PERAMALAN PENJUALAN AVTUR DENGAN MEMPERTIMBANGKAN SPECIAL EVENT

SIDANG TUGAS AKHIR

PERAMALAN PENJUALAN AVTUR DENGAN MEMPERTIMBANGKAN SPECIAL EVENT Siti Lukmatul Henifa (1210 100 064) Pembimbing: Dra. Nuri Wahyuningsih, M.Kes. Senin, 20 Januari 2014

Powerpoint Templates

Matematika -Page ITS 1

A. PENDAHULUAN Latar Belakang Rumusan Masalah Batasan Masalah Tujuan Manfaat

Peramalan sebagai pertimbangan perusahaan yang bergerak di bidang pertambangan dan energi dalam perencanaan Penjualan avtur oleh Pertamina Aviation mengalami peningkatan terutama di event-event tertentu.

Penelitian sebelumnya: Anggraheni, (2003) Putra, (2010)

Peramalan dengan mempertimbangkan special event dibandingkan dengan metode Decomposition

Peramalan yang akurat Powerpoint Templates

Page 2

A. PENDAHULUAN Latar Belakang Rumusan Rumusan Masalah Masalah Batasan Masalah Tujuan

Event apa saja yang mempengaruhi tingginya peningkatan penjualan avtur. Bagaimana penerapan peramalan penjualan avtur dengan mempertimbangkan special event dibandingkan metode Decomposition dilihat dari akurasinya Metode peramalan apa yang sesuai untuk diterapkan di masing-masing DPPU

Manfaat


Page 3

PENDAHULUAN Latar Belakang Rumusan Masalah Batasan Batasan Masalah Masalah Tujuan Manfaat

Produk avtur yang diamati adalah penjualan avtur pada DPPU Juanda, Ngurah Rai, Iswahyudi, Eltari Group, dan Bandara Internasional Lombok (BIL) Group. Data diperoleh dari data sekunder penjualan bulanan yang didokumentasikan perusahaan periode Jan 2009-Jul 2013 special event yang dimaksud adalah kejadian yang mempengaruhi penjualan secara signifikan. Metode yang digunakan adalah Moving Average Event Based, Exponential Smoothing Event Based, dan Decomposition with Moving Average Ratio. Data diolah dengan menggunakan Microsoft excel 2007 dan Minitab 14.0.


Page 4

PENDAHULUAN Latar Belakang Rumusan Masalah Batasan Masalah Tujuan Tujuan

1. Dapat mengidentifikasi event yang mempengaruhi tingginya penjualan avtur di masing-masing DPPU. 2. Mengetahui keakuratan peramalan dengan mempertimbangkan event dibandingkan metode Decomposition with Moving Average Ratio. 3. Mendapatkan metode peramalan yang sesuai untuk masing-masing DPPU.

Manfaat


Page 5

PENDAHULUAN Latar Belakang Rumusan Masalah Batasan Masalah Tujuan

Metode peramalan yang sesuai untuk masingmasing DPPU dijadikan rekomendasi oleh pihak perusahaan.

Manfaat Manfaat


Page 6

TINJAUAN PUSTAKA

Peramalan adalah prediksi atau estimasi tingkat kejadian yang tidak pasti dimasa yang akan datang

Peramalan Peramalan

Kuantitatif

Pola Data Moving Average Exponential Smoothing

Peramalan Kualitatif

Event Based Decomposit ion Forcast Error

(Sumber: Makridarkis, S., Wheelwright, Steven C., Mc GEE, Victor E. 1999) Powerpoint Templates Page 7

TINJAUAN PUSTAKA

y

y

Peramalan Pola Pola Data Data Moving Average

waktu

waktu

a. Pola data horizontal

b. Pola data musiman y

y

Exponential Smoothing Event Based

waktu

c. Pola data trend

waktu

d. Pola data siklis

Decomposit ion Forcast Error


TINJAUAN PUSTAKA

Identifikasi pola data dengan analisis autokorelasi

Peramalan (1)

Pola Pola Data Data Moving Average Exponential Smoothing

dengan

: koefisien autokorelasi untuk k dari lag : mean dari data aktual : data aktual pada periode t : data aktual k periode waktu sebelumnya atau periode waktu t-k


(sumber: Hanke, J.E., Wichern, D.W., 2005) Powerpoint Templates Page 9

TINJAUAN PUSTAKA Peramalan

Moving Average (MA) dilakukan dengan meratakan historis masa lalu untuk memperoleh peramalan nilai di waktu yang akan datang.

Pola Data Moving Moving Average Avrage Exponential Smoothing

(2) dengan

: peramalan periode selanjutnya : data aktual pada periode t : jumlah data yang dilibatkan pada MA


(sumber: Hanke, J.E., Wichern, D.W., 2005) Powerpoint Templates Page 10


Eksponential Smoothing menunjukkan pembobotan menurun secara eksponensial terhadap nilai observasi yang lebih lama .

Pola Data Moving Average Exponential Exponential Smoothing Smoothing

(3) dengan

: peramalan periode selanjutnya : data aktual pada periode t : peramalan periode t : konstanta pemulusan ( 0< <1)



TINJAUAN PUSTAKA Peramalan Pola Data

Metode peramalan Event Based adalah metode peramalan penjualan berdasarkan special event yang terjadi di periode-periode tertentu. Jika peramalannya menggunakan MA dinamakan Moving Average Event Based (MAEB), jika peramalannya menggunakan ES maka dinamakan Exponential Smoothing Event Based (ESEB). Indeks Special Event (4) dengan

Moving Average Exponential Smoothing Manfaat Event Based Decomposit ion Forcast Error

: data aktual periode t : Indeks event pada periode t yang terdapat special event : data hasil peramalan

Peramalan berdasarkan event dengan

(5)

: Peramalan dengan indeks pada periode t +1 : Grup indeks event periode t+1 : Peramalan sebelum indeks pada periode t +1


TINJAUAN PUSTAKA Peramalan Pola Data Moving Average

Dari indeks tersebut, disusun berdasarkan event yang sama pada tahun berbeda kemudian dilakukan rata-rata untuk mendapatkan Indeks special event ( G ) yang digunakan untuk peramalan MAEB dan ESEB t

Subtitusi persamaan 2 ke persamaan 5 menghasilkan model MAEB yaitu, (6)

Exponential Smoothing Manfaat Event Based

subtitusi persamaan 3 ke persamaan 5 menghasilkan model ESEB yaitu,

Decomposit ion Forcast Error

(7)


Page 13

TINJAUAN PUSTAKA Peramalan Pola Data Moving Average Exponential Smoothing

Metode peramalan yang mencoba memisahkan tiga komponen terpisah dari pola dasar yang cenderung mencirikan deret data ekonomi dan bisnis Decomposition with Moving Average Ratio: (5) dengan

: nilai deret berkala (data aktual) pada periode t : komponen musiman (atau indeks) pada periode t : komponen trend pada periode t : komponen siklus pada periode t : komponen galat atau acak pada periode t

Manfaat Decomposit Decomposition ion Forcast Error


TINJAUAN PUSTAKA Peramalan Pola Data Moving Average

Steps: 1. Mencari indeks musiman Menghitung rasio dari data aktual terhadap rata-rata bergerak. Kemudian rasio disusun menurut bulan untuk mendapatkan ratarata medial. Indeks musiman dihitung dengan mengalikan ratarata medial dengan faktor penyesuaian sehingga nilai rataratanya adalah kisaran nilai rasio 2. Menentukan persamaan trend menggunakan model regresi linier

Exponential Smoothing Manfaat

(6) dengan

dan

3. Peramalan menggunakan persamaan berikut Decomposit Decomposition ion Forcast Error



PE

(Percentage Error)

Pola Data MAPE Moving Average

(Mean Absolute Percentage Error)

Exponential Smoothing Manfaat

dengan

: Nilai data ke- i : Nilai peramalan ke-i n : Banyaknya data.

Decomposit ion Forcast Forcast Error Error


METODE PENELITIAN Studi Literatur

Identifikasi special event dan pengumpulan data

Pengolahan data

Analisis dan interpretasi hasil Penarikan kesimpulan dan pemberian saran


Page 17

ANALISIS DAN PEMBAHASAN

Grafik Penjualan Avtur Periode Januari 2009 – Juli 2013 dan kolerogram DPPU JUANDA

Analisis Pola Analisis Data Pola Data Identifikasi special event Peramalan Berdasarkan Event

Decomposition Forecast Error Special Event Powerpoint Templates

Page 18


Grafik Penjualan Avtur Periode Januari 2009 – Juli 2013 dan Kolerogram DPPU ISWAHYUDI



Page 19


Grafik Penjualan Avtur Periode Januari 2009 – Juli 2013 dan kolerofram DPPU NGURAH RAI



Page 20


Grafik Penjualan Avtur Periode Januari 2009 – Juli 2013 dan kolerogram DPPU BIL Group



Page 21


Grafik Penjualan Avtur Periode Januari 2009 – Juli 2013 DPPU ELTARI Group



Page 22

ANALISIS DAN PEMBAHASAN Analisis Pola Data Identifikasi Identifikasi special event special event

Kejadian yang diperkirakan mempengaruhi peningkatan penjualan avtur secara signifikan No. 1. 2.

Peramalan Berdasarkan Event

4.

Decomposition

5.

3.

Special Event Hari raya Idul fitri Hari raya Natal Liburan sekolah Haji flight

Hari raya Idul adha

Waktu September 2009-2011 Agustus 2012 Desember 2009-2012 Juli 2009-2013 Oktober, November, Desember 20092011 September, Oktober, November 2012 November 2009-2010 Oktober 2011-2012

Forecast Error Special Event Powerpoint Templates

Page 23


Pemilihan konstanta α (0<α<1) untuk Exponential Smoothing

Analisis Pola Data Identifikasi special event

Peramalan Peramalan Berdasarkan Berdasarkan Event Event Decomposition Forecast Error Special Event

a. DPPU Juanda (α = 0,99) Powerpoint Templates

Page 24




Peramalan Peramalan Berdasarkan Berdasarkan Event Event Decomposition Forecast Error

b. DPPU Iswahyudi (α = 0,3)

Special Event Powerpoint Templates

Page 25





c. DPPU Ngurah Rai (α = 0,8)


Page 26




Peramalan Peramalan Berdasarkan Berdasarkan Event Event Decomposition Forecast Error

d. DPPU BIL Group (α = 0,13)


Page 27





e. DPPU Eltari Group (α = 0,56) Powerpoint Templates

Page 28


Pemilihan nilai N (orde) untuk Moving Average

Analisis Pola Data

MAPE (%) DPPU Juanda

DPPU Iswahyudi

DPPU Ngurah Rai

DPPU BIL Group

DPPU Eltari Group

Identifikasi special event

N

Peramalan Peramalan Berdasarkan Berdasarkan Event Event

2

11,3280

31,2263

5,6031

14,8681

10,0281

3

12,5976

30,3397

5,4230

15,3157

10,6913

4

13,9963

30,2009

5,7063

14,5944

11,0066

12

10,5209

28,8741

5,1385

12,3742

12,6275

Decomposition Forecast Error Special Event


Page 29

ANALISIS DAN PEMBAHASAN Analisis Pola Data Identifikasi special event


Hasil Indeks Event MAEB dan ESEB Tabel 1. Rekapitulasi Indeks Event DPPU Juanda Event

Liburan sekolah

Hari raya Idul fitri

Haji flight

Decomposition Hari raya Natal

Forecast Error Special Event

Waktu Juli 2009 Juli 2010 Juli 2011 Juli 2012 Juli 2013 September 2009 September 2010 September 2011 Agustus 2012 Okt, Nov, & Des 2009 Okt, Nov, & Des 2010 Okt, Nov, & Des 2011 Sept, Okt, & Nov 2012 Desember 2009 Desember 2010 Desember 2011 Desember 2012

Indeks MAEB 1,00 1,01 1,02 0,89 1,03 1,00 1,11 1,30 1,29 1,24 1,34 1,20 1,05

Grup Indeks

1,01

1,05

1,28

1,20

Indeks ESEB 1,04 1,08 1,09 1,00 0,90 1.01 1.10 1.05 1.09 1,17 1,10 1,07 1,08 1.17 1.03 0.96 0.81

Grup Indeks

1,05

1,06

1,11

0,99

MAEB dan ESEB menghasilkan special event : liburan sekolah, hari raya Idul fitri, dan haji flight


Page 30



Hasil Indeks Event MAEB dan ESEB Tabel 2. Rekapitulasi Indeks Event DPPU BIL Group Event Liburan sekolah Hari raya Idul fitri

Special Event

Indeks event MAEB

Indeks event ESEB

Juli 2009 – 2013

1,05

1,08

September 2009 – 2011 & Agustus 2012

0,98

0,97

1,38

1,32

1,30

1,26

Okt, Nov, & Des 2009 Haji flight

Decomposition Forecast Error

Waktu

Okt, Nov, & Des 2010 Okt, Nov, & Des 2011 Sept, Okt, & Nov 2012

Hari raya Natal

Desember 2009 – 2012

MAEB & ESEB menghasilkan special event : liburan sekolah dan haji flight Powerpoint Templates

Page 31


Hasil Indeks Event MAEB dan ESEB Tabel 3. Rekapitulasi Indeks Event DPPU Ngurah Rai

Analisis Pola Data

Event

Waktu


Liburan Sekolah

Juli 2009 – 2013

1,11

1,10


September 20092011 & Agustus 2012

1,06

0,98

Hari raya Idul Adha

November 20092010 & Oktober 2011-2012

1,05

0,99

Hari raya Natal


1,03

1,03


Ngurah Rai Indeks Indeks MAEB ESEB

MAEB menghasilkan special event : liburan sekolah, hari raya Idul fitri, Idul adha, dan hari raya Natal ESEB menghasilkan special event: liburan sekolah dan hari raya Natal Powerpoint Templates

Page 32



Hasil Indeks Event MAEB dan ESEB Tabel 3. Rekapitulasi Indeks Event DPPU Eltari Group Eltari Group Indeks Indeks MAEB ESEB

Event

Waktu

Liburan Sekolah

Juli 2009 – 2013

1,09

1,11


September 20092011 & Agustus 2012

1,09

1,11

Hari raya Idul Adha

November 20092010 & Oktober 2011-2012

0,98

1,01

Hari raya Natal


1,06

1,04

MAEB menghasilkan special event : liburan sekolah, hari raya idul fitri, dan Natal ESEB menghasilkan special event : liburan sekolah, hari raya Idul fitri, Idul adha, dan Natal Powerpoint Templates

Page 33



Hasil Indeks Event MAEB dan ESEB

Tabel 4. Rekapitulasi Indeks Event DPPU Iswahyudi Event Liburan Sekolah Hari raya Idul fitri Hari raya Idul Adha

Hari raya Natal

Waktu Juli 2009 – 2013 September 2009-2011 & Agustus 2012 November 2009-2010 & Oktober 20112012 Desember 2009 – 2012

Indeks MAEB

Indeks ESEB

1,26

1,19

0,80

0,92

0,92

0,97

0,82

1,10

MAEB menghasilkan special event : liburan sekolah ESEB menghasilkan special event : liburan sekolah dan hari raya Natal Powerpoint Templates

Page 34

ANALISIS DAN PEMBAHASAN Analisis Pola Data Identifikasi special event Peramalan Berdasarkan Event

DecompoDecomposition sition Forecast Error

Indeks Musiman Tabel 5. Rekapitulasi Indeks Musiman

Bulan

DPPU Juanda

Jan Feb Mar Apr Mei Jun Jul Agust Sept Okt Nov Des

0.94 0.86 0.94 0.88 0.87 0.91 0.98 0.93 0.97 1.22 1.27 1.23

Indeks Musiman DPPU DPPU Ngurah DPPU BIL Iswahyudi Rai Group 0.82 1.04 0.99 1.04 0.94 0.86 1.13 0.94 0.96 0.72 0.95 0.94 1.02 0.97 0.95 1.16 0.97 0.97 1.26 1.07 1.05 0.81 1.07 0.85 1.06 1.02 0.93 0.99 1.02 1.15 1.01 0.99 1.13 0.97 1.02 1.22

DPPU Eltari Group 0.98 0.88 0.93 0.91 0.96 1.05 1.07 0.94 0.97 1.08 1.06 1.17


Page 35

ANALISIS DAN PEMBAHASAN Analisis Pola Data

Persamaan trend Tabel 6. Persamaan Trend Menggunakan Analisis Regresi Linier No.

DPPU

Persamaan Trend

1.

Juanda


2.

Iswahyudi

3.

Ngurah Rai

y(t) = 31.262.362 + 209.655t


4.

BIL Group

y(t) = 888.732 + 20.093,1t

5.

Eltari Group

y(t) = 18.969.998 + 152.448t y(t) = 1.113.121

y(t) = 1.093.724 + 14.501,3t

DecompoDecomposition sition Forecast Error Special Event Powerpoint Templates

Page 36


Tabel 7. Rekapitulasi Forecast Error 5 lokasi Lokasi Pemasaran DPPU Juanda


DPPU Iswahyudi


DPPU Ngurah Rai

Decomposition Forecast Forecast Error Error

DPPU BIL Group DPPU Eltari Group

Metode Peramalan MAEB ESEB Decomposition MAEB ESEB Decomposition MAEB ESEB Decomposition MAEB ESEB Decomposition MAEB ESEB Decomposition

MAPE 7,53% 9,52% 5,59% 26,48% 28,08% 28,11% 3,37% 4,56% 3,35% 7,72% 9,60% 8,67% 9,35% 8,89% 10,98%


Page 37


Tabel 8. Hasil Special Event N DPPU o 1 Juanda

Identifikasi special event Peramalan Berdasarkan Event

2 Ngurah Rai

Decomposition

3 BIL Group 4 Eltari Group

Forecast Error

Special Event Hari Raya Idul Fitri Liburan sekolah Haji flight Liburan sekolah Hari raya Natal Hari raya Idul fitri Hari raya Idul adha Liburan sekolah Haji flight Liburan sekolah Hari raya Natal Hari raya Idul adha Hari raya idul fitri

Indeks special event 1,05 1,01 1,28 1,11 1,03 1,06 1,05 1,05 1,38 1,11 1,10 1,04 1,01

Metode MAEB

MAEB

MAEB

ESEB


Page 38

PENUTUP

Kesimpulan Kesimpulan

Saran

1. Special event yang mempengaruhi peningkatan penjualan avtur berbeda untuk masing-masing DPPU antara lain DPPU Juanda dipengaruhi special event liburan sekolah, hari raya Idul fitri, dan haji flight, DPPU Ngurah Rai dipengaruhi special event liburan sekolah, hari raya Natal, Idul fitri, dan Idul adha. DPPU BIL dipengaruhi special event liburan sekolah dan haji flight. DPPU Eltari dipengaruhi special event liburan sekolah, hari raya Natal, Idul fitri, dan Idul adha. Sedangkan peningkatan penjualan avtur di DPPU Iswahyudi tidak dipengaruhi oleh special event. 2. Peramalan dengan mempertimbangkan special event sesuai diterapkan di DPPU Bandara International Lombok Group yaitu menggunakan metode Moving Average Event Based dengan nilai MAPE 7,72% dan Eltari Group yaitu menggunakan metode Exponential Smoothing Event Based dengan nilai MAPE 8,92%. Sedangkan di DPPU Juanda dan Ngurah Rai metode peramalan Decomposition sesuai untuk diterapkan dengan nilai MAPE berturutturut sebesar 5,59% dan 3,35%.


Page 39

PENUTUP

Kesimpulan Kesimpulan

1. Peramalan penjualan avtur dengan mempertimbangkan special event dilakukan dengan menggunakan data harian untuk mendapatkan hasil yang lebih akurat. 2. Metode peramalan lain yang sesuai untuk peramalan penjualan avtur dapat diterapkan untuk mendapatkan metode yang paling baik.

Saran


Page 40

DAFTAR PUSTAKA 1.

Henifa, S.L. (2013). Aplikasi Multiple channel Model pada analisa jumlah operator Pengisian Pesawat Udara dan Metode Dekomposisi pada Peramalan Jumlah Penjualan Avtur di Pertamina Aviation Area Jatim & Balinus DPPU Juanda Surabaya. Laporan Penelitian Kerja Praktek, Institut Teknologi Sepuluh Nopember, Surabaya. 2. Anonim.2013.Pertamina Aviation (diakses pukul 09.00, 8 Juli 2013) < URL:http://aviation. pertamina.com/> 3. Anggraheni, W. (2003). Peramalan Berdasarkan Event Di PT. Coca Cola Distribution Indonesia SIER Surabaya. Laporan Penelitian Tugas Akhir, Institut Teknologi Sepuluh Nopember, Surabaya. 4. Putra, I.N. (2010). Peramalan Permintaan dan Perencanaan Produksi dengan Mempertimbangkan Special Event di PT. Coca Cola Bottling Indonesia (PT. CCBI) Plant Pandaan. Laporan Penelitian Tugas Akhir, Institut Teknologi Sepuluh Nopember, Surabaya. 5. Wati, E.E. (2013). Analisa Jumlah Mobil Refueller/Dispenser Di DPPU Juanda Menggunakan Metode Antrian Multiple channel Model dan Peramalan Penjualan Avtur Di DPPU Juanda Menggunakan Metode Exponential Smoothing Winter. Laporan Penelitian Kerja Praktek, Institut Teknologi Sepuluh Nopember, Surabaya. 6. Makridarkis, S., Wheelwright, Steven C., Mc GEE, Victor E. 1999. Metode dan Aplikasi Peramalan. Tangerang: Binarupa Aksara. 7. Zainun, N. Y., dan Majid, M. Z. A., 2003. Low Cost House Demand Predictor. Universitas Teknologi Malaysia. 8. Hanke, J.E., Wichern, D.W., 2005. Business Forecasting Eight Edition. Prentice Hall, United States of America. 9. Santoso, Singgih. 2009. Business Forecasting Metode peramalan Bisnis Masa Kini dengan Minitab dan SPSS. Jakarta, PT Elex Media Komputiondo Kelompok Gramedia. 10. Draper, N dan Smith H.(1992). Analisis Regresi Terapan Edisi Kedua. PT Gramedia Pustaka Utama,,Jakarta.


Page 41

PERAMALAN PENJUALAN AVTUR DENGAN MEMPERTIMBANGKAN SPECIAL EVENT

Recommend Documents