RANCANG BANGUN APLIKASI SISTEM PERAMALAN HARGA EMAS DENGAN METODE PEMULUSAN EKSPONENSIAL WINTER Moh Afwan1) S1 / Jurusan Sistem Informasi, Sekolah Tinggi Manajemen Komputer & Teknik Komputer Surabaya, email :
[email protected] Abstract : “The ability to know when to buy gold and to set gold selling price are important factors for gold merchants to achieve profit. However, it is difficult to determine the right time to buy gold as the gold price fluctuates considerably from time to time. As a result, many people and gold merchants are afraid that they would suffer from lost sales when the gold they buy is more expensive than the one they sell. Therefore, many gold merchants prefer to buy gold after the sell out of their gold to avoid bigger lost. This research attempts to solve the problem by implementing design system for predicting gold price. This application predicts the gold price by comparing minimum error value of MAPE and MSE to achieve accurate prediction to determine the right time to buy and to sell gold in the future. The Winter’s exponential smooting method can be applied to design an application system for predicting gold price. Try-out shows that the value of the actual data prediction is less that ten percent. It means that the prediction has a high accuracy.” Keywords: Predicting, Smoothing Winter's exponential smooting, Gold Price Predicting Emas merupakan logam mulia yang
dan emas perhiasan, sehingga masyarakat
sering dijadikan sebagai alat tukar dalam
dapat menentukan jenis investasi emas yang
perdagangan
diinginkan.
maupun
sebagai
standar
keuangan berbagai negara (Joesoef: 2008).
Bagi sebagian masyarakat yang ingin
Nilai emas yang tidak pernah mengalami
berinvestasi
jangka
penyusutan membuat pelaku bisnis atau
merupakan salah satu pilihan yang cukup
masyarakat sering memilih emas untuk
menjanjikan karena harga emas akhir-akhir
berinvestasi. Nyatanya, transaksi jual beli
ini terus mengalami kenaikan. Namun, bagi
emas pada umumnya banyak mendatangkan
masyarakat atau toko yang bergerak di
keuntungan bagi pelaku bisnis. Selain itu,
bidang jual beli emas, menentukan waktu
emas juga bisa dikemas dalam berbagai
pembelian dan penentuan harga penjualan
bentuk seperti emas batangan, emas koin,
sangatlah
penting
panjang,
karena
emas
akan 1
mempengaruhi
keuntungan
akan
$ 800 pada tahun 2008. Pada tahun 2010,
diperoleh. Untuk mendapatkan keuntungan
harga emas mengalami lonjakan tajam
yang optimal, para pedagang pasti berharap
dengan harga tertinggi pada level $ 1153. Di
mendapatkan
saat
tahun berikutnya, harga emas mengalami
pembelian dan harga yang mahal saat
kenaikan kembali dan mencapai angka $
penjualan. Sayangnya, para pedagang dan
1388. Pada tahun 2012 ini, harga jual emas
individu
tertinggi mencapai $ 1744 (Kitco, 2012).
harga
yang
yang
bergerak
yang
rendah
di
bidang
perdagangan emas ini tidak bisa menentukan
Fluktuasi
sendiri harga emas yang diperdagangkan
mengakibatkan
karena
emas
pedagang emas sering kesulitan menentukan
berdasarkan harga pasaran dunia. Harga
saat yang tepat untuk membeli emas.
emas di pasaran internasional itu sendiri
Fluktuasi harga emas yang tidak menentu,
dipengaruhi oleh beberapa faktor. Faktor-
menyebabkan pedagang emas tidak berani
faktor tersebut menurut Levin dan Wright
untuk membeli emas dalam jumlah banyak.
(2006) meliputi faktor jangka pendek seperti
Para pelaku bisnis emas takut bila setelah
permintaan dan penawaran, dan faktor jangka
membeli emas ternyata harga emas pada
panjang yang antara lain meliputi nilai tukar
hari-hari berikutnya mengalami penurunan
dolar dan pengendalian modal. Faktor-faktor
dan dapat mengakibatkan kerugian. Para
tersebut menyebabkan harga emas sulit untuk
pelaku bisnis emas terutama toko emas lebih
diperkirakan.
memilih untuk menunggu stok barang habis
terdapat
patokan
harga
harga
emas banyak
seperti
di
atas
masyarakat
dan
Antara tahun 1975 hingga 1979
sebelum memutuskan untuk membeli barang
misalnya, fluktuasi harga emas berkisar
lagi, demi menghindari kerugian yang lebih
antara $ 121,00 - $ 236,10. Tahun 1980,
besar.
harga emas mengalami lonjakan tajam, yakni
Berdasarkan uraian di atas, maka
mencapai $ 850. Pada tahun 1981, harga
pada tugas akhir ini akan dibuat sebuah
emas kembali bergolak, yakni menyentuh
sistem
angka terendah di level $ 493,75 dan angka
membantu
tertinggi di nominal $ 599,25. Pada tahun
mengetahui pergerakan harga emas di masa
1982 hingga tahun 2005, kisaran harga emas
depan. Usaha atau investasi emas akan lebih
antara $ 200 - $ 400. Pada tahun-tahun
baik jika dalam usaha maupun investasinya
berikutnya, harga emas secara bertahap
mengetahui waktu yang tepat untuk membeli
mengalami kenaikan yakni berkisar antara $
emas di saat harga rendah dan menjual emas
500 di tahun 2006, $ 600 di tahun 2007, dan
di
saat
peramalan
harga
masyarakat
harga
tinggi
emas
dan
toko
sehingga
untuk emas
dapat 2
meminimalkan
kerugian
dan
a. Jumlah data yang terlalu banyak. Pada
mengoptimalkan keuntungan dalam usaha
umumnya, semakin banyak data akan
atau investasi emas. Dengan adanya sistem
semakin valid hasil peramalan. Namun
ini diharapkan dapat mengatasi permasalahan
demikian, jumlah data yang sangat
yang ada dalam investasi dan usaha emas.
banyak
justru
berakibat
hasil
forecaseting tidak dapat menjelaskan LANDASAN TEORI
situasi sebenarnya, karena time horizon
Tahap-Tahap Peramalan
dapat menjadi sangat panjang, yang
Menurut Susanto (2009:10), agar hasil
peramalan
dapat
menjawab masalah
secara
efektif
dapat berakibat banyak data tidak relevan lagi.
yang ada, kegiatan
b. Jumlah data justru terlalu sedikit.
peramalan sebaiknya mengikuti tahapan baku
Beberapa metode forecaseting pada
sebagai berikut ini:
umumnya jumlah data dibawah sepuluh
1. Perumusan masalah dan pengumpulan
dianggap
data.
tidak
memadai
untuk
kegiatan forecaseting secara kuantitatif.
Tahap pertama yang sebenarnya penting
c. Data harus diproses terlebih dahulu.
dan menentukan keberhasilan peramalan
d. Data tersedia, namun rentang waktu
adalah menetukan masalah tentang apa
data tidak sesuai dengan masalah yang
yang akan diprediksi. Formulasi masalah
ada
yang jelas akan menuntun pada ketepatan
e. Data tersedia, namun cukup banyak
jenis dan banyaknya data yang akan
data yang hilang (missing), yakni data
dikumpulkan. Dapat saja masalah telah
yang tidak lengkap menurut kegiatan
ditetapkan, namun data relevan data tidak
peramalan akan kurang valid; biasanya
tersedia,
akan dilakukan perlakuan data missing,
hal
diadakannya
ini
akan
perumusan
memaksa ulang
atau
mengubah metode peramalan. 2. Persiapan data
seperti melakukan rata-rata diantara dua data yang lengkap atau cara lain. 3. Membangun model
Setelah masalah dirumuskan dan data
Setelah data dianggap memadai dan siap
telah terkumpul, tahap selanjutnya adalah
dilakukan
menyiapkan data hingga data diproses
selanjutnya
dengan benar. Hal ini diperlukan, karena
metode yang tepat untuk melakukan
dalam praktek ada beberapa masalah
peramalan pada data tersebut.
kegiatan adalah
produksi, memilih
proses (model)
bekaitan dengan data yang terkumpul: 3
4. Implementasi model
(kuartal tahun tertentu, bulanan, atau hari-
Setelah metode peramalan ditetapkan,
hari pada minggu tertentu). Misalnya
maka model dapat diterapkan pada data
penjualan minuman ringan, bahan bakar
dan dapat dilakukan prediksi pada data
pemanas ruangan, dsb menunjukkan jenis
untuk beberapa periode kedepan.
pola ini.
5. Evaluasi peramalan
3. Pola siklis (C), terjadi bilamana datanya
Hasil peramalan yang telah ada
dipengaruhi
oleh
fluktuasi
ekonomi
kemudian dibandingkan dengan data aktual.
jangka panjang seperti yang berhubungan
Tentusaja tidak ada metode peramalan yang
dengan siklus bisnis. Misalnya penjualan
dapat memprediksi data dimasa depan secara
peroduk
tepat, yang ada adalah ketepatan prediksi.
menunjukkan pola jenis ini. Pola siklis
Untuk pengukuran kesalahan peramalan
meliputi periode puncak yang diikuti
dilakukan untuk melihat apakan metode yang
periode resesi, depresi dan pemulihan.
telah digunakan sudah memadai untuk
Pola trend (T), terjadi bilamana terdapat
memprediksi sebuah data.
kenaikan atau penurunan sekuler jangka
Pola Data Peramalan
panjang dalam data. Misalnya penjualan
seperti
mobil,
baja,
dsb
Langkah penting dalam memilih
banyak perusahaan, GNO, dan berbagai
suatu metode deret waktu (time series) yang
indikator ekonomi lainnya mengikuti suatu
tepat adalah dengan mempertimbangkan
pola trend.
jenis pola data, sehingga metode yag paling
Kendala Peramalan
tepat dengan pola tersebut dapat digunakan
Tidak mungkin suatu ramalan akan
untuk melakukan peramalan, menurut Arsyad
benar-benar akurat. Ramalan akan selalu
(1994:38),
berbeda
pola
data
dapat
dibedakan
dengan
permintaan
aktual.
menjadi empat jenis, yaitu:
Perbedaan antara ramalan dengan data aktual
1. Pola horizontal (H), terjadi bilamana nilai
disebut kesalahan ramalan. Meskipun suatu
data berfluktuasi disekitar nilai rata-rata
jumlah
yang konstan. (data seperti itu ”stasioner”
dielakkan namun tujuan ramalan adalah agar
terhadap
Yang
kesalahan sekecil mungkin. Tentunya jika
termasuk dalam jenis ini adalah data suatu
tingkat kesalahan tidak kecil, hal ini memberi
produk
indikasi
nilai
yang
rata-ratanya).
secara
teoritis
tidak
mengalami perubahan, dsb. 2. Pola musiman (S), terjadi bilamana suatu
kesalahan
apakah
ramalan
teknik
tidak
ramalan
dapat
yang
digunakan salah, atau teknik ini perlu disesuaikan dengan mengubah parameter.
deret dipengaruhi oleh faktor musiman 4
a. Deviasi absolut rata-rata (Mean Absolute
c. Persentase kesalahan absolut rata-rata
Deviation – MAD)
(Mean Absolute Percentage Error –
MAD merupakan salah satu pengukuran
MAPE)
kesalahan yang popular dan mudah
MAPE
digunakan.
dihitung dari nilai absolut kesalahan di
MAD
merupakan
suatu
merupakan
prosentase
ukuran perbedaan atau selisih antara
masing-masing
ramalan
aktual.
dengan
Umumnya, semakin kecil MAD semakin
tersebut
akurat nilai suatu ramalan.
kesalahannya.
MAD dihitung dengan rumus:
MAPE dihitung dengan rumus:
dengan
permintaan
periode
jumlah
data
kemudian
dan
dibagi
aktual
periode
dicari
Dimana:
Dimana:
t
Yt = permintaan pada periode t
Yt = permintaan pada periode t
Yt = ramalan untuk periode t
Yt = ramalan untun periode t
n
= total jumlah periode
n
= total jumlah periode
||
= nilai absolut
||
= nilai absolut
b. Kesalahan
rata-rata
........................ (3)
............................... (1)
= jumlah periode
yang
d. Persentase kesalahan rata-rata (Mean
pangkat
rata-rata
(Mean
Percentage Error – MPE)
Squared Error – MSE)
MPE
MSE adalah metode alternatif untuk
kesalahan tiap periode dengan nilai aktual
mengevaluasi teknik peramalan masing-
periode
masing kesalahan (selisih data aktual
ratakan. Jika pendekatan peramalan tidak
terhadap data peramalan) dikuadratkan,
bias,
kemudian dijumlahkan dan dibagi dengan
mendekati nol.
jumlah data.
MPE dihitung dengan rumus:
dihitung
tersebut,
nilai
MSE dihitung dengan rumus: ............................. (2)
yang
dengan
membagi
kemudian
dihasilkan
akan
................................. (4) Dimana :
Dimana:
Yt = permintaan pada periode t
Yt = permintaan pada periode t
Yt
= ramalan untuk periode t
Yt = ramalan untuk periode t
n
= total jumlah periode
n
dirata-
= total jumlah periode 5
Metode Exponential Smoothing dari
= konstanta penghalusan untuk estimasi
Winter
tren (0 < Metode
Smoothing sebenarnya
ramalan
(penghalusan merupakan
<1)
Exponential
= data yang sebenarnya pada periode t
exponensial)
= nilai pemulusan yang baru
metode
rata-rata
bergerak yang memberikan bobot lebih kuat
= estimasi trend = estimasi musiman
pada data terakhir dari pada data awal. Hal
L = panjangnya musim
ini menjadi sangat berguna jika perubahan
P = periode peramalan
terakhir pada data lebih merupakan akibat dari perubahan aktual (seperti pola musiman)
= peramalan untuk p periode di masa depan
daripada hanya fluktuasi acak saja (dimana
Estimasi
trend
dan
estimasi
dengan suatu ramalan rata-rata bergerak saja
musiman sebelum periode yang dihitung
sudah cukup).
didapatkan
Menurut Arsyad (1994), persamaan
dengan
cara
melakukan
perhitungan dekomposisi deret waktu untuk
dasar dari metode Pemulusan Eksponensial
trend
Winter adalah sebagai berikut:
pemulusan sebelum periode yang dihitung
1. Penghalusan Eksponensial
adalah sama dengan data sebenarnya yang .....(5)
dan
musiman.
Sedangkan
nilai
terakhir sebelum perhitungan. Nilai alpha, beta, dan gamma
2. Estimasi Trend
didapat dengan cara kombinasi. Batasan ...... (6)
untuk setiap nilai adalah satu angka di belakang
3. Estimasi Musiman
koma.
Perhitungan
peramalan
dilakukan secara berulang-ulang dengan ......................(7)
mengkombinasikan semua kemungkinan dari ketiga nilai tersebut untuk menghasilkan nilai
4. Peramalan untuk periode di masa depan
MSE terkecil.
.................. (8) Desain Sistem Keterangan :
Arsitektur Proses Peramalan
= konstanta penghalusan untuk data (0 < < 1)
time seris harga emas tentu selama beberapa halusan untuk estimasi
tren musiman (0 <
Setelah terdapat sekumpulan data
< 1)
periode,
konstanta-konstanta
peramalan,
panjang musiman, maka proses peramalan 6
metode Pemulusan Eksponensial Winter
dan 0.9. hal ini dilakukan untuk mengurangi
dapat dilakukan untuk menghasilkan suatu
waktu untuk proses peramalan. Semakin
nilai peramalan harga emas pada periode
banyak
berikutnya. Nilai peramalan ini yang akan
peramalan akan melakukan waktu yang
digunakan sebagai dasar menentukan waktu
cukup lama karena sistem akan melakukan
waktu beli emas pada periode berikutnya.
perulangan kombinasi perhitunganyang alpa,
Desain arsitektur proses peramalan harga
beta dan gama lebih banyak.
emas pada tugas akhir ini dapat dilihat pada gambar 1
jumlah
dibuatlah Tidak
Parameter alpa, beta
Proses ramal
maka
proses
Untuk lebih mudah memahami alur jalannya
Data harga emas
konstanta
sistem
peramalan
sebuah
ini
makan
flowchart
proses
perhitungan metode pemulusan eksponensial Hasil Peramalan dengan mencarai hasil terkecil dari MSE, MAD atau MAPE
ya
Nilai hasil dari peramalan
winter. Gambar 2 Menjelaskan Flowchart Perhitungan Peramalan Harga Emas Dengan Metode Pemulusan Eksponensial Winter.
Panjang musim
Start
Memasukkan Data Historis Harga Emas yang akan digunakan Untuk Perhitungan
Gambar 1. Arsitektur Proses Peramalan
Masukkan panjang Data yang Akan diramalkan
Perancangan Proses Peramalan Metode
pemulusan
eksponensial
Perhitungan Pemulus Exponential
A
t
a
Y S
t
tL
1 a At 1 T
t 1
winter digunakan untuk meramalkan harga Perhitungan Trend
emas pada periode mendatang. Data yang dipergunakan
untuk
perhitungan
T
pada
S
metode ini adalah data harga emas setiap
parameter
yang
dikombinasikan
At
A 1 T t 1
t 1
Perhitungan Estimasi Musiman Tidak
minggunya. Metode ini menggunakan dua
t
t
T
Y A
1 T
t
S tL
t
Perhitungan Ramal 1 Periode Berikutnya
Y
t p
A
t
T
t
S
t L p
sampai Perhitungan MSE
menghasilkan nilai MAD (Mean Absolute
MSE
n t 1
X
n
Deviation) dan MAPE (Mean Absolute Percentage Error) terkecil. Dalam proses
Ft
2
t
Kombinasi Alpha, Beta dan Gamma menghasilkan MSE terkecil?
peramalan menggunakan metode pemulusan eksponensial winter ini, nilai konstanta yang digunakan memiliki range tertentu, dimana nilai konstanta alpa, beta, dan gama tersebut adalah 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8,
Ya Prediksi harga emas pada beberapa periode kedepannya
End
Gambar 2 Flowchart Perhitungan Peramalan Harga Emas 7
Context Diagram Peramalan Harga Emas
3. Hitung peramalan, proses ini digunakan
Dalam context diagram peramalan
untuk menghitung peramalan harga emas
harga emas ini terdapat satu entitas, yaitu
kedepannya dan menghasilkan laporan-
masyarakat atau toko yang bergerak di
laporan hasil perhitungan peramalan yang
bidang jual beli emas dalam Context
dibutuhkan.
Diagram ini disebutkan User. Masyarakat
Penjelasan lebih lengkap mengenai
atau toko emas akan memberikan data
DFD Level 0 rancang bangun aplikasi sistem
historis harga emas yang akan disimpan ke
peramalan
dalam tabel harga emas yang nanti akan
pemulusan eksponensial winter dapat dilihat
digunakan dalam proses peramalan harga
pada Gambar 4
harga
emas
dengan
metode
emas. 1 0
History Harga Emas
Historis Harg a Emas
User
Nilai Tukar Periode Peramalan
Inisialis ais awal
Sumber data
Nilai Tukar
Rancang Bang un Aplikasi Sistem Peramalan Harg a Emas
User
1
Data ramal
Laporan History Harga Emas
+
Laporan History Peramalan
Gambar 3 Context Diagram Rancang Bangun Aplikasi Sistem Peramalan Harga Emas
2 Data ramal Periode Peramalan
Hitung maksimal panjang musim ramal
Data Periode kedepan yang diramal
2
DFD Level 0 Peramalan Harga Emas Dengan Metode Pemulusan Eksponensia. Setelah context diagram rancang
Peramalan
3 Data Periode kedepan yang diramal Laporan His tory Harga Emas
Hitung peramalan
Hasil peramalan keseluruhan
Laporan His tory Peramalan
bangun aplikasi sistem peramalan harga emas 3
dengan metode pemulusan eksponensial winter. Maka akan didapat DFD level 0 yang terdiri dari 3 (tiga) subproses, yaitu : 1. Proses
inisialisasi
awal,
proses
ini
Gambar 4 DFD level 0 Rancang Bangun Aplikasi Sistem Peramalan Harga Emas
digunakan untuk menginputkan sumber
HASIL DAN PEMBAHASAN
data
Sumber Data
ramal
dan
data
nilai
tukar
berdasarkan rupiah.
Form sumber data digunakan untuk
2. Proses hitungu panjang musim, proses ini berfungsi
untuk
Harga emas
Hasil peramalan keseluruhan
menentukan
panjang
maksimal berapa hari kedepan yang akan
transaksi menambah sumber data atau data diambil dari mana. Form ini diisi pertama kali proses akan melakukan peramalan.
di ramalkan. 8
Gambar 7 Form Peramalan Gambar 5 Form Sumber Data
Transaksi Peramalan Form peramalan merupakan form
Nilai Tukar Form sumber data digunakan untuk transaksi menambah sumber data atau data diambil dari mana. Form ini diisi pertama kali proses akan melakukan peramalan.
yang digunakan untuk melakukan transaksi peramalan harga emas. Semua transaksi perhitungan peramalan akan dilakukan pada form ini.
Gambar 8 Form Peramalan Gambar 6 Form Nilai Tukar Transaksi Harga Emas Form transaksi harga emas ini digunakan untuk menambah, mengubah dan
Laporan Peramalan Tabel Form laporan peramalan berupa tabel ini menampilkan semua data yang diramal dan hasil ramal.
menghapus data harga emas
9
dibangun berupa aplikasi desktop, maka penyusun penelitian ini dapat memberikan saran berupa pengembangan aplikasi menjadi berwujud web, tentunya disesuaikan dengan permasalahan dan kebutuhan yang ada. DAFTAR RUJUKAN Gambar 9 Form Laporan Peramalan Tabel
Amsyah, Zulkifli. 2005, Manajemen Sistem Informasi. Jakarta: Gramedia Pustaka Utama
KESIMPULAN Di bagian kesimpulan dituliskan hasil pencapaian dari penelitian yang telah dilakukan. Apabila dalam penelitian ini yakni rancang bangun aplikasi sistem peramalan harga
emas
dengan
metode
pemulus
eksponensial winter, maka hasil yang ingin dicapai adalah sesuai dengan tujuan dari
Arsyad, Lincolin. 2001. Edisi Pertama. Peramalan Bisnis.Yogyakarta: BPFEYogyakarta Fuad, Noor. 1988. Cetakan Pertama. Analisis dan Perancangan Sistem. Jakarta: Intermedia. Joesoef, Jose Reizal. 2008. Pasar Uang dan Pasar Valuta Asing. Jakarta: Salemba Empat
penelitian ini, yakni menghasilkan ramalan harga emas untuk periode yang akan datang berdasarkan data history harga emas periode sebelumnya. SARAN Untuk
bagian
saran
dituliskan
Levin, Eric J. dan Wright, Robert E. 2006. Short-Run and Long-Run Determinants of the Price of Gold. London: World Gold Council. Kitco Metals Inc. 2012. "Charts & data". (Online), (http://www.kitco.com/charts/, diakses 11 November 2012)
kumpulan saran-saran yang diberikan oleh penyusun penelitian ini kepada siapapun para pembacanya
yang
berniat
untuk
mengembangkan penelitian tersebut. Adapun isi
dari saran tersebut
adalah tentang
bagaimana kekurangan dari penelitian ini dan bagaimana pengembang
sebaiknya penelitian
para
calon
ini
akan
mengembangkan penelitiannya. Contoh dari penelitian ini yakni karena sistem yang akan
Makridakis, Spyros, Wheelwright, Steven & McGee, Victor. 1993. Edisi Kedua, Metode dan Aplikasi Peramalan. Jakarta: Erlangga. Prasetya, Hary dan Lukiastuti, Fitri. 2009. Manajemen Operasi. Jakarta: PT. Buku Kita. Santoso, Singgih. 2009. Buisness Forecaseting Metode Peramalan Bisnis Masa Kini dengan Minitab dan SPSS. Jakarta: PT.Elex Media Komputindo, 10
Subagyo, Pangestu. 2002. Forecaseting: Konsep dan Aplikasi, Edisi 2. Yogyakarta: BPFE-Yogyakarta. Yuswanto. 2009. Algoritma dan Pemprograman dengan Visual Basic .Net 2005. Jakarta: Cerdas Pustaka Publisher.
11
