Jurnal Aksara Komputer Terapan Politeknik Caltex Riau Vol. 4, No. 2, Tahun

Jurnal Aksara Komputer Terapan Politeknik Caltex Riau Vol. 4, No. 2, Tahun 2015

38

Jurnal Aksara Komputer Terapan Politeknik Caltex Riau Website : https://jurnal.pcr.ac.id/index.php/jakt/about/index Email : [email protected]

Perancangan Aplikasi Penentuan Metode Peramalan Terbaik Dalam Perencanaan Produksi Sridhatu1, Istianah Muslim2 dan Silvana Rasio Henim3 1Program

Studi Sistem Informasi, Politeknik Caltex Riau, email:[email protected] 2Program Studi Sistem Informasi, Politeknik Caltex Riau, email: [email protected] 3Program Studi Teknik Komputer, Politeknik Caltex Riau, email: [email protected]

Abstrak Untuk melakukan perencanaan produksi yang baik harus sesuai dengan besarnya kebutuhan permintaan. Maka dibutuhkan peramalan, peramalan adalah suatu kegiatan yang memperkirakan apa yang akan terjadi pada masa akan datang berdasarkan informasi masa lalu. Sebelumnya peramalan dilakukan dengan bersifat subjective (Perkiraan). Hal ini menyebabkan terjadi kesalahan pada peramalan pada masa yang akan datang. Sistem ini bertujuan untuk memudahkan penganalisa menentukan metode peramalan yang terbaik dari data sebelumnya untuk perencanaan produksi. Metode peramalan yang digunakan adalah Metode Moving Average, Metode Simple Exponential Smoothing, Metode Holt's, dan Metode Winter. Untuk mendapatkan metode peralaman terbaik, maka dicari persentase error terkecil, menggunakan Mean Absolute Deviation (MAD). Data yang digunakan adalah data CV. Riau Jaya Paving pada tahun 2014 berupa excel. Hasil yang ditampilkan oleh sistem adalah hasil peramalan semua metode, metode peramalan terbaik, hasil peramalan untuk periode selanjutnya, dan error terkecil. Pengujian yang telah dilakukan diperoleh bahwa nilai alpha, beta dan gamma mempengaruhi hasil forecasting dan penyimpangan kesalahan dari metode peramalan. Metode peramalan yang memiliki penyimpangan kesalahan paling kecil mendapatkan hasil peramalan yang mendekati kondisi real yang terbaik. Kata kunci: Peramalan, moving average, simple exponential smoothing, holt’s, winter’s, mean absolute deviation. Abstract To do a good production planning must be in accordance with the magnitude of the demand. Hence, it is necessary to forecast, forecasting is an activity that predict what will happen in the future based on past information. Previous forecasting is done subjectively (Estimated). This causes errors in forecasting in the future. This system aims to facilitate the analyzer determines the best forecasting method from previous data for production planning. Forecasting method used is Moving Average Method, Simple Exponential Smoothing Method, Holt's method, and Winter Method. To get the best forecasting method, then look for the smallest percentage of error, using Mean Absolute Deviation (MAD). The data used is data CV. Riau Jaya Paving in 2014 in the form of an excel. Results are displayed by the system is the result of all the forecasting methods, the best forecasting method, the results forecast for the next period, and the smallest error.Testing that has been done shows that the value of alpha, beta and gamma Perancangan Aplikasi Penentuan Metode Peramalan Terbaik Dalam Perencanaan Produksi Sridhatu, Istianah Muslim dan Silvana Rasio Henim

Jurnal Aksara Komputer Terapan Politeknik Caltex Riau Vol. 4, No. 2, Tahun 2015

39

influence the outcome of forecasting and deviation error of forecasting methods. Forecasting method that has the smallest deviation error is the best forecasting result. Keywords: Forecasting, moving averages, simple exponential smoothing, holt's, winter's, mean absolute deviation.

1. Pendahuluan Perencanaan kapasitas produksi yang baik harus sesuai dengan besarnya kebutuhan permintaan. Usaha untuk meminimalkan ketidakpastian itu lazim dilakukan dengan metode atau teknik peramalan tertentu (Ginting, 2007). Peramalan merupakan upaya memperkirakan apa yang terjadi pada masa mendatang berdasarkan data masa lalu, berbasis pada metode kuantitatif yang dilakukan secara sistematis. Untuk melakukan peramalan, diperlukan metode tertentu dimana metode yang digunakan tergantung dari data dan informasi yang akan diramal serta tujuan yang hendak dicapai perusahaan. Peramalan mengurangi ketergantungan pada hal-hal yang belum pasti (intuitif). Kesalahan analisis oleh para pengambil keputusan di sebuah perusahaan juga akan berdampak pada masa depan perusahaan dalam menghasilkan suatu produk. Perusahaan yang dijadikan studi kasus pada penelitian ini adalah perusahaan paving blok. Peramalan dilakukan untuk mengetahui kedepannya jumlah produk paving blok yang dihasilkan oleh perusahaan tersebut. Perusahaan paving blok sering mengalami permasalahan dalam memperkirakan jumlah produk yang akan diproduksi. Hal ini disebabkan karena perusahaan paving blok tidak menggunakan metode peramalan, sehingga dalam pemilihannya bersifat subjective. Oleh karena itu, pada penelitian ini akan dibangun aplikasi untuk menentukan metode peramalan terbaik dimana hasil yang diperoleh akan menunjukkan peramalan untuk periode yang akan datang. Metode-metode yang digunakan untuk mendapatkan peramalan terbaik yaitu Moving Averages (MA), Simple

Exponential Smoothing (SES), Holt’s method dan Winter’s method. Hasil terbaik diukur berdasarkan Mean Absolute Deviation (MAD), hal ini bertujuan untuk mendapatkan hasil peramalan yang mendekati kondisi real yang terbaik, sehingga produk yang dihasilkan perusahaan sesuai dengan prediksi yang dilakukan. 1.1

Perumusan Masalah

Perumusan masalah pada proyek akhir ini adalah bagaimana merancang atau membangun aplikasi untuk menentukan metode peramalan terbaik dalam perencanaan produksi.

1.2

Tujuan

Tujuan dari proyek akhir ini yaitu merancang dan membangun aplikasi untuk menentukan metode peramalan terbaik dalam perencanaan produksi pada perusahaan manufaktur paving blok 2. Landasan Teori 2.1

Penelitian terdahulu

Sari (2013) melakukan penelitian mengenaai peramalan ketersediaan stok bahan baku utama untuk proses produksi CV. Surya Offeset dengan menggunakan metode dekomposisi. Prautama (2010) melakukan penelitian mengenai peramalan pengadaan barang dengan menggunakan metode peramalan simple exspontential smoothing di Laboraturium Pramita. Setiawati (2006) melakukan penelitian mengenai perancangan program apliaksi untuk menentukan metode peramalan terbaik, dengan menggunakan metode peramalan moving average, exponential

Perancangan Aplikasi Penentuan Metode Peramalan Terbaik Dalam Perencanaan Produksi Sridhatu, Istianah Muslim dan Silvana Rasio Henim

Jurnal Aksara Komputer Terapan Politeknik Caltex Riau Vol. 4, No. 2, Tahun 2015 smoothing, average linear, exponential smoothing linear, dan dekomposisi.

2.2

Pengertian Peramalan

Peramalan (Forecasting) merupakan suatu kegiatan yang memperkirakan apa yang akan terjadi pada masa akan datang. Hal ini disebabkan karena sebelumnya peramalan hanya merupakan perkiraan (guess), tetapi dengan menggunakan teknik-teknik peramalan, maka peramalan tidak hanya menjadi sekedar perkiraan.

2.3

Metode Moving Average

Metode moving average adalah metode peramalan perataan nilai dengan mengambil sekelompok nilai pengamatan yang kemudian dicari rata-ratanya, lalu menggunakan rata-rata tersebut sebagai ramalan untuk periode selanjutnya. Rumus untuk metode moving average: …...(1) …......(2) , …………………………....(3)

2.4

Metode Simple Smoothing

Exponential

Metode simple exponential smoothing adalah metode peramalan memiliki tipe rata-rata bergerak yang melakukan penimbangan terhadap data masa lalu dengan cara penghalusan, sehingga data terkahir akan memiliki bobot lebih besar. Rumus untuk metode simple exponential smoothing: ………………….….(1)

40

Nilai α yang tinggi berhubungan dengan peramalan yang lebih responsive terhadap obervasi terbaru, dimana nilai α yang lebih rendah menggambarkan peramalan yang lebih stabil yang kurang responsive terhadap obervasi baru (Chopra, 2010).

2.5

Metode Holt’s

Metode holt’s adalah metode peramalan yang digunakan ketika permintaan diasumsikan memiliki level dan trend dalam komponen sistematis , tetapi tidak mimiliki musiman, Rumus metode holt’s: …(1) …..(2) Dimana α adalah konstanta penghalusan untuk level, 0 < α < 1, dan β adalah konstanta penghalusan trend, 0 <β< 1. Mengamati bahwa masing-masing dua update, estimasi direvisi untuk (level atau trend) adalah mempertimbangkan rata-rata observasi nilai dan estimasi yang lama (Chopra, 2010). 2.6

Metode Winter

Metode winter adalah metode peramalan yang digunakan ketika komponen sistematis permintaan memiliki level, trend, dan faktor musiman. Rumus metode winter: ……………………………………..(1) …… …………………………………………(2) …………………………………………(3)

………(2)

…………………………........(3)

Perancangan Aplikasi Penentuan Metode Peramalan Terbaik Dalam Perencanaan Produksi Sridhatu, Istianah Muslim Dan Silvana Rasio Henim

Jurnal Aksara Komputer Terapan Politeknik Caltex Riau Vol. 4, No. 2, Tahun 2015 Defenisi beberapa bentuk gambaran notasi rumus secara keseluruhan pada rumus setiap metode, dapat dilihat pada Tabel 1. Table 1 Tabel Identifikasi Notasi (Chopra, 2010)

41

mendapatkan hasil peramalan yang mendekati kondisi real yang terbaik. Data yang dijadikan pada pengujian metode peramalan ini adalah data historical tahun 2014 pada perusahaan paving blok. 3.1.1 Usecase Diagram Berikut ini perancangan Use Case diagram berdasarkan kebutuhan sistem:

(Sumber : Chopra, 2010)

2.7

Perkiraan Tindakan Kesalahan

Kesalahan yang kecil memberikan arti ketelitian peramalan yang tinggi, dengan kata lain keakuratan hasil peramalan tinggi, begitu pula sebaliknya (Sipper, D., Bulfin, R.L., 1997). Dengan menggunakan mean absolute deviation (MAD) mengukur nilai error , dan jika nilai MAD kecil, maka peramalan tersebut mendekati kondisi permintaan aktual. Nilai MAD yang besar dapat menunjukkan ada masalah dalam proses peramalan. Rumus MAD : MADn = ……………………………...(1)

3. Metodologi Penelitian 3.1

Gambar 1 Use Case Diagram Aplikasi Peramalan Terbaik

4. Hasil dan Pembasan 4.1 4.1.1

Pengujian Sistem Antar Muka Sistem

1. Antar Muka User Tampilan form pada gambar 3 merupakan form data display, sistem data display yang berfungsi untuk user menginputkan profil perusahaan dan membaca data berformat .xls dan .xlsx, kemudian user memilih metode peramalan yang akan digunakan dalam data tersebut, dengan nilai alpha, beta, dan gamma sebesar 0.1.

Perancangan Sistem

Aplikasi yang akan dirancang pada proyek akhir ini adalah sebuah aplikasi pemilihan metode peramalan terbaik dengan membandingkan empat metode yang berbeda yaitu Metode Moving Averages (MA), Metode Simple Exponential Smoothing (SES), Metode Holt’s dan Metode Winter’s. Pemilihan metode terbaik ini dilakukan berdasarkan presentasi error terkecil, yang dapat diukur dengan Mean Absolute Deviation (MAD), untuk

Gambar 2 Form Data Display Tampilan form pada gambar 4 merupakan form output, sistem ouput berfungsi untuk melihat hasil perhitungan


Jurnal Aksara Komputer Terapan Politeknik Caltex Riau Vol. 4, No. 2, Tahun 2015 Table 2 Metode Moving Average

metode yang sudah dipilih, maka akan ditampilkan hasil forecast dan error pada setiap metode peramalan, kemudian hasil untuk periode selanjutnya yang akan kita cari, maka akan diseleksi mana metode yang memiliki kesalahan terkecil maka metode tersebut yang manjadi metode peramalan terbaik.

Gambar 3 Form Output

4.2

Pengujian Dan Analisa Peramalan Pada Metode Moving Average

Pengujian yang dilakukan pada metode moving average adalah pengujian hasil peramalan untuk periode masa akan datang. Data aktual permintaan dari CV. Riau Jaya Paving adalah data satu tahun terakhir pada tahun 2014 antara bulan Januari sampai bulan Desember, dimana dilakukan pengujian untuk mendapatkan perkiraan perencanaan produksi untuk 8 bulan kedepan yaitu periode 13 bulan Januari sampai periode 20 bulan Agustus 2015 dengan perkiraan perencanaan produksi sebesar 5472 unit paving blok, dengan nilai MAD kesalahan terkecil sebesar 1245. Metode moving average tidak mengalami perubahan peramalan untuk 8 bulan kedepan, karena hasil peramalan untuk periode akan datang diambil dari nilai level terkahir pada perhitungan metode peramalan moving average, dapat dilihat pada Tabel 2.

42

Metode moving average tidak dipengaruhi oleh faktor trend dan musiman, sehingga tidak menggunakan nilai alpha untuk melakukan kosntanta penghalusan. Untuk mendapatkan metode peramalan terbaik, maka hasil peramalan harus mendekati kondisi real terhadap data aktualnya. Hasil dari grafik metode moving average dapat dilihat data hasil peramalan menjauh dari data aktual itu sendiri. Untuk melihat perbandingan hasil peramalan dan aktual permintaan dari perencanaan produksi paving blok, dapat dilihat pada Gambar 4.

Gambar 4 Grafik Metode Moving Average

4.3

Pengujian Dan Analisa Metode Simple Exponentional Smoothing

Pengujian yang dilakukan pada metode simple exponential smoothing adalah pengujian hasil peramalan untuk periode masa akan datang. Data aktual permintaan dari CV. Riau Jaya Paving adalah data satu tahun terakhir pada tahun 2014 antara bulan Januari sampai bulan Desember, dimana dilakukan pengujian untuk mendapatkan perkiraan perencanaan produksi untuk 8 bulan kedepan yaitu periode 13 bulan Januari sampai periode 20 bulan Agustus 2015 dengan perkiraan


Jurnal Aksara Komputer Terapan Politeknik Caltex Riau Vol. 4, No. 2, Tahun 2015 perencanaan produksi sebesar 4434 unit paving blok dengan nilai MAD kesalahan terkecil sebesar 1566 dengan nilai alpha = 0.1 yang sudah ditetapkan oleh pengguna didalam sistem. Dimana nilai alpha adalah konstanta penghalusan untuk level, nilai yang lebih rendah menggambarkan peramalan yang lebih stabil. Metode simple exponential smoothing tidak mengalami perubahan peramalan untuk 8 bulan kedepan, karena hasil peramalan untuk periode akan datang diambil dari nilai level terkahir pada perhitungan metode peramalan simple exponential smoothing, dapat dilihat pada Tabel 3. Table 3 Metode Simple Exponential Smoothing

Metode simple exponential smoothing tidak dipengaruhi oleh faktor trend dan musiman. Untuk mendapatkan metode peramalan terbaik, maka hasil peramalan harus mendekati kondisi real terhadap data aktualnya. Hasil dari grafik metode simple exponential smoothing dapat dilihat data hasil peramalan mendekati data aktual permintaan. Untuk melihat perbandingan hasil peramalan dan aktual permintaan dari perencanaan produksi paving blok, dapat dilihat pada Gambar 5.

Gambar 5 Grafik Metode Simple Exponential Smoothing

4.4

43 Pengujian dan metode holts

analisa

pada

Pengujian yang dilakukan pada metode hotl’s adalah pengujian hasil peramalan untuk periode masa akan datang. Data aktual permintaan dari CV. Riau Jaya Paving adalah data satu tahun terakhir pada tahun 2014 antara bulan Januari sampai bulan Desember, dimana dilakukan pengujian untuk mendapatkan perkiraan perencanaan produksi untuk 8 bulan kedepan yaitu periode 13 bulan Januari 2015 dengan perkiraan perencanaan produksi 4883 unit paving blok, periode 14 bulan Februari 4976 unit paving blok, periode 15 bulan Maret 2015 sebesar 5069 unit paving blok, periode 16 bulan 5162 unit paving blok, periode 17 Mei 5255 unit paving blok, periode 18 bulan Juni 5348 unit paving blok, periode 19 bulan Juli 5441 unit paving blok, dan periode 20 bulan Agustus 5534 unit paving blok, dengan nilai MAD kesalahan terkecil sebesar 1584 dengan nilai alpha = 0.1, dan nilai beta = 0.1. Nilai alpha adalah konstanta penghalusan untuk level dan nilai beta digunakan untuk mencari nilai trend pada metode holt’s, yang sudah ditetapkan oleh pengguna didalam sistem. Metode hotl’s mengalami perubahan hasil peramalan untuk 8 bulan kedepan, karena dipengaruhi faktor trend, dimana setiap bulannya akan terjadi peningkatan hasil peramalan , dapat dilihat pada Tabel 4. Table 4 Metode Holt’s

Metode holts tidak dipengaruhi oleh faktor musiman. Metode holts sangat cocok digunakan jika data aktual memilki pola data yang mengandung trend. Untuk mendapatkan metode peramalan terbaik, maka hasil peramalan harus mendekati kondisi real terhadap data aktualnya. Hasil dari grafik metode hotl’s dapat dilihat


Jurnal Aksara Komputer Terapan Politeknik Caltex Riau Vol. 4, No. 2, Tahun 2015 dimana data hasil peramalan menjauh data aktual permintaan. Untuk melihat perbandingan hasil peramalan dan aktual permintaan dari perencanaan produksi paving blok, dapat dilihat pada Gambar 6.

Gambar 6 Grafik Metode Holt’s

4.5

Pengujian Dan Analisa Peramalan Pada Metode Winter

Pengujian yang dilakukan pada metode winters adalah pengujian hasil peramalan untuk periode masa akan datang. Data aktual permintaan dari CV. Riau Jaya Paving adalah data satu tahun terakhir pada tahun 2014 antara bulan Januari sampai bulan Desember, dimana dilakukan pengujian untuk mendapatkan perkiraan perencanaan produksi untuk 8 bulan kedepan yaitu periode 13 bulan Januari 2015 dengan perkiraan perencanaan produksi 9649 unit paving blok, periode 14 bulan Februari 10169 unit paving blok, periode 15 bulan Maret 2015 sebesar 4911 unit paving blok, periode 16 bulan 4622 unit paving blok, periode 17 Mei 9649 unit paving blok, periode 18 bulan Juni 10169 unit paving blok, periode 19 bulan Juli 10169 unit paving blok, dan periode 20 bulan Agustus 4622 unit paving blokdengan nilai MAD kesalahan terkecil sebesar 1766 dengan nilai alpha = 0.1, beta = 0.1, dan gamma = 0.1. Nilai alpha adalah konstanta penghalusan untuk level, nilai beta digunakan untuk mencari nilai trend pada metode winters dan nilai gamma digunakan untuk mendapatkan nilai seasonal,. Metode winters mengalami perubahan hasil peramalan untuk 8 bulan kedepan, karena dipengaruhi faktor trend

44

dan faktor musiman, dapat dilihat pada Tabel 5. Table 5 Metode Winter

Untuk mendapatkan metode peramalan terbaik, maka hasil peramalan harus mendekati kondisi real terhadap data aktualnya. Hasil dari grafik metode winters dapat dilihat dimana data hasil peramalan menjauh dari data aktual permintaan. Untuk melihat perbandingan hasil peramalan dan aktual permintaan dari perencanaan produksi paving blok, dapat dilihat pada Gambar 7.

Gambar 8 Grafik Metode Winter

5. Kesimpulan dan Saran 5.1

Kesimpulan

Setelah dilakukan pengujian beserta analisa pada penelitian ini, maka dapat diambil kesimpulan sebagai berikut: 1. Aplikasi yang dirancang untuk menentukan metode peramalan terbaik berjalan dengan baik, yang dapat menghitung keempat metode peramalan yang sudah ditentukan. Bedasarkan hasil penelitian, metode peramalan terbaik dalam perencanaan produksi di CV. Riau Jaya Paving adalah metode simple exponentional dengan nila alpha =


Jurnal Aksara Komputer Terapan Politeknik Caltex Riau Vol. 4, No. 2, Tahun 2015 0,1 dan nilai mean absoulute deviation = 1566. 2. Nilai mean absolute deviation (MAD) metode simple exponential smoothing lebih kecil dibandingkan nilai MAD metode holt’s dan Metode winters. 3. Metode moving average pada data CV. Riau Jaya Paving tidak cocok digunakan karena metode moving average tidak representatif terhadap data aktual. 4. Aplikasi penentuan metode peramalan terbaik dapat membantu CV. Riau Jaya Paving dalam memproduksi paving blok untuk periode akan datang sehingga meminimalisir ketidakpastian dalam melakukan perencanaan produksi.

5.2

Techniques. United States America: British Library. [4]

Prautama, R. A. (2010). Sistem Informasi Pengadaan Barang dengan Menggunakan Metode Peramalan Simple Exponential Smoothing Di Laboratorium Pramita, 10106146. Universitas Komputer Indonesia Pangestu, W. D. (2012). Modul Pelatihan Visual Basic. Universitas Gajah Mada.

[6]

Sari, M. D. (2013). Sistem Informasi Peramalan Ketersediaan Stok Bahan Baku Utama untuk Proses Produksi pada CV. Surya Offset. Universitas Muria Kudus.

[7]

Setiawati, R. (2006). Perancangan Program Aplikasi Untuk Pemilihan Metode Peramalan. Terbaik.Universitas Bina Nusantara.

[8]

Sipper, D., & Bulfin, R.L. (1997). Production : Planning, Kontrol, dan Integration. McGraw-Hill.

Daftar Pustaka [1]

Chopra, S., & Meindl, P. (2010). Supply Chain Management Strategy, Planning dan Operation.

[2]

Ginting, R. (2007). Sistem Produksi. (1st ed). Graha Ilmu.

[3]

Han, J., Kamber, M., & Pei, J. (2012). Data Mining Concepts and

of

[5]

Saran

Untuk pengembangan aplikasi ini maka beberapa hal yang dapat penulis sarankan adalah: 1. Menambah metode peramalan lain yang tidak tercakup dalam aplikasi ini, sehingga menambah keakuratan sistem seperti metode dekomposisi. 2. Menggunakan paremeter kesalahan terkecil lainnya yaitu Mean absolute percentage error (MAPE) untuk melihat persentase error dari peramalan. 3. Dapat menggunakan data selain berformat .xls dan .xlsx seperti notepad dan .txt. 4. Menggunakan bahasa pemograman seperti php dan java.

45


Jurnal Aksara Komputer Terapan Politeknik Caltex Riau Vol. 4, No. 2, Tahun

Recommend Documents