BAB IV HASIL DAN PEMBAHASAN
4.1 Hasil 4.1.1 Persiapan Penelitian Pada penelitian ini, data yang diperoleh dari 4 tahun terakhir pada toko mitra elektronik yaitu dari tahun 2010 – 2013 untuk memprediksi penjualan barang – barang elektronik dengan menggunakan metode exponential smoothing ganda. Berikut data – data penjualan barang elektronik berdasarkan mereknya yang telah diperoleh dari 4 tahun terakhir : - Merek Televisi LG Tabel 4.1 Data Penjualan Televisi Merek LG Tahun 2010 2011 2012 2013
Unit 627 1611 1601 1613
- Merek Televisi Akari Tabel 4.2 Data Penjualan Televisi Merek Akari Tahun 2010 2011 2012 2013
Unit 159 302 301 303
21
22
- Merek Televisi Sharp Tabel 4.3 Data Penjualan Televisi Merek Sharp Tahun 2010 2011 2012 2013
Unit 96 627 1748 1750
- Merek Televisi Panasonic Tabel 4.4 Data Penjualan Televisi Merek Panasonic Tahun 2010 2011 2012 2013
Unit 193 1139 358 1140
- Merek Televisi Polytron Tabel. 4. 5 Data Penjualan Televisi Merek Polytron Tahun 2010 2011 2012 2013
4.1.2 a.
Unit 767 2496 2081 2083
Analisis Sistem
Analisis Permasalahan Sistem Permasalahan yang di hadapi pada Toko Mitra Elektronik yaitu pihak
manajer toko mitra elektronik belum bisa memprediksi nilai penjualan barang di tahun mendatang karena sistem yang mereka gunakan belum optimal sehingga
23
pihak toko mitra tersebut akan membutuhkan suatu sistem yang dapat membantu pihak manajer untuk memprediksi nilai penjualan barang – barang elektronik pada tahun mendatang. Untuk menyelesaikan masalah tersebut maka
digunakan metode
exponential smoothing ganda, untuk memprediksi nilai penjualan barang di tahun mendatang. b. Analisis Kebutuhan Sistem 1.
Analisis Kebutuhan Input Analisis kebutuhan input yaitu memasukan data – data penjualan barang
elektronik televisi berdasarkan mereknya yang datanya diperoleh dari 4 tahun terakhir. Data – data penjualan yang di inputkan yaitu data tahun dan data unit penjualan. Kemudian data tersebut dimasukan dalam sistem untuk di proses prediksi nilai penjualan barang – barang elektronik berdasarkan data penjualan barang – barang elektronik dari 4 tahun terakhir. 2.
Analisis Proses Sistem Analisis proses sistem untuk penggunaan metode prediksi exponential
smoothing ganda dibutuhkan data – data penjualan barang – barang elektronik pada tahun lalu. Setelah data tersebut diperoleh, selanjutnya dilakukan perhitungan prediksi berdasarkan metode exponential smoothing ganda. Perhitungan pertama ditentukan nilai parameter kemudian ditentukan nilai MSE untuk mencari hasil nilai MSE yang paling terkecil dan untuk proses perhitungan yang terakhir ditentukan nilai forecast.
24
Berikut
contoh
implementasi data penjualan barang elektronik televisi
berdasarkan mereknya dengan menggunakan metode exponential smoothing ganda yang dikerjakan secara manual yang ditampilkan hanya satu merek televisi yaitu merek televisi LG : - Merek Televisi LG Tabel 4.6 Data Penjualan Televisi Merek LG Tahun 2010 2011 2012 2013
Unit 627 1611 1601 1613
Metode exponential smoothing ganda
pengerjaannya ditentukan lebih
awal nilai parameter smoothing exponential yang digunakan, dimana nilai parameter (α) besarnya antara 0 < α < 1 yang biasanya secara trial dan error. Setiap nilai parameter yang digunakan dari nilai 0,1 sampai dengan 0,9. Prediksi atau peramalan nilai penjualan barang Televisi jenis LG dengan parameter α = 0,1 : - Penerapan metode Exponential Smoothing Ganda Metode Linier Satu Parameter dari Brown berdasarkan data barang elektronik televisi Merek LG tahun 2011 dengan parameter α = 0,1 : a.
b.
Menentukan nilai pemulusan Exponential Tunggal (S't) S't = αXt + (1 – α) S't-1 = 0,1(1.611) + (1 – 0,1) 627,00 = 161,1 + (0,9) 627,00 = 161,1 + 564,30 = 725,40 Menentukan nilai pemulusan exponential ganda S''t = α S't + (1 – α) S''t-1
25
c.
= 0,1(725,4) + (1 – 0,1) 627,00 = 72,54 + (0,9) 627,00 = 72,54 + 564,3 = 636,84 Menentukan besarnya konstanta (αt)
αt = S't + (S't - S''t) = 2S't - S''t
d.
= 2(725,4) - 636,84 = 1.450,8 – 636,84 = 813,96 Menentukan besarnya slope (bt) bt
=
(S't - S''t) ,
=
=
,
(725,4 – 636,84)
,
e.
(88,56) , = 9,84 Menentukan besarnya forecast
-
Ft+m = αt + btm = 813,96 + 9,83 = 823,80 Penerapan metode Exponential Smoothing Ganda Metode Linier Satu Parameter dari Brown berdasarkan data barang elektronik televisi jenis LG tahun 2012 dengan parameter α = 0,1 :
a.
Menentukan nilai pemulusan Exponential Tunggal (S't)
b.
S't = αXt + (1 – α) S't-1 = 0,1(1601) + (1 – 0,1) 725,4 = 160,1 + 0,9 (725,4) = 160,1 + 652,86 = 812,96 Menentukan nilai pemulusan exponential ganda S''t = α S't + (1 – α) S''t-1 = 0,1(812,96) + (1 – 0,1) 636,84 = 81,296 + (0,9) 636,84 = 81,296 + 573,15 = 654,45
26
c.
Menentukan besarnya konstanta (αt)
αt = S't + (S't - S''t) = 2S't - S''t
d.
= 2(812,96) - 654,45 = 1.625,92 - 654,45 = 971,47 Menentukan besarnya slope (bt) bt =
(S't - S''t) ,
=
(812,96 – 654,45)
,
(158,514) , = 17,61 Menentukan besarnya forecast =
e.
,
Ft+m = αt + btm = 971,474 + 17,613 = 989,08 -
Penerapan metode Exponential Smoothing Ganda Metode Linier Satu Parameter dari Brown berdasarkan data barang elektronik televisi jenis LG tahun 2013 dengan parameter α = 0,1 :
a.
Menentukan nilai pemulusan Exponential Tunggal (S't)
b.
S't = αXt + (1 – α) S't-1 = 0,1 (1613) + (1 – 0,1) 812,96 = 161,3 + 0,9 (812,96) = 161,3 + 731,66 = 892,96 Menentukan nilai pemulusan exponential ganda S''t = α S't + (1 – α) S''t-1 = 0,1 (892,96) + (1 – 0,1) 654,45 = 89,296 + 0,9 (654,45) = 89,296 + 589,001 = 678,30
27
c.
Menentukan besarnya konstanta (αt)
αt = S't + (S't - S''t) = 2S't - S''t
d.
= 2(892,96) - 678,30 = 1.785,92 - 678,30 = 1.107,62 Menentukan besarnya slope (bt) bt =
(S't - S''t) ,
=
,
=
(892,96 – 678,30)
,
, = 23,85
(214,77)
Tabel 4.7 Menentukan MSE dengan menggunakan α = 0,1 Ft+m
et
et2
17,61
823,80
777,20
604.039,84
23,85
989,08
623,92
389.276,17
αt
bt
813,96
9,84
Tahun
t
Xt
S't
S''t
2010
1
627
627,00
627,00
2011
2
1.611
725,40
636,84
2012
3
1.601
812,96
654,45
971,47
2013
4
1.613
892,96
678,30
1.107,62
J U M L AH
993.316,01
Untuk α = 0,1 ; n =2 Maka : MSE =
∑
MSE =
.
,
= 496.658,01 Jadi untuk
= 0,2 sampai dengan
= 0,9 dapat dicari dengan persamaan diatas.
Kemudian salah satu MSE tersebut dibandingkan untuk menentukan nilai
yang
28
memberikan nilai MSE yang terkecil/minimum. Perbandingan ukuran ketepatan metode peramalan/prediksi nilai penjualan barang – barang elektronik pada toko mitra elektronik dengan melihat MSE berikut : Tabel 4.8 Perbandingan Ukuran Ketepatan Metode Peramalan A 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9
MSE 496.658,01 219.917,28 76.528,98 23.287,77 27.428,00 66.647,51 129.097,41 213.403,51 328.606,68
Dari tabel diatas dapat dilihat bahwa yang menghasilkan nilai MSE yang paling kecil atau minimum yaitu pada α = 0,4 yaitu dengan MSE = 23.287,77 Tabel
4.9 Pemulusan Eksponential Ganda : Metode Linier Satu Parameter dari
Brown dengan menggunakan α = 0,4 pada Nilai Penjualan Barang Elektronik Televisi Jenis LG Ft+m
et
et2
1.533,75 187,33
1.414,20
186,80
34.894,24
1.651,91
1.721,08
-108,08
α
t
0,4
1
627
627,00
627,00
2
1.611
1.020,60
784,44
1.256,76 157,44
3
1.601
1.252,76
971,77
4
1.613
1.396,86
1.141,80
Xt
S't
S''t
JUMLAH
αt
bt
170,04
294,88
11.681,29 46.475,53
29
Berdasarkan data terakhir dapat dibuat prediksi untuk satuan tahun berikutnya dengan bentuk persamaan prediksi : a. Untuk periode ke 5 (tahun 2014) Ft+m = αt + btm = 1.651,91 + 170,03 (m) = 1.651,91 + 170,03 (1) = 1.821,96 b. Untuk periode ke 6 (tahun 2015) Ft+m = αt + btm = 1.651,91 + 170,03 (m) = 1.651,91 + 170,03 (2) = 1.991,98 = 1992
30
Untuk merek televisi yang lainnya seperti merek televisi Akari, Sharp, Panasonic dan Polytron dapat dikerjakan sama dengan langkah – langkah persamaan dari merek televisi LG diatas. Setelah merek televisi tersebut dicari berdasarkan rumus – rumus yang ada, maka akan ditentukan perbandingan ukuran ketepatan metode peramalan untuk setiap merek televisi. Dapat dilihat pada tabel 4.10 Perbandingan ukuran ketepatan metode peramalan adalah sebagai berikut : Tabel 4.10 Perbandingan Ukuran Ketepatan Metode Peramalan Untuk Setiap Merek Televisi Nilai α dan MSE
Merek Televisi
0,1
0,2
0,3
0,4
0,5
LG
496.658,01
328.606,68
76.528,98
23.287,77
27.428,00
Akari
10,596,71
4.707,56
1.646,62
498,69
570,03
Sharp
1.955.300,27
1.392.822,65
1.007.844,91
766.209,8
Panasonic
283.932,88
212.565,55
224.600,28
Polytron
756.951,09
240.594,60
39.177,42
0,6
0,7
0,8
0,9
213.403,51
328.606,68
2.697,14
4.467,62
6.889,06
636.868,28 591.788,56
605.995,13
657.516,36
727.548,38
306.329,02
453.765,63 672.567,79
978.030,42
1.395.202,66 1.958.622,58
44.004,68
178.670,03 399.051,40
693.309,06
1.081.910,01 1.617.565,23
66.647,51 129.097,41 1.387,25
20
Dari tabel 4.10 diatas dapat dilihat nilai α dan MSE yang paling terkecil disetiap merek televisi. Berikut adalah gabungan nilai α dan MSE yang terkecil/minimum dari merek televisi LG, Akari, Sharp, Panasonic dan Polytron : Tabel 4.11 Gabungan Nilai α dan MSE Merek Televisi
Nilai α
Nilai MSE
LG
0,4
23.287,77
Akari
0,4
498,69
Sharp
0,6
591.788.56
Panasonic
0,2
212.565,545
Polytron
0,3
39177.42
Untuk proses perhitungan terakhir ditentukan nilai forecast, yaitu Ft+m = αt + btm. 3. Analisis Kebutuhan Output Data keluaran yang dihasilkan yaitu nilai prediksi penjualan barang elektronik merek televisi berdasarkan jenisnya masing – masing pada tahun mendatang. Hasil akhir yang akan ditampilkan oleh program yaitu hasil analisis prediksi penjualan barang – barang elektronik dan pihak manajer juga bisa mengetahui bagaimana membuat strategis bisnis untuk meningkatkan penjualan. Berikut hasil akhir dari prediksi nilai penjualan barang elektronik televisi berdasarkan mereknya :
21
Tabel 4.12 Hasil akhir prediksi nilai penjualan barang elektronik televisi berdasarkan mereknya
Merek Televisi
Tahun 2014
Tahun 2015
LG
1.821,96
1.992,00
Akari
333.37
358.21
Sharp
2.228,08
2.643,41
Panasonic
799,64
853,59
Polytron
2.280,69
2.457,33
Pada penelitian ini penulis melakukan forecast di 2 tahun ke depan untuk memprediksi nilai penjualan barang – barang elektronik pada tahun mendatang yaitu pada tahun 2014 dan tahun 2015. Jadi pada forecast tahun 2014 merek televisi yang paling banyak terjual yaitu merek televisi Polytron dan untuk tahun 2015 yaitu merek televisi Sharp, maka merek televisi inilah yang harus disupply dan dijual banyak oleh pihak toko mitra elektronik pada 2 tahun ke depan.
4.1.3
Perancangan Sistem Penelitian ini akan dibuat sebuah desain dari sistem berdasarkan external
entity, diagram konteks, diagram alir data(DAD), relasi antar tabel, struktur database
dan penerapan metode exponential smoothing ganda pada prediksi
penjualan barang – barang elektronik terhadap aplikasi yang dibuat.
22
a. External Entity Tabel 4.13 External Entity Entity
Input
Admin
Output
- Data Merek Barang - Data Penjualan Barang
Pimpinan
b.
- Prediksi Penjualan Barang
Diagram Konteks
Gambar 4.1. Diagram Konteks Sistem Prediksi Nilai Penjualan Barang – Barang Elektronik
23
c.
DAD Level 0
Gambar 4.2. DAD Level 0 Sistem Prediksi Nilai Penjualan Barang – Barang Elektronik
24
d.
DAD Level 1 Proses 1
Gambar 4.3 DAD Level 1 Proses 1 Sistem Prediksi Nilai Penjualan Barang – Barang Elektronik
e.
Relasi Antar Tabel
1
N
1
N
Gambar 4.4 Relasi Antar Tabel
25
Penjelasan dari relasi tabel : - Tabel merek barang dan tabel penjualan barang memiliki hubungan one to many, karena dalam satu merek barang bisa memiliki lebih dari satu penjualan barang. - Tabel merek barang dan
tabel hasil akhir memiliki hubungan one to many,
karena dalam satu merek barang mempunyai satu hasil peramalan.
f.
Struktur Basis Data Struktur tabel basis data dari Sistem Prediksi Penjualan Barang – Barang
Elektronik pada Toko Mitra Elektronik sebagai berikut : Tabel 4.14 Merek Barang No.
Field
1.
Kd_Merek
2.
Nama_Merek
Type
Null
keterangan
Int(4)
No
Kode Merek
Varchar(50)
No
Nama Merek
Type
Null
keterangan
*
Int(4)
No
Kode Penjualan
**
Int(4)
No
Kode Merek
*
Tabel 4.15 Penjualan Barang No.
Field
1.
Kd_Penjualan
2.
Kd_Merek
3.
Tahun
Varchar(6)
No
Tahun
4.
Jumlah
double
No
Jumlah
26
Tabel 4.16 Hasil Akhir No.
Field
Null
keterangan
Int(4)
No
Kode Penjualan
Int(4)
No
Kode Merek
1.
Kd_Hasil_Akhir
2.
Kd_Merek
3.
Tahun
Varchar(10)
No
Tahun
4.
Hasil
Varchar(30)
No
Hasil
g.
*
Type
**
Desain Interface (Antar Muka) Desain antarmuka merupakan rancangan antarmuka (interface) program yang
akan diimplementasikan. Rancangan yang dibuat antara lain : 1.
Rancangan Input - Form Login SISTEM PREDIKSI NILAI PENJUALAN BARANG – BARANG ELEKTRONIK PADA TOKO MITRA ELEKTRONIK
USERNAME
:
PASSWORD
: LOGIN
Gambar 4.5 Rancangan Form Login
27
-
Form Halaman Menu Utama Mitra Electronik Welcome
PT. Rocky Mitra Sukses
Input Merek Barang Daftar Merek Input Penjualan Dafar Penjualan Prediksi Penjualan Laporan Prediksi Laporan Berdasarkan Merek
Logout
Gambar 4.6 Rancangan Form Halaman Utama - Form Input Merek Barang Mitra Electronik Welcome
PT. Rocky Mitra Sukses
Input Merek Barang
Input Merek Barang Daftar Merek Barang
Jenis
:
Input Penjualan Daftar Penjualan
Input
Prediksi Penjualan Laporan Prediksi Laporan Berdasarkan merek Logout
Gambar 4.7 Rancangan Form Input Merek Barang
28
-
Form Daftar Merek Barang Mitra Electronik Welcome PT. Rocky Mitra Sukses
Input Merek Barang
Daftar Merek Barang
Daftar Merek Barang
Input Penjualan
No
Merek
Daftar Penjualan
1
Televisi LG
Hapus
Edit
2
Televisi Sharp
Hapus
Edit
3
Televisi Akari
Prediksi Penjualan
Hapus
Laporan Prediksi Laporan Berdasarkan Merek Logout
-
Gambar 4.8 Rancangan Form Daftar Merek Barang Form Input Penjualan Mitra Electronik Welcome PT. Rocky Mitra Sukses
Input Merek Barang Daftar Merek Barang
Merek Barang :
Input Penjualan
Tahun
:
Daftar Penjualan
Jumlah
:
Prediksi Penjualan
Input
Laporan Prediksi Laporan Berdasarkan Merek Logout
Gambar 4.9 Rancangan Form Input Penjualan
Edit
29
-
Form Daftar Penjualan
Mitra Electronik PT. Rocky Mitra Sukses
Welcome Input Merek Barang
Daftar Penjualan Per Tahun
Daftar Merek Barang Input Penjualan Daftar Penjualan Prediksi Penjualan Laporan Prediksi Laporan Berdasarkan Merek Logout
Gambar 4.10 Rancangan Form Daftar Penjualan
30
2.
Rancangan Output
-
Form Prediksi Penjualan
Mitra Electronik Welcome
PT. Rocky Mitra Sukses
Input Merek Barang
Prediksi Daftar Merek Barang
Merek
Tahun Dari
Sampai
Input Penjualan Daftar Penjualan
Proses
Lihat Tabel
Prediksi Penjualan Laporan Prediksi Laporan Berdasarkan Merek
MSE
Logout
Forecast
Gambar 4.11 Rancangan Form Prediksi Penjualan
31
-
Form Laporan Prediksi Penjualan Berdasarkan Merek Mitra Electronik Welcome
PT. Rocky Mitra Sukses
Input Merek Barang Daftar Merek Barang
Laporan Ramalan Berdasarkan Merek Merek
Lihat
Input Penjualan Daftar Penjualan Prediksi Penjualan Laporan Prediksi Laporan Berdasarkan Merek Logout
Gambar 4.12 Rancangan Form Laporan Prediksi Penjualan -
Form Laporan Prediksi Penjualan Secara Keseluruhan Mitra Electronik Welcome PT. Rocky Mitra Sukses
Input Merek Barang
Laporan Ramalan
Daftar Merek Barang Input Penjualan
Merek
Tahun
Hasil
Daftar Penjualan Prediksi Penjualan Laporan Prediksi Laporan Berdasarkan Merek Logout
Gambar 4.13 Rancangan Form Laporan Prediksi Penjualan Keseluruhan
32
4.1.4
Implementasi Setelah merancang interface sistem prediksi nilai penjualan barang –
barang elektronik maka selanjutnya interface tersebut diimplementasikan sistemnya kedalam bahasa pemrograman berdasarkan rancangan interface yang dibuat sebelumnya. Adapun tampilannya sebagai berikut : -
Tampilan Form Login
Gambar 4.14 Tampilan Form Halaman Login Tampilan login ini berfungsi sebagai pengamanan program. Sehingga tidak semua orang bisa menggunakan program ini. Pada tampilan login ini ada dua username yang akan dimasukkan yaitu username admin dan pimpinan. Untuk username admin seluruh data – data bisa ditampilkan semua dan untuk pimpinan hanya hasil akhir prediksi penjualan yang bisa ditampilkan. Untuk dapat masuk ke program ini kita harus memasukkan nama admin atau pimpinan dan password yang benar.
33
-
Tampilan Form Menu Utama
Gambar 4.15 Tampilan Form Halaman Menu Utama Dalam Form Menu Utama terdapat Delapan Menu, yaitu Menu Input Merek Barang, Menu Daftar Merek Barang, Menu Input Penjualan, Menu Daftar Penjualan, Menu Daftar Penjualan, Menu Prediksi Penjualan, Menu Laporan Prediksi, Menu Laporan berdasarkan Merek dan Menu Logout untuk keluar dari Sistem . a. Menu Input Merek Barang berfungsi untuk Menginput Barang
Gambar 4.16 Tampilan Form Input Merek Barang b. Menu Daftar Merek Barang berfungsi untuk menampilkan Daftar Barang
Gambar 4.17 Tampilan Form Daftar Merek Barang
34
c. Menu Input Penjualan berfungsi untuk menginput Penjualan Merek barang, tahun dan jumlah unit barang.
Gambar 4.18 Tampilan Form Input Penjualan d. Menu Daftar Penjualan berfungsi untuk menampilkan Daftar Penjualan Per Tahun
Gambar 4.19 Tampilan Form Daftar Penjualan e. Menu Prediksi Penjualan terdiri dari 3 submenu, yaitu : - Submenu Proses menentukan nilai parameter berfungsi untuk menampilkan hasil akhir nilai parameter dari α = 0,1 sampai dengan α = 0,9. - Submenu menentukan nilai MSE berfungsi untuk menampilkan Nilai MSE dari α = 0,1 sampai dengan α = 0,9.
35
- Submenu menentukan nilai forecast berfungsi untuk menampilkan nillai forecast pada 2 tahun mendatang.
Gambar 4.20 Tampilan Form Prediksi Penjualan Pada menu proses menentukan nilai parameter dari α = 0,1 sampai dengan α = 0,9 yang nilainya di dapat dari setiap persamaan yang telah ditentukan pada metode exponential smoothing ganda. Begitu juga dengan menentukan nilai MSE. Pada menu MSE ini setelah ditentukan nilai parameter tersebut maka ditentukan nilai MSEnya, nilai MSE ini didapat dari hasi nilai tengah kesalahan kuadrat ∑
dibagi 2 (
) yang nilai akhirnya diambil dari nilai kesalahan kuadrat disetiap
parameter α = 0,1 sampai dengan α = 0,9 kemudian salah satu nilai MSE tersebut dibandingkan untuk menentukan nilai α yang memberikan nilai MSE yang terkecil/minimum. Kemudian untuk menu yang terakhir yaitu menentukan nilai forecast didapat dari hasil nilai konstanta (αt ) ditambahkan dengan nilai slope (bt) dan dikalikan dengan jumlah periode kedepan (m) yang akan diramalkan.
36
- Tampilan Form Laporan Prediksi Secara Keseluruhan
Gambar 4.21 Tampilan Form Laporan Prediksi Pada form laporan ini berfungsi untuk menampilkan hasil akhir dari prediksi penjualan. Hasil akhirnya ini ditampilkan berdasarkan merek barang, tahun dan nilai hasil akhirnya. Untuk nilai akhirnya dilihat mana nilai yang terbesar dari setiap merek barang maka inilah merek barang yang akan disupply dan dijual lebih banyak oleh pihak manajer mitra elektronik. - Tampilan Form Laporan Prediksi
Gambar 4.22 Tampilan Form Laporan Berdasarkan Merek Pada form laporan ini berfungsi untuk menampilkan hasil akhir dari prediksi penjualan barang berdasarkan merek barang. Hasil akhirnya ini ditampilkan berdasarkan merek barang, tahun dan nilai hasil akhirnya.
37
4.1.5 Uji Coba dan Evaluasi Setelah dilakukan tahap implementasi, selanjutnya dilakukan tahap uji coba sistem. Dalam hal pengujian ini dilakukan dengan cara menyelesaikan perhitungan yang secara manual terhadap data yang diperoleh dengan menggunakan metode exponential smoothing ganda, setelah hasil akhirnya didapat maka akan dibandingkan dengan output dari sistem yang telah dibuat. Sistem prediksi nilai penjualan barang – barang elektronik dapat membantu pihak manajer untuk mengetahui merek barang mana yang akan disuplai dan dijual lebih banyak pada tahun mendatang. Pada metode ini, proses awalnya dari data penjualan barang televisi berdasarkan merek yang telah ditentukan, kemudian tahapan awal untuk menyelesaikan metode ini yaitu menentukan nilai parameter (α) dari α = 0,1 sampai dengan α = 0,9, selanjutnya menentukan nilai kesalahan kuadrat (MSE) dan terakhir menentukan nilai forecast Ft+m untuk memprediksi tahun kedepan. Kemudian hasil akhirnya berupa laporan akhir prediksi penjualan barang secara keseluruhan dan laporan prediksi penjualan barang berdasarkan merek barang. Berikut tampilan dari kedua laporan tersebut :
Gambar 4.23 Tampilan Form Laporan Berdasarkan Merek
38
Gambar 4.24 Tampilan Form Laporan Prediksi
4.2 Pembahasan Sistem ini dibuat dari aplikasi pemrograman Web dengan menggunakan metode exponential smoothing ganda yang dapat digunakan untuk memprediksi nilai penjualan barang – barang elektronik. Dimana disetiap merek televisi didapat nilai α yang memberikan nilai MSE yang terkecil/minimum maka nilai yang terkecil ini yang akan digunakan untuk menentukan forecast. Pada sistem ini terdapat perbedaan pada nilai hasil MSE disetiap merek televisi, hal ini terjadi karena disetiap satu merek barang televisi mempunyai nilai penjualan yang berbeda – beda jadi pada saat mencari nilai α yang MSEnya memberikan nilai terkecil/minimum akan berbeda juga disetiap merek barang televisi tersebut. Jadi untuk nilai parameter disatu merek televisi tidak bisa nilai parameter ini digunakan pada semua merek televisi tersebut. Untuk menentukan prediksi nilai penjualan barang – barang elektronik dengan metode exponential smoothing ganda ini, sebelum ditentukan nilai MSEnya terlebih dahulu dicari nilai parameter (α) karena nilai parameter ini akan berpengaruh pada setiap tahapan rumus yang telah ditentukan. Kemudian
50 39 50
ditentukan nilai MSE yang paling terkecil/minimum untuk menentukan forecast pada tahun mendatang, apabila terdapat periode waktu minimal 2 tahun sedangkan apabila terdapat 1 periode waktu maka tidak bisa menentukan nilai MSEnya karena untuk mencari nilai MSE itu diperoleh dari nilai konstanta (αt) ditambahkan dengan nilai slope (bt) yang kedua nilai ini didapat dari tahun sebelumnya. Jadi untuk menentukan nilai MSE ini akan berpengaruh pada nilai penjualannya bukan pada periode waktu. Grafik untuk Televisi Merek LG
Series 1 1800 1600 1400 1200 1000 800 600
: Data Aktual : Data Ramalan
Series 2 : Nilai Error
2010
2011
2012
2013
Gambar 4.25 Grafik untuk Merek Televisi LG Dapat dilihat pada grafik diatas bahwa pola data untuk televisi merek LG menunjukkan tidak mengikuti pola atau tidak mengalami pola data trend sehingga nilai MSE yang didapat menjadi besar.
40 51
Grafik Televisi Merek Akari
Series 2 500 : Data Aktual
400
: Data Ramalan
300
Series 2
: Nilai Error
200 100 2010
2011
2012
2013
Gambar 4.26 Grafik untuk Merek Televisi Akari Dapat dilihat pada grafik diatas bahwa pola data untuk televisi merek Akari menunjukkan mengikuti pola atau mengalami pola data trend sehingga nilai MSE yang didapat menjadi kecil. Grafik Televisi Merek Sharp
Series 3 1800 1600 1400 1000 1200 800 1000 800 600 600 90
: Data Aktual : Data Ramalan
Series 2 : Nilai Error
2010
2011
2012
2013
Gambar 4.27 Grafik untuk Merek Televisi Sharp Dapat dilihat pada grafik diatas bahwa pola data untuk televisi merek Sharp menunjukkan tidak mengikuti pola atau tidak mengalami pola data trend sehingga nilai MSE yang didapat menjadi besar.
41 52
Grafik Televisi Merek Panasonic
Series 4 1800 1600 1400 1000 1200 800 1000 500 800 300 600 100
: Data Aktual : Data Ramalan
Series 2
: Nilai Error
2010
2011
2012
2013
Gambar 4.28 Grafik untuk Merek Televisi Panasonic Dapat dilihat pada grafik diatas bahwa pola data untuk televisi merek Panasonic menunjukkan tidak mengikuti pola atau tidak mengalami pola data trend sehingga nilai MSE yang didapat menjadi besar. Grafik Televisi Merek Polytron
Series 5 2500 1700
: Data Aktual
2300 1500 2100 1300
: Data Ramalan
Series 2
1100 2000
: Nilai Error
900 1000 700 2010
2011
2012
2013
Gambar 4.29 Grafik untuk Merek Televisi Polytron Dapat dilihat pada grafik diatas bahwa pola data untuk televisi merek Polytron menunjukkan tidak mengikuti pola atau tidak mengalami pola data trend sehingga nilai MSE yang didapat menjadi besar.
53 42
Jadi dapat disimpulkan berdasarkan beberapa grafik diatas bahwa metode exponential smoothing ganda ini yang mempengaruhi nilai MSE disetiap produk yaitu nilai penjualan dan ramalan penjualan. Pada penelitian sebelumnya tentang Peramalan nilai penjualan mobil jenis minibus pada pt. Astra internasional tbk (auto 2000) di kota medan tahun 2012 yang ditulis oleh Tresiawati (2011) dan peramalan jumlah air minum yang Disalurkan pdam tirtanadi medan Tahun 2014 yang ditulis oleh Pinem (2012) dengan menggunakan metode exponential smoothing ganda. Kedua penelitian ini datanya mengalami stasioner, sama halnya dengan penelitian yang dilakukan datanya mengalami stasioner sehingga metode expoential smoothing ganda ini bisa digunakan untuk memprediksi pada tahun mendatang.
