PERBANDINGAN METODE WEIGHTED MOVING AVERAGE DAN TREND SEMI AVERAGE (STUDI KASUS PENJUALAN KAYU SUMBER ALAM SAWMILL)

Artikel Skripsi Universitas Nusantara PGRI Kediri

PERBANDINGAN METODE WEIGHTED MOVING AVERAGE DAN TREND SEMI AVERAGE (STUDI KASUS PENJUALAN KAYU SUMBER ALAM SAWMILL)

SKRIPSI Diajukan Untuk Memenuhi Sebagian Syarat Guna Memperoleh Gelar Sarjana Komputer (S.Kom.) Pada Program Studi Teknik Informatika

OLEH : MALIK IBRAHIM NPM: 12.1.03.02.0043

FAKULTAS TEKNIK (FT) UNIVERSITAS NUSANTARA PERSATUAN GURU REPUBLIK INDONESIA UN PGRI KEDIRI 2016

Malik Ibrahim | 12.1.03.02.0043 Teknik – Teknik Informatika

simki.unpkediri.ac.id || 1||








PERBANDINGAN METODE WEIGHTED MOVING AVERAGE DAN TREND SEMI AVERAGE (STUDI KASUS PENJUALAN KAYU SUMBER ALAM SAWMILL)

Malik Ibrahim 12.1.03.02.0043 Teknik – Teknik Informatika [email protected] Ahmad Bagus Setiawan, S.T., M.M., M.Kom. dan Danar Putra Pamungkas, M.Kom. UNIVERSITAS NUSANTARA PGRI KEDIRI

ABSTRAK Banyaknya jenis metode prakiraan (forecasting) yang juga didukung oleh kemajuan teknologi komputer membuat sebagian orang bingung dalam memilih metode manakah yang baik untuk digunakan, guna memperoleh hasil yang terbaik sebaiknya para pelaku prakiraan mencoba untuk membandingkan antara metode-metode prakiraan tertentu. Penelitian ini membandingkan dua metode yaitu metode Weighted Moving Average dan Trend Semi Average dengan subyek penelitian yaitu data hasil penjualan kayu dari Sumber Alam Sawmill pada tahun 2015 dan 2016 untuk jenis kayu Balau. Hasil dari penelitian ini adalah penghitungan prakiraan dengan menggunkan metode Weighted Moving Average adalah 26,42, sedangkan hasil penghitungan prakiraan dengan menggunakan metode Trend Semi Average adalah 24,85. Kemudian setelah hasil penghitungan prakiraan didapatkan akan dilanjutkan dengan penghitungan nilai error dengan menggunakan metode Mean Square Error yang dimana nilai error terkecil adalah yang terbaik. Dan hasilnya pada metode Weighted Moving Average nilai error yang dimiliki adalah 0,208, sedangkan nilai error pada metode Trend Semi Average adalah 0,828. Jadi dapat diketahui bahwa metode Weighted Moving Average lebih baik daripada metode Trend Semi Average karena memiliki nilai error yang lebih kecil.

Kata kunci: perbandingan metode weighted moving average dan metode trend semi average.




Berdasarkan penelitian sebelumnya

I. LATAR BELAKANG Kegiatan peramalan atau disebut juga

yang dilakukan oleh Ade Abdul Gofur dan

prakiraan (forecasting) dilakukan oleh

Utami Dewi Widianti pada tahun 2013

hampir setiap bidang, salah satu bidang

mengunakan metode weighted moving

yang banyak menerapkan prakiraan adalah

average untuk meramalkan pengadaan

dunia usaha. Hal ini dapat dipahami karena

material unit injection di PT. XYZ

sebuah perusahaan pada umumnya ada

didapatkan hasil sebuah penghitungan

dalam sebuah lingkungan usaha yang

peramalan yang dapat memudahkan kepala

dinamis dan sering berubah dengan cepat.

bagian operasional dalam mendukung

Prakiraan

proses

dapat

membantu

dalam

pengambilan

untuk

Kemudian

pada

pengambilan keputusan baik itu bersifat

pengadaan

jangka panjang ataupun berjangka pendek.

penelitian yang dilakukan oleh Shinta Siti

Banyaknya

Sundari, Susanto dan Wivia Revianti pada

jenis

metode

prakiraan

material.

keputusan

(forecasting) yang juga didukung oleh

tahun

kemajuan teknologi komputer membuat

weighted

sebagian orang bingung dalam memilih

meramalkan persediaan barang di toko The

metode

untuk

Kids 24 didapatkan hasil bahwa sistem

ketidaktepatan

peramalan berbasis komputer membuat

manakah

digunakan, penggunaan

yang

karena

prakiraan

menggunakan

moving

metode

average

untuk

akan

prakiraan menjadi lebih akurat sehingga

menyebabkan ketidakakuratan prakiraan

dapat menekan biaya kerugian. Sedangkan

sehingga menghasilkan keputusan yang

penelitian yang dilakukan oleh Mieke

buruk. Menurut pendapat saya memang

Rahayu pada tahun 2011 menggunakan

benar sebuah peramalan atau prakiraan

metode trend moment, least square, semi

(forecasting) mengenai kejadian masa

average

depan jarang sekali yang akurat, namun

membahas

pelaku prakiraan dapat berusaha untuk

metode

membuat sekecil mungkin kesalahan yang

penyusunan anggaran penjualan lateks

tak terelakan. Oleh karena itu sebelum

rekat dan rubber smoke sheet pada PT.

melakukan

para

Huma Indah Mekar Tulang Bawang

untuk

menghasilkan sebuah susunan anggaran

pelaku

teknik

baik

2015

prakiraan

prakiraan

membandingkan

sebaiknya mencoba

antara

metode-metode

prakiraan tertentu guna memperoleh hasil yang terbaik.

penjualan

dan

garis

tentang peramalan

yang

lengkung analisis

penentuan

penjualan

dapat

yang

untuk

menekan

penyimpangan anggaran sekecil mungkin. Dalam penelitian ini penulis akan membandingkan dua metode prakiraan




yaitu metode Weighted Moving Average

bobot = bobot yang diberikan untuk

dan

setiap bulan

Trend

Semi

Average,

agar

perbandingan metode dapat terlaksana

2) Trend Semi Average

maka dipilihlah sebuah perusahaan sebagai subjek

penelitian

Metode setengah rata-rata (trend

yaitu

usaha

semi average) membagi data yang dimiliki

Sumber

Alam

menjadi dua kelompok, jika jumlah data

Sawmill. Usaha penggergajian kayu ini

ganjil agar pembagian tetap sama yaitu

berada

yang

dengan cara memasukan data tengah pada

untuk

setiap kelompok dan jika jumlah data

perbandingan adalah jumlah penjualan

genap maka tinggal membaginya menjadi

kayu dari Sumber Alam Sawmill pada

dua kelompok yang sama (P.N. Gupta,

tahun 2015 dan 2016 untuk jenis kayu

2005:392).

Balau.

Rumus Trend Semi Average :

penggergajian

di

kayu

Tulungagung

digunakan

sebagai

Dengan

dan

bahan

adanya

penelitian

perbandingan metode Weighted Moving

Y’

Average dan Trend Semi Average maka

Dengan :

akan diketahui metode prakiraan manakah

Y’= Nilai trend

yang terbaik bagi Sumber Alam Sawmill.

A = Rata-Rata kelompok 1 (K1)

= a + b(x) .................................. (2)

b = (K2) - (K1) n

II. METODE 1) Weighted Moving Avarege Metode rata-rata bergerak tertimbang

= hasil 2

(weighted moving average) menggunakan

n = Jumlah data dalam satu kelompok

data periode terakhir sebagai data historis

x = Periode

untuk melakukan prakiraan, tetapi setiap

3) Mean Square Error (MSE)

periode mendapat bobot yang berbeda.

Mean Square Error (MSE) adalah

Bobot yang lebih tinggi biasanya diberikan

jumlah kuadrat error dibagi dengan jumlah

pada periode yang semakin dekat dengan

periode. Semakin kecil MSE semakin baik

periode yang diramalkan (Eddy Herjanto,

karena berarti penyimpangannya semakin

2009:183).

kecil (Holy Icun Yunarto, Martinus Getty

Rumus Weighted Moving Average :

Santika, 2005:97). MSE merupakan salah

WMA = (Σ (Dt * bobot))

satu cara yang dapat digunakan untuk

(Σbobot).......................... ( 1 ) Dengan : Dt

mengetahui ukuran kesalahan peramalan. Sebelum

menghitung

MSE

harus

= data aktual pada periode t




mengetahui nilai kesalahan/error terlebih

WMA = ((30*12) + (27*11) + (29*10) +

dahulu.

(31*9) + (17*8) + (18*7) + (30*6) +

Rumus menghitung kesalahan/error :

(32*5) + (20*4) + (28*3) + (22*2) +

Et = Xt-Ft .............................................. (3)

(25*1))

Dengan : Et = nilai galat

12+11+10+9+8+7+6+5+4+3+2+1

Xt = data aktual pada periode ke t

= (360+297+290+279+136+126+180+160

Ft = data ramalan pada periode ke t

+80+84+44+25

Rumus Mean Square Error (MSE) :

78

MSE = Σ Et2

= 2.061

n ........................................... (4)

78

Dengan :

= 26,42

Et2 = nilai galat kuadrat

Persamaan (3)

n

28 – 26,42 = 1,58

= banyak data

Persamaan (4) Dibawah penjualan

kayu

ini

merupakan

balau

Sumber

data Alam

SAWMILL pada tahun 2015. Data akan

2,4964 12 = 0,208

dilakukan prakiraan dan perbandingan 2) Penghitungan dengan metode Trend Semi Average Tabel

Pembagian

data

menjadi

dua

kelompok

1) Penghitungan

dengan

metode

Weighted Moving Average Persamaan (1)




Persamaan (2)

Penghitungan

prakiraan

dengan

a

= 26,16

menggunkan metode Weighted Moving

n

=6

Average adalah 26,42, sedangkan hasil

b

= 25,33 – 26,16

penghitungan

6

prakiraan

dengan

menggunakan metode Trend Semi Average

= - 0,13

adalah 24,85. Kemudian setelah hasil

= - 0,13

penghitungan prakiraan didapatkan akan

2

dilanjutkan dengan penghitungan nilai

= -0,06

error dengan menggunakan metode Mean

= 26,16 + (-0,06) x

Square Error yang dimana nilai error

= 26,16 + (-0,06*19)

terkecil adalah yang terbaik. Dan hasilnya

= 26,16 + (-1,31)

pada metode Weighted Moving Average

= 24,85

nilai error yang dimiliki adalah 0,208,

Persamaan (3)

sedangkan nilai error pada metode Trend

28 – 24,85 = 3,15

Semi Average adalah 0,828. Jadi dapat

Persamaan (4)

diketahui bahwa metode Weighted Moving

9,92

Average lebih baik daripada metode Trend

12

Semi Average karena memiliki nilai error

= 0,828

yang lebih kecil.

3) Pembahasan Hasil Perhitungan

Saran

Hasil penghitungan prakiraan menggunkan

Saran yang dapat diberikan adalah :

metode Weighted Moving Average adalah

1.

26,42

sedangkan

hasil

Dalam membuat ulang sistem yang

penghitungan

serupa harus memperbanyak data yang

prakiraan dengan metode Trend Semi

di olah agar mendapatkan hasil yang

Average

lebih akurat.

adalah

24,85.

Untuk

penghitungan error pada metode Weighted

2.

Sistem dapat dikembangkan dengan

Moving Average adalah 0,208, sedangkan

memberikan desain interface yang

perhitungan error pada metode Trend Semi

lebih menarik.

Average adalah 0,828. IV. DAFTAR PUSTAKA III. HASIL DAN KESIMPULAN Simpulan Dari uraian yang telah dibuat maka dapat ditarik kesimpulan bahwa : Malik Ibrahim | 12.1.03.02.0043 Teknik – Teknik Informatika

Afni Sahara, Oktober 2013, “Sistem Peramalan Persediaan Unit Mobil Mitsubishi Pada Pt. Sardana Indah



Berlian

Motor

Dengan

Purba,

Iska

Palenta,

Januari

2015,

Menggunakan Metode Exponential

“Perancangan

Smoothing”.

dan

Produksi Kopi Dengan Metode

Teknologi Ilmiah (INTI). Vol.1,

Single Moving Average (Studi

No.1.

Kasus:

Informasi

Aplikasi

PT.

Prediksi

Indo

Cafco)”.

Informasi dan Teknologi Ilmiah Baktiar, Cindy, dkk, t.th. “Pembuatan Sistem

Peramalan

(INTI). Vol. 5, No. 1.

Penjualan

Dengan Metode Weighted Moving

Rahayu, Mieke, Maret 2011, “Analisis

Average dan Double Exponential

Penentuan

Metode

Peramalan

Pada

Penjualan

(Sales

Forecast)

Smoothing

UD

Y”.

Universitas Kristen Petra.

Terhadap Penyusunan Anggaran Penjualan Lateks Pekat Dan Rubber

Gofur, Ade Abdul, Utami Dewi Widianti,

Smoke Sheet (Rss) Pada Pt Huma

Oktober 2013, “Sistem Peramalan

Indah Mekar Tulang Bawang”.

Untuk Pengadaan Material Unit

JMK Vol. 9, No.1.

Injection Di Pt. XYZ”. Jurnal Ilmiah Komputer dan Informatika

Septiawan, Rachmad Budi, Erna Zuni A, t.th.

(KOMPUTA). Vol. 2, No. 2.

“Perbandingan

Metode

Setengah Rata-Rata Dan Metode Gupta,

P.N.

2005.

Business Publications.

Comprehensive

Statistics.

Laxmi

Pendapatan Perusahaan Di Blu

New

Delhi.

Uptd

http://www.googlebooks.com/,

10

januari 2016.

Khusharyanto, peramalan

A.

Kuadrat Terkecil Untuk Peramalan

Terminal

Semarang”.

Mangkang

Universitas

Dian

Nuswantoro.

2011. penjualan

Analisis buku

Sundari, Shinta Siti , dkk. 2015. Sistem Peramalan

Persediaan

Barang

pelajaran jenis lks pada cv. Harapan

Dengan Weight Moving Average

baru karanganyar. Tugas Akhir.

Di Toko The Kids 24. Konferensi

Program Diploma III Manajemen

Nasional Sistem & Informatika

Industri Universitas Sebelas Maret.

2015. Oktober

Surakarta.

Tasikmalaya: 598 – 603.


9-10. STMIK



Yunarto, Holy Icun,

Martinus

Getty

Santika. 2005. Business Concept Implementations

Series

in

INVENTORY MANAGEMENT. PT Elex Media Kompurindo. Jakarta. http://www.googlebooks.com/,

10

januari 2016.



PERBANDINGAN METODE WEIGHTED MOVING AVERAGE DAN TREND SEMI AVERAGE (STUDI KASUS PENJUALAN KAYU SUMBER ALAM SAWMILL)

Recommend Documents