Sistem Infornasi Estimasi Penjualan Dengan Menggunakan Metode Exponential Smoothing (Studi Kasus : PT. Sumber Bening Lestari)
1)Krisna Setya Wardana2)Antok Supriyanto3)M. Arifin
1)Program Studi Sistem Informasi Stikom Surabaya. Email:
[email protected] 2) Program Studi Sistem Informasi Stikom Surabaya. Email:
[email protected] 3)Program Studi Sistem Informasi Stikom Surabaya. Email:
[email protected]
Abstraksi
Suatu perencanaan yang tepat di segala bidang sangat diperlukan oleh suatu perusahaan agar mampu bersaing dan dapat berkembang di era global seperti saat ini. Dalam sebuah perusahaan yang bergerak di bidang jasa atau bidang manufaktur, diperlukan suatu perencanaan yang tepat agar perusahaan tersebut dapat terus bersaing dengan para kompetitornya. Semakin tepat keputusan yang dibuat, maka semakin kecil pula resiko perusahaan tersebut mengalami kerugian.Untuk mencapai kondisi tersebut, perusahaan harus dapat menekan biaya dan memaksimalkan keuntungan yang diperoleh. Salah satu upaya yang dilakukan adalah perencanaan pelaksanaan produksi yang akan dilakukan pada periode mendatang. Karena pada perusahaan yang jumlah angka produksinya tetap per periode nya, dianggap dapat menimbulkan suatu permasalahan yaitu menumpuknya stok produk jika jumlah penjualan lebih kecil dibandingkan dengan jumlah produksi, atau terjadinya kondisi kekurangan stok produk jika jumlah penjualan lebih kecil dibandingkan dengan jumlah produksi.
Kata kunci : Forecasting, Exponential Smoothing, Double Exponential smoothing
Semua organisasi beroperasi dalam suatu
tersebut, suatu pendugaan secara ilmiah
lingkungan
unsur
terhadap masa datang akan jauh lebih
ketidakpastian, tetapi keputusan harus
berarti ketimbang pendugaan yang tidak
tetap
akan
ilmiah (Lincoin Arsyad, 1993:3). menurut
mempengaruhi masa depan organisasi
Lincoin Arsyad yang dimaksud dengan
yang
diambil
mengandung
yang
nantinya
pendugaan
secara
didasarkan
pada
manipulasi
data
ilmiah
adalah
metode-metode
secara
logis
pembuatan
ramalan
ada satu
yang
hal yang harus diperhatikan
yang
adalah
perencanaan
untuk
dihasilkan dari kejadian-kejadian masa
jumlah
produksi
barang
lalu.
Perusahaan
juga
meminimalkan
penetapan produk.
harus
kesalahan
dapat
dalam
hal
penetapan jumlah produksi barang produk. Permasalahan yang sering terjadi adalah Dalam sebuah perusahaan yang
suatu keadaan dimana jumlah angka.
bergerak di bidang jasa atau bidang
penjualan barang tidak sebanding atau
manufaktur, diperlukan suatu perencanaan
dikatakan lebih kecil daripada jumlah
yang tepat agar perusahaan tersebut dapat
angka produksi barang sehingga dapat
terus bersaing dengan para kompetitornya.
menyebabkan kerugian pada perusahaan.
Semakin tepat keputusan yang dibuat,
Kerugian yang dimaksud dalam hal ini
maka
resiko
adalah, karena barang di gudang yang
perusahaan tersebut mengalami kerugian.
belum terjual akan mengakibatkan biaya
Dikarenakan
semakin
kecil
pula
adanya
kompetitor
yang
perawatan
persaingan
lebih
ketat,
meningkat. Untuk mengatasi hal tersebut
Perusahaan mesti mengadakan serangkaian
diperlukan teknik peramalan penjualan
kegiatan
yang tepat agar barang yg masih di dalam
membuat
penjualan
yang
efektif
dan
barang
untuk
gudang
agar
lebih
mengeliminir biaya perawatan. Dalam
1989:28).
Dalam
permasalahan ini metode yang paling tepat
penelitian ini studi kasus dilakukan pada
untuk digunakan dalam proses perhitungan
sebuah perusahaan manufaktur, dimana
peramalan adalah metode exponential
merangsang meningkat
peralatan pembelian (Kotler,
terjual
semakin
promosi
memberikan
akan
yang
sehingga
dapat
smoothing,
karena
menurut
Lincolin
Arsyad (1993) dalam bukunya
Dalam
upaya
mengeliminir
atau
yang
memperkecil perbedaan jumlah angka
bisnis,metode
penjualan dengan jumlah angka produksi
exponential smoothing adalah salah satu
barang maka diperlukan Sistem Informasi
metode yang tepat untuk digunakan dalam
yang
proses perhitungan peramalan jika data
dengan menggunakan metode exponential
yang akan diteliti bersifat trend, yang
smoothing.
mana data trend didefinisikan sebagai
angka penjualan pada periode mendatang
suatu komponen jangka panjang yang
yang tentunya dapat membantu perusahaan
menunjukkan
untuk
berjudul
peramalan
pertumbuhan
atau
dapat
mengestimasi
Sehingga
merencanakan
penjualan
dapat
jumlah
diketahui
angka
penurunan dalam data tersebut sepanjang
produksi yang akan di hasilkan dengan
periode waktu yang panjang. Hal tersebut
lebih tepat sehingga dapat meminimalisir
sesuai dengan pola data yang terdapat pada
kerugian yang dialami oleh perusahaan
data
yang disebabkan
penjualan
yang
pola
datanya
oleh
jumlah angka
terkadang menaik atau cenderung menurun
penjualan lebih kecil dari pada jumlah
pada suatu periode tertentu.
angka produksi.
EXPONENTIAL SMOOTHING Dalam
bentuk
yang
mulus
ramalan yang lama, dimana 0 <α< 1.
(smooth), ramalan yang baru (untuk waktu
Dengan demikian :
t+1) dapat dianggap sebagai rata-rata yang
Ramalan baru = αx(data baru) + ( 1 – α)x
diberi bobot terhadap data terbaru (pada
(ramalan yang lama).Secara matematis,
waktu t) dan ramalan yang lama (untuk
persamaan exponential smoothing dapat
waktu t). bobotα diberikan pada data
ditulis :
terbaru, dan bobot 1-αdiberikan pada
Ŷ
t+1
=
αYt+
(1-α)Ŷ
t
................................................................(1)
Dimana : Ŷ
t+1=
Teknik Peramalan Holt nilai ramalan untuk periode
Ŷt
= nilai pemulusan
berikutnya
yanglamaatau rata-rata yang
α= konstanta pemulusan (0 <α< 1) Y
t
dimuluskan hingga periode t
= data baru atau nilai Y yang
– 1.
sebenarnya pada periode t
Tiga persamaan yang digunakan
Yt = data yang baru atau yang
dalam teknik ini adalah sebagai berikut:
sebenarnya pada periode t β = konstanta pemulusan untuk
1. Rangkaian pemulusan secara eksponensial
estimasi trend (0 ≤ β ≤ 1)
At = α Yt + (1 – α) (At-1 + TtTt = estimasi trend 1)......................................................
p = periode yang diramalkan .......(2) Ŷt + p = nilai ramalan pada periode 2. Estimasi trend p Tt = β (At – At-1) + ( 1 – β) TtPersamaan pertama hampir sama dengan 1...................................................(3)
model
dasar
pemulusan
eksponensial
3. Ramalan pada periode p tunggal, Ŷt
+
p
=
At
hanya
saja
variabel
trend
+ ditambahkan pada persamaan tersebut.
pTt...............................................(4) Estimasi
trend
dihitung
dengan
Dimana menghitung At
=
Nilai
baru
yang
selisih
antara
dua
nilai
telah pemulusan eksponensial.
dimuluskan Konstatanta pemulusan yang kedua (β) α = konstanta pemulusan untuk digunakan untuk menghaluskan estimasi data (0 ≤ α ≤ 1) trend, pada persamaan untuk menghitung
estimasi
trend
menunjukkan
bahwa
Pada persamaan untuk menghitung
estimasi trend dikalikan denga β dan
ramalan pada periode p. Estimasi trend
kemudian ditambahkan pada estimasi yang
dikalikan dengan jumlah periode yang
lama, dikalikan dengan (1 – β). Hasil dari
akan diramalkan dan kemudian hasilnya
persamaan tersebut adalah trend yang
ditambahkan pada data pemulusan yang
dihaluskan tanpa pengaruh random.
tahunnya sama untuk menghilangkan pengaruh random.
Pengukuran Kesalahan Peramalan Teknik peramalan kuantitatif biasanya
hasil peramalan Ŷ1,Ŷ2,... (Lincolin Arsyad,
menggunakan data runtut waktu, maka
2001:57).
notasi matematis harus kita gunakan untuk
Notasi dasar peramalan adalah sebagai
menunjukkan suatu periode waktu tertentu.
berikut:
Huruf Y digunakan untuk menunjukkan
Y t= nilai data runtut waktu periode t
suatu variabel data runtut waktu. Periode
Ŷt = nilai peramalan Yt
waktu dari satu variabel ditunjukkan
et = Y t - Ŷt = residual atau kesalahan
sebagai subskrip. Oleh karena itu, Y
peramalan
tmenunjukkan
Beberapa metode telah digunakan untuk
nilai Y pada periode t.
Notasi matematis juga harus digunakan
menunjukkan kesalahan yang disebabkan
untuk membedakan nilai variabel data
oleh suatu teknik peramalan tertentu.
runtut waktu sebenarnya dengan nilai
Hampir
permalan.nilai peramalan untuk Y tadalah
menggunakan pengrata-rataan beberapa
Ŷt.
fungsi
Akurasi
seringkali
dari dinilai
teknik
peramalan
dengan
semua
dari
ukuran
perbedaan
tersebut
antara
nilai
cara
sebenarnya dengan nilai peramalannya.
meperbandingkannya dengan data aslinya
Perbedaan antara nilai sebenarnya dengan
yakni Y1 ,Y2,... dengan nilai-nilai data
nilai peramalan ini biasanya disebut
kesalahan absolute rata-rata atau mean
dengan residual.
absolute
Kesalahan rata-rata kuadrat atau mean
(MAPE)dihitung
squared error (MSE) merupakan metode
kesalahan absolute pada setiap periode,
alternatif dalam mengevaluasi suatu teknik
kemudian
peramalan. Setiap kesalahan atau residual
observasi pada periode tersebut, dan
dikuadratkan, kemudian dijumlahkan dan
akhirnya
dibagi
absolute ini. Pendekatan ini sangat berguna
dengan
Pendekatan
jumlah
ini
observasi.
menghukum
percentage
error
dengan
membaginya
menemukan
dengan
merata-ratakan
nilai
persentase
suatu
jika ukuran variabel peramalan merupakan
kesalahan peramalan yang besar karena
faktor penting dalam mengevaluasi akurasi
dikuadratkan.
peramalan tersebut. MAPE memberikan
Pendekatan
ini
penting
karena suatu teknik yang menghasilkan
petunjuk
seberapa
kesalahan yang moderat lebih disukai oleh
peramalan
dibandingkan
suatu
sebenarnya dari series tersebut. Persamaan
peramalan
yang
biasanya
menghasilkan kesalahan yang lebih kecil
berikut
tetapi
menghitung MAPE:
kadang-kadang
menghasilkan
kesalahan yang sangat besar. Rumus MSE
besar
menunjukkan
kesalahan
dengan
bagaimana
MAPE
nilai
cara
=
dirumuskan sebagai berikut: MSE =
......................................(6) ……………………(5)
Perlu
juga
untuk
menentukan
apakah suatu metode permalan bias atau Kadang kala lebih bermanfaat jika tidak (secara konsisten tinggi atau rendah). kita menghitung kesalahan peramalan Persentase kesalahan rata-rata atau mean dengan menggunakan secara prosentase percentage error (MPE) digunakan dalam ketimbang nilai absolutnya. Persentase kasus seperti ini. MPE dihitung dengan
cara menemukan kesalahan setiap periode,
besar maka metode peramalan tersebut
kemudian
nilai
menghasilkan hasil ramalan yang terlalu
sebenarnya pada periode tersebut, dan
tinggi atau sebaliknya. Persamaan berikut
kemudian
menunjukkan bagaimana cara menghitung
kesalahan
membaginya
dengan
merata-ratakan tersebut.
Jika
persentase perndekatan
peramalan tersebut tidak bias, maka perhitungan
dengan
MPE
MPE: MPE =
akan
menghasilkan persentase mendekati nol.
.....................................(7)
Jika hasil persentase negatifnya cukup Konsep Sistem Informasi Sebelum merancang sistem perlu
informasi laporan maupun solusi dari
dikaji konsep dan definisi dari sistem..
proses yang telah dijalankan. Tentu dalam
Sistem informasi terdiri dari input, proses,
pelaksanaannya, sistem informasi bekerja
dan output, seperti yang terlihat pada
pada berbagai bidang dengan tingkat
Gambar 2.1. Pada bagian proses terdapat
kompleksitas yang berbeda. Bidang –
hubungan timbal balik dengan 2 (dua)
bidang
elemen, yaitu kontrol kinerja sistem dan
diklasifikasikan sesuai dengan persoalan
sumber-sumber penyimpanan data, baik
yang ada pada perusahaan tersebut.
berupa karakter-karakter huruf maupun berupa
sistem
informasinya
pun
Control of System Performance
numerik
(Herlambang,Tanuwijaya,2005:47). Sekarang ini bentuk data bisa berupa suara atau audio maupun gambar atau video.
Input of Data Resources
Processing Data
Data ini diproses dengan metode-metode tertentu dan menghasilkan outputberupa Storage of Data Resources
Output of Information Products
logika dan model matematik yang akan memanipulasi data input dan
Gambar 2.1 Proses Sistem Informasi
data yang tersimpan di basis data Sutabri (2004:3) mendefenisikan bahwa sistem
adalah
suatu
kumpulan
dengan cara yang sudah ditentukan
atau
untuk menghasilkan keluaran yang
himpunan dari unsur, komponen atau
diiginkan.
variabel-variabel yang terorganisasi, saling berinteraksi, saling tergantung satu sama
3.
lain dan terpadu. Keterkaitan antara satu komponen dalam
dengan
sistem
komponen informasi
keluaran,
komponen
lainnya
informasi
bertujuan
menghasilkan suatu informasi dalam suatu
Komponen
yang yang
yaitu merupakan
berkualitas
dan
dokumentasi yang berguna. 4.
bidang. Alur informasi sangat diperlukan
Komponen
teknologi,
yaitu
komponen yang digunakan untuk
dalam sistem informasi, hal ini disebabkan
menerima input, menjalankan model,
keanekaragaman kebutuhan akan suatu
menyimpan dan mengakses data,
informasi oleh pengguna informasi.
menghasilkan
dan
mengirimkan
Sutabri (2004:36) membagi komponen-
keluaran
komponen yang saling berinteraksi dalam
pengendalian
sistem informasi terdiri dari:
keseluruhan. Komponen ini terbagi
1.
Komponen masukan, yaitu data yang
menjadi tiga bagian yaitu teknisi,
masuk ke dalam sistem informasi
perangkat lunak dan perangkat keras.
yang
2.
dapat
berupa
dokumen-
5.
dan sistem
membantu secara
Komponen basis data, merupakan
dokumen dasar.
kumpulan data yang saling berkaitan
Komponen model, yaitu komponen
dan berhubungan antara satu dengan
yang terdiri dari kombinasi prosedur,
lainnya. Basis data tersimpan dalam
perangkat
keras
perangkat
komputer
lunak
dan untuk
memanipulasinya. Data dalam basis data
perlu
sedemikian untuk
rupa
dan
digunakan
keperluan
penyediaan
informasi
diorganisasikan
FLOWCHART
Mengacu
pada
Lincolin
Start
Arsyad
Baca dan Ambil data penjualan yang akan digunakan untuk proses perhitungan
(2001;104), flowchart Untuk menghitung
Inisialisasi nilai alpha dan beta dan jumlah periode
peramalan hasil penjualan dengan metode
Perhitungan PerhitunganEksponential Eksponential
Exponenential Smoothing dengan tekhnik Holt dapat dilihat pada gambar
Hitung Hitungestimasi estimasitrend trend
Hitung Hitungramalan ramalanpada padaperiode periodepp
3.7.
Hitung Hitungkesalahan kesalahanperamalan peramalan
Flowchart yang terlihat pada Gambar 3.7 Hitung HitungMSE MSE
menjelaskan bagaimana proses peramalan penjualan dengan menggunakan metode
Tidak
Apakah kombinaasi alpha dan beta menghasilkan MSE terkecil ?
Eksponential Smoothing. Pada proses awal
Ramalan jumlah penjualan di periode mendatang
pertama kali sistem akan mengambil input
Stop
dari user berupa panjang periode data penjualan yang akan digunakan untuk proses perhitungan. Inisialisasi alpha beta tersebut
mewakili
proses
exponential
smoothing itu sendiri yang digunakan untuk nilai pengujian ramalan untuk periode ke depan.
Gambar 3.7 Flowchart peramalan penjualan dengan Metode Exponential Smoothing Setelah nilai alpha dan beta ditentukan,
maka
proses
perhitungan
exponential dilakukan. Selanjutnya hitung nilai estimasi trend untuk mengetahui nilai trend suatu item barang. Setelah itu, dari
estimasi trend yang telah dihitung maka
Start
akan dibuat perhitungan ramalan periode Inisialisasi nilai α dan jumlah periode
ke depan. Setelah semua proses di atas dilakukan, maka setelah itu akan dilakukan
t = t +1
pengujian error terkecil, jika nilai MSE Ambil data penjualan pada periode t (Yt)
yang telah dihitung adalah yang terkecil, maka alpha beta itulah yang dipakai
Ambil nilai estimasi trend pada periode sebelumnya (Tt-1)
sebagai acuan ramalan periode mendatang Perhitungan Eksponential At = α Yt + (1 – α) (At-1 + Tt-1)
dan juga digunakan sebagai acuan dalam memproduksi produk air minum di bulan Ya
Apakah t <= jumlah periode ?
atau tahun yang akan datang, dimana Tidak
peramalan ini sangat membantu manajer dalam
memberikan
memproduksi
keputusan
produk
agar
menimbulkan biaya penyimpanan.
Stop
dalam
Gambar 3.8 Subroutine Perhitungan
tidak
Eksponential Kemudian yang langkah selanjutnya, pada gambar 3.8 diatas yang dilakukan adalah sistem akan melakukan inisialisasi nilai alpha dan beta. Nilai alpha digunakan untuk
perhitungan
pemulusan
secara
exponential seperti yang digambarkan pada Gambar 3.8 diatas, kemudian nilai beta digunakan untuk menghitung estimasi trend. Nilai alphaa beta didalam xponential smoothing adalah sebagai nilai pengujian terhadap error yang akan dlakukan oleh
exponential smoothing, sehingga nilai
Proses
perhitungan
pengujian mempunyai batas uji. Nilai
dilakukan
alpha dan beta sndiri nantinya dalam
eksponential untuk mendapatkan nilai baru
program
yang
sendiri
akan dalam
melakukan
inisialisasi
pembentukan
perhitungan
dimuluskan.
data
Kemudian
perhitungan
estimasi
random, misal alpha 0,1 terhadap beta 0,1
mendapatkan
nilai
selanjutnya alpha 0,1 terhadap beta 0,2.
dimuluskan dan estimasi trend, langkah
Begitu
pengujian
selanjutnya adalah menjumlahkan kedua
dilakukan sampai alpha dan beta mencapai
nilai tersebut untuk mendapatkan nilai
angka < 1.
peramalan
seterusnya
dalam
secara
telah
adalah
yang
Start
trend,
baru
penjualan
yang
pada
setelah telah
periode
mendatang, yang nantinya hasil ramalan tersebut akan digunakan manajer sebagai
Inisialisasi nilai beta (β) dan jumlah periode
tolak ukur perencanaan produksi agar tidak t = t +1
Ambil nilai perhitungan exponential pada periode sebelumnya (At-1)
menimbulkan biaya penimbunan barang yang bisa mengakibatkan banyaknya biaya yang
Ambil nilai perhitungan exponential pada periode t (At) Ambil nilai estimasi trend pada periode sebelumnya (Tt-1) Hitung estimasi trend Tt = β (At – At-1) + ( 1 – β) Tt-1
ditimbulkan
oleh
sehingga dapat menimbulkan kerugian jika tidak ada perencanaan produksi atas dasar hasil ramalan tersebut seperti yang terlihat pada Gambar 3.10 berikut :
Ya
Apakah t <= jumlah periode ? Tidak Stop
Gambar 3.9 Subroutine perhitungan estimasi trend
penimbunan
Start
Start
t = t +1
t = t +1 Ambil data penjualan pada periode t (Y t)
Ambil nilai perhitungan exponential pada periode t (At)
Ambil perhitungan peramalan pada periode t (Ŷt ) Hitung kesalahan peramalan et = Y t - Ŷt
Ambil nilai estimasi trend pada periode t (Tt) Hitung ramalan pada periode p Ŷt + p = At + pTt
Ya
Apakah t <= jumlah periode ? Tidak Stop
Ya
Apakah t <= jumlah periode ? Tidak
Gambar 3.11 Subroutine hitung
Stop
kesalahan peramalan Setelah mendapatkan nilai
Gambar 3.10 Subroutine hitung ramalan pada periode berikutnya kemudian
dihitung
kesalahan
peramalan yang dihasilkan dari selisih antara data pada periode t dan nilai peramalan pada periode t tersebut seperti yang terlihat pada Gambar 3.10 berikut :
kesalahan peramalan pada setiap periode. Nilai
tersebut
menghitung MSE
digunakan
untuk
Kombinasi dari alpha dan beta yang
Start
Inisialisasi jumlah periode (n)
menghasilkan nilai MSE yang terkecil digunakan untuk perhitungan. Output dari
t = t +1
sistem berupa angka penjualan suatu Ambil nilai residual pada periode t (et)
Jumlah kan masing2 nilai kuadrat dari nilai residual pada periode tersebut Σet2 = Σet2 + et2
barang
produk
tertentu
diperiode
mendatang yang nilai MSE nya terkecil, yang dapat ditampilkan dalam bentuk
Ya
Apakah t <= jumlah periode ?
laporan peramalan penjualan. Berikut tabel
Hitung MSE
perhitungan peramalan yang penjualan PT. Sumber Bening Lestari yang didasarkan
Tidak Stop
pada data penjualan yang sesungguhnya 2011.
Gambar 3.12 Subroutine hitungnilai MSE
1 Kesimpulan
menggunakan
Berdasarkan hasil uji coba dan analisa yang telah dilakukan dalam pembuatan aplikasi
Sistem
Informasi
Peramalan
Penjualan Dengan Menggunakan Metode Exponential Smoothing dengan studi kasus PT. Sumber Bening Lestari, dapat diambil kesimpulan sebagai berikut : 1. Sistem
bulan
dapat
meramalkan
mendatang metode
dengan exponential
smoothing menggunakan teknik holt. 2. Dengan mengetahui jumlah penjualan pada 1 bulan kedepan dari hasil perhitungan peramalan tersebut, dapat digunakan sebagai salah satu bahan pertimbangan oleh pihak manajerial untuk menentukan jumlah produksi
jumlah
barang yang akan terjual pada periode
yang akan dilakukan.
3.1 Saran
agar
Adapun saran-saran yang dapat digunakan
pembanding.
untuk mengembangkan aplikasi yang telah dibuat adalah sebagai berikut :
peramalan
2. Periode
digunakan
mendatang
sebagai
yang
akan
diramalkan bersifat dinamis.
1. Menambahkan perhitungan untuk menghitung
dapat
3. Dari hasil perhitungan peramalan,
dengan
dapat
metode lain seperti metode moving
untuk
average, atau metode exponential
bahan.
smoothing dengan teknik brown
ditambahkan penjadwalan
perhitungan pembelian
