sma & dma & smoothing

5/14/2018 Sma & Dma & Smoothing - slidepdf.com

http://slidepdf.com/reader/full/sma-dma-smoothing 1/8

National Conference: Design and Application of Teclmology 2010

Analisis Peramalan Penjualan Bahan Bakar Minyak Jenis

Premium di SPBU Pahlawan Asri Bandung

Beny Mulyandi, Yani Iriani

Jurusan Teknik Industri, Fakultas Teknik, Universitas Widyataman. Cikutra No. 204 A Bandung 40133

Telp. (022) 7275855 Fax. (022) 7274010

E-mail: [email protected]

E-mail: [email protected]

ABSTRAK

Peranan peramalan sangat penting bagi suatu perusahaan dalam mr,njola'l'k.qlf!,konomi bisnisnya,

terutama dalam menyusun perencanaan produksinya. Dengan menggunakan me1/drs perc 11 alan diharapkan

dapat membantu perusahaan dalam menentukan tingkat produksin),t1 yang sesuai den ~ermintaan

konsumen dimasa yang akan datang.

Penelitian ini bertujuan (1) Mengidentifikasi pola penjuakrn Bahan B 'tar - . ak (BBlvl) jenis

premium di SPBU Pahlawan Asri Bandung, (2) Mendapatkanetode >~amalan rbaik berdasarkan

pola data penjualan Bahan Bakar Minyak (BBlvl) jenis pr.f!nlitf:z,"'itan ('5~)e .' kan hasil peramalan

sehingga dapat menjadi acuan dalam perencanaan strategi~em'-SaaYlran)i.P. n - kin diterapkan di SPBU

PahlawanAsri Bandung. "'.~ ,,"'III

Metode yang digunakan untuk meramalktJ1 nenjUl1lan a i J Y d~"'atr menggunakan metode Single

Moving Average, Double Moving Average dan 8insle E/p..tnenlia Sm~fug. Data yang digunakan adalah

data penjualan dari bulan Nopember 201)8- Q/;"1ober200P dan 'Per~an yang dilakukan adalah untuk satu

tahun kedepan yaitu bulan Nopember dJ009-Oktober 4Q1O. r~Berdasarkan hasil pengumpulan t : / . { } 1 1 1 , maka pola cra~~ualan Bahan Bakar Minyak (BBM) jenis

premium di SPBU Pahlawan Asri Bandun}bulan Nop,,?mb· .8-0ktober 2009 berbentuk stationer. Setelah

dilakukan perhitungan, diperQ]e1basil ramdian isatu t. . _ edepan adalah sangat berfluktuasi. Penjualan

yang akan terjadi pada bulan Nopember 20U9-0k 010 tersebut diramalkan tidak terlalu jauh dari

penjualan aktual yang telah terjadip,pdl1 bu7an-b1ll..."-"ebelumnya.

Penentuan melode peramalah yal :1.g" t~""'?k dilakukan dengan cara mengukur tingkat kesalahan

peramalan dari sing metode ters.d>iJ:melalui pencarian nilai rata-rata kesalahan peramalannya,

yaitu Mean A olut rro IStanda~eviation Error (SDE) dan Mean Absolute Percentage Error

( lvfAPE ).

Berd engolahan data yang dilakukan, dapat ditarik kesimpulan bahwa metode

peramalan ik ya dipmakan oleh SPBU Pahlawan Asri Bandung dalam melakukan peramalan

penjualanny met. e Single Moving Average (3 periode) yang menghasilkan nilai Mean Absolute

Error ( lv1AE) ,684.15, nilai Standard Deviation Error (SDE) sebesar 211,122.90, serta. Mean

Absolute Percentage Err-of j1vl4PE) sebesar 0,13. Penerapan metode peramalan yang tepat dan terarah

dapat menunjang perustihaan untuk melakukan penjualan yang optimal dalam rangka meraih tingkat

keuntungan yang maksimal.

Kata KURci: Single Moving Average, Double Moving Average, Single Exponential Smoothing

1. PENDAHULUAN

1.1 Latar BeJakang

Kelangsungan sebuah us aha sangat diperlukan oleh setiap organisasi baik yang berorientasi pada

profit ataupun yang nonprofit. SPBU Pahlawan Asri Bandung merupakan sebuah SPBU yang berada di Kota.

Bandung. SPBU Pahlawan Asri Bandung beralamat di Jl, Pahlawan No.16 Bandung yang di resrnikan pada

tanggal 17 Oktober 1998 oleh Walikota Bandung, pernilik SPBU oleh Bapak Nurdin Tampubolon,

84

mailto:[email protected]






National Conference: Design and Application of Technology 2010

Operasionalnya sehari-hari yaitu menjual kembali bahan bakar minyak dari depot pertamina dengan harga

beli yang lebih kecil dari harga jual ke konsumen. Selisih harga beli dan harga jual merupakan keuntungan

setelah dikurangi semua biaya yang terjadi. Dipilih bahan bakar jenis premium karena bahan bakar jenis ini

merupakan bahan bakar yang umum digunakan dibandingkan dengan bahan bakar minyak jenis lain serta

mayoritas kendaraan dimasyarakat berbahan bakar premium.

Konsumen pada umumnya masyarakat Kota Bandung diantaranya beberapa instansi seperti

Kendaraan Dinas Kebersihan Kota Bandung, Kendaraan Dinas Bank Jabar, Kendaraan Securicor, Kendaraan

Dinas Anggota DPRD Kota Bandung, Kendaraan PT Pos Indonesia.Penjualan berdasarkan ketersediaan persediaan bahan bakar minyak pada tengki pendam (dombak).

Apabila persediaan habis konsumen akan beralih ke SPBD yang lain. Hal ini yang sering terjadi yaitu SPBD

Pahlawan Asri Bandung sering mengalami kekurangan stok premium. Maka untuk mengatasi permasalahan

tersebut dianggap perlu melakukan peramalan penjualan bahan bakar minyak jenis premium pada SPBD

Pahlawan Asri Bandung untuk beberapa periode yang akan datang karena manajemen perusahaan belum

melakukan peramalan penjualan untuk beberapa periode yang akan datang. Kebijakan penjualan

berhubungan dengan target penjualan yang ingin dicapai oleh SPBD Pahlawan Asri Bandung. Target

penjualan berhubungan dengan hasil peramalan yang dilakukan.

1.2 Tujuan

1.4

a. Secara ... untuk mengembangkan ihnu pengetahuan agar dapat dijadikan suatu perbandingan

dalam penulisan karya ihniah khususnya dalam hal peramalan produksi.

b. Perusahaan, diharapkan dapat dijadikan sebagai dasar membuat kebijakan penjualan, bahan

masukkan, evaluasi dalam pengelolaan sumber daya perusahaan untuk memperoleh keuntungan

maksimum.

c. Peneliti selanjutnya, diharapkan dapat berguna sebagai bahan referensi bagi mereka yang akan

melakukan penelitian lebih lanjut dalam topik ini dengan mencoba metode yang lain.

2. KAJIAN TEORI

Peramalan [1] merupakan studi terhadap data historis untuk menemukan hubungan, kecenderungan

dan pola yang sistematis. Peramalan adalah tahap awal, dan hasil ramalan merupakan basis bagi seluruh

tahapan pada perencanaan produksi.

85




2.1 Metode Single Moving Avarage

Salah satu cara untuk mengubah pengaruh data masa lalu terhadap nilai tengah sebagai ramalan

adalah dengan menentukan sejak awal berapa jumlah nilai pengamatan masa lalu yang dimasukkan untuk

menghitung nilai tengah.

T

2.2 Metode Double Moving Average

(1)

Untuk mengurangi kesalahan akibat trend yang terjadi bila rata-rata bergerak dipakai (moving

average), maka dikembangkan metoda [2] Zinier moving average. Dengan metoda ini adalah menghitung

rata-rat bergerak kedua.

~~

(

I U ~~

bt = 2/(N -1). " S f -St J ~ \ . '

~

2.3 Melode Single Eksponential S 001 ;ng ' : J . . : i -

Dalam menentukan harga forecayf ~idasa kan a i A J l t t masa lampau, data masa lampau yang

bam saja lewat hams dibuat lebih be~ enga~IDY: da~l'a data lampau yang sudah lama berlalu.

Semakin kecil harga a, semakia besar smoothing yang dA...~an. a =0.1 memberikan smoothing lebih besar

dibandingkan a = 0.5. Data yang bam saja lewat me~")lilln pengaruh yang lebih besar dari pada data yang

sudah lama lewat. ~ V

~~D' + (J-a)F,

2.4

• Me

M AEIdt-dt'l

n (6)

• Standard Deviation Error (SDE)

SDE

(7)

• Mean AbsoZute Percentage Error (MAPE)

,

IpE t I

MAPEt=1

n (8)

(2)

(3)

(4)

(5)

86




3. METODE PENEIlTIAN

1. Metode surveil ob servasi

Metode ini umumnya rnerup akan cara pengumpulan data secara langsung ke lapangan pada objek

p eneli tian.

2. Wawancara

Metode. pengumpulan data dengan rnelakukan tanya jawab dengan pihak yang berhubungan dengan

top ikpenelitianini

3. Studi Pustaka

Metode pengumpulan data dengan cara mernpelajari buku-bukusesuai dengan permasalahan pada

penelitian ini.

4. HASIL PENELITIAN DAN PEMBAHASAN

4.1 Pengumpulsn Data

. . . r - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -

,~ ~ - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -

Gambar I. plot data penjualan premium

87



T , b " 3 .R'M p ~ ' m : l : : : : ' : : S M A ~ ~PerbitnngaD Error Peeaeaafae 1\11..4..(3) 1/ A~I-p--en-·-Gd-e-,----~----~~~I~e,~I~~~~~~(eJ~2~~~~-P-E-(-O/O-.-)-'-~IP-E~I--I~ ~ ~

2 :..:.... _\~

: = = = 3 t = = ~ = = ~ = ~ ~ ~ ~ = = = ~ ~ ~ ~ ! = = = = = ~ ~ ~ ~ ~ ~ ~ ~ ! = = ~ ~ ~ = t ~ ~ ~ - ~ ~ , ; j~?06.401.111 -0.02 ~·~O~~-O~··... ~~

5 9.007.148.836 ,dJ 10 ~,=


4.2 Pengolahan Data

Y Metode Single Moving Avarage (SMA)

Tabel 2. Peramalan metode SMA

Metode SingleMo~ing Avarage

Periode Demand

1,126,558

2 881,363

3 728,930

4 897,917

5 930,976

6 1,093,229

7 1,214,339

8 1,067,250

9 1.120,751

10 1.190,212

11 1,451,110

12 903,650

MA(3)

912,283.67

836.070.00

852,607.67

974,040.67

1,079,514.67

1,124,939.33

1)34,113.33

1,126,071.00

(14367) 14.367

94.906 94.906

240.621 240.621

240,298 240.298

(12,265) 12.265

(4.188) 4.188

56.099 56.099

325.039 325.039

(350,374) 350.374

575,769 1,338,157

6 57.898.626.055 IAI ' 0.224' 0,1.22 1' - 'I57,743,289,00.3 p.20 a 2 ! ' J I . . . ..

8 150.42?p48 -0.0'1 #0.01 "9 1754,2:136 060" 0.00

10 3.147.9150.-+02 I~ 0.05 0.05 ~

11 105.650~515:!-1 Q.22 0 22 ~ '" T

12 122,762.173.459 -0'1\9 1.....0.39 ~~I" I

Total 356~583.014..5"'il 0..37 ,,12k I. T

1v1APE "0.13

. . . .

~ .~» M e t T n m ' ! : . . ~ 'ingA"mgd~)

Tabe14. Perl ~ l~ ' I J M P !Pe~m_aJa.n Double Mo-".-ing _4..verage

.... .I N~4

Periode Dema S'" 3,t b, m

13

l,126.5511- - /

2 881.363: "!

3 728,930,

897917 90,8,692.0,0,

930, ,976 859,796.50,

1.0,93.229 912,7630,0,

1 ,214,339 1,0,34 ,115 .25 928,841 .69

1.0,67,250, 1,0,76,448.50, 1,055,281.88

1,120,,751 1,123,892.25 1,10,0,,170,.38

1,190,,212 1,148,138.0,0, 1,136,0,15.13

1.451,110 1,20,7,330, .75 1,177,734.38

903,650 1,166,430, .75 1,186,880, .75

4

5

6

1,139,388.81 10,,182.38

8 1,097,615.13 14,111.0,8

9 1,147,614.13 15,814.58

10, 1,160,,260,.88 8,0,81.92

11 1.236,927.13 19,730,.90

12 1 ,145 ,980,.75 -13,633.33

14

15

16

17

18

19

20,

21

22

23

04

1,20,9.571.19

1,111,726.21

1,163,428.71

1,168,342.79

1,256,658.0,4

1.132,347.42

2 1,118,714.0,8

3 1 .10,5 ,0,80.75

4 1,0,91,447.42

5 1.0,77,814.0,8

6 1,0,64,180,./5

7 1,0,50.547.42

8 1,0,36,914.0,8

9 1,0,23,280,.75

10, 1,0,0,9,647.42

11 996,0,14.0,8

12 987,380,.75

88




Tabel 5. Error peramalan metode DMA

Per,iode e, IpEl1Perbitnnga.n ElFro_"PeF3Dl.3lan D.J.\IL4..(4)

Ieo ! (e,)" PE (0/0)

2

3

5

4

8 -142.32L19 0.13

6

9.024.79 0.01

7

142.321.19 20.255.320,411.41

9

-0.13

9.024.79 81,446.864.63

10 26.783.29 26.783.29 717,344.712.50

11 282.767.21 282,767.21 79,957,294,108.63

0.01

0.02 0..02

0.19 0.19

12 -353.008.04 353,OOR04 124,614,677,481.34

Total -176,753.94 .813"904.,,,.2 225.6.26;083,578.50

-0.39 0.39

-0.30 0.75

ERROR STATIS"TIK

/

ilVIAE 162,780.90

SDE 237,500.57

ERROR RELATIF

l1v1APE 0.150

Tabe16 Peramalan metode SES

Metode Single Eksponential Smoothing (SES)

l\1etode Single Ekspoaeatial Smootbing

Periode Dema.nd a=O,4

1 U26,558 -

2 881,363 1.126.558

3 728,930 1,028,480.00

4 897,917 908,660.00

5 930,976 904,362.80

6 1,093,229 915,008.08

7 1,214,339 986,296.45

8 1,067,250 1,077,513.47

9 l.120,751 1,073,408.08

10 1.190,212 l,092,3,,\5.::!5

U 1,451,110 1.131.491.95

12 903,650 1,259,339.17,

Tabel 7. Error ,.. ~ .... etod€ SES

, Wer~gan Error Per~alan ...= 0,4

Periode

2

1,819,145.03

PE (0/0) IPEI

-0.28 0.28

-OAI OA1

-0.01 0.01

0.03 0.03

0.16 0.16

0.19 0.19

-0.01 001

0.04 0.04

0.08 0.08

0.22 0.22-0.39 0.39

-0.38, 1..83

115,412,049.00

-! 45,19,.1l0 2.15,195.00 60,120,588,025.00

3 - ~9,550"llO 199,55p.00 89,730,.20'2.500.00

1----:4:----+-~--:"II . "" 10.7,1'3.00

5 ~ 26.613.20 708,262,414.24

1---:6,,-,+-1=-7=::'8,220.92 :_-Ti=7z..:3:,2:-:2:':0:".C:9:-:2~--::3:-:1'-',:::7":6C:2:":,6::;9::'·~6c.:,3:-:2:=-5=-.'-'6:-:5:--t---::-7:--+--::-=-::":;"-

9 47,342.92 47,342.92 2,241,351,952.93

7 228,O~2_55 "228,042.55 52,003,405,522.67

10 97,866.75 9.577,900.996.71

8 -10,263.47 10,263.47 105,338.791.81

97,866_75

319,618.05 319,618.0512 -355.689.17 355,689.17

10'2,.155.698.358.33126,514,785.339.78

Total -23,736.25 475,035-,642,276'.11

ERROR STATISTIK

:MAE I 165,376.82

SDE I 217,953.12

ERROR REL..~T:IF

~1APE I 0.17

89




4.3 Analisis

Tabel 8. Dibawah ini memmjukkan perbandingan error ketiga metode peramalan yang digunakan.

Tabel tersebut menunjukkan bahwa metode single moving average (SMA) dengan rata-rata pergerakan 3

periode memiliki error yang kecil bila dibandingkan dengan metode peramalan yang lain.

T b 18 P b di t de er an mzan error me 0 e perama an

Single Moving Double 11Jo1>ing Single Eksponensiai

Avarage (SMA) Average (DMA) Smoothing (SES)

l\ILI\=3 Periode N= 4Periode u=O,4

l\iA.£ 148,684.15 162,780.90 165,376.82

SDE 211,122.90 237,500.57 217,953.12

MAPE 0.13 0.15 0.17

Tabel 9 dibawah memperlihatkan hasil peramalan bahan bakar minyak jenis premium untuk setiap

metode peramalan yang digunakan sesuai dengan pola data penjualan premium setahun yang lalu. Periode

Nopember 2009 metode peramalan single moving average, double moving average, 'single ekponensial

smoothing hasil peramalan premium berturut-turut yaitu 912.283,67; l.132.347,42'; l. q,.6.556,00 dalam

satuan liter. Sarna halnya untuk periode yang lain sampai dengan Mei 2010 Uhtuk peri0de :ru~110 sampai

dengan Oktober 2010 hasil peramalan juga telah diketahui (lihat tabel 2) n~ tidak s~~dicantumkan

dalam tabel 9 mengingat aktual demand premium yang ada di SPBU Pahlawan Asri Ba~g hanya sampaibulan Mei 2010 (7 periode) saja. ~~

Tabe19. Perbandingan hasil peramalan dengan aktual demQ{!;.'d ~

PerindeSingle Moving

Avarage (SlVlA)

Ke- Bu1aD MA=3 Periode

1 Nop '09 912,283.67

2 Des '09 912,283.67

3 J a n '10 912,283.67

4 Feb '10 912,28~67

5 M al" '1 0 836,070.60

6 A pr '10

7

1,087,823

846,909

761,641

737,075

617)67

1,059,877

986,296.45 1,067,533

nunjukkan selisih antara aktual demand dengan hasil peramalan untuk metode

asil untuk metode single moving average periode Nopember 2009 sebesar

e asal dari aktual demand dikurangi dengan hasil peramalan (lihat tabel 9) pada

setiap perio kutan misal periode Nopember 2009 (l.087.823- 912.283,67 = 175.539,33).

Untuk perio juga caranya sarna dengan contoh yang diberikan. Tabel 10 dibawah

memperlihatkan e singl moving average dengan selisih pengurangan yang kecil dibandingkan dengan

metode yang lain. Hasil penjumlahan selisih untuk semua metode bernilai negarif (hasil dalam tanda kurung).

TabellO. Selisih aktual demand dengan peramalan

PeriodeSingle "¥Iovine Double M01>mg Single Eksp.onensial

AV£ll'a.ge (SM:..4.) Average (DM:..4.) Smoathing (SES)

Ke- Bulan

1 Nop '09 175,53933 (44,524-42) (38,735.00)

2 Des '09- (65,374.67) (271,80.5.008) (279,649.000)

3 Jan '100 (150.,642.67) (343,439.75) (266,839.00)

4 Feb '100 (175,2008.67) (354,372.42) (l71,585.0D)

5 Mar '10 (218,3'03.000) (460,047.'08) (286,595.800)

6 Apr '100 2007,2,69.33 (4,303.75) 144,868.92

7 Mei'1O 93,492.33 16,985.58 81,236.55

JnmJah (133,;228.000) (1,461,5006.92) (8:17,;298:.33)

90




Gambar 2 dibawah memmjukkan perbandingan aktual demand (grafik wama biru) dengan hasil

peramalan metode yang terbaik (grafik wama merah) yang merupakan visualisasi dari tabel 9diatas.

Terkadang hasil peramalan berada dibawah aktual demand yang ada misal untuk periode Nopember 2009,

April 2010, Mei 2010. Namun tidak selalu hasil peramalan berada dibawah. Periode yang lain hasil

peramalan yang didapatkan diatas aktual demand yang ada. Hasil peramalan dengan aktual demand yang

didapatkan berfluktuatif dengan selisih yang tidak terlalu jauh berbeda.

1,200POO

1,000,.000

. .800,000II

S.E 600,000=· EI: ! 4{)0,O{JO. . .

200,ODO

Grafik Ha sil P er ama la n (SMA ) d an Ak t:u al D emand

Keterangan: harga ramalan untuk periode t + 1

= arga ramalan untuk periode t

harga aktual pada periode t

=kbejisien smoothing, harganya antara 0 - 1

REFERENSI

[1]. Sugiarto dan Harijono. 2000. Peramalan Bisnis. Jakarta: PT Gramedia Pustaka Utama[2].Makridakis, Spyros. Et al. 1991. "Metode dan Aplikasi Peramalan". Edisi Kedua, Jilid l.Alih Bahasa:

Untung SusA, M. Sc dan Abdul Besith M. Sc. Jakarta: Erlangga.

[3]. Rangkuti, Freddy. 2005. Business Plan: Teknik Membuat Perencanaan Bisnis dan Analisis Kasus.

Jakarta: PT Gramedia Pustaka Utama.

91

sma & dma & smoothing

Documents