bab iv hasil dan pembahasan -...

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


Parameter dari Brown berdasarkan data barang elektronik televisi jenis LG


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


αt = S't + (S't - S''t) = 2S't - S''t = 2(812,96) - 654,45 = 1.625,92 - 654,45 = 971,47


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


Parameter dari Brown berdasarkan data barang elektronik televisi jenis LG


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


αt = S't + (S't - S''t) = 2S't - S''t = 2(892,96) - 678,30 = 1.785,92 - 678,30 = 1.107,62


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


24

d. DAD Level 1 Proses 1

Gambar 4.3 DAD Level 1 Proses 1 Sistem Prediksi Nilai Penjualan


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


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


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


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



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


Laporan Prediksi


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


Proses Lihat Tabel

MSE

Forecast

Laporan Prediksi


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


Laporan Prediksi


Laporan Ramalan Berdasarkan Merek

Merek

Lihat

Mitra Electronik

Input Merek Barang

Daftar Merek Barang

Input Penjualan

Daftar Penjualan

Prediksi Penjualan

Logout


Laporan Prediksi


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


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


: Nilai Error

90 600

1000

800


: Nilai Error

51

41

Grafik Televisi Merek Panasonic

Gambar 4.28 Grafik untuk Merek Televisi Panasonic


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


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


: 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

bab iv hasil dan pembahasan -...

Documents