang akurat sehingga

perusahaan dapat mempersiapkan strategi-strategi yang akan ditempuh menghadapi kondisi tersebut. Persediaan barang produksi merupakan suatu usaha memonitor dan menentukan tingkat komposisi bahan yang optimal dalam menunjang kelancaran dan efektifitas serta efisiensi dalam kegiatan toko. Persediaan terdiri dari persediaan bahan baku, persediaan bahan setengah jadi dan persediaan barang jadi. Persediaan bahan baku dan bahan setengah jadi disimpan sebelum digunakan atau dimasukkan ke dalam proses produksi, sedangkan persediaan barang jadi atau barang dagangan disimpan sebelum dijual atau dipasarkan. Dengan demikian setiap toko yang melakukan kegiatan usaha umumnya memiliki persediaan. Motode Autoregressive Integrated Moving Average adalah model yang secara penuh mengabaikan independen varibel dalam pembuatan peramalan. Autoregressive Integrated Moving Average menggunakan nilai masa lalu dan sekarang dari variabel dependen untuk menghasilkan peramalan jangka pendek yang akurat. Tujuan metode ARIMA adalah untuk menentukan hubungan statistik yang baik antar variabel yang diramal dengan nilai historis variabel tersebut sehingga peramalan dapat dilakukan dengan model tersebut.Autoregressive Integrated

Aplikasi peramalan persediaan tinta sablon dengan Menggunakan metode autoregressive integrated 1 2 3 Moving average ( studi kasus : cv. Multi grafika) Oleh: Lurita hutagalung (1111518), Lince T Sianturi, Efori Buulolo

32


Moving Average digunakan untuk suatu variabel (univariate) deret waktu. Untuk mempermudah dalam menghitung model Autoregressive Integrated Moving Average dapat digunakan berbagai aplikasi. 1.2 Perumusan Masalah Sesuai dengan latar belakang diatas, maka permasalahan yang akan dibahas pada skripsi ini yaitu sebagai berikut : 1. Bagaimana proses peramalan tinta sablon yang dibutuhkan untuk produksi pada CV. Multi Grafika? 2. Bagaimana mengimplementasikan metode ARIMA menggunakan aplikasi SPSS 22? 3. Bagaimana merancang aplikasi peramalan persediaan tinta sablon pada CV.Multi Grafika? 1.3 Batasan Masalah Batasan-batasan masalah penulisan skripsi ini adalah sebagai berikut : 1. Untuk merancang aplikasi peramalan persediaan tinta sablon menggunakan aplikasi SPSS 22 dengan database menggunakan Excel. 2. Hanya membahas waktu peramalan persediaan data tinta sablon dalam 1tahun kedepan. 3. Data yang diambil dari bulan Juli 2010 – Juni 2014 1.4 Tujuan dan Manfaat Penelitian 1.4.1 Tujuan Penelitian Adapun tujuan dari penulisan skripsi ini adalah sebagai berikut : 1. Untuk menjelaskan persediaan tinta sablon yang dibutuhkan untuk diproduksi. 2. Untuk mengimplementasikan metode Autoregressive Integrated Moving Average menggunakan aplikasi SPSS 22 dalam meramalkan persediaan tinta. 3. Merancang aplikasi peramalan persediaan tinta sesuai dengan kebutuhan konsumen terutama di CV.Multi Grafika. 1.4.2 Manfaat Penelitian Adapun manfaat dari penulisan skripsi ini adalah sebagai berikut : 1. Aplikasi yang dirancang akan membantu penyalur dalam menyediakan tinta sesuai dengan kebutuhan konsumen. 2. Diharapkan dapat memberikan gambaran pada CV.Multi Grafika mengenai peramalan persediaan tinta yang selama ini belum maksimal. 3. Untuk memprediksi persediaan tinta produksi sablon dimasa yang akan datang. 4. Untuk menghemat waktu dan biaya produksi sablon CV.Multi Grafika 2. LANDASAN TEORI 2.1 Peramalan Dalam Kamus Besar Bahasa Indonesia (KBBI) pengertian peramalan adalah kegiatan untuk menduga hal yang akan terjadi . Beberapa definisi lainnya tentang peramalan , yaitu :

ISSN : 2301-9425

1.

Peramalan diartikan sebagai penggunaan teknikteknik statistik dalam bentuk gambaran masa depan berdasarkan pengolahan angka-angka historis 2. Peramalan merupakan bagian internal dari kegiatan pengambilan keputusan manajemen 3. Peramalan adalah prediksi, rencana atau estimasi kejadian masa depan yang tidak pasti (Sunneng Sandino, 2013). Metode peramalan merupakan cara memperkirakan apa yang akan terjadi pada masa depan secara sistematis dan pragmatis atas dasar data yang relevan pada masa yang lalu, sehingga dengan demikian metode peramalan diharapkan dapat memberikan objektivitas yang lebih besar. Selain itu metode peramalan dapat memberikan cara pengerjaan yang teratur dan terarah, dengan demikian dapat dimungkinkannya penggunaan teknik penganalisaan yang lebih maju. Dengan penggunaan teknik-teknik tersebut maka diharapkan dapat memberikan tingkat kepercayaan dan keyakinan yang lebih besar karena dapat diuji penyimpangan atau deviasi yang terjadi secara ilmiah (Sunneng Sandino, 2013). 2.2 Autoregressive Integrated Moving Average (ARIMA) ARIMA (Autoregressive Integrated Moving Average) dimana metode ini merupakan salah satu metode deret berkala (Time Series) yang dapat meramalkan perencanaan di waktu yang akan datang dengan berdasarkan data saat ini maupun data waktu lampau. Analisis time series adalah salah satu prosedur statistika yang diterapkan untuk meramalkan struktur probabilistik keadaanyang akan terjadi di masa yang akan datang dalam rangka pengambilan keputusan.Secara umum, model ARIMA dituliskan dengan notasi ARIMA (p d q), dimana p menyatakan orde dari proses autoregressive (AR), d menyatakan pembedaan (differencing), dan q menyatakan orde dari proses moving average (MA). Data yang telah didapat dimodelkan hingga mendapat model terbaik dengan nilai error terkecil dan kemudian dilakukan proses peramalan dengan memperhatikan nilai MAPE (Mean Absolute Persentage Error) untuk mengetahui kondisi hasil peramalan terbaik. Model ARIMA terdiri dari 2 aspek yaitu aspek autoregressive dan moving average (rata-rata bergerak). Secara umum, model ARIMA dituliskan dengan notasi ARIMA (p d q), dimana p menyatakan orde dari proses autoregressive (AR), d menyatakan pembedaan (differencing),dan q menyatakan orde dari proses moving average (MA). Langkah penting dalam memilih suatu metode deret waktu yang tepat adalah dengan mempertimbangkan jenis pola data. Untuk data bahan baku tinta ini memiliki pola data non musiman yaitu pola data yang terjadi


33


TAHUN 2010 2011 2012 2013 2014 Januari 20 Februari 25 Maret April 26 21 41 54 Mei 6 6 19 7 Juni 61 6 10 10 28 Juli 54 92 Agustus 73 60 31 8 September 11 Oktober 6 November 23 Desember 14 33 26 bilamana suatu deret tidak dipengaruhi oleh faktor musiman. Model ARIMA dibuat karena secara statistik ada korelasi (dependen) antar deret pengamatan. Untuk melihat adanyadependensi antar pengamatan, kita dapat melakukan ujikorelasi antar pengamatan yang sering dikenal dengan autocorrelation function (ACF). ACF digunakan unutkmenentukan orde q. PACF dari data time series yang telah di-stasionerkan baikmelalui transformasi atau differencing, selanjutnya dapat digunakan untuk mengidentifikasi tingkat p (tingkat autoregressive tertinggi). Dalam tahapan pemodelan harus menuhi persyaratan uji normalitas, apabila model tidak memenuhi bisa disebabkan karena adanya outlier. Outlier adalah kondisi yang menunjukkan adanya penyimpangan pada data yang dimodelkan sehingga diperlukan proses deteksi dan penanganan outlier. BULAN

ISSN : 2301-9425

dengan Agustus 2014 yang diperoleh pada CV. Multi Grafika, seperti pada tabel dibawah ini: Tabel 1 Data persediaan tinta Keterangan: 1. Jumlah persediaan tinta pada tahun 2010 sebanyak 73 buah tinta. 2. Jumlah persediaan tinta pada tahun 2011 sebanyak 60 buah tinta. 3. Jumlah persediaan tinta pada tahun 2012 sebanyak 31 buah tinta. 4. Jumlah persediaan tinta tahun 2013 sebanyak 54 buah tinta. 5. Jumlah tinta pada tahun 2014 sebanyak 92 buah tinta. 4. IMPLEMENTASI 4.1 Implementasi SPSS (Solution Package for the Social Sciences) Pembangunan data dengan Excel dilakukan tidak beda dengan mambangun data yang selama ini dilakukan oleh pengguna Excel. Seperti diperlihatkan pada gambar 1 data yang dibangun dalam Excel adalah data tentang jumlah tinta. Setelah data terbentuk langkah berikutnya adalah melakukan penyimpanan data. Penyimpanan data dilakukan seperti halnya menyimpan data Excel lainnya, namun dalam tipe text (Tab delimited) dengan meng-klik File/Save As, selanjutnya set tipe data seperti dicontohkan pada gambar 2.

3. ANALISA DAN PEMBAHASAN 3.1 Analisa Prediksi CV. Multi Grafika merupakan salah satu perusahaan yang bergerak dibidang percetakan. Peramalan atau prediksi merupakan alat atau teknik untuk memprediksi atau memperkirakan suatu nilai pada masa yang akan datang dengan memperhatikan data atau informasi yang relevan yang diperoleh dari data masa lalu maupun saat ini. Dengan melihat datadata persediaan barang CV. Multi Grafika lima periode terakhir, penulis ingin melakukan prediksi atau peramalan terhadap persediaan tinta pada tahun 2015. Prediksi atau peramalan tersebut bertujuan untuk memprediksikan berapa banyak persediaan tinta pada tahun 2015 mendatang. 3.2 Data Persediaan Tinta Data yang akan dianalisa dalam penelitian ini adalah data nilai jumlah persediaan tinta yang ada di CV. Multi Grafika. Sebagaimana pada pembatasan masalah, data yang dianalisa adalah data jumlah tinta pada kurun waktu mulai dari April 2010 sampai

1.

1.

Gambar 2 Contoh data dibangun dengan Excel Membuat definisi data di SPSS. Untuk itu klik View > Variables. Lalu buatlah definisi data dengan ketentuan sebagai berikut, dan hasilnya di SPSS seperti terlihat pada Gambar 3.

Gambar 3 Pendefinisian Variabel Tinta Klik lagi View > Data untuk membuka tampilan Data View


34


2. 3.

Buka file DATA JUMLAH TINTA.xls, dan blok sel A2 sampai B6 kemudian Edit > Copy. Buka kembali SPSS dan letakkan kursor pada baris pertama kolom Tahun, kemudian klik Edit > Paste. Hasilnya terlihat seperti gambar berikut:

ISSN : 2301-9425

Gambar 4.5 Tampilan Akhir Jendela Options pada Time Series Methods Klik OK. Muncul output hasil analisis seperti berikut (tidak ditampilkan semua) :

Gambar 4 Hasil Pengcopyan Data Jumlah Tinta ke SPSS 1.

Sebelum melangkah ke tahap berikutnya, simpan data diatas dengan nama arima dengan mengklik File >Save As 2. Selanjutnya klik Analyze > Forecasting> Created Model. Muncul tampilan Time Series Modeler. 3. variabel JumlahTinta, lalu klik tanda panah hitam , sehingga variabel jlh tiket pindah ke Dependent Variables. 4. Pada Method, pilih ARIMA. Selanjutnya klik Criteria, dan pada bagian Model Type, pilih Criteria mulai dari model (1, 0, 0), model (0, 0, 1) dqn mode (1, 0, 1). Tampilan sebagai berikut:

1. 2. 3. 4. 5.

Gambar 5 Tampilan Criteria Model ARIMA Klik Continue, akan muncul tampilan Time Series Modeler. Masih pada tampilan Time Series Modeler, klik bagian Statistics. Klik Display fit measures, Ljung-Box number of Statistic, and outliers by model. Pada Fit, klik Mean absolute error dan Mean absolute percentage Measures error. Klik Display Forecasts. Hasilnya terlihat seperti berikut .

Gambar 4.6 Tampilan Output Hasil Analisis Model ARIMA (1, 0 , 0) 5. KESIMPULAN DAN SARAN 5.1 Kesimpulan Berdasarkan hasil penelitian yang dilakukan maka diperoleh kesimpulan sebagai berikut: 1.

Aplikasi dapat memberikan informasi mengenai jumlah penjualan yang mungkin terjadi pada periode selanjutnya. 2. Jumlah data yang digunakan untuk melakukan peramalan dengan metode Autoregressive Integrated Moving Average (ARIMA) sangatlah penting. 3. Sistem aplikasi dapat dilakukan pada CV. Grafika Multi dengan menggunakan aplikasi SPSS. 5.2 Saran Berdasarkan kesimpulan dari penelitian ini, maka penulis memberi saran sebagai berikut:


35


ISSN : 2301-9425

1.

Bagi perusahaan, agar sistem ini dapat diterapkan supaya dalam menentukan prediksi persediaan lebih cepat dan akurat. 2. Hasil dari proses prediksi ini dapat digunakan sebagai pertimbangan dalam mengambil keputusan lebih lanjut. 3. Untuk pengembangan aplikasi prediksi lebih lanjut, dapat menggunakan versi lain seperti: SPSS for windows release 16, SPSS for windows release 11, release 12, release 13 ataupun program lainnya seperti MATLAB. DAFTAR PUSTAKA 1. Ristono , 2009, “Persediaan Barang”, Fakultas Ilmu Komputer. 2. Elista, 2005, “Produksi Konten Multimedia”, DEWI SAWITRI 3. Taufik Ur Rahman dan Yuliandi Kusuma, 2008, “Networking Fundamental,PT.Prima Jakarta Infosarana Media, Jakarta, DEWI SAWITRI 4. WAHANA KOMPUTER,”Analisis Data Penelitian dengan SPSS22”.Andi 5. Alexander Setiawan1, Adi Wibowo2, Sutisno Wijaya, 1994, Jurusan Teknik Informatika, Pengembangan Perangkat Lunak, Fakultas Teknologi Industri, Universitas Kristen Petra, 2005 6. Box, G.E.P. & Jenkins, G.M,2010), Retrieved January 1999, “Pengenalan Komputer”, Andi. 7. Sunneng Sandino, 2013” Perancangan Sistem Informasi” DEWI SAWITRI 8. Adi Wijaya, 2010,3” Jurusan Statistika, FMIPA, Institut Teknologi Sepuluh Nopember, Surabaya, Indonesia. 9. Djoni Haryadi Setia Budi, 2002, Fakultas Teknologi Industri” Universitas Kristen Petra. 10. HM, Jogiyanto 2001, Analisis dan Desain Sistem, Andi Offset, Yogya


36

APLIKASI PERAMALAN PERSEDIAAN TINTA SABLON DENGAN MENGGUNAKAN METODE AUTOREGRESSIVE INTEGRATED MOVING AVERAGE ( STUDI KASUS : CV

Recommend Documents