bab iv hasil dan pembahasan -...
TRANSCRIPT
21
BAB IV
HASIL DAN PEMBAHASAN
4.1 Hasil
4.1.1 Persiapan Penelitian
Pada penelitian ini, data yang diperoleh dari 4 tahun terakhir pada toko
mitra elektronik yaitu dari tahun 2010 – 2013 untuk memprediksi penjualan
barang – barang elektronik dengan menggunakan metode exponential smoothing
ganda. Berikut data – data penjualan barang elektronik berdasarkan mereknya
yang telah diperoleh dari 4 tahun terakhir :
- Merek Televisi LG
Tabel 4.1 Data Penjualan Televisi Merek LG
Tahun Unit 2010 627 2011 1611 2012 1601 2013 1613
- Merek Televisi Akari Tabel 4.2 Data Penjualan Televisi Merek Akari
Tahun Unit 2010 159 2011 302 2012 301 2013 303
22
- Merek Televisi Sharp
Tabel 4.3 Data Penjualan Televisi Merek Sharp
Tahun Unit 2010 96 2011 627 2012 1748 2013 1750
- Merek Televisi Panasonic
Tabel 4.4 Data Penjualan Televisi Merek Panasonic
Tahun Unit 2010 193 2011 1139 2012 358 2013 1140
- Merek Televisi Polytron
Tabel. 4. 5 Data Penjualan Televisi Merek Polytron
Tahun Unit 2010 767 2011 2496 2012 2081 2013 2083
4.1.2 Analisis Sistem
a. Analisis Permasalahan Sistem
Permasalahan yang di hadapi pada Toko Mitra Elektronik yaitu pihak
manajer toko mitra elektronik belum bisa memprediksi nilai penjualan barang di
tahun mendatang karena sistem yang mereka gunakan belum optimal sehingga
23
pihak toko mitra tersebut akan membutuhkan suatu sistem yang dapat membantu
pihak manajer untuk memprediksi nilai penjualan barang – barang elektronik pada
tahun mendatang.
Untuk menyelesaikan masalah tersebut maka digunakan metode
exponential smoothing ganda, untuk memprediksi nilai penjualan barang di tahun
mendatang.
b. Analisis Kebutuhan Sistem
1. Analisis Kebutuhan Input
Analisis kebutuhan input yaitu memasukan data – data penjualan barang
elektronik televisi berdasarkan mereknya yang datanya diperoleh dari 4 tahun
terakhir. Data – data penjualan yang di inputkan yaitu data tahun dan data unit
penjualan. Kemudian data tersebut dimasukan dalam sistem untuk di proses
prediksi nilai penjualan barang – barang elektronik berdasarkan data penjualan
barang – barang elektronik dari 4 tahun terakhir.
2. Analisis Proses Sistem
Analisis proses sistem untuk penggunaan metode prediksi exponential
smoothing ganda dibutuhkan data – data penjualan barang – barang elektronik
pada tahun lalu. Setelah data tersebut diperoleh, selanjutnya dilakukan
perhitungan prediksi berdasarkan metode exponential smoothing ganda.
Perhitungan pertama ditentukan nilai parameter kemudian ditentukan nilai MSE
untuk mencari hasil nilai MSE yang paling terkecil dan untuk proses perhitungan
yang terakhir ditentukan nilai forecast.
24
Berikut contoh implementasi data penjualan barang elektronik televisi
berdasarkan mereknya dengan menggunakan metode exponential smoothing
ganda yang dikerjakan secara manual yang ditampilkan hanya satu merek televisi
yaitu merek televisi LG :
- Merek Televisi LG
Tabel 4.6 Data Penjualan Televisi Merek LG
Tahun Unit 2010 627 2011 1611 2012 1601 2013 1613
Metode exponential smoothing ganda pengerjaannya ditentukan lebih
awal nilai parameter smoothing exponential yang digunakan, dimana nilai
parameter (α) besarnya antara 0 < α < 1 yang biasanya secara trial dan error.
Setiap nilai parameter yang digunakan dari nilai 0,1 sampai dengan 0,9.
Prediksi atau peramalan nilai penjualan barang Televisi jenis LG dengan
parameter α = 0,1 :
- Penerapan metode Exponential Smoothing Ganda Metode Linier Satu
Parameter dari Brown berdasarkan data barang elektronik televisi Merek LG
tahun 2011 dengan parameter α = 0,1 :
a. Menentukan nilai pemulusan Exponential Tunggal (S't) S't = αXt + (1 – α) S't-1
= 0,1(1.611) + (1 – 0,1) 627,00 = 161,1 + (0,9) 627,00 = 161,1 + 564,30 = 725,40
b. Menentukan nilai pemulusan exponential ganda S''t = α S't + (1 – α) S''t-1
25
= 0,1(725,4) + (1 – 0,1) 627,00 = 72,54 + (0,9) 627,00 = 72,54 + 564,3 = 636,84
c. Menentukan besarnya konstanta (αt)
αt = S't + (S't - S''t) = 2S't - S''t = 2(725,4) - 636,84 = 1.450,8 – 636,84 = 813,96
d. Menentukan besarnya slope (bt)
bt = (S't - S''t)
= ,
, (725,4 – 636,84)
= ,,
(88,56)
= 9,84 e. Menentukan besarnya forecast
Ft+m = αt + btm = 813,96 + 9,83 = 823,80
- Penerapan metode Exponential Smoothing Ganda Metode Linier Satu
Parameter dari Brown berdasarkan data barang elektronik televisi jenis LG
tahun 2012 dengan parameter α = 0,1 :
a. Menentukan nilai pemulusan Exponential Tunggal (S't)
S't = αXt + (1 – α) S't-1
= 0,1(1601) + (1 – 0,1) 725,4 = 160,1 + 0,9 (725,4) = 160,1 + 652,86 = 812,96
b. Menentukan nilai pemulusan exponential ganda
S''t = α S't + (1 – α) S''t-1 = 0,1(812,96) + (1 – 0,1) 636,84 = 81,296 + (0,9) 636,84 = 81,296 + 573,15 = 654,45
26
c. Menentukan besarnya konstanta (αt)
αt = S't + (S't - S''t) = 2S't - S''t = 2(812,96) - 654,45 = 1.625,92 - 654,45 = 971,47
d. Menentukan besarnya slope (bt)
bt = (S't - S''t)
= ,
, (812,96 – 654,45)
= ,,
(158,514)
= 17,61 e. Menentukan besarnya forecast
Ft+m = αt + btm
= 971,474 + 17,613
= 989,08
- Penerapan metode Exponential Smoothing Ganda Metode Linier Satu
Parameter dari Brown berdasarkan data barang elektronik televisi jenis LG
tahun 2013 dengan parameter α = 0,1 :
a. Menentukan nilai pemulusan Exponential Tunggal (S't)
S't = αXt + (1 – α) S't-1
= 0,1 (1613) + (1 – 0,1) 812,96 = 161,3 + 0,9 (812,96) = 161,3 + 731,66 = 892,96
b. Menentukan nilai pemulusan exponential ganda
S''t = α S't + (1 – α) S''t-1 = 0,1 (892,96) + (1 – 0,1) 654,45 = 89,296 + 0,9 (654,45) = 89,296 + 589,001 = 678,30
27
c. Menentukan besarnya konstanta (αt)
αt = S't + (S't - S''t) = 2S't - S''t = 2(892,96) - 678,30 = 1.785,92 - 678,30 = 1.107,62
d. Menentukan besarnya slope (bt)
bt = (S't - S''t)
= ,
, (892,96 – 678,30)
= ,
, (214,77)
= 23,85
Tabel 4.7 Menentukan MSE dengan menggunakan α = 0,1
Tahun t Xt S't S''t αt bt Ft+m et et2
2010 1 627 627,00 627,00
2011 2 1.611 725,40 636,84 813,96 9,84
2012 3 1.601 812,96 654,45 971,47 17,61 823,80 777,20 604.039,84
2013 4 1.613 892,96 678,30 1.107,62 23,85 989,08 623,92 389.276,17
J U M L A H
993.316,01
Untuk α = 0,1 ; n =2
Maka :
MSE = ∑ 푒
푛
MSE = . ,
= 496.658,01
Jadi untuk 훼 = 0,2 sampai dengan 훼 = 0,9 dapat dicari dengan persamaan diatas.
Kemudian salah satu MSE tersebut dibandingkan untuk menentukan nilai 훼 yang
28
memberikan nilai MSE yang terkecil/minimum. Perbandingan ukuran ketepatan
metode peramalan/prediksi nilai penjualan barang – barang elektronik pada toko
mitra elektronik dengan melihat MSE berikut :
Tabel 4.8 Perbandingan Ukuran Ketepatan Metode Peramalan
A MSE 0,1 496.658,01 0,2 219.917,28 0,3 76.528,98 0,4 23.287,77 0,5 27.428,00 0,6 66.647,51 0,7 129.097,41 0,8 213.403,51 0,9 328.606,68
Dari tabel diatas dapat dilihat bahwa yang menghasilkan nilai MSE yang paling
kecil atau minimum yaitu pada α = 0,4 yaitu dengan MSE = 23.287,77
Tabel 4.9 Pemulusan Eksponential Ganda : Metode Linier Satu Parameter dari
Brown dengan menggunakan α = 0,4 pada Nilai Penjualan Barang Elektronik Televisi
Jenis LG
α t Xt S't S''t αt bt Ft+m et et2
0,4 1 627 627,00 627,00
2 1.611 1.020,60 784,44 1.256,76 157,44
3 1.601 1.252,76 971,77 1.533,75 187,33 1.414,20 186,80 34.894,24
4 1.613 1.396,86 1.141,80 1.651,91 170,04 1.721,08 -108,08 11.681,29
J U M L A H 294,88 46.475,53
29
Berdasarkan data terakhir dapat dibuat prediksi untuk satuan tahun berikutnya
dengan bentuk persamaan prediksi :
a. Untuk periode ke 5 (tahun 2014) Ft+m = αt + btm
= 1.651,91 + 170,03 (m) = 1.651,91 + 170,03 (1) = 1.821,96
b. Untuk periode ke 6 (tahun 2015) Ft+m = αt + btm
= 1.651,91 + 170,03 (m) = 1.651,91 + 170,03 (2) = 1.991,98 = 1992
30
Untuk merek televisi yang lainnya seperti merek televisi Akari, Sharp, Panasonic dan Polytron dapat dikerjakan sama dengan
langkah – langkah persamaan dari merek televisi LG diatas. Setelah merek televisi tersebut dicari berdasarkan rumus – rumus yang
ada, maka akan ditentukan perbandingan ukuran ketepatan metode peramalan untuk setiap merek televisi. Dapat dilihat pada tabel
4.10 Perbandingan ukuran ketepatan metode peramalan adalah sebagai berikut :
Tabel 4.10 Perbandingan Ukuran Ketepatan Metode Peramalan Untuk Setiap Merek Televisi
Merek
Televisi
Nilai α dan MSE
0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9
LG 496.658,01 328.606,68 76.528,98 23.287,77 27.428,00 66.647,51 129.097,41 213.403,51 328.606,68
Akari 10,596,71 4.707,56 1.646,62 498,69 570,03 1.387,25 2.697,14 4.467,62 6.889,06
Sharp 1.955.300,27 1.392.822,65 1.007.844,91 766.209,8 636.868,28 591.788,56 605.995,13 657.516,36 727.548,38
Panasonic 283.932,88 212.565,55 224.600,28 306.329,02 453.765,63 672.567,79 978.030,42 1.395.202,66 1.958.622,58
Polytron 756.951,09 240.594,60 39.177,42 44.004,68 178.670,03 399.051,40 693.309,06 1.081.910,01 1.617.565,23
20
Dari tabel 4.10 diatas dapat dilihat nilai α dan MSE yang paling terkecil
disetiap merek televisi. Berikut adalah gabungan nilai α dan MSE yang
terkecil/minimum dari merek televisi LG, Akari, Sharp, Panasonic dan Polytron :
Tabel 4.11 Gabungan Nilai α dan MSE
Merek Televisi Nilai α Nilai MSE
LG 0,4 23.287,77
Akari 0,4 498,69
Sharp 0,6 591.788.56
Panasonic 0,2 212.565,545
Polytron 0,3 39177.42
Untuk proses perhitungan terakhir ditentukan nilai forecast, yaitu Ft+m =
αt + btm.
3. Analisis Kebutuhan Output
Data keluaran yang dihasilkan yaitu nilai prediksi penjualan barang
elektronik merek televisi berdasarkan jenisnya masing – masing pada tahun
mendatang. Hasil akhir yang akan ditampilkan oleh program yaitu hasil analisis
prediksi penjualan barang – barang elektronik dan pihak manajer juga bisa
mengetahui bagaimana membuat strategis bisnis untuk meningkatkan penjualan.
Berikut hasil akhir dari prediksi nilai penjualan barang elektronik televisi
berdasarkan mereknya :
21
Tabel 4.12 Hasil akhir prediksi nilai penjualan barang elektronik televisi
berdasarkan mereknya
Merek Televisi Tahun 2014 Tahun 2015
LG 1.821,96 1.992,00
Akari 333.37 358.21
Sharp 2.228,08 2.643,41
Panasonic 799,64 853,59
Polytron 2.280,69 2.457,33
Pada penelitian ini penulis melakukan forecast di 2 tahun ke depan untuk
memprediksi nilai penjualan barang – barang elektronik pada tahun mendatang
yaitu pada tahun 2014 dan tahun 2015.
Jadi pada forecast tahun 2014 merek televisi yang paling banyak terjual
yaitu merek televisi Polytron dan untuk tahun 2015 yaitu merek televisi Sharp,
maka merek televisi inilah yang harus disupply dan dijual banyak oleh pihak toko
mitra elektronik pada 2 tahun ke depan.
4.1.3 Perancangan Sistem
Penelitian ini akan dibuat sebuah desain dari sistem berdasarkan external
entity, diagram konteks, diagram alir data(DAD), relasi antar tabel, struktur
database dan penerapan metode exponential smoothing ganda pada prediksi
penjualan barang – barang elektronik terhadap aplikasi yang dibuat.
22
a. External Entity
Tabel 4.13 External Entity
Entity Input Output
Admin - Data Merek Barang
- Data Penjualan Barang
Pimpinan - Prediksi Penjualan Barang
b. Diagram Konteks
Gambar 4.1. Diagram Konteks Sistem Prediksi Nilai Penjualan
Barang – Barang Elektronik
23
c. DAD Level 0
Gambar 4.2. DAD Level 0 Sistem Prediksi Nilai Penjualan
Barang – Barang Elektronik
24
d. DAD Level 1 Proses 1
Gambar 4.3 DAD Level 1 Proses 1 Sistem Prediksi Nilai Penjualan
Barang – Barang Elektronik
e. Relasi Antar Tabel
Gambar 4.4 Relasi Antar Tabel
1
N
1
N
25
Penjelasan dari relasi tabel :
- Tabel merek barang dan tabel penjualan barang memiliki hubungan one to
many, karena dalam satu merek barang bisa memiliki lebih dari satu penjualan
barang.
- Tabel merek barang dan tabel hasil akhir memiliki hubungan one to many,
karena dalam satu merek barang mempunyai satu hasil peramalan.
f. Struktur Basis Data
Struktur tabel basis data dari Sistem Prediksi Penjualan Barang – Barang
Elektronik pada Toko Mitra Elektronik sebagai berikut :
Tabel 4.14 Merek Barang
No. Field Type Null keterangan
1. Kd_Merek * Int(4) No Kode Merek
2. Nama_Merek Varchar(50) No Nama Merek
Tabel 4.15 Penjualan Barang
No. Field Type Null keterangan
1. Kd_Penjualan * Int(4) No Kode Penjualan
2. Kd_Merek ** Int(4) No Kode Merek
3. Tahun Varchar(6) No Tahun
4. Jumlah double No Jumlah
26
Tabel 4.16 Hasil Akhir
No. Field Type Null keterangan
1. Kd_Hasil_Akhir * Int(4) No Kode Penjualan
2. Kd_Merek ** Int(4) No Kode Merek
3. Tahun Varchar(10) No Tahun
4. Hasil Varchar(30) No Hasil
g. Desain Interface (Antar Muka)
Desain antarmuka merupakan rancangan antarmuka (interface) program yang
akan diimplementasikan. Rancangan yang dibuat antara lain :
1. Rancangan Input
- Form Login
Gambar 4.5 Rancangan Form Login
SISTEM PREDIKSI NILAI PENJUALAN BARANG – BARANG ELEKTRONIK PADA TOKO
MITRA ELEKTRONIK USERNAME :
PASSWORD :
L O G I N
27
- Form Halaman Menu Utama
Gambar 4.6 Rancangan Form Halaman Utama
- Form Input Merek Barang
Gambar 4.7 Rancangan Form Input Merek Barang
Mitra Electronik
PT. Rocky Mitra Sukses
Input Merek Barang
Daftar Merek
Input Penjualan
Dafar Penjualan
Prediksi Penjualan
Logout
Welcome
Mitra Electronik
Input Merek Barang
Jenis :
Input
Input Merek Barang
Daftar Merek Barang
Input Penjualan
Daftar Penjualan
Prediksi Penjualan
Logout
Welcome PT. Rocky Mitra Sukses
Laporan Prediksi
Laporan Berdasarkan Merek
Laporan Prediksi
Laporan Berdasarkan merek
28
- Form Daftar Merek Barang
Gambar 4.8 Rancangan Form Daftar Merek Barang - Form Input Penjualan
Gambar 4.9 Rancangan Form Input Penjualan
Mitra Electronik
Daftar Merek Barang
No Merek
1 Televisi LG
2 Televisi Sharp
3 Televisi Akari
Input Merek Barang
Daftar Merek Barang
Input Penjualan
Daftar Penjualan
Prediksi Penjualan
Logout
Welcome PT. Rocky Mitra Sukses
Hapus Edit
Hapus Edit
Hapus Edit
Mitra Electronik
Merek Barang :
Tahun :
Jumlah :
Input Merek Barang
Daftar Merek Barang
Input Penjualan
Daftar Penjualan
Prediksi Penjualan
Logout
Welcome
PT. Rocky Mitra Sukses
Input Laporan Prediksi
Laporan Prediksi
Laporan Berdasarkan Merek
Laporan Berdasarkan Merek
29
- Form Daftar Penjualan
-
Gambar 4.10 Rancangan Form Daftar Penjualan
Mitra Electronik
Daftar Penjualan Per Tahun
Input Merek Barang
Daftar Merek Barang
Input Penjualan
Daftar Penjualan
Prediksi Penjualan
Logout
Welcome PT. Rocky Mitra Sukses
Laporan Prediksi
Laporan Berdasarkan Merek
30
2. Rancangan Output
- Form Prediksi Penjualan
Gambar 4.11 Rancangan Form Prediksi Penjualan
Mitra Electronik
Prediksi
Merek Tahun Dari Sampai
Input Merek Barang
Daftar Merek Barang
Input Penjualan
Daftar Penjualan
Prediksi Penjualan
Logout
Welcome PT. Rocky Mitra Sukses
Proses Lihat Tabel
MSE
Forecast
Laporan Prediksi
Laporan Berdasarkan Merek
31
- Form Laporan Prediksi Penjualan Berdasarkan Merek
Gambar 4.12 Rancangan Form Laporan Prediksi Penjualan
- Form Laporan Prediksi Penjualan Secara Keseluruhan
Gambar 4.13 Rancangan Form Laporan Prediksi Penjualan Keseluruhan
Mitra Electronik
Input Merek Barang
Daftar Merek Barang
Input Penjualan
Daftar Penjualan
Prediksi Penjualan
Logout
Welcome PT. Rocky Mitra Sukses
Laporan Prediksi
Laporan Berdasarkan Merek
Laporan Ramalan Berdasarkan Merek
Merek
Lihat
Mitra Electronik
Input Merek Barang
Daftar Merek Barang
Input Penjualan
Daftar Penjualan
Prediksi Penjualan
Logout
Welcome PT. Rocky Mitra Sukses
Laporan Prediksi
Laporan Berdasarkan Merek
Laporan Ramalan
Merek Tahun Hasil
32
4.1.4 Implementasi
Setelah merancang interface sistem prediksi nilai penjualan barang –
barang elektronik maka selanjutnya interface tersebut diimplementasikan
sistemnya kedalam bahasa pemrograman berdasarkan rancangan interface yang
dibuat sebelumnya. Adapun tampilannya sebagai berikut :
- Tampilan Form Login
Gambar 4.14 Tampilan Form Halaman Login
Tampilan login ini berfungsi sebagai pengamanan program. Sehingga
tidak semua orang bisa menggunakan program ini. Pada tampilan login ini ada
dua username yang akan dimasukkan yaitu username admin dan pimpinan. Untuk
username admin seluruh data – data bisa ditampilkan semua dan untuk pimpinan
hanya hasil akhir prediksi penjualan yang bisa ditampilkan. Untuk dapat masuk ke
program ini kita harus memasukkan nama admin atau pimpinan dan password
yang benar.
33
- Tampilan Form Menu Utama
Gambar 4.15 Tampilan Form Halaman Menu Utama
Dalam Form Menu Utama terdapat Delapan Menu, yaitu Menu Input
Merek Barang, Menu Daftar Merek Barang, Menu Input Penjualan, Menu Daftar
Penjualan, Menu Daftar Penjualan, Menu Prediksi Penjualan, Menu Laporan
Prediksi, Menu Laporan berdasarkan Merek dan Menu Logout untuk keluar dari
Sistem .
a. Menu Input Merek Barang berfungsi untuk Menginput Barang
Gambar 4.16 Tampilan Form Input Merek Barang
b. Menu Daftar Merek Barang berfungsi untuk menampilkan Daftar Barang
Gambar 4.17 Tampilan Form Daftar Merek Barang
34
c. Menu Input Penjualan berfungsi untuk menginput Penjualan Merek barang,
tahun dan jumlah unit barang.
Gambar 4.18 Tampilan Form Input Penjualan
d. Menu Daftar Penjualan berfungsi untuk menampilkan Daftar Penjualan Per
Tahun
Gambar 4.19 Tampilan Form Daftar Penjualan
e. Menu Prediksi Penjualan terdiri dari 3 submenu, yaitu :
- Submenu Proses menentukan nilai parameter berfungsi untuk menampilkan
hasil akhir nilai parameter dari α = 0,1 sampai dengan α = 0,9.
- Submenu menentukan nilai MSE berfungsi untuk menampilkan Nilai MSE dari
α = 0,1 sampai dengan α = 0,9.
35
- Submenu menentukan nilai forecast berfungsi untuk menampilkan nillai
forecast pada 2 tahun mendatang.
Gambar 4.20 Tampilan Form Prediksi Penjualan
Pada menu proses menentukan nilai parameter dari α = 0,1 sampai dengan
α = 0,9 yang nilainya di dapat dari setiap persamaan yang telah ditentukan pada
metode exponential smoothing ganda. Begitu juga dengan menentukan nilai MSE.
Pada menu MSE ini setelah ditentukan nilai parameter tersebut maka ditentukan
nilai MSEnya, nilai MSE ini didapat dari hasi nilai tengah kesalahan kuadrat
dibagi 2 (∑ ) yang nilai akhirnya diambil dari nilai kesalahan kuadrat disetiap
parameter α = 0,1 sampai dengan α = 0,9 kemudian salah satu nilai MSE tersebut
dibandingkan untuk menentukan nilai α yang memberikan nilai MSE yang
terkecil/minimum. Kemudian untuk menu yang terakhir yaitu menentukan nilai
forecast didapat dari hasil nilai konstanta (αt) ditambahkan dengan nilai slope (bt)
dan dikalikan dengan jumlah periode kedepan (m) yang akan diramalkan.
36
- Tampilan Form Laporan Prediksi Secara Keseluruhan
Gambar 4.21 Tampilan Form Laporan Prediksi
Pada form laporan ini berfungsi untuk menampilkan hasil akhir dari
prediksi penjualan. Hasil akhirnya ini ditampilkan berdasarkan merek barang,
tahun dan nilai hasil akhirnya. Untuk nilai akhirnya dilihat mana nilai yang
terbesar dari setiap merek barang maka inilah merek barang yang akan
disupply dan dijual lebih banyak oleh pihak manajer mitra elektronik.
- Tampilan Form Laporan Prediksi
Gambar 4.22 Tampilan Form Laporan Berdasarkan Merek
Pada form laporan ini berfungsi untuk menampilkan hasil akhir
dari prediksi penjualan barang berdasarkan merek barang. Hasil akhirnya ini
ditampilkan berdasarkan merek barang, tahun dan nilai hasil akhirnya.
37
4.1.5 Uji Coba dan Evaluasi
Setelah dilakukan tahap implementasi, selanjutnya dilakukan tahap uji
coba sistem. Dalam hal pengujian ini dilakukan dengan cara menyelesaikan
perhitungan yang secara manual terhadap data yang diperoleh dengan
menggunakan metode exponential smoothing ganda, setelah hasil akhirnya
didapat maka akan dibandingkan dengan output dari sistem yang telah dibuat.
Sistem prediksi nilai penjualan barang – barang elektronik dapat membantu pihak
manajer untuk mengetahui merek barang mana yang akan disuplai dan dijual lebih
banyak pada tahun mendatang.
Pada metode ini, proses awalnya dari data penjualan barang televisi
berdasarkan merek yang telah ditentukan, kemudian tahapan awal untuk
menyelesaikan metode ini yaitu menentukan nilai parameter (α) dari α = 0,1
sampai dengan α = 0,9, selanjutnya menentukan nilai kesalahan kuadrat (MSE)
dan terakhir menentukan nilai forecast Ft+m untuk memprediksi tahun kedepan.
Kemudian hasil akhirnya berupa laporan akhir prediksi penjualan barang secara
keseluruhan dan laporan prediksi penjualan barang berdasarkan merek barang.
Berikut tampilan dari kedua laporan tersebut :
Gambar 4.23 Tampilan Form Laporan Berdasarkan Merek
38
Gambar 4.24 Tampilan Form Laporan Prediksi
4.2 Pembahasan
Sistem ini dibuat dari aplikasi pemrograman Web dengan menggunakan
metode exponential smoothing ganda yang dapat digunakan untuk memprediksi
nilai penjualan barang – barang elektronik. Dimana disetiap merek televisi didapat
nilai α yang memberikan nilai MSE yang terkecil/minimum maka nilai yang
terkecil ini yang akan digunakan untuk menentukan forecast. Pada sistem ini
terdapat perbedaan pada nilai hasil MSE disetiap merek televisi, hal ini terjadi
karena disetiap satu merek barang televisi mempunyai nilai penjualan yang
berbeda – beda jadi pada saat mencari nilai α yang MSEnya memberikan nilai
terkecil/minimum akan berbeda juga disetiap merek barang televisi tersebut. Jadi
untuk nilai parameter disatu merek televisi tidak bisa nilai parameter ini
digunakan pada semua merek televisi tersebut.
Untuk menentukan prediksi nilai penjualan barang – barang elektronik
dengan metode exponential smoothing ganda ini, sebelum ditentukan nilai
MSEnya terlebih dahulu dicari nilai parameter (α) karena nilai parameter ini akan
berpengaruh pada setiap tahapan rumus yang telah ditentukan. Kemudian
39
ditentukan nilai MSE yang paling terkecil/minimum untuk menentukan forecast
pada tahun mendatang, apabila terdapat periode waktu minimal 2 tahun
sedangkan apabila terdapat 1 periode waktu maka tidak bisa menentukan nilai
MSEnya karena untuk mencari nilai MSE itu diperoleh dari nilai konstanta (αt)
ditambahkan dengan nilai slope (bt) yang kedua nilai ini didapat dari tahun
sebelumnya. Jadi untuk menentukan nilai MSE ini akan berpengaruh pada nilai
penjualannya bukan pada periode waktu.
Grafik untuk Televisi Merek LG
Gambar 4.25 Grafik untuk Merek Televisi LG
Dapat dilihat pada grafik diatas bahwa pola data untuk televisi merek LG
menunjukkan tidak mengikuti pola atau tidak mengalami pola data trend sehingga
nilai MSE yang didapat menjadi besar.
600800
10001200140016001800
2010 2011 2012 2013
Series 1
Series 2
: Data Aktual : Data Ramalan
: Nilai Error
50 50
40
Grafik Televisi Merek Akari
Gambar 4.26 Grafik untuk Merek Televisi Akari
Dapat dilihat pada grafik diatas bahwa pola data untuk televisi merek
Akari menunjukkan mengikuti pola atau mengalami pola data trend sehingga nilai
MSE yang didapat menjadi kecil.
Grafik Televisi Merek Sharp
Gambar 4.27 Grafik untuk Merek Televisi Sharp
Dapat dilihat pada grafik diatas bahwa pola data untuk televisi merek
Sharp menunjukkan tidak mengikuti pola atau tidak mengalami pola data trend
sehingga nilai MSE yang didapat menjadi besar.
100
200
300
400
500
2010 2011 2012 2013
Series 2
Series 2
600800
10001200140016001800
2010 2011 2012 2013
Series 3
Series 2
: Data Aktual : Data Ramalan
: Nilai Error
90 600
1000
800
: Data Aktual : Data Ramalan
: Nilai Error
51
41
Grafik Televisi Merek Panasonic
Gambar 4.28 Grafik untuk Merek Televisi Panasonic
Dapat dilihat pada grafik diatas bahwa pola data untuk televisi merek
Panasonic menunjukkan tidak mengikuti pola atau tidak mengalami pola data
trend sehingga nilai MSE yang didapat menjadi besar.
Grafik Televisi Merek Polytron
Gambar 4.29 Grafik untuk Merek Televisi Polytron
Dapat dilihat pada grafik diatas bahwa pola data untuk televisi merek
Polytron menunjukkan tidak mengikuti pola atau tidak mengalami pola data trend
sehingga nilai MSE yang didapat menjadi besar.
600800
10001200140016001800
2010 2011 2012 2013
Series 4
Series 2
700900
1100130015001700
2010 2011 2012 2013
Series 5
Series 2
100
300
500
800
1000
: Data Aktual : Data Ramalan
: Nilai Error
2000
1000
2100
2300
2500 : Data Aktual : Data Ramalan
: Nilai Error
52
42
Jadi dapat disimpulkan berdasarkan beberapa grafik diatas bahwa metode
exponential smoothing ganda ini yang mempengaruhi nilai MSE disetiap produk
yaitu nilai penjualan dan ramalan penjualan.
Pada penelitian sebelumnya tentang Peramalan nilai penjualan mobil jenis
minibus pada pt. Astra internasional tbk (auto 2000) di kota medan tahun 2012
yang ditulis oleh Tresiawati (2011) dan peramalan jumlah air minum yang
Disalurkan pdam tirtanadi medan Tahun 2014 yang ditulis oleh Pinem (2012)
dengan menggunakan metode exponential smoothing ganda. Kedua penelitian ini
datanya mengalami stasioner, sama halnya dengan penelitian yang dilakukan
datanya mengalami stasioner sehingga metode expoential smoothing ganda ini
bisa digunakan untuk memprediksi pada tahun mendatang.
53