SISTEM PERAMALAN PERSEDIAAN UNIT MOBIL MITSUBISHI PADA PT. SARDANA INDAH BERLIAN MOTOR DENGAN MENGGUNAKAN METODE EXPONENTIAL SMOOTHING

Volume : I, Nomor : 1, Oktober 2013

Majalah Ilmiah

Informasi dan Teknologi Ilmiah (INTI) ISSN : 2339-210X

SISTEM PERAMALAN PERSEDIAAN UNIT MOBIL MITSUBISHI PADA PT. SARDANA INDAH BERLIAN MOTOR DENGAN MENGGUNAKAN METODE EXPONENTIAL SMOOTHING Afni Sahara (0911011) Mahasiswa Program Studi Teknik Informatika, STMIK Budidarma Medan Jl. Sisingamangaraja No.338 Simpang Limun Medan www.stmik-budidarma.ac.id // Email : [email protected] ABSTRAK Peramalan (forecasting) merupakan alat bantu yang penting dalam perencanaan yang efektif dan efisien khususnya dalam bidang ekonomi. Dalam organisasi modern mengetahui keadaan yang akan datang tidak saja penting untuk melihat yang baik atau buruk tetapi juga bertujuan untuk melakukan persiapan peramalan. Langkah penting setelah peramalan dilakukan adalah verifikasi peramalan sedemikian rupa sehingga mencerminkan data masa lalu dan sistem penyebab yang mendasari permintaan tersebut. Sepanjang representasi peramalan tersebut dapat dipercaya, hasil peramalan dapat terus digunakan. Persediaan timbul disebabkan oleh tidak singkronnya permintaan dengan penyediaan dan waktu. Untuk menjaga keseimbangan permintaan dengan penyediaan diperlukan persediaan. Sistem peramalan yang dibangun dapat membantu dan mempermudah dalam menentukan berapa banyak unit mobil yang harus disediakan untuk memenuhi permintaan konsumen. Sistem yang dibangun dapat meningkatkan efektifitas pengolahan data penjualan kendaraan , data pemesanan kendaraan. Kata Kunci : Peramalan, Persediaan, Single Exponential Smoothing penentuan persediaan kendaraan ke depan sering 1. Pendahuluan kali tidak objektif karena hanya berdasarkan intuisi 1.1 Latar Belakang manajemen saja. Selain itu, pengolahan data PT. Sardana Indah Berlian Motor merupakan penjualan dan data pemesanan kendaraan masih salah satu instansi swasta yang bergerak dalam menggunakan sistem manual. Hal ini penjualan mobil. PT. Sardana Indah Berlian Motor mengakibatkan kurang efektif dalam pengolahan merupakan salah satu dealer resmi kendaraan Mitsubishi yang terletak di Jl. Jend. Gatot Subroto data tersebut. No.437 Medan – 20119,Sumut - Indonesia. Sebagai Metode exponential smoothing merupakan pengembangan dari metode moving averages. suatu perusahaan, PT. Sardana Indah Berlian Motor perlu mengetahui jumlah penjualan mobil Dalam metode ini peramalan dilakukan dengan Mitsubishi untuk periode berikutnya dengan cara mengulang perhitungan secara terus menerus dengan menggunakan data terbaru. Setiap data meramalkan jumlah penjualannya berdasarkan data diberi bobot, data yang lebih baru diberi bobot - data yang dimiliki dari periode - periode yang lebih besar. Metode moving average sebelumnya. Peramalan penjualan dibutuhkan oleh perusahaan sebagai dasar pengambilan keputusan memang mudah menghitungnya akan tetapi metode untuk merencanakan langkah selanjutnya dalam ini memberikan bobot yang sama pada setiap data. rangka untuk meningkatkan kuantitas penjualannya. Berdasarkan hasil penelitian di PT. Sardana 1.2 Perumusan Masalah Indah Berlian Motor diketahui bahwa persediaan Berdasarkan uraian latar belakang masalah diatas dapat diidentifikasikan masalah yaitu : mobil di PT. Sardana Indah Berlian Motor terkadang mengalami kekurangan. Permintaan 1. Bagaimana menentukan berapa banyak unit yang banyak dari pelanggan menyebabkan mobil yang harus disediakan untuk memenuhi persediaan mobil di PT. Sardana Indah Berlian permintaan konsumen? 2. Bagaimana merancang sebuah sistem Motor mengalami kekurangan, Hal ini (forecasting) untuk meramalkan persediaan mengakibatkan hilangnya peluang untuk mobil agar lebih objektif dengan mendapatkan keuntungan karena bisa saja konsumen membeli di dealer lain. Masalah memperhatikan kondisi masa lalu dan prediksi kondisi di masa mendatang? tersebut terjadi dikarenakan sistem persediaan barang yang kurang baik akibat dari kurang akuratnya penentuan persediaan terhadap mobil 1.3 Batasan Masalah Karena masalah yang harus dibahas karena sulit untuk menentukan berapa banyak unit mobil yang harus disiapkan untuk memenuhi luas, maka batasan-batasan dalam penelitian ini adalah sebagai berikut: permintaan konsumen. Dimana selama ini dalam Sistem Peramalan Persediaan Unit Mobil Mitsubishi Pada PT. Sardana Indah Berlian Motor 1 Dengan Menggunakan Metode Exponential Smoothing. Oleh : Afni Sahara


Majalah Ilmiah


1.

2.

Pengambilan data yang akan digunakan pada penelitian ini adalah data yang bersumber dari istansi terkait, yaitu PT. Sardana Indah Berlian Motor. Data yang akan diolah dalam sistem yang dibangun ini adalah sebagai berikut : data user, data pelanggan, data penjualan kendaraan, data pemesanan kendaraan, data jenis kendaraan, data tipe kendaraan, dan data warna kendaraan.

2. Landasan Teori 2.1 Peramalan Peramalan (forecasting) merupakan alat bantu yang penting dalam perencanaan yang efektif dan efisien khususnya dalam bidang ekonomi. Dalam organisasi moderen mengetahui keadaan yang akan datang tidak saja penting untuk melihat yang baik atau buruk tetapi juga bertujuan untuk melakukan persiapan peramalan(Yamit, Zulian , 2003).Peramalan adalah prediksi, proyeksi atau estimasi tingkat kejadian yang tidak pasti dimasa yang akan datang. Ketepatan secara mutlak dalam memprediksi peristiwa dan tingkat kegiatan yang akan datang adalah tidak mungkin dicapai, oleh karena itu ketika perusahaan tidak dapat melihat kejadian yang akan datang secara pasti, diperlukan waktu dan tenaga yang besar agar mereka dapat memiliki kekuatan untuk menarik kesimpulan terhadap kejadian yang akan datang. 2.2 Metode Peramalan Banyak jenis metode peramalan yang tersedia untuk manajemen . Namun yang lebih penting bagi praktisi adalah bagaimana memahami karakteristik suatu metode peramalan agar cocok bagi situasi pengambilan keputusan tertentu. Dalam Gambar 1 berikut ini memperlihatkan empat dasar metode peramalan, yaitu analisis runtun waktu (time series), indikator ekonomi, model ekonometri, dan pengumpulan pendapat.

Gambar 1 : Klasifikasi Metode Peramalan

a. Deret berkala atau runtun waktu (time series) b. Indikator ekonomi c. Model ekonometri Metode ini sangat beragam dan setiap teknik memiliki sifat, ketepatan dan biaya yang harus dipertimbangkan dalam memilih metode tertentu. Metode kuantitatif didasarkan atas prinsip – prinsip statistik yang memiliki tingkat ketepatan tinggi atau dapat meminimumkan kesalahan (error), lebih sistematis, dan lebih popular dalam penggunaannya. Untuk menggunakan metode kuantitatif terdapat tiga kondisi yang harus dipenuhi (Yamit, Zulian, 2003): a. Tersedia informasi tentang masa lalu b. Informasi tersebut dapat dikuantitatifkan dalam bentuk data numerik. c. Diasumsikan bahwa beberapa pola masa lalu akan terus berlanjut. 2. Metode Kualitatif Metode Kualitatif dapat berupa pengumpulan pendapat yang dapat dibagi menjadi: a. Pengumpulan pendapat para ahli b. mengelompokan dalam metode eksploratoris dan normatif. 2.3 Exponential Smoothig Metode exponential smoothing merupakan pengembangan dari metode moving averages. Dalam metode ini peramalan dilakukan dengan mengulang perhitungan secara terus menerus dengan menggunakan data terbaru. Setiap data diberi bobot, data yang lebih baru diberi bobot yang lebih besar. Dua metode dalam exponential smoothing diantaranya single exponential smoothing dan double exponential smoothing(Supriana, Uci, 2010) 1. Single Exponential Smoothing Metode ini adalah pengembangan dari metode moving average (MA) menggunakan rumus sebagai berikut: Ft+1 = X1 + X2+...+XT T Keterangan : Ft+1 : Ramalan untuk periode ke t + 1 XT : Nilai riil periode ke t T : Jangka waktu rata – rata bergerak Metode moving average memang mudah menghitungnya akan tetapi metode ini memberikan bobot yang sama pada setiap data . Untuk mengatasi hal ini maka digunakan metode single exponential smoothing. Pada metode single exponential smoothing bobot yang diberikan pada data yang ada adalah sebesar α untuk data yang

Secara umum metode peramalan dapat diklasifikasikan dalam dua kategori utama, yaitu : 1. Metode Kuantitatif Metode kuantitatif dapat dibagi ke dalam: Sistem Peramalan Persediaan Unit Mobil Mitsubishi Pada PT. Sardana Indah Berlian Motor Dengan Menggunakan Metode Exponential Smoothing. Oleh : Afni Sahara

2


Majalah Ilmiah


2 terbaru, α(1-α) untuk data yang lama, α(1-α) untuk data yang lebih lama, dan seterusnya. Besarnya α adalah antara 0 dan 1. Semakin mendekati 1 berarti data terbaru lebih diperhatikan. Secara matematis besarnya Peramalan adalah: Ft+1 = α Xt + (1 – α) Ft Ft+1 : Ramalan untuk periode ke t+1 Xt : Nilai riil periode ke t Ft : Ramalan untuk periode ke t Dengan demikian dapat dikatakan bahwa peramalan pada periode yang akan datang adalah ramalan sebelumnya ditambah α (alpha) dikalikan dengan kesalahan ramalan periode sebelumnya. Dalam melakukan peramalan dengan menggunakan metode single exponential smoothing (SES), besarnya α (alpha) ditentukan secara trial dan error sampai ditemukan α (alpha) yang menghasilkan forecast error terkecil. Metode ini lebih cocok digunakan untuk meramal data-data yang fluktuatif secara random (tidak teratur)(Supriana, Uci, 2010) 2. Double Exponential Smoothing Pada metode ini proses penentuan b. Menentukan ramalan dimulai dengan menentukan besarnya alpha secara trial dan error. Sedangkan tahap-tahap dalam menentukan ramalan adalah sebagai berikut. a. Menentukan Smoothing pertama (S‟t) S‟t = α Xt + (1- α) S‟t-1, Smoothing kedua (S‟‟t) S”t = α S‟t + (1- α) S‟‟t-1, c. Menentukan besarnya konstanta (αt) αt = S‟t + (S‟t – S‟‟t) d. Menentukan besarnya slope (bt) Bt = α (S’t – S”t)1 - α e. Menentukan besarnya forecast (Ft+m) Ft+m = αt + btm,

pemulusan (smoothing) diantaranya Moving Average atau Exponential Smoothing. Metode exponential smoothing merupakan pengembangan dari metode moving averages. Pada kedua metode ini peramalan dilakukan dengan mengulang perhitungan secara terus menerus dengan menggunakan data terbaru, dimana setiap data diberi bobot. Akan tetapi kekurangan pada metode Moving Average adalah bobot diberikan sama pada setiap datanya, sedangkan kelebihan pada metode Exponential Smoothing adalah data yang lebih baru diberi bobot yang lebih besar, sehingga data terbaru lebih diperhatikan nilainya. Bobot yang terdapat pada metode Single Exponential Smoothing adalah nilai bobot (α) alpha. Bobot ini berfungsi untuk melakukan penghalusan terhadap nilai peramalan. Besaran α (alpha) ditentukan secara acak (trial and error) sampai ditemukan α (alpha) yang menghasilkan forecast error terkecil. Besarnya α adalah antara 0 dan 1. Metode MSE (Mean Square Error) digunakan sebagai metode untuk mengukur kesalahan peramalan (forecast error). Mean Squared Error (MSE) adalah metode alternatif untuk mengevaluasi teknik peramalan masingmasing kesalahan. Metode MSE merupakan indikator yang berguna dan memberikan nilai absolut sabagai kebalikan dari informasi relatif dalam metode MAPE. Data yang akan dianalisis hanya diambil beberapa tipe mobil sebagai sample untuk penerapan metode Forecasting Single Exponential Smoothing . Tabel 1 : Sampel Data

Dimana m adalah jumlah periode kemuka yang diramalkan. Metode double exponential smoothing ini biasanya lebih tepat untuk meramalkan data yang mengalami trend kenaikan(Supriana, Uci, 2010) 3. Pembahasan 3.1 Analisa Metode Peramalan Langkah pertama dan penting dalam 3.2 Analisis Metode Forecasting Single memilih metode suatu deret berkala yang tepat Exponential Smoothing yaitu dengan mempertimbangkan jenis pola Metode Single Exponential Smoothing data, sehingga metode yang paling tepat dengan ini akan diterapkan pada perhitungan dalam pola tersebut dapat diuji. Metode yang akan menentukan persediaan unit mobil untuk periode digunakan dalam meramalkan persediaan unit bulanan kedepan. mobil Mitsubishi di PT. Sardana Indah Berlian Berikut rumus untuk Metode Forecasting Single Motor adalah metode peramalan kuantitatif yaitu Exponential Smoothing : Metode Forecasting Single Exponential Ft+1 = α Xt + (1 – α) Ft Smoothing. Ft+1 : Ramalan untuk periode ke t+1 Ada dua klasifikasi metode dalam metode Sistem Peramalan Persediaan Unit Mobil Mitsubishi Pada PT. Sardana Indah Berlian Motor 3 Dengan Menggunakan Metode Exponential Smoothing. Oleh : Afni Sahara


Majalah Ilmiah


Xt : Nilai riil periode ke t Ft : Ramalan untuk periode ke t α : bobot yang menunjukan konstanta penghalus Dalam peramalan ini, alpha (α) yang akan dicoba (trial) secara acak sebagai nilai bobot dan contoh perhitungan adalah (α = 0.1), (α = 0.3), (α = 0.5), (α = 0.7), dan (α = 0.9).

= ( 0.9 * 38 ) + ( 0.1 * 50 ) = 39.2 Tabel 3 : Hasil peramalan mobil Mitsubishi Tipe T 120 PU dengan alpha = 0.1

Tabel 2 : Data permintaan konsumen terhadap mobil Mitsubishi Tipe T 120 PU

Tabel 4 : Hasil peramalan mobil Mitsubishi Tipe T 120 PU dengan alpha = 0.3

a. Berikut contoh perhitungan untuk konstanta alpha (α = 0.1) F2 = α X1+ (1 – α) F1 = ( 0.1 * 50 ) + ( 0.9 * 50 ) = 50 F3 = α X2 + (1 – α) F2 = ( 0.1 * 38 ) + ( 0.9 * 50 ) Tabel 5 : Hasil peramalan mobil Mitsubishi Tipe = 48.8 T 120 PU dengan alpha = 0.5 b. Berikut contoh perhitungan untuk konstanta alpha (α = 0.3) F2 = α X1+ (1 – α) F1 = ( 0.3 * 50 ) + ( 0.7 * 50 ) = 50 F3 = α X2 + (1 – α) F2 = ( 0.3 * 38 ) + ( 0.7 * 50 ) = 46.4 c. Berikut contoh perhitungan untuk konstanta alpha (α = 0.5) F2 = α X1+ (1 – α) F1 = ( 0.5 * 50 ) + ( 0.5 * 50 ) = 50 F3 = α X2 + (1 – α) F2 = ( 0.5 * 38 ) + ( 0.5 * 50 ) Tabel 6 : Hasil peramalan mobil Mitsubishi Tipe = 44 T 120 PU dengan alpha = 0.7 d. Berikut contoh perhitungan untuk konstanta alpha (α = 0.7) F2 = α X1+ (1 – α) F1 = ( 0.7 * 50 ) + ( 0.3 * 50 ) = 50 F3 = α X2 + (1 – α) F2 = ( 0.7 * 38 ) + ( 0.3 * 50 ) = 41.6 e. Berikut contoh perhitungan untuk konstanta alpha (α = 0.9) F2 = α X1+ (1 – α) F1 = ( 0.9 * 50 ) + ( 0.1 * 50 ) = 50 F3 = α X2 + (1 – α) F2 Sistem Peramalan Persediaan Unit Mobil Mitsubishi Pada PT. Sardana Indah Berlian Motor 4 Dengan Menggunakan Metode Exponential Smoothing. Oleh : Afni Sahara


Majalah Ilmiah


Tabel 7 : Hasil peramalan mobil Mitsubishi Tipe T 120 PU dengan alpha = 0.9

Menghitung kesalahan / error dengan mengunakan metode MSE (Mean Square Error). a. Perhitungan metode MSE pada forecast dengan alpha = 0.1

= 3037.54 / 12 = 253.13 Dari perhitungan diatas dapat dilihat bahwa Mean Square Error (MSE) terkecil diperoleh dengan alpha 0.5, yaitu 242.74 . Hal ini menunjukkan bahwa forecast terbaik untuk meramalkan volume permintaan konsumen terhadap Mitsubishi tipe T 120 PU adalah dengan menggunakan alpha 0.5. Jadi, nilai ramalan mobil Mitsubishi tipe T 120 PU untuk bulan Maret 2013 dengan periode ramalan selama 12 bulan (1 tahun) dengan alpha = 0.5 adalah sebesar 56.35 atau sekitar 56 unit mobil. 2. Perhitungan data volume penjualan mobil Mitsubishi Tipe L 300 PU Dalam tahap perhitungan data volume permintaan konsumen terhadap mobil Mitsubishi Tipe L 300 PU ini akan dijelaskan mengenai perhitungan peramalan dengan menggunakan metode Single Exponential Smoothing. Berikut telah diketahui data volume permintaan konsumen terhadap mobil Mitsubishi tipe L 300 PU dari bulan Maret 2012 hingga bulan Febuari 2013. Maka berikut ini akan dijelaskan mengenai langkah-langkah perhitungan peramalan untuk mengetahui permintaan terhadap mobil Mitsubishi tipe L 300 PU pada bulan Maret 2013 dengan periode peramalan selama 12 bulan (1 tahun). Tabel 8 : Data volume permintaan konsumen terhadap mobil Mitsubishi Tipe L300PU

= 3214.48 / 12 = 267.87 b. Perhitungan metode MSE pada forecast dengan alpha = 0.3

= 3029.7 / 12 = 252.47 c. Perhitungan metode MSE pada forecast dengan alpha = 0.5

= 2912.87 / 12 = 242.74 d. Perhitungan metode MSE pada forecast dengan alpha = 0.7

= 2954.53 / 12 = 246.21 e. Perhitungan metode MSE pada forecast dengan alpha = 0.9

Berikut contoh perhitungan untuk konstanta alpha (α = 0.1) F2 = α X1+ (1 – α) F1 = ( 0.1 * 19 ) + ( 0.9 * 19 ) = 19 F3 = α X2 + (1 – α) F2 = ( 0.1 * 30 ) + ( 0.9 * 19 ) = 20.1 b. Berikut contoh perhitungan untuk konstanta alpha (α = 0.3) a.

Sistem Peramalan Persediaan Unit Mobil Mitsubishi Pada PT. Sardana Indah Berlian Motor Dengan Menggunakan Metode Exponential Smoothing. Oleh : Afni Sahara

5


Majalah Ilmiah


F2 = α X1+ (1 – α) F1 = ( 0.3 * 19 ) + ( 0.7 * 19 ) = 19 F3 = α X2 + (1 – α) F2 = ( 0.3 * 30 ) + ( 0.7 * 19 ) = 22.3 c. Berikut contoh perhitungan untuk konstanta alpha (α = 0.5) F2 = α X1+ (1 – α) F1 = ( 0.5 * 19 ) + ( 0.5 * 19 ) = 19 F3 = α X2 + (1 – α) F2 = ( 0.5 * 30 ) + ( 0.5 * 19 ) = 24.5 d. Berikut contoh perhitungan untuk konstanta alpha (α = 0.7) F2 = α X1+ (1 – α) F1 = ( 0.7 * 19 ) + ( 0.3 * 19 ) = 19 F3 = α X2 + (1 – α) F2 = ( 0.7 * 30 ) + ( 0.3 * 19 ) = 26.7 e. Berikut contoh perhitungan untuk konstanta alpha (α = 0.9) F2 = α X1+ (1 – α) F1 = ( 0.9 * 19 ) + ( 0.1 * 19 ) = 19 F3 = α X2 + (1 – α) F2 = ( 0.9 * 30 ) + ( 0.1 * 19 ) = 28.9 Tabel 9 : Hasil peramalan mobil Mitsubishi Tipe L 300 PU dengan alpha = 0.1

Tabel 10 : Hasil peramalan mobil Mitsubishi Tipe L 300 PU dengan alpha = 0.3

Tipe L 300 PU dengan alpha = 0.5

Tabel 12 : Hasil peramalan mobil Mitsubishi Tipe L 300 PU dengan alpha = 0.7

Tabel 13 : Hasil peramalan mobil Mitsubishi Tipe L300 PU dengan alpha = 0.9

error dengan Menghitung kesalahan / mengunakan metode MSE (Mean Square Error). a. Perhitungan metode MSE pada forecast dengan alpha = 0.1

= 489.73 / 12 = 40.81 b. Perhitungan metode MSE pada forecast dengan alpha = 0.3

= 497.82 / 12 Tabel 11 : Hasil peramalan mobil Mitsubishi Sistem Peramalan Persediaan Unit Mobil Mitsubishi Pada PT. Sardana Indah Berlian Motor Dengan Menggunakan Metode Exponential Smoothing. Oleh : Afni Sahara

6


Majalah Ilmiah


= 41.48 c. Perhitungan metode MSE pada forecast dengan alpha = 0.5

Tabel 15 : Hasil perhitungan peramalan untuk persediaan bulan Maret 2013

= 537.26 / 12 = 44.77 d. Perhitungan metode MSE pada forecast dengan alpha = 0.7

= 600.45 / 12 = 50.04 e. Perhitungan metode MSE pada forecast dengan alpha = 0.9

= 701.39 / 12 = 58.45 Dari perhitungan diatas dapat dilihat bahwa Mean Square Error (MSE) terkecil diperoleh dengan alpha 0.1 , yaitu 40.81 . Hal ini menunjukkan bahwa forecast terbaik untuk meramalkan volume permintaan konsumen terhadap Mitsubishi tipe L 300 PU adalah dengan menggunakan alpha 0.1. Jadi, nilai ramalan mobil Mitsubishi tipe L 300 PU untuk bulan Maret 2013 dengan periode ramalan selama 12 bulan (1 tahun) dengan alpha = 0.1 adalah sebesar 21.48 atau sekitar 21 unit mobil. 3.3

Kesimpulan Hasil Peramalan Dengan Metode Forecasting Single Exponential Smoothing Berdasarkan hasil perhitungan dengan kasus uji sample diatas dapat diketahui bahwa Metode Forecasting Single Exponential Smoothing ini perlu dilakukan perbandingan dalam mementukan nilai alpha, dengan mencari nilai alpha tersebut secara trial/acak sampai menemukan alpha yang memiliki nilai error yang minimum. Maka hasil peramalan yang memiliki alpha dengan nilai error paling minimum lah yang paling baik. Berikut akan ditampilkan hasil perhitungan kesalahan / error dengan mengunakan metode MSE (Mean Square Error) dari metode yang telah dianalisis serta hasil peramalan persediaan kendaraan untuk bulan Maret 2013 selama periode peramalan 12 bulan (1 tahun).

Dalam analisis metode peramalan yang telah dilakukan, dapat disimpulkan yaitu bahwa jika alpha (α) mempunyai nilai mendekati 1, maka ramalan yang baru akan mencakup penyesuaian yang besar pada ramalan sebelumnya. Sebaliknya, jika alpha (α) mendekati 0, maka ramalan yang baru akan mencakup penyesuaian yang sangat kecil. Jadi, pengaruh besar kecilnya alpha (α) terhadap kecilnya nilai 4.

Kesimpulan Kesimpulan yang dapat diperoleh setelah melakukan analisis dan pengujian terhadap sistem yang dibangun adalah : 1. Sistem peramalan yang dibangun dapat membantu dan mempermudah dalam menentukan berapa banyak unit mobil yang harus disediakan untuk memenuhi permintaan konsumen. 2. Sistem yang dibangun dapat meningkatkan efektifitas pengolahan data penjualan kendaraan , data pemesanan kendaraan.

Daftar Pustaka [1]. Makridakis,S dan Wheelwright,S.C;2003 [2]. Sumber:(http://kk.mercubuana.ac.id/files/1502 4-8-968515215342.doc,17 Juni 2013 [3]. Sumber:(http://widada.staff.gunadarma.ac.id/D ownloads/files/13075/FLOWCHART.doc, diakses 17 Juni 2013).

Tabel 14 : Hasil perhitungan kesalahan / error dengan mengunakan metode MSE

Sistem Peramalan Persediaan Unit Mobil Mitsubishi Pada PT. Sardana Indah Berlian Motor Dengan Menggunakan Metode Exponential Smoothing. Oleh : Afni Sahara

7

SISTEM PERAMALAN PERSEDIAAN UNIT MOBIL MITSUBISHI PADA PT. SARDANA INDAH BERLIAN MOTOR DENGAN MENGGUNAKAN METODE EXPONENTIAL SMOOTHING

Recommend Documents