SISTEM INFORMASI PENGENDALIAN INVENTORI MENGGUNAKAN METODE PERAMALAN EXPONENTIAL SMOOTHING PADA UD. JAYA MULIA
AY
A
Slamet Hariono 1), Haryanto Tanuwijaya 2) 1) S1/ Jurusan Sistem Informasi STIKOMP Surabaya, email :
[email protected] 2) S1/ Jurusan Sistem Informasi STIKOMP Surabaya, email :
[email protected]
R
Keyword: Forecasting, Exponential Smoothing Method
AB
Abstract : UD. Jaya Mulia is a distribution company who effort activity are selling and buying children clothes and baby equipment. At this time all business process at UD. Jaya Mulia still using manually process. Because of that UD. Jaya Mulia have difficult experience with this business process. The big impact is in warehouse division that is for knowing direct manner stock item who used up, beside that UD. Jaya Mulia get some difficultes to stabilized how many quantity items they have to buy from Supplier in order to happen accumulation items in warehouse for a long time. Due to those problems, forecasting exponential smoothing method can be used to help UD. Jaya Mulia to predict and stabilize the quantity items will be bought from Supplier.
dibeli dari supplier. Akibatnya biaya membengkak karena harus menyediakan tempat penyimpanan yang lebih luas dan meningkatnya biaya pemeliharaan barang agar tidak rusak. Dari hasil analisis permasalahaan yang dilakukan di UD. Jaya Mulia, diperoleh fakta bahwa permintaan barang dari pelanggan memiliki pola musiman atau trend. Berdasarkan latar belakang permasalahan yang dialami UD. Jaya Mulia dan pola musiman permintaan barang oleh pelanggan, maka dibutuhkan suatu sistem informasi pengendalian inventori menggunakan metode Exponential Smoothing. Pemilihan metode ini karena metode ini merupakan metode yang tepat bagi dalam permasalahan yang mengikuti pola musian dan trend (Andriyanto dan Basith, 1993). Hal ini sesuai dengan hasil penelitian Tanuwijaya (2008) tentang penerapan metode Exponential Smoothing pada persediaan yang memiliki pola musiman. Dengan menerapkan metode Exponential Smoothing pada sistem informasi pengendalian inventori ini bertujuan membantu meramalkan jumlah permintaan barang pada periode mendatang sehingga meningkatkan keuntungan melalui penjualan barang sesuai permintaan barang dari pelanggan dan meningkatkan efisiensi karena tidak adanya penumpukan barang di gudang dalam waktu yang lama. Adapun tujuan yang hendak dicapai dalam pembuatan sistem informasi pengendalian inventori menggunakan peramalan dengan metode Exponential Smoothing pada UD. Jaya Mulia adalah :
ST
IK
O
M
SU
Kemajuan sistem teknologi informasi menjadikan informasi sebagai salah satu kekuatan penting pada era globalisasi saat ini. Kecepatan dan ketepatan informasi banyak berpengaruh dalam perkembangan bisnis perusahaan. Perkembangan sistem teknologi informasi memudahkan anggota organisasi menyelesaikan tugas dengan hasil yang lebih cepat dan akurat. UD. Jaya Mulia merupakan suatu perusahaan yang bergerak dibidang perdagangan yaitu pembelian dan penjualan pakaian anak-anak dan perlengkapan bayi. Seiring dengan perkembangan organisasi, UD. Jaya Mulia mengalamai berbagai hambatan karena seluruh proses bisnis yang ada saat ini masih dilakukan secara manual sehingga mengalami berbagai permasalahan yang merugikan perusahaan dan pelanggan. Permasalahan pertama adalah informasi stok di gudang yang tidak akurat. Hal ini sering mengecewakan pelanggan dan mempengaruhi keuntungan perusahaan. Permasalahan ini menyebabkan munculnya permasalahan kedua yaitu pemesanan kepada supplier yang harus dilakukan secara mendadak. Pemesanan mendadak ini sangat merugikan perusahaan karena supplier tidak dapat memenuhi pesanan dalam jangka waktu yang telah diminta sehingga pelanggan UD. Jaya Mulia beralih memesan barang ke para pesaing. Permasalahan selanjutnya adalah seringnya terjadi penumpukan barang di gudang dalam jangka waktu cukup lama karena belum terjual ke pelanggan. Hal ini terjadi akibat dari kesalahan penentuan jumlah barang yang
48
2.
Merancang dan membangun sistem informasi pegendalian inventori yang dapat membantu UD. Jaya Mulia dalam mengatur atau mengendalikan keluar masuknya barang dari gudang. Membuat aplikasi yang dapat menghasilkan informasi jumlah permintaan barang yang tepat pada UD. Jaya Mulia dalam melakukan pembelian barang ke suplier.
Exponential Smoothing telah terbukti sesuai dipergunakan untuk meramalkan barang yang memiliki pola musiman atau trend (Tanuwijaya, 2008).
PERANCANGAN SISTEM 1. Gambaran Umum Sistem
A
1.
AY
METODE Exponential Smoothing
At
Yt
S t 1
(1 )( At 1 Tt 1 )..........1
2. Estimasi trend
3. Estimasi musiman
St
Yt At
R
Tt ( At At 1 ) (1 )Tt 1 ...........2
(1 ) S t 1 .........................3
Gambar 1. Gambaran Umum Sistem
Pada Gambar 1, ditunjukkan bahwa proses pertama kali dilakukan oleh pengguna yang melakukan interaksi langsung ke dalam sistem. Pengguna menginputkan data-data berupa data pembelian dan data penjualan yang nantinya datadata tersebut akan diproses dengan menggunakan metode Exponential Smoothing yang akan menghasilkan output berupa laporan hasil peramalan berapa besar jumlah barang yang dibeli. Hasil peramalan ini diharapkan dapat membantu perusahan untuk menghindari penumpukan barang terlalu lama di gudang dan dapat meningkatkan kualitas perusahaan dalam pelayanan kepada pelanggan.
SU
4. Peramalan untuk periode dimasa depan
AB
Metode Exponential Smoothing model Winter’s (Hanke and Arthur, 1995:85) sebagai berikut: 1. Penghalusan Exponensial
Yt p ( At pTt ) S t L p .................... .4
Keterangan: = konstanta penghalusan untuk data ( 0< < 1) =
konstanta penghalusan untuk estimasi tren musiman ( 0< < 1)
=
konstanta penghalusan untuk estimasi
M
Yt At
< 1)
O
tren ( 0<
data yang sebenarnya pada periode t
=
nilai pemulusan yang baru
Tt St
=
estimasi trend
=
estimasi musiman
L P
= = =
panjangnya musim periode peramalan peramalan untuk p periode di masa
ST
IK
=
Yt p
2. Diagram Konteks Diagram konteks adalah tingkatan tertinggi dalam diagram aliran data dan hanya memuat satu proses, menunjukkan system secara keseluruhan (Kendall and Kendall, 2003:267). 0
Laporan Hasil Peramalan
Sistem Informasi Pengendalian Inventori UD Jaya Mulia
Laporan Stok Barang
Data Suplier
Laporan Pembelian Suplier
Faktur Pembelian
+
Detil barang yang akan dibeli
Pimpinan Perusahaan
Laporan Penjualan
depan
Pemulusan exponential adalah teknik yang dapat memberikan ketepatan dalam ramalan jangka pendek dan penyesuaian dapat dilakukan dengan cepat dan pada biaya yang rendah. Teknik ini banyak dipergunakan bila peramalan bulanan atau mingguan diperlukan untuk barang-barang dalam jumlah besar (Arsyad, 1993:118). Metode
Faktur Penjualan
Pelanggan Data Pelanggan
Gambar 2 Diagram Konteks
49
Diagram Konteks yang mempunyai 3 (tiga) entity luar yaitu, Suplier, Pelanggan dan Pimpinan Perusahaan. Dalam sistem tersebut suplier memberikan inputan ke sistem berupa data suplier dan faktur pembelian kemudian suplier juga menerima output dari sistem berupa data detil barang yang akan dibeli. Untuk entity pelanggan, mereka memberikan inputan berupa data pelanggan dan menerima output dari sistem berupa faktur penjualan. Pada sistem informasi pengendalian inventori ini terdapat beberapa proses di dalamnya yang nantinya akan menghasilkan output berupa laporan-laporan yang diberikan kepada pimpinan perusahaan sebagai evaluasi peningkatan mutu perusahaan.
AY
A
Pada DFD level 0 untuk sistem ini terdapat 8 (delapan) proses yaitu: 1. Maintenance Data suplier Digunakan untuk mengolah data suplier jika ada data baru dan perubahan data. 2. Maintenance Data Barang Digunakan untuk mengolah data barang jika ada data baru dan perubahan data. 3. Maintenance Stok Digunakan untuk merubah jumlah stok digudang secara otomatis berdasarkan dari data penjualan dan data pembelian. 4. Generate Exponential Smoothing Proses perhitungan peramalan persediaan dengan menggunakan metode Exponential Smoothing. 5. Pembelian Digunakan untuk melakukan proses pembelian barang ke suplier berdasarkan dari hasil peramalan yang sudah dibuat.
3. DFD Level 0
R
Tbl_MstJenisBar ang
2
3
DataBarang 2
1 [Data Suplier]
+
+
Tbl_HistorySt DataBarang ok
14 Tbl_Suplier
Maintenance Stok
4
+
UpdateStok
DataSuplier DetilPembelian
M
4
6
O
DataPO
9
[Data Pelanggan]
Maintenance Data Pelanggan
Tbl_HasilSmooth ing
DataBarang UpdateStok
Pembelian
6
Tbl_Stok
5
+
NilaiAlphaBethaGamma
HasilPeramalan
SisaStok
DaftarPembelian
Nilai_AlphaBethaGammaMSE
Generate ExponentialSmo othing
+
JumlahStok
[Faktur Pembelian]
[Detil barang yang akan dibeli]
Tbl_AlphaBetha Gamma
3
DataSuplier
1
5
Maintenance Data Barang
Maintenance Data Suplier
Suplier
Tbl_MstBarang DataBarang
SU
DataJenis
AB
Diagram level 0 (nol) adalah pengembangan diagram konteks dan bisa mencakup sampai 9 (sembilan) proses (Kendall and Kendall, 2003:269).
Pelanggan
+ DataPelanggan
HasilRamal Tbl_MstOR
11
Tbl_Pelanggan
DataPelanggan
NoPO
Tbl_MstPO
DetilBarang
IK
7
ST
8
Tbl_DetilPO
DataStokBarang
DetilBarang 7
DetilPenjualan DataPembelian
DataBarang
DetilPembelian
10
Tbl_DetilOR
+
UpdateStok
8
[Laporan Pembelian]
DetilPenjualan 12
Tbl_MstPenjuala n
DataPenjualan Pembuatan Laporan DetilPenjualan
+
[Laporan Stok Barang]
Pimpinan Perusahaan
DataPenjualan
DataHasilPeramalan DetilPembelian
[Laporan Penjualan] [Laporan Hasil Peramalan]
Gambar 3 DFD Level 0
50
[Faktur Penjualan]
Penjualan DetilPembelian
13
Tbl_DetilPenju alan
DetilPenjualan
6. Maintenance Data Pelanggan Digunakan untuk mengolah data pelanggan jika ada data baru dan perubahan data. 7. Penjualan Digunakan untuk melakukan proses penjualan pada pelanggan, dimana data penjualan ini nantinya akan dipakai untuk proses peramalan.
8. Pembuatan Laporan Digunakan untuk membuat laporan perusahaan yang terdiri dari laporan pembelian, stok barang, peramalan dan laporan penjualan.
Tbl_MstOR
AmbilDataPO
NoOR TglOR TotalOrder
Tbl_DetilOR
Terdiri
Tbl_MstJenis Barang
Terdiri
KodeJenis NamaJenis Keterangan
Tbl_DetilPO Jumlah
AmbilDataJenis
AY
AmbilDataSuplier
Tbl_MstPO NoPO TglPO Status
Jumlah Harga SubTotal
AB
Tbl_Suplier KodeSuplier Nama A lamat Kodepos Kota Kodetlp1 Telepon1 Kodetlp2 Telepon2 Kodetlp3 Telepon3 Status
A
4. Conceptual Data Model (CDM)
Tbl_Stok
Jumlah
AmbilDataSuplier
Tbl_A lphaBethaGamma TglPeramalan A lpha Betha Gamma MSE
SU
AmbilDataBarang
AmbilDataBarang
O
M
Tbl_Has ilSmoothing Nilai_At Nilai_Tt Nilai_St Nilai_Ftp Nilai_MSE Tanggal
AmbilDataBarang
Tbl_His tory Stok Tanggal StokAw al StokKeluar Jumlah
AmbilDataBarang
AmbilDataBarang
AmbilDataBarang
Tbl_DetilPenjualan Jumlah HargaSatuan SubTotal Diskon
Terdiri
Tbl_MstPenjualan NoTrans aks i TglTrans aks i TotalBay ar
Tbl_Pelanggan KodePelanggan Nama A lamat Kodepos Kota Kodetlp1 Telepon1 Kodetlp2 Telepon2 Kodetlp3 Telepon3 Status
AmbilDataPelanggan
Gambar 4 Conceptual Data Model (CDM)
ST
IK
Tbl_MstBarang KodeBarang NamaBarang Satuan HargaBeli HargaJual Status
R
AmbilDataBarang
51
5. Physical Data Model (PDM) TBL_MSTPO TBL_MSTOR NOPO long varchar TBL_SUPLIER NOOR long varchar KODESUPLIER long varchar KODESUPLIER long varchar NOPO long varchar TGLPO timestamp NAMA long varchar KODESUPLIER = KODESUPLIER TGLOR timestamp STA TUS smallint NOPO = NOPO A LA MA T long varchar TOTALORDER numeric(8) KODEPOS long varchar KOTA long varchar NOPO = NOPO TBL_MSTJENISBARANG KODETLP1 long varchar TELEPON1 long varchar KODEJENIS long varchar KODETLP2 long varchar KODEBA RA NG long varchar TBL_DETIL PO KODEBARANG = KODEBARANG TELEPON2 long varchar NAMAJENIS long varchar NOPO long varchar KODETLP3 long varchar KETERA NGA N long varchar JUMLAH f loat TELEPON3 long varchar STA TUS smallint
A
KODEBARANG = KODEBARANG
TBL_STOK KODEBA RA NG long varchar JUMLAH f loat
AB
KODEBARANG = KODEBARANG
TBL_DETIL OR NOOR long varchar JUMLAH float HARGA numeric(8) SUBTOTAL numeric(8)
AY
TBL_MSTBA RA NG KODEBA RA NG long varchar KODESUPLIER long varchar NAMABARA NG long varchar SATUA N long varchar HARGA BELI numeric(8) HARGA JUA L numeric(8) STA TUS smallint
KODESUPLIER = KODESUPLIER
NOOR = NOOR
TBL_DETIL PENJUA LAN
TBL_ALPHA BETHA GA MMA KODEBA RA NG long varchar TGLPERAMA LA N timestamp A LPHA f loat BETHA f loat GAMMA f loat MSE f loat
TBL_PELANGGAN KODEPELA NGGAN long varchar NAMA long varchar A LA MA T long varchar KODEPOS long varchar KOTA long varchar KODETLP1 long varchar TELEPON1 long varchar KODETLP2 long varchar TELEPON2 long varchar KODETLP3 long varchar TELEPON3 long varchar KODEPELANGGAN = KODEPELANGGAN STA TUS smallint TBL_MSTPENJUALA N
JUMLAH HARGA SATUA N SUBTOTAL DISKON
KODEBARANG = KODEBARANG
R
TBL_HA SILSMOOTHING KODEBA RA NG long varchar NILA I_A T f loat NILA I_TT f loat NILA I_ST f loat NILA I_FTP f loat NILA I_MSE f loat TANGGA L timestamp
f loat numeric(8) numeric(8) numeric(8)
KODEBARANG = KODEBARANG
SU
TBL_HISTORYSTOK KODEBA RA NG long varchar TANGGA L timestamp STOKA WA L f loat STOKKELUA R f loat STOKA KHIR f loat
NOTRA NSA KSI KODEPELA NGGAN TGLTRA NSA KSI TOTALBAY AR
long varchar long varchar timestamp numeric(8)
Gambar 5 Physical Data Model (PDM)
PENGUJIAN SISTEM
M
1. Pengujian Proses Peramalan
ST
IK
O
Uji coba dilakukan dengan melakukan perbandingan antara hasil dari sistem peramalan dengan data permintaan aktual. Dalam hal ini data permintaan aktual merupakan data permintaan barang pada tahun 2008 yang didapatkan langsung dari UD. Jaya Mulia, sedangkan sistem peramalan akan menghasilkan nilai peramalan untuk periode Januari 2008. Dengan demikian kesalahan peramalan dapat diketahui untuk menentukan kelayakan dari sistem peramalan yang sudah dibuat. Hasil uji coba ditunjukkan pada Tabel 1 di halaman 5.
52
Tabel 1 Pengujian Peramalan Untuk Periode Januari 2008 KodeBarang
CLN – 0001 PPK – 0001 PPK – 0002 SGL – 0001 STG – 0001 STL – 0001 BDG – 0001 CLN – 0002 JKT – 0001 TOP - 0001
Data Perminta an Aktual 38 51 25 30 21 70 18 40 25 40
Data Ramal
30 41 16 25 30 71 10 30 17 30
Selisih
8 10 9 5 9 1 8 10 8 10
SIMPULAN
A
Dari hasil studi analisa, desain, pengembangan, implementasi dan pengujian Sistem Informasi Pengendalian Inventori Menggunakan Metode Peramalan Exponential Smoothing Pada UD. Jaya Mulia ini dapat diambil beberapa kesimpulan antara lain: 1. Metode peramalan Exponential Smoothing dapat diterapkan untuk meramalkan jumlah permintaan barang pada 1 (satu) periode mendatang di UD. Jaya Mulia. 2. Berdasarkan dari 4 (empat) kali uji coba peramalan diperoleh hasil rata-rata ketepatan peramalan mencapai 80% dengan nilai MSE rata-rata = 1,7392. 3. Aplikasi yang dibuat mampu memberikan informasi peramalan yang valid berdasarkan hasil uji coba.
AB
Hasil pengujian peramalan periode Januari 2008 yang digambarkan pada Tabel 1 tidak terdapat item yang memiliki selisih lebih dari 10 satuan terhadap data permintaan aktual. Jadi terdapat 10 dari 10 item yang memiliki selisih relatif kecil dengan prosentase sebesar 100% yang menyatakan hasil peramalan sudah mendekati data aslinya sehingga sistem peramalan ini bisa dikatakan valid. Dari hasil uji coba peramalan yang sudah dilakukan, dapat disimpulkan bahwa sistem peramalan ini valid karena nilai prosentase selama pengujian diatas 75%
AY
2. Grafik Peramalan
SU
R
DAFTAR PUSTAKA Andriyanto, U.S, dan Abdul Basith, 1993, Metode dan Aplikasi Peramalan, Edisi Kedua, Penerbit Erlangga. Jakarta. Arsyad, Incolin, 1993, Peramalan Bisnis Edisi Pertama, BPFE-Yogyakarta. Hanke, J.E., and Reitsch Arthur, 1995, Business Forecasting, Prentice Hall Inc. London Kendall and Kendall, 2003, Analisis dan Perancangan Sistem Edisi Kelima, PT Prenhallindo, Jakarta. Tanuwijaya, Haryanto, 2008, Sistem Informasi Pengendalian Persediaan Menggunakan Metode Exponential Smoothing Pada PT. Bear House, STIKOM Jurnal, Vol. 12, No. 2, STIKOM Surabaya.
ST
IK
O
M
Gambar 6 Grafik Peramalan
53
