artikel implementasi metode trend moment...

ARTIKEL

IMPLEMENTASI METODE TREND MOMENT

PADA PERAMALAN PENJUALAN GUNA PENGADAAN

PERSEDIAAN OBAT DAN BENIH TANAMAN PADA TOKO

PERTANIAN TANI MAKMUR

Oleh:

INDRASWARI PRABOWOWATI

14.1.03.02.0290

Dibimbing oleh :

1. Ardi Sanjaya, M.Kom.

2. Ahmad Bagus Setiawan, S.T., M.Kom., M.M.

PROGRAM STUDI TEKNIK INFORMATIKA

FAKULTAS TEKNIK

UNIVERSITAS NUSANTARA PGRI KEDIRI

2018

Simki-Techsain Vol. 02 No. 01 Tahun 2018 ISSN : 2599-3011

Artikel Skripsi

Universitas Nusantara PGRI Kediri

Indraswari Prabowowati | 14.1.03.02.0290 Fakultas Teknik – Teknik Informatika

simki.unpkediri.ac.id || 2||

SURAT PERNYATAAN

ARTIKEL SKRIPSI TAHUN 2018

Yang bertanda tangan di bawah ini:

Nama Lengkap : Indraswari Prabowowati

NPM : 14.1.03.02.0290

Telepon/HP : 0823-1159-1621

Alamat Surel (Email) : [email protected]

Judul Artikel : Implementasi Metode Trend Moment pada Peramalan

Penjualan guna Pengadaan Persediaan Obat dan Benih

Tanaman pada Toko Pertanian Tani Makmur

Fakultas – Program Studi : Teknik – Teknik Informatika

Nama Perguruan Tinggi : Universitas Nusantara PGRI Kediri

Alamat Perguruan Tinggi : JL. K.H. Achmad Dahlan No.76 Telepon (0354) 771503

Kota Kediri

Dengan ini menyatakan bahwa :

a. artikel yang saya tulis merupakan karya saya pribadi (bersama tim penulis) dan

bebas plagiarisme;

b. artikel telah diteliti dan disetujui untuk diterbitkan oleh Dosen Pembimbing I dan II.

Demikian surat pernyataan ini saya buat dengan sesungguhnya. Apabila di kemudian hari

ditemukan ketidaksesuaian data dengan pernyataan ini dan atau ada tuntutan dari pihak lain, saya

bersedia bertanggung jawab dan diproses sesuai dengan ketentuan yang berlaku.

Mengetahui Kediri, 30 Januari 2018

Pembimbing I

Ardi Sanjaya, M.Kom.

NIDN. 0703018704

Pembimbing II

Ahmad Bagus Setiawan, S.T., M.Kom., M.M.

NIDN. 0703018704

Penulis,

Indraswari Prabowowati

NPM. 14.1.03.02.0290


Artikel Skripsi




IMPLEMENTASI METODE TREND MOMENT

PADA PERAMALAN PENJUALAN GUNA PENGADAAN

PERSEDIAAN OBAT DAN BENIH TANAMAN PADA TOKO

PERTANIAN TANI MAKMUR

Indraswari Prabowowati

14.1.03.02.0290

Fakultas Teknik – Teknik Informatika

[email protected]

Ardi Sanjaya, M.Kom. dan Ahmad Bagus Setiawan, S.T., M.Kom., M.M.

UNIVERSITAS NUSANTARA PGRI KEDIRI

ABSTRAK

Suatu perusahaan pada umumnya membutuhkan keputusan produksi ataupun pengadaan barang

yang lebih cepat agar dapat memenuhi permintaan konsumen dengan tepat waktu. Permasalahan ini

dihadapi oleh UD. Tani Makmur Sukowiyono Tulungagung, yang mana proses perekaman transaksi

masih dilakukan secara manual sehingga jumlah pengadaan barang seringkali tidak sesuai permintaan

konsumen.

Dalam rangka menyelesaikan masalah tersebut diatas, penulis merancang sistem peramalan

penjualan bulan ataupun tahun berikutnya untuk memprediksi jumlah pengadaan barang. Dalam sistem

ini pemilik toko cukup memasukkan data barang dan data penjualan tahun sebelumnya untuk

menentukan hasil prediksi penjualan pada tahun berikutnya.

Hasil perhitungan prediksi penjualan yang dilakukan oleh sistem, data prediksi kurang sesuai

dengan data penjualan sebenarnya. Karena data yang digunakan dalam sistem ini merupakan data

penjualan barang yang jumlah penjualannya dipengaruhi oleh musim dengan prosentase error dari bulan

Juli 2016 hingga Desember 2016 diperoleh rata-rata selisih data asli dan data prediksi sebesar 5,5 dan

rata-rata prosentase error sebesar 0,00229 %.

Kata Kunci : Trend Moment, peramalan, penjualan, pengadaan.

I. LATAR BELAKANG

Setiap perusahaan harus menjaga

ketersediaan barang yang cukup guna

aktivitas operasional perusahaan dapat

berjalan lancar. Dalam kaitannya

dengan hal tersebut, maka ketersediaan

barang atau bahan baku menjadi faktor

utama dari lancar atau tidaknya aktivitas

operasional suatu perusahaan.

Salah satu sumber informasi dalam

melakukan pengadaan barang adalah

melakukan peramalan penjualan. Suatu

perusahaan dikatakan melakukan

pemborosan apabila pengadaan barang

terlalu berlebihan, sedangkan

perusahaan lain berkesempatan masuk

wilayah penjualan perusahaan apabila

pengadaan barang di bawah permintaan

konsumen.

Suatu perusahaan pada umumnya

membutuhkan keputusan produksi

ataupun pengadaan barang yang lebih

cepat agar dapat memenuhi permintaan


Artikel Skripsi




konsumen dengan tepat waktu. Oleh

karena itu, peneliti pada penelitian kali

ini merancang aplikasi yang melakukan

prediksi permintaan satu bulan kedepan

dan jumlah persediaan bulan

sebelumnya untuk menghasilkan output

berupa jumlah penjualan barang satu

bulan kedepan.

Sistem peramalan penjualan yang

mana UD. Tani Makmur Sukowiyono

Tulungagung dijadikan sebagai obyek

penelitian. Peneliti memilih UD. Tani

Makmur Sukowiyono Tulungagung

sebagai obyek penelitian karena

berdasarkan penelitian yang peneliti

lakukan, UD. Tani Makmur

Sukowiyono Tulungagung proses

perekaman transaksi masih dilakukan

secara manual sehingga jumlah

pengadaan barang pun seringkali tidak

sesuai permintaan konsumen.

Berdasarkan uraian di atas, peneliti

mencoba merancang sebuah sistem

peramalan penjualan menggunakan

metode Trend Moment guna

memprediksi tingkat penjualan yang

paling mungkin terjadi di masa

mendatang berdasarkan informasi

penjualan di masa lampau agar

kesalahan dalam pengadaan barang

dapat diperkecil.

II. METODE

A. Trend Moment

Trend Moment merupakan

metode untuk mencari garis trend

dengan perhitungan statistika dan

matematika tertentu guna

mengetahui fungsi garis lurus

sebagai pengganti garis patah - patah

yang dibentuk oleh data historis

perusahaan. Dengan demikian

pengaruh unsur subyektif dapat

dihindarkan. Persamaan trend

dengan metode Trend Moment pada

persamaan (1) .

Y = a + Bx (1)

Dimana :

Y : nilai trend (peramalan)

a : bilangan konstant

b : slope atau koefisien

kecondongan garis trend

X : indeks waktu ( x = 0, 1, 2, 3,

…, n )

Sedangkan untuk menghitung

nilai a dan b digunakan rumus

persamaan (2) dan (3) .

𝑏 = 𝑛(Σ𝑥𝑦)−(Σ𝑥)(Σ𝑦)

𝑛(Σ𝑒2)−(Σ𝑥)2 (2)

𝑎 = Σ𝑦−𝑏(Σ𝑥)

𝑛 (3)

Dimana :

∑ y = Jumlah kumulatif dari

data penjualan

∑ x = Jumlah dari periode waktu


Artikel Skripsi




∑ xy = Jumlah dari data penjulan

dikali dengan periode

waktu

n = Jumlah dari data penjulan

Pada perusahaan yang

memproduksi seringkali permintaan

terhadap produknya dipengaruhi

oleh faktor musiman yang berkaitan

dengan fluktuasi periodik serta

bersifat relatif konstan. Oleh karena

itu nilai-nilai ramalan yang telah

didapat dari hasil peramalan

dengan metode trend moment akan

dikoreksi terhadap pengaruh

musiman dengan menggunakan

indeks musim. Perhitungan indeks

musim pada persamaan (4) .

𝐼𝑛𝑑𝑒𝑘𝑠 𝑀𝑢𝑠𝑖𝑚 = 𝑅𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 𝑝𝑒𝑟𝑚𝑖𝑛𝑡𝑎𝑎𝑛 𝑏𝑢𝑙𝑎𝑛 𝑡𝑒𝑟𝑡𝑒𝑛𝑡𝑢

𝑅𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 𝑝𝑒𝑟𝑚𝑖𝑛𝑡𝑎𝑎𝑛 𝑝𝑒𝑟𝑏𝑢𝑙𝑎𝑛

(4)

Untuk mendapatkan hasil

ramalan akhir setelah dipengaruhi

oleh indeks musim digunakan

perhitungan persamaan (5) .

Y* = Indeks musim x Y (5)

Dimana :

Y* = hasil ramalan dengan

menggunakan metode trend

moment yang dipengaruhi

oleh indeks musim.

Y = hasil ramalan dengan

menggunakan trend moment

Salah satu contoh data pada

penjualan Furadan 20 mL

menggunakan data satu tahun

periode Januari 2015 sampai

Desember 2016, seperti yang ada

pada tabel 2.1.

Tabel 1 Tabel Penjualan Furadan 20

mL Tahun 2015 - 2016

No. Bulan Penjualan

1 Januari 2015 50

2 Februari 2015 40

3 Maret 2015 12

4 April 2015 5

5 Mei 2015 35

6 Juni 2015 20

7 Juli 2015 17

8 Agustus 2015 6

9 September 2015 42

10 Oktober 2015 32

11 Nopember 2015 21

12 Desember 2015 8

13 Januari 2016 28

14 Februari 2016 52

15 Maret 2016 21

16 April 2016 9

17 Mei 2016 30

18 Juni 2016 23

19 Juli 2016 19

20 Agustus 2016 7

21 September 2016 45

22 Oktober 2016 22

23 Nopember 2016 19

24 Desember 2016 32

Sumber : UD. Tani Makmur

Sukowiyono 2016

Untuk meramalkan penjualan

berdasarkan data diatas dengan

menggunakan metode Trend

Moment yaitu terdapat pada tabel

2.2.

Tabel 2. Perhitungan Metode Trend

Moment

No. Bulan Penjualan

(y)

Waktu

(x) x.y x2

1 Januari 2015 50 0 0 0

2 Februari 2015 40 1 40 1

3 Maret 2015 12 2 24 4

4 April 2015 5 3 15 9

5 Mei 2015 35 4 140 16


Artikel Skripsi




No. Bulan Penjualan

(y)

Waktu

(x) x.y x2

6 Juni 2015 20 5 100 25

7 Juli 2015 17 6 102 36

8 Agustus 2015 6 7 42 49

9 September 2015 42 8 336 64

10 Oktober 2015 32 9 288 81

11 Nopember 2015 21 10 210 100

12 Desember 2015 8 11 88 121

13 Januari 2016 50 12 336 144

14 Februari 2016 40 13 676 169

15 Maret 2016 12 14 294 196

16 April 2016 5 15 135 225

17 Mei 2016 35 16 480 256

18 Juni 2016 20 17 391 289

19 Juli 2016 17 18 342 324

20 Agustus 2016 6 19 133 361

21 September 2016 42 20 900 400

22 Oktober 2016 32 21 462 441

23 Nopember 2016 21 22 418 484

24 Desember 2016 8 23 736 529

Jumlah 595 276 6688 4324

Rata-rata 24.79167 11.5

Dari hasil perhitungan analisis

peramalan penjualan di atas, maka

untuk memperoleh nilai a dan b

yaitu dengan cara sebagai berikut :

𝑏 = 𝑛(Σ𝑥𝑦) − (Σ𝑥)(Σ𝑦)

𝑛(Σ𝑒2) − (Σ𝑥)2

=−3708

3312= −1,11957

𝑎 = Σ𝑦 − 𝑏(Σ𝑥)

𝑛=

904

24= 37,66667

Sehingga peramalan tahun

2016 diperoleh nilai trend, dimana x

= 19 (Januari 2017) yaitu :

Y = a + bx

= 37.66666667+(-1.119565217x(24))

= 10.79710145

Setelah itu peramalan yang

diperoleh dari nilai trend di atas

akan dihitung menggunakan indeks

musim. Berdasarkan rumus indeks

musim maka akan diperoleh hasil

perhitungan sebagai berikut :

𝐼𝑛𝑑𝑒𝑘𝑠 𝑀𝑢𝑠𝑖𝑚 = 𝑅𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 𝑝𝑒𝑟𝑚𝑖𝑛𝑡𝑎𝑎𝑛 𝑏𝑢𝑙𝑎𝑛 𝑡𝑒𝑟𝑡𝑒𝑛𝑡𝑢

𝑅𝑎𝑡𝑎 − 𝑟𝑎𝑡𝑎 𝑝𝑒𝑟𝑚𝑖𝑛𝑡𝑎𝑎𝑛 𝑝𝑒𝑟𝑏𝑢𝑙𝑎𝑛

Dengan,

Rata-rata permintaan bulan

tertentu = 39

Rata-rata permintaan perbulan =

11.5

Indeks musim = 1

Hasil dari ramalan akhir

setelah dipengaruhi oleh indeks

musim maka akan menggunakan

perhitungan sebagai berikut:

Y* = Indeks Musim × Y

= 1×10.79710145=10.79710145

Jadi peramalan penjualan

Furadan 20 mL bulan Januari 2017

yang dipengaruhi oleh indeks

musim sebesar 10.79710145 barang

atau 11 barang.

B. Mean Squad Error (MSE)

Mean Squared Error (MSE)

adalah metode lain untuk

mengevaluasi metode peramalan.

Masing-masing kesalahan atau sisa

dikuadratkan. Kemudian

dijumlahkan dan dibagi dengan

jumlah observasi. Pendekatan ini

mengatur kesalahan peramalan

yang besar karena kesalahan -

kesalahan itu dikuadratkan. Suatu

teknik yang menghasilkan


Artikel Skripsi




kesalahan moderat mungkin lebih

baik untuk salah satu yang

memiliki kesalahan kecil tapi

kadang-kadang menghasilkan

sesuatu yang sangat besar (Anonim,

2011). Berikut ini rumus untuk

menghitung MSE (Said, 2013):

𝑀𝑆𝐸 = Σ𝑒2

𝑛 (6)

Dimana :

e : selisih antara hasil ramalan

dengan hasil ramalan musim

tertentu

Model yang memiliki nilai MSE

paling kecil adalah model persamaan

yang paling baik.

III. HASIL DAN KESIMPULAN

A. Tampilan Program

a. Halaman Login

Gambar 3. Halaman Login

Halaman login merupakan

halaman yang pertama kali tampil

ketika program ini dijalankan.

Ketika pemilik toko memasukkan

username dan password yang

benar, maka sistem akan

menampilkan halaman utama.

b. Halaman Utama

Gambar 4. Halaman Utama

Halaman utama adalah form

yang pertama muncul saat

pengguna berhasil masuk pada

sistem ini, yaitu dengan cara

memasukkan username dan

password yang benar.

Pada form ini terdapat empat

menu utama. Diataranya menu

data, menu hitung, menu laporan,

serta menu bantuan.

c. Input Data Barang

Gambar 5. Halaman Input Data

Barang

Pada halaman input data

barang akan ditampilkan kolom

untuk memasukkan data barang

yang meliputi kode barang yang

akan mengisi secara otomatis dan

nama barang yang kemudian akan

ditampilkan pula pada halaman ini.


Artikel Skripsi




d. Input Data Penjualan

Gambar 6. Halaman Input Data Penjualan

Pada halaman ini akan

ditampilkan kolom untuk

memasukkan data penjualan yang

meliputi kode barang, tahun, bulan,

serta jumlah penjualan yang

kemudian akan ditampilkann pada

tabel.

e. Halaman Hitung Prediksi

Penjualan

Gambar 7. Halaman Hitung

Prediksi Penjualan

Pada halaman hitung prediksi

penjualan akan ditampilkan kolom

untuk memasukkan data penjualan

yang meliputi kode barang, bulan,

dan tahun untuk menentukan

prediksi penjulan masa yang akan

datang.

f. Halaman Laporan Prediksi

Penjualan

Gambar 8. Halaman Laporan

Prediksi Penjualan

Pada halaman laporan prediksi

penjualan akan ditampilkan data

prediksi yang disimpan setelah

melakukan perhitungan prediksi

penjualan.

B. Pengujian

Tahap ini merupakan tahapan

menguji apakah sistem dapat

menghasilkan hasil peramalan

dengan baik atau tidak.

Gambar 9. Tabel Laporan Prediksi

Penjualan

Dari tabel prediksi penjualan

Aly Plus yang ditampilkan program

pada gambar 9 dapat diketahui

bahwa beberapa prediksi penjualan

tidak sesuai dengan data penjualan

asli yang dijelaskan pada tabel 5.


Artikel Skripsi




Tabel 5. Perbandingan data asli dan

data prediksi

No. Bulan Penjualan Prediksi

Selisih

Penjualan

dan Prediksi

Prosentase

error

1 Juli 2016 93 80 13 0,0135

2 Agustus

2016 30 21 9 0,00047

3 September

2016 41 33 8 0,553

4 Oktober

2016 19 18 1 0,04

5 Nopember

2016 10 9 1 0,022

6 Desember

2016 4 3 1 0,00578

Rata - rata 32,8 27,2 5,5 0,00229

Pada tabel 5 diatas menjelaskan

tentang data penjualan asli, prediksi

penjualan, selisih data asli dan

prediksi, serta prosentase error dari

prediksi penjualan bulan Juli 2016

hingga Desember 2016 diperoleh

rata-rata errornya sebesar 0,0029 %.

C. Evaluasi Sistem

Berdasarkan hasil perhitungan

prediksi penjualan yang dilakukan

oleh sistem, data prediksi kurang

sesuai dengan data penjualan

sebenarnya. Karena data yang

digunakan dalam sistem ini

merupakan data penjualan barang

yang jumlah penjualannya

dipengaruhi oleh musim.

Berdasarkan tabel yang telah

dijelaskan pada poin sebelumnya

tentang perbandingan jumlah

penjualan data asli dan hasil prediksi

serta prosentase error dari bulan Juli

2016 hingga Desember 2016

diperoleh rata-rata selisih data asli

dan data prediksi sebesar 5,5 dan

rata-rata prosentase error sebesar

0,00229 %.

D. Kesimpulan

Berdasarkan latar belakang

serta pembahasan-pembahasan pada

bab sebelumnya, maka dapat

disimpulkan bahwa :

1. Perhitungan jumlah prediksi

penjualan memiliki nilai error

sebesar 0,00229 %.

2. Dengan adanya aplikasi ini

dapat mempermudah

menentukan jumlah pengadaan

barang yang optimal.

3. Didalam aplikasi ini

menampilkan informasi mengenai

hasil peramalan penjualan guna

mengoptimalkan jumlah

pengadaan barang.

4. Trend Moment digunalan untuk

mentukan prediksi penjualan satu

bulan mendatang.

Dengan menggunakan program

ini dapat mempercepat dalam

menentukan jumlah pengadaan

barang.

IV. DAFTAR PUSTAKA

Abdurrahman, Ginanjar. 2011.

Penerapan Metode Tsukamoto

(Logika Fuzzy) dalam Sistem

Pendukung Keputusan untuk

Menentukan Jumlah Produksi


Artikel Skripsi




Barang Berdasarkan Data

Persediaan dan Jumlah

Permintaan. Yogyakarta :

Universitas Negeri Yogyakarta.

Ajeng, Sri. 2011. Peramalan Penjualan

untuk Perencanaan Pengadaan

Persediaan Buah Durian di Rumah

Durian Harum Bintaro, Jakarta.

Skripsi. Jakarta : Universitas Islam

Negeri Syarif Hidayatullah.

Djie, Inti Sariani Jianta. 2013. Analisis

Peramalan Penjualan dan

Penggunaan Metode Linear

Programming dan Decision Tree

Guna Mengoptimalkan

Keuntungan pada PT Primajaya

Pantes Garment. Jurnal The

Winners, II (14) : 113-119. Jakarta

Barat : PT Anugerah Ajita Sukses

Bersama.

Jonnius, dkk. 2017. Analisis

Forecasting Penjualan Produk

Perusahaan. Jurnal Teknik

Informatika, 129-136. Riau : UIN

Suska Riau.

Lembaga Penelitian dan Pengabdian

pada Masyarakat. 2016. Panduan

Penulisan Karya Tulis Ilmiah.

Kediri: Universitas Nusantara

PGRI Kediri.

Maulana, Septian. 2014. Source Code

Java Netbeans Mencari Deret

Bilangan Total Jumlah

Menggunakan For.

http://www.materi-

it.com/2014/06/source-java-

netbean-mencari-deret_23.html?id

09-11-2017 - 11.50

Mudi, Helmiyanti Muhadi. 2016. Sistem

Pendukung Keputusan Peramalan

Penjualan Mobil Menggunakan

Metode Trend Moment ( Studi

Kasus PT.Hadji Kalla Cabang

Kendari). Skripsi. Kendari:

Universitas Halu Oleo.

Oktavianti, Andika. 2017. Implementasi

Metode Fuzzy Tsukamoto Untuk

Prediksi Hasil Panen Padi. Skripsi.

Kediri : Universitas Nusantara

PGRI Kediri.

Wahyudi, Imam. 2016. Penerapan

Metode Trend Moment untuk

Peramalan Penjualan Sepatu dan

Sandal pada Toko Batt. Skripsi.

Kediri : Universitas Nusantara

PGRI Kediri.

Yulia, Silvia Rostianingsih. 2013.

Analisis dan Desain dengan

Menggunakan Unified Modelling

Language untuk Sistem Kerja

Praktek. Surabaya: Universitas

Kristen Petra Surabaya.

Zunaidhi, Rival, dkk. 2013. Aplikasi

Peramalan Penjualan

Menggunakan Metode Regresi

Linier. Jurnal Teknik Informatika,

VII (3) : 41-45, ISSN : 1978-0087.

Surabaya : UPN Veteran.


artikel implementasi metode trend moment...

Documents