Analisis Forecasting Jumlah Penjualan Jilbab Menggunakan

Metode Simple Moving Average Dan Single Exponential Smoothing

(Studi Kasus Toko Ayhijab)

Pegi Rahayu1, R.A.Rahayu2, Sri Maryani3

email: pegyrahayu202@gmail.com1, Ayu.rahayu24111@gmail.com2, Srimaryani222@gmail.com3

Abstrak

Forecasting merupakan salah satu metode yang di gunakan untuk meramalkan atau
memperkirakan mengenai sesuatu yang belum terjadi. Forecasting biasa di gunakan dalam
menentukan keputusan bisnis untuk masa yang akan datang. Penelitian ini ingin
menunjukkan immplementasi forecasting untuk data jumlah penjualan jilbab yang bersifat
irreguler, dengan menggunakan dua metode forecasting yaitu Simple Moving Average dan
Single Exponential Smoothing. Data yang akan diolah adalah data pada Toko Ayhijab, pada
bulan April dan di sajikan pada data perminggu. Hasil yang didapatkan dari penelitian ini
adalah hasil analisa dari perbandingan metode Simple Moving Average dan Single
Exponential Smoothing untuk memperoleh informasi prediksi jumlah penjualan dan
tingkat keakuratannya dengan data MAPE, MAD, MSD. .

A. Latar Belakang jenis jilbab dengan jumlah stok

Usaha adalah sebuah kegiatan di
bidang perdagangan dengan
maksud mencari keuntungan [1].
Terdapat berbagai macam jenis
usaha yang ada di sekitar kita.
Salah satu usaha dagang yang
marak adalah usaha penjualan
barang. Usaha penjulaan barang
yang tren saat ini adalah Hijab.
Toko Ayhijab salah satu usaha
penjualan barang yang hanya
menjual satu produk yaitu jilbab.
Meskipun hanya menjual satu
produk namun terdapat berbagai
yang cukup banyak. Usaha dengan
satu produk saja belum berarti
lepas dari permasalahan seputar
kegiatan usaha. Masalah yang
mungkin terjadi di usaha tersebut
mulai dari penjualan, pembelian,
stok, dan keuangan. Bentuk
laporan yang masih manual dan
tidak berupa grafik, membuat
pemilik menjadi kesulitan dalam
melihat perkembangan pada usaha
tersebut, akibatnya pemilik dapat
melakukan kesalahan dalam
pengambilan keputusan terutama
 untuk menambah atau mengurai masa depan. Sehingga
beberapa stok barang. mendapatkan nilai forecast yang
Forecasting adalah peramalan memiliki kesalahan peramalan
atau perkiraan mengenai sesuatu atau forecast error yang paling
yang belum terjadi[2]. Penggunaan minimum merupakan tujuan dari
metode forecasting ini membantu forecasting. Hal ini menunjukkan
pemilik untuk menentukan jumlah bahwa forecasting merupakan alat
penjulan barang yang akan datang, bantu yang sangat penting dalam
sehingga pemilik lebih mudah perencanaan yang efektif dan
untuk memutuskan melakukan efisien. Berikut ini adalah metode
penambahan atau pengurangan forecasting yang digunakan dalam
stok barang. Pada penelitian ini, penelitian ini.
penulis akan menganalisis data dari 2. Moving Average
hasil penjualan jilbab dengan Moving average merupakan model
melakukan perbandingan melalui dalam melakukan prediksi. Teknik
dua metode forecast yaitu simple moving average digunakan dalam
moving average dan single memprediksi permintaan dengan
exponential smoothing untuk cara melakukan perhitungan nilai
meramalkan jumlah penjualan rata-rata dari nilai permintaan
jilbab pada bulan berikutnya pada sesungguhnya dari sejumlah
Toko Ayhijab. periode yang spesifik sebelumnya.
B. Landasan Teori Setiap prediksi baru ditetapkan
pada periode yang lama dan
1. Konsep Dasar Forecasting
digantikan dengan permintaan
Forecasting adalah peramalan dari periode yang baru, sehingga
atau perkiraan mengenai sesuatu data pada perhitungan berpindah
yang belum terjadi [2]. Peramalan sepanjang waktu, sesuai dengan
biasanya dilakukan dengan nama metode ini. Metode simple
menggunakan data dari masa lalu moving average digunakan untuk
yang dianalisis dengan data yang bersifat tidak stabil,
menggunakan metode-metode tidak memiliki tren, dan tidak
tertentu. Melalui forecasting menggunakan pembobotan pada
diharapkan dapat meminimalisasi data. Menurut Wisner dan teman-
pengaruh ketidakpastian dari temannya moving average
menggunakan data historis untuk nilai prediksi yang sebelumnya
menghasilkan prediksi dan dapat telah ditentukan. Langkah
bekerja dengan baik ketika terakhir adalah menggunakan
nilainya tidak stabil [3]. Nilai faktor dari tren yang paling baru
periode – n dalam prediksi simple untuk menyesuaikan dengan hasil.
moving average dapat digambarkan Single exponential smoothing
pada persamaan berikut ini: yang dikenal dengan simple
1
Ft+1 = 𝑛 ∑𝑡𝑖=𝑡−𝑛=1 𝐴𝑖 exponential smoothing
digunakan untuk peramalan
Ft+1 = prediksi untuk periode t+1
jangka pendek, biasanya hanya
n = jumlah periode yang digunakan
satu bulan ke depan. Model
untuk menghitung moving average
mengasumsikan bahwa data
Ai = nilai sesungguhnya pada
berfluktuasi disekitar nilai rata-
periode i .
rata yang tetap, tanpa tren atau
pola pertumbuhan konsisten [4].
3. Single Exponential Smoothing
Berikut adalah permodelan dari
single exponential smoothing pada
Exponential smoothingmerupakan
persamaan berikut ini [5]:
model hasil pengembangan
St = ɑ Yt-1 + (1 - ɑ ) St-1
moving average pada basis analisis
St = nilai smoothing pada periode
time series dan prediksi, dan sering
waktu t
digunakan untuk prediksi produksi,
Yt-1 = nilai sebenarnya pada
terutama untuk prediksi jangka
periode waktu t-1
pendek. Model ini dibuat dengan
S t-1 = nilai smoothing pada
teori bahwa tren dari time series
periode waktu t-1
memiliki karakteristik dari
ɑ = konstanta smoothing, yang
stabilitas dan regularitas.
memiliki jangka 0 sampai 1
Penggunaan umum dari
Dalam melakukan perhitungan
exponential smoothing digunakan
menggunakan kedua metode
untuk memprediksi nilai dari
tersebut, hampir dapat dipastikan
data historis, kemudian
akan memiliki kesalahan atau
digunakan kembali untuk
error. Maka perlu dilakukan
memprediksi maksimum
perhitungan terhadap nilai akurasi
permintaan yang paling baru dan
prediksi yang sudah dilakukan.
 Pada penelitian ini digunakan dari minggu pertama hingga
metode Mean minggu terakhir pada bulan April
Absolute Deviation (MAD) Tahun 2018.
dengan ketentuan semakin kecil
Minggu Data Penjualan
nilai MAD menunjukkan error 1 260
yang dihasilkan semakin sedikit. 2 300
3 200
Persamaan MAD adalah sebagai 4 320
5 310
berikut [6]:
MAD = ∑𝑛𝑡=1 |At − Ft|
D. Pembahasan
n
1. Simple Moving Average
n = jumlah data Minggu data AVER1 FITS1 RESI1 FORE1
At = data sebenarnya pada waktu t 1 260 * * * 276,667

Ft = data hasil prediksi pada waktu 2 300 * * *

3 200 253,333 * *
t
4 320 273,333 253,333 66,6667

5 310 276,667 273,333 36,6667

C. Metodologi Penelitian
Metode penelitian ini
menggunakan metode kualitatif
yaitu suatu metode yang bersifat
deskriptif dan cenderung Moving Average for data
menggunakan analisis. Method

1. Tempat Penelitian Data data

Length 5
Toko Ayhijab merupakan suatu NMissing 0
bentuk usaha atau bisnis yang Moving Average
menjual berbagai macam jilbab. Length 3
Usaha ini telah dirintis sejak tahun Accuracy Measures
2015 dan masih berjalan sampai MAPE 16,33

sekarang. Lokasi Toko Ayhijab MAD 51,67

berada di Jl. Anggrek no.80 Rt.52 MSD 2894,44

Rw.20 Perumnas Sako, Kota

Palembang. Forecasts
2. Data Penelitian Period Forecast Lower Upper

Data yang digunakan pada 6 276,667 171,221 382,113

penelitian ini adalah data penjualan

 Moving Average Plot for data Method
Data data
Length 5
Smoothing Constant
α 0,177228
Accuracy Measures
MAPE 17,03
MAD 42,01
MSD 2424,00
Berdasarkan hasil analisis data Forecasts
yang di lakukan menggunakan Period Forecast Lower Upper

metode Moving Average bahwa 6 286,446 183,526 389,366

Single Exponential Smoothing
hasil dari forecast data tersebut, Plot for data
pada periode ke-6 nilai ramalan
nya adalah 276,667. Dengan
MAPE (Mean Absolute Percentage
Error) = 16,33 , MAD (Mean
Absolute Deviation) = 51,67 dan
MSD (Mean Squared Deviation) =
2894,44.

2. Single Exponential Smoothing Berdasarkan hasil analisis data

Minggu data SMOO1 FITS1 RESI1 FORE1

yang di lakukan menggunakan
1 260 286,372 292,053 -32,053 286,446 metode Single Exponential
2 300 288,788 286,372 13,6277
3 200 273,052 288,788 -88,788
Smoothing bahwa hasil dari
4 320 281,372 273,052 46,9481 forecast data tersebut, pada
5 310 286,446 281,372 28,6276
periode ke-6 nilai ramalan nya
adalah 286,446. Dengan MAPE
(Mean Absolute Percentage
Error) = 17,03 , MAD (Mean
Absolute Deviation) = 42,01
dan MSD (Mean Squared
Deviation) = 2424,00.

Single Exponential
E. Kesimpulan
Smoothing for data
 Berdasarkan hasil analisis data
yang dilakukan, dapat di
simpulkan bahwa. forecasting
menggunakan metode simple
moving average menghasilkan
rata-rata nilai error yang lebih
rendah dengan nilai 16,33
dibandingkan dengan metode
single exponential smoothing
yang bernilai 17,03.

F. Tinjauan Pustaka
[1] Pusat Bahasa, “Kamus Besar
Bahasa Indonesia,” Jakarta:
Pusat Bahasa,
2008.
[2] Pangestu, S. (1986).
Forecasting : Konsep dan Aplikasi
. Yogyakarta: BPFE-UGM.
[3] Wisner, J., Leong, G., & Tan,
K. (2005). Principles of Supply
Chain Management: A Balanced
Approach. Mason, Ohio: Thomson,
South-Western.
[4] Makridakis. (1999). Metode
dan Aplikasi Peramalan edisi 2.
Jakarta: Binarupa Aksara.
[5] Hunter, J. (1986). The
Exponentially Weighted Moving
Average. Journal of Quality
Technology,18 , 203-210.
[6] Krajewski, L., & Ritzman,
L. R. (1993). Operations
Management, Strategy and
Analysis. Addison-Wesley.