Professional Documents
Culture Documents
ID Perbandingan Metode Winter Eksponensial
ID Perbandingan Metode Winter Eksponensial
Abstrak— Peramalan penjualan memungkinkan sebuah Objek yang dipilih dalam melakukan penelitian Tugas
perusahaan memiliki tingkat persediaan yang optimal untuk Akhir ini adalah perusahaan yang bergerak dalam bidang
membuat keputusan yang sesuai dan mempertahankan efisiensi industri minuman ringan. Tingginya permintaan pada saat-
dari kegiatan operasional. Peramalan menjadi alat bantu saat tertentu dikarenakan konsumen membutuhkan produk
penting bagi perusahaan untuk perencanaan produksi dan
distribusi yang erat kaitannya dengan sumber daya dan biaya
yang siap untuk disajikan.
yang harus dikeluarkan. Oleh sebab itu, dalam Tugas Akhir ini Menurut beberapa media massa menyatakan bahwa pada
dilakukan peramalan dengan membandingkan dua metode setiap hari raya Idul Fitri, perusahaan menambah pasokan dua
yaitu metode Winter Eksponensial Smoothing dan metode Event kali lipat dibanding bulan sebelumnya[2]. Tidak hanya untuk
Based untuk menentukan penjualan terbaik di perusahaan. hari raya keagamaan saja, banyak hal yang mungkin bisa saja
Metode event based terdiri dari metode moving average event sangat mempengaruhi tingkat permintaan seperti faktor
based dan eksponensial smoothing event based yang promosi, strategi perlawanan dari kompetitor, dan banyak hal
perhitungannya menggunakan indeks special event, dan lainnya.
kemudian hasilnya dibandingkan dengan metode winter Pada penelitian sebelumnya tahun 2003 peramalan
eksponensial smoothing. Setelah dilakukan peramalan
penjualan di PT. Coca Cola Surabaya , menggunakan metode
diperoleh hasil bahwa metode winter eksponensial smoothing
sesuai untuk produk A dan produk B, yang memiliki tingkat standar Moving Average dan Exponential Smoothing yang
error terkecil. telah dipengaruhi indeks event menunjukkan nilai error
peramalan yang lebih kecil dibandingkan nilai error
Kata Kunci—Winter eksponensial smoothing. Moving peramalan biasa tanpa melibatkan indeks event [1].
average event based, Eksponensial smoothing event based, Indeks Sedangkan pada Tugas Akhir ini, akan dibandingkan
special event. peramalan dengan metode Moving Average Event Based
(MAEB), Exponential Smoothing Event Based (ESEB), dan
I. PENDAHULUAN metode Winter Eksponensial Smoothing (WES). Metode
MAEB dan ESEB adalah pendekatan metode peramalan
D ALAM era modern, perkembangan dunia usaha yang
terjadi baik di bidang perdagangan, manufaktur, dan
industri yang didukung oleh ilmu pengetahuan dan teknologi
dasar dengan mengunakan indeks event, sedangkan metode
Winter eksponensial smoothing metode peramalan yang
mendorong dunia usaha ke arah perdagangan bebas dengan sesuai untuk data musiman.
persaingan yang cukup ketat. Peramalan penjualan Dengan demikian dibutuhkan peramalan yang dapat
dijadikan sebagai masukan dalam pengendalian perusahaan,
merupakan hal penting yang dijadikan pertimbangan oleh
selain itu perlu informasi event, dalam hal ini ialah special
suatu perusahaan yang bergerak di bidang produksi dan
event yang mempengaruhi dalam hal perencanaan dan
distribusi dalam hal perencanaan. Hal ini dikarenakan,
penjualan produk. Pada penelitian Tugas Akhir ini, produk
peramalan membantu pihak perusahaan dalam pengambilan yang diamati sebanyak dua produk. Oleh sebab itu
keputusan yang akan berdampak pada perencanaan produksi dibutuhkan metode peramalan yang tepat untuk peramalan
dan kegiatan distribusi yang erat kaitannya dengan sumber penjualan yang dapat meningkatkan penjualan produk di
daya dan biaya yang harus dikeluarkan[1]. sebuah perusahaan dan menghasilkan rencana produksi
Dalam kondisi riil, fluktuasi permintaan seringkali terjadi. dengan total biaya minimal.
Salah satunya disebabkan karena adanya pengaruh dari Dari uraian tersebut, pada penelitian Tugas Akhir ini
special event yang dapat mengubah besaran permintaan. Bagi dilakukan peramalan menggunakan metode Winter
produsen, special event dapat menjadi peluang untuk eksponensial smoothing dan dibandingkan dengan metode
memaksimalkan jumlah penjualan sehingga perusahaan peramalan Event based.
mampu menaikkan keuntungan. Tetapi, jika perusahaan tidak
mampu memenuhi permintaan tersebut maka akan
II. TINJAUAN PUSTAKA
berdampak bagi penurunan kepuasan konsumen. Adanya
special event berdampak pada kenaikan penjualan pada A. Peramalan
waktu-waktu tertentu. Peramalan (Forecasting) merupakan suatu kegiatan yang
bertujuan untuk memperkirakan atau memprediksi apa yang
JURNAL SAINS DAN SENI ITS Vol. 6, No.1, (2017) 2337-3520 (2301-928X Print) A2
terjadi pada masa yang akan datang dengan waktu yang relatif
lama. Metode peramalan (forecasting) merupakan suatu cara Metode Winter’s membutuhkan tiga parameter
atau tekhnik dalam memperkirakan atau mengestimasi secara pemulusan (alfa, beta, dan gamma) yang dapat bernilai antara
kuantitatif maupun kualitatif kejadian-kejadian pada masa 0 dan 1, sehingga banyak kombinasi yang harus dicobakan
yang akan datang. Kegunaannya adalah membantu dalam sebelum nilai ketiga parameter yang optimal ditentukan.
mengadakan pendekatan analisa terhadap pola data yang Metode alternatif yang dapat mengurangi keraguan tentang
relevan pada masa lalu.. nilai optimal adalah mencari nilai taksiran awal yang lebih
baik, lalu menetapkan nilai yang kecil untuk ketiga parameter
B. Pola Data
pemulusan yaitu (sekitar 0,1 sampai dengan 0,3). Nilai 0,1
Langkah penting dalam memilih deret berkala (time membuat ramalan bersifat terlalu berhati-hati, sedangkan
series) adalah jenis pola data, sehingga metode yang paling nilai 0,3 memberikan system yang lebih responsif [5].
tepat dapat diuji. Pola data dibedakan menjadi 4 jenis, yaitu Rumus metode penghalusan eksponensial dari Winter’s
[5] : Pola Horizontal (H) terjadi bilamana data befluktuasi dapat digunakan dengan mengambil secara sembarang
disekitar nilai rata-rata yang konstan (stasioner terhadap nilai beberapa nilai awal yang telah ditetapkan [6] , yaitu :
1
rata-ratanya). Pola Musiman (S) terjadi bilamana suatu deret 𝑆𝑡 = (𝑋1 + 𝑋2 + ⋯ + 𝑋𝑡 ) ,
𝑡
dipengaruhi oleh faktor musiman (misalnya kuartal tahun,
bulanan atau hari-hari pada minggu tertentu). Pola Trend (T) 1 (𝑋𝑡+1 − 𝑋1 ) (𝑋𝑡+2 − 𝑋2 ) 𝑋𝑡+𝑘 − 𝑋𝑘
terjadi bilamana terdapat kenaikan atau penurunan pada 𝑏𝑡 = ( + + ⋯+ ),
𝑡 𝑡 𝑡 𝑡
jangka panjang dalam data. Pola Siklis (C) terjadi
bilamana datanya dipengaruhi oleh fluktuasi ekonomi jangka 𝐼𝑚𝑡 = 𝑋𝑡 − 𝑆𝑡 .
panjang seperti yang berhubungan siklus bisnis. dengan 𝑘 = 1,2, … , 𝑡
D. Moving Average
Moving Average (MA) atau rata-rata bergerak dilakukan
dengan meratakan historis masa lalu untuk memperoleh
peramalan nilai diwaktu yang akan datang, misalkan rata-rata
bergerak 3 tahunan, 4 bulanan, 5 mingguan, dll. MA dengan
orde N dapat dihitung dengan menggunakan persamaan [5] :
dengan :
𝑋𝑡 + 𝑋𝑡−1 + ⋯ + 𝑋𝑡−𝑁+1 (1)
𝐹𝑡+1 = ,
𝑁
dengan :
Gambar. 1. Pola Data 𝐹𝑡+1 : Peramalan periode +1 ,
𝑁 : Jumlah periode yang terlibat.
Selanjutnya, langkah awal dalam penentuan pengaruh terhadap data asli. Secara matematis, MAPE dirumuskan
dari special event dapat diukur berdasarkan indeks dari event mengikuti persamaan [5] :
tersebut. Semakin besar indeks nya maka akan semakin besar 𝑁 |(𝑥𝑡 − 𝐹𝑡 ) 𝑥 (100)|
pengaruhnya terhadap penjualan disetiap periode, 𝑥𝑡 (8)
𝑀𝐴𝑃𝐸 = ∑ .
perhitungan indeks special event menggunakan persamaan 𝑁
𝑡=1
[4] :
𝑋𝑡 (3)
𝐼𝑡 = ,
𝐹𝑡 III. HASIL DAN PEMBAHASAN
dengan :
𝐼𝑡 : Indeks special event pada periode t. A. Analisis Pola Data
Indeks ini hanya dihitung pada periode yang terdapat Tahapan yang dilakukan untuk pertama kalinya yaitu
special event. Dari indeks tersebut, disusun berdasarkan event melakukan pengecekan pola data historis. Ada dua cara yang
yang sama pada tahun berbeda kemudian Indeks special event digunakan untuk mengetahui pola data. Yaitu dengan plot
yang digunakan untuk peramalan MAEB dan ESEB. data time series dan analisis autokorelasi.
Selanjutnya, indeks special event digunakan sebagai fakor Untuk mengetahui pola data historis dapat menggunakan
pengali untuk meramalkan yaitu [4] : plot data dengan bantuan Software Minitab 17. Pada Gambar
𝑃𝑡+1 = 𝐺𝑡+1 𝑥 𝐹𝑡+1 , (4) 1 adalah hasil plot data time series untuk varian produk A dan
dengan : produk B.
𝑃𝑡+1 : Peramalan dengan indeks pada periode t+1 ,
𝐺𝑡+1 : Grup Indeks special event pada periode t+1.
Dari persamaan (4) tersebut kita dapat menghitung nilai Selain menggunakan plot data time series, untuk
error masing-masing metodenya. mengecek pola data dapat dilakukan dengan menggunakan
uji Autocorrelation Function (ACF) dan Partial
G. Kesalahan Peramalan (error) Autocorrelation Function (PACF). Uji ACF dan PACF
bertujuan untuk mendapatkan metode peramalan yang sesuai
Ketepatan dari suatu metode peramalan merupakan untuk dapat digunakan dalam tahapan ramalan permintaan
kesesuaian dari suatu metode yang menunjukkan seberapa atau penjualan. Pada Gambar 2 adalah hasil uji ACF untuk
jauh model peramalan tersebut mampu meramalkan data varian produk A dan produk B.
aktual. Nilai hasil peramalan akan selalu berbeda dengan data
aktual. Perbedaan antara nilai peramalan dengan data aktual
disebut kesalahan peramalan (error). Meskipun suatu jumlah
kesalahan peramalan tidak dapat dihindari, namun tujuan
peramalan adalah agar kesalahan diminimalisir.
Metode peramalan yang memiliki nilai kesalahan hasil
peramalan terkecil, akan dianggap sebagai metode yang
cocok untuk digunakan. Terdapat banyak metode untuk
melakukan perhitungan kesalahan peramalan[5]. Metode
yang digunakan pada Tugas Akhir ini adalah: (a) (b)
Gambar. 2. Uji ACF produk A dan produk B
1. Rata-rata kesalahan kuadrat (Mean Square Error /MSE)
Perhitungan pada metode ini adalah perbedaan antara data Pada Gambar 3 adalah hasil uji PACF untuk varian produk
asli dan data hasil peramalan. Perbedaan tersebut kemudian A dan produk B.
dikuadratkan dan dibagi dengan jumlah N data. Secara
matematis, MSE dirumuskan mengikuti persamaan [5] :
𝑁
(𝑥𝑡 − 𝐹𝑡 )2
𝑀𝑆𝐸 = ∑ . (7)
𝑁
𝑡=1
2-5 0,981
Puasa dan Hari Raya Idul Fitri 41-44 0,992 1,004
3. Winter exponential smoothing (WES)
99-102 1,039 Berdasarkan hasil pengecekan pola data historis,
Idul Adha
10 1,204
0,964
didapatkan bahwa pola data memiliki kecenderungan data
54 0,723 musiman. Untuk itu metode Winter’s Exponential Smoothing
22 1,095
Tahun Baru Imlek 1,079 (WES) digunakan untuk meramalkan penjualan produk.
76 1,063
12-13 1,179
Peramalan dengan metode Winter’s Exponential Smoothing
Natal dan Tahun Baru 0,107
69-70 0,954 (WES) menggunakan 3 parameter pemulusan dengan
Hari Proklamasi
7-8 0,91
0,954 memilih nilai 𝛼, β, dan γ yang menghasilkan nilai MAPE
47-48 0,998
minimum. Dengan cara trial and error (coba dan salah)
33 0,951
Ulang Tahun Perusahaan
91 1,018
0,985 didapatkan nilai ketiga parameter yang menghasilkan nilai
MAPE minimum, sehingga untuk meramalkan penjualan
JURNAL SAINS DAN SENI ITS Vol. 6, No.1, (2017) 2337-3520 (2301-928X Print) A5
periode berikutnya menggunakan bantuan software minitab [3] Kristoko, D. H, Subanar, dan Edi, W.(2015). Winter's Exponential
17 dengan nilai masing-masing parameter (α = 0,3 ; β = 0,3 ; Smoothing and Z-Score Algorithms for Prediction of Rainfall.
Boyolali: Central Java. Journal of Theoritical and Applied Information
γ = 0,3) . Technology 1:73.
Untuk mendapatkan nilai error pada metode ini [4] Henifa, S. L.(2010). Peramalan Penjualan Avtur dengan
menggunakan persamaan (2.7) dan (2.8). Pada Tabel 6 adalah Mempertimbangkan Special Event. Laporan Penelitian Tugas Akhir.
Surabaya: Institut Teknologi November Surabaya.
hasil rekapitulasi perhitungan nilai error untuk produk A dan [5] Makridarkis, S., Wheelwright, S. C., dan Mc GEE.V E.,(1999).
produk B dengan menggunakan metode peramalan Winter’s Forecasting Methods and Application 2nd Edition. John Wiley and
Exponential Smoothing (WES). Sous, Inc.
[6] Montgomery. (2008). Introduction to Time Series Analysis and
Tabel. 6. Forecasting. Canada. Wiley Interscience.
Rekapitulasi nilai error metode WES
Tabel. 7.
Rekapitulasi nilai error akhir 2 varian produk
Error
Metode
MAPE
Produk A
MA Event Based 8%
ES Event Based 6,50%
Winter Exponential Smoothing 0,76%
Produk B
MA Event Based 6%
ES Event Based 5%
Winter Exponential Smoothing 0,64%
IV. KESIMPULAN
Hasil analisis dan pembahasan yang telah dilakukan
dalam Tugas Akhir ini dapat disimpulkan sebagai berikut:
DAFTAR PUSTAKA
[1] Anggraheni, W.(2003). Peramalan Berdasarkan Event di PT.Coca Cola
Distribution Indonesia SIER Surabaya. Laporan Penelitian Tugas
Akhir. Surabaya: Institut Teknologi November Surabaya.
[2] Kaltim Post (2009). Siapkan Cadangan 600 Ribu Krat
(Kamis,25Desember2009)http://www.kaltimpost.co.id/?mib=berita.de
tail&id=6770.