1

PENERAPAN METODE EQONOMIC ORDER QUANTITY (EOQ) PADA

PERSEDIAAN BAHAN BAKU ACCU

Ady Perdana, Eneng Tita Tosida, Lita Karlitasari Program Studi Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam

Universitas Pakuan

ABSTRAK

Pengembangan suatu usaha dipengaruhi oleh kebutukan untuk menekan biaya

produksi, meningkatkan kualitas produksi, Usaha bunga hias saat ini mengalami kesulitan

dalam manajemen pengadaan sarana produksi sebagai akibat dari kurang optimalnya sistem

peramalan penjualan yang diadopsi oleh pelaku usaha. Dengan melakukan prediksi yang

tepat maka akan berdampak pada ketepatan dalam pengambilan kebijakan untuk dimasa

mendatang sangat berpengaruh pada prediksi jumlah produksi yang akan datang

memerlukan penerapan metode-metode, hal ini bertujuan agar bisa meminimalkan kesalahan

peramalan yang merupakan suatu seni dari ilmu memprediksi suatau yang belum terjadi

dengan tujuan untuk memperkirakan peristiwa yang akan datang dimasa depan dengan selau

memerlukan data-data masa lalu. Sehingga dengan peramalan, maka kemungkinan

terjadinya peristiwa yang tidak sesuai dengan tujuan yang diharapkan diikuti dengan

kesiapan untuk mengatisipasinya.Dalam penerapan model peramalan produksi bunga hias

menggunakan metode single moving average dan exponential smoothing berdasarkan

variasi musiman dengan mean square error terkecil untuk menjadi parameter dalam

penentuan metode pada peramalan produksi di masa yang akan datang.

Kata Kunci : Persediaan, Economic Order Quantity , Safety Stock, Re Order Point

PENDAHULUAN

Pengembangan suatu usaha dipengaruhi

akan kebutukan untuk menekan biaya

produksi, meningkatkan produktivitas dan

menciptakan sebuah produk baru yang

mendorong teknologi untuk melakukan

terobosan-terobosan dan penemuan-

penemuan baru. Dalam sistem produksi

modern terjadi suatu proses transformasi

nilai tambah yang mengubah input bahan

mentah menjadi output sebuah produk yang

dapat dijual di pasar dengan harga yang

kompetitif.

CV Dewa Star merupakan sebuah

perusahaan penjual dan pembuat Accu,

dalam proses produksinya bahan baku yang

dibutuhkan adalah timah, plat, lem, kotak aki

dan air aki. Untuk pengadaan bahan baku

tersebut perusahaan belum pernah

menggunakan teknik EOQ dan ROP. Pada

waktu melakukan observasi pendahuluan,

persediaan bahan baku tidak stabil,

terkadang menumpuk berlebihan namun

terkadang juga mengalami kekurangan.

Untuk mengetahui tingkat efisiensi

pengendalian persediaan bahan baku

perusahaan dengan menggunakan teknik

EOQ dan ROP.

Teknik EOQ dapat digunakan untuk

membantu menentukan persediaan yang

efisien. Model EOQ ini tidak hanya

menentukan jumlah pemesanan yang

optimal tetapi yang lebih penting lagi adalah

menyangkut aspek finansial dari keputusan-

keputusan tentang kuantitas pemesanan

tersebut (Syamsuddin, 2007). Jika

perusahaan sudah menghitung kuantitas

pemesanan yang paling optimal atau EOQ,

maka selanjutnya haruslah ditentukan saat

pemesanan dari masing-masing item

persediaan atau lebih dikenal dengan istilah

ROP (Reorder Point). Menurut (Riyanto,

2001), ROP adalah saat atau titik di mana

harus diadakan pesanan kembali sehingga

2

kedatangan atau penerimaan material yang

dipesan adalah tepat pada waktu. Persediaan

pengaman atau safety stock adalah suatu

jumlah persediaan minimum yang selalu ada

dalam perusahaan, yang berguna untuk

menghindari resiko kehabisan bahan baku.

Penggunaaan EOQ dan ROP untuk

mengetahui berapa jumlah pesanan yang

optimal dan kapan pesanan dilakukan agar

tercapai biaya yang terendah serta proses

produksi tidak terhambat akibat kurang atau

tidak adanya persediaan. Perencanaan

metode EOQ dalam suatu perusahaaan akan

mampu meminimalisasi terjadinya out of

stock sehingga tidak mengganggu proses

dalam perusahaan dan mampu menghemat

biaya persediaan yang dikeluarkan oleh

perusahaan, karena adanya efisisensi

persediaan bahan baku di dalam perusahaan

yang bersangkutan. Selain itu dengan

adanya penerapan metode EOQ perusahaan

akan mampu mengurangi biaya

penyimpanan, penghematan ruang, baik

untuk ruangan gudang dan ruangan kerja,

menyelesaikan masalah-masalah yang

timbul dari banyaknya persediaan yang

menumpuk sehingga mengurangi risiko

yang dapat timbul karena persediaan.

DASAR TEORI

Persediaan

Persediaan merupakan sesuatu yang

harus ada untuk melancarkan proses

produksi. Setiap perusahaan harus selalu ada

persediaan untuk menjalankan operasinya,

karena persediaan merupakan salah satu

faktor yang memegang peran aktif dalam

perusahaan yang secara kontinyu diperoleh,

diolah dan selanjutnya dijual.

Menurut Nasution dan Prasetyawan

(2008:144) Persediaan adalah sumber daya

menganggur (idle recourses) yang

menunggu proses lebih lanjut. Proses lebih

lanjut adalah berupa kegiatan produksi pada

sistem manufaktur, kegiatan pemasaran pada

sistem distribusi ataupun kegiatan konsumsi

pada sistem rumah tangga.

a. Pengendalian Persediaan

Pengendalian persediaan bahan baku

merupakan suatu kegiatan untuk

menentukan tingkat dan komposisi dari

persediaan, parts bahan baku dan barang

hasil produksi sehingga perusahaan dapat

melindungi kelancaran produksi dengan

efektif dan efisien (Assauri, 1999:176).

b. Economic Order Quantity (EOQ)

Menurut Gito Sudarmo Economic

Order Quantity (EOQ) merupakan jumlah

pembelian yang ekonomis yaitu dengan

melakukam pembelian secara teratur

sebesar EOQ itu maka perusahaan akan

menanggung biaya-biaya pengadaan bahan

- bahan yang minimal. Dalam menerapkan

EOQ ada beberapa biaya yang harus

dipertimbangkan dalam penentuan jumlah

pembelian atau keuntungan,diantaranya:

1. Biaya Pemesanan

Biaya pemesanan merupakan biaya yang

akan langsung terkait dengan kegiatan

pemesanan yang dilakukan perusahaan.

Rumus biaya pemesanan menurut Heizer

(2005) adalah sebagai berikut:

Biaya Pesan : 𝐷

𝑄 × S ....(1)

Keterangan:

Q : Jumlah Barang setiap pesan.

D : Permintaan barang persediaan

dalam unit.

S : Biaya pemesanan untuk setiap

pesanan

2. Biaya Penyimpanan

Biaya penyimpanan merupakan

biaya yang harus ditanggung oleh

perusahaan sehubungan dengan adanya

bahan baku yang disimpan dalam

perusahaan. Biaya penyimpanan

dirumuskan sebagai berikut :

Biaya Penyimpanan = 𝑄

2 × H ....(2)

Keterangan:

Q : Jumlah barang setiap pemesanan

H : Biaya penyimpanan

Sehingga dalam menentukan biaya

persediaan ada 2 jenis biaya yang berubah

- ubah dan harus dipertimbangkan. Pertama

3

berubah - ubah sesuai dengan frekwensi

pesanan yaitu biaya pesan. Kedua biaya

yang berubah - ubah sesuai dengan besar

kecilnya persediaan yaitu biaya

penyimpanan.

Selanjutnya menentukan total biaya

persediaan (TC) dengan menjumlahkan

biaya pesan dan biaya simpan. Adapun

rumusnya sebagai berikut :

TC = 𝐷

𝒬S +

𝒬 2

H ....(3)

Keterangan:

TC : Total biaya persediaan

Q : Jumlah barang setiap pesan

D : Permintaan tahunan barang

persediaan dalam unit

S : Biaya pemesanan untuk setiap

pesan

H : Biaya penyimpanan per unit

pertahun

Sedangkan untuk menentukan jumlah

pesanan yang ekonomis menurut metode

Economic Order Quantity (EOQ) adalah

dengan rumus sebagai berikut:

Q* = 2𝐷𝑆

𝐻 ....(4)

Keterangan:

Q* : Jumlah pesanan yang ekonomis

D : Jumlah kebutuhan dalam satuan (unit) per tahun

S : Biaya pemesanan untuk sekali

pesan.

H : Biaya penyimpanan per unit

pertahun.

Frekuensi pemesanan (F) menurut

metode EOQ dapat dihitung dengan cara

sebagai berikut :

F =𝐷

𝑄∗ ....(5)

F : Frekuensi pembelian

Q* : Jumlah pesanan yang ekonomis

D : Jumlah kebutuhan dalam satuan

(unit) per tahun

Pembuatan program aplikasi ini

digunakan beberapa metode dalam

melakkan peramalan, yaitu:

a. Single Moving Average

Menurut Gaspersz (2005) Metode rata-

rata bergerak tunggal menggunakan

sejumlah data aktual permintaan yang baru

untuk membangkitkan nilai ramalan

permintaan dimasa yang akan datang.

Metode ini akan efektif diterapkan apabila

kita dapat mengasumsi bahwa permintaan

pasar terhadap produk akan tetap stabil

sepanjang waktu. Metode ini mempunyai

dua sifat khusus untuk membuat forecast

memerlukan data historis dalam jangka

waktu tertentu, semakin panjang moving

averages akan menghasilkan moving

averages yang semakin halus, secara

sistematis moving averages dirujuk pada

persamaan: (1)

St + 1 = Xt + Xt – 1 +........Xt – n+1 .....(1)

n

St + 1 = Forecast untuk periode ke t+1.

Xt = Data pada periode t.

n = Data waktu moving averages

nilai n merupakan banyaknya periode dalam

rata-rata bergerak.

b. Exponential Smoothing

Menurut Render dan Heizer (2005),

Penghalusan exponential adalah teknik

peramalan rata-rata bergerak dengan

pembobotan dimana data diberi bobot oleh

sebuah fungsi exponential. Penghalusan

exponential merupakan metode peramalan

rata-rata bergerak dengan pembobotan

canggih, namun masih mudah digunakan.

Metode ini sangat sedikit pencatatan data

masa lalu. Rumus penghalusan exponential

dirujuk pada persamaan: (2)

F1 = Ft-1 + α(At-1 – Ft-1).....(2)

Keterangan :

𝐹1 = Peramalan baru.

𝐹𝑡−1 = Peramalan sebelumnya.

𝛼 = Konstanta penghalus (pembobot)

𝐴𝑡−1 = Permintaan aktual periode lalu. c. Mean Squer Error (MSE)

d. Index Musiman

Merupakan merupakan gerakan

teratur dalam arti naik-turunya terjadi pada

waktu-waktu yang sama atau sangat

berdekatan yang digunakan untuk

4

menunjukkan ada tidaknya pergerakan

musim dirujuk pada persamaan: (6 dan 7)

Indeks Musim = Rata-rata perkuartil x 100

Rata-rata total ...(6)

Target Pertriwulan = Index musim x rata total

100 ....(7)

METODE PENELITIAN

Bahan Penilitian

Bahan penelitian yang digunakan pada

proses penelitian ini adalah data sekunder

produksi bunga hias dari tahun 2008-2012

yang merupakan acuan dalam perhitungan

untuk peramalan produksi.

Metode yang digunakan dalam

membangun sistem ini adalah dengan

menggunakan pendekatan SDLC (System

Development Life Cycle) yang terdiri dari

berbagai tahapan sebagai berikut:

Tahap Perencanaan

Pada tahap ini dilakukan identifikasi

kebutuhan sistem dan menentukan sistem

yang akan dibuat. Data yang digunakan

untuk menganalisis masalah diperoleh

dengan 2 cara, yaitu :

a. Wawancara

Melakukan wawancara langsung

terhadap kegiatan yang dilakukan

responden, dengan menggunakan

kuisioner yang telah disiapkan

sebelumnya.ataupun konsultasi untuk

mengetahui sistem yang sedang

berjalan, proses perhitungan peramalan

produksi bunga hias, serta informasi

yang dibutuhkan dari sistem yang akan

dibuat.

b. Studi Pustaka

Mengumpulkan data-data produksi

bunga hias dari instansi terkait seperti:

Biro Pusat Statistik (BPS), Direktorat

Jendral Bina Produksi dan Hortikultura,

Dinas Pertanian Tanaman Pangan

Provinsi Jawa Barat dan Asosiasi Bunga

Indonesia (ASBINDO).dan

menggunakan fasilitas internet sebagai

literatur pendukung pelaksanaan

penelitian.

Tahap Pengumpulan Data

Pada tahap ini dilakukan pengumpulan data-

data yang diperlukan seperti berikut :

1. Data produksi yang akan dijadikan

alternatif dalam proses peramalan

produksi bunga hias.

2. Data perhitungan peramalan

produksi bunga hias dengan proses

perhitungan manual.

3. Metode yang akan digunakan dalam

proses peramalan produksi bunga

hias.

Tahap Analisis

Setelah didapatkan data-data yang

diperlukan maka data tersebut dianalisis.

Pada penelitian ini menggunakan metode

single moving averages dan exponential

smoothing untuk peramalan. Adapun

langkah-langkah analisis yang digunakan

dalam penelitian ini adalah sebagai berikut :

1. Plot data produksi bunga hias untuk

melihat pola.

2. Memilih model yang sesuai.

3. Menguji model.

4. Menerapkan model untuk peramalan

dengan metode single moving averages

exponential smoothing dalam variasi

musiman.

Untuk dapat melakukan peramalan

diperlukan data-data dari periode

sebelumnya. Data periode sebelumnya

digunakan sebagai panduan untuk dapat

melakukan peramalan. Adapun data

produksi bunga hias untuk melihat pola

berdasarkan data sekunder Kabupaten Bogor

tahun 2008-2012 seperti dalam tabel 1 dan 2

berikut:

Tabel 1.Data Total Produksi Bunga Hias

5

*) Sumber Dinas Pertanian Tanaman Pangan Provinsi Jawa Barat

Tabel 2. Data Produksi Pertriwulan

*) Sumber Dinas Pertanian Tanaman Pangan Provinsi Jawa Barat

Berdasarkan plot data produksi

bunga hias pada tabel 1 dan 2 mendapatkan

pola gerak data sekunder pada waktu yang

berurutan. Sehingga untuk model yang

sesuai digunakan dalam peramalan ini

adalah model time series berdasarkan data

yang dikumpulkan atau diobservasi

sepanjang waktu secara berurutan.

Menguji model time series yaitu

dengan pemulusan (smoothing)

mendasarkan data ramalan dengan perinsip

rata-rata dari masa lalu (averages) dengan

menambahkan nilai ramalan sebelumnya

antara nilai sebenarnya dengan nilai

ramalannya merupakan gerakan yang teratur

naik turunya terjadi pada waktu yang sama.

Setelah melakukan plot data produksi

berdasarkan pola dan pengujian pada model

time series untuk penerapan model dalam

melakukan peramalan bunga hias tahun

2013 triwulan I menggunakan metode

sebagai berikut:

a. Metode Single Moving Average 2

triwulan

b. Metode Exponential Smoothing

dengan α : 0,1 ; α: 0,03 ; α: 0,05

Hasil menganalisa data yang

diperoleh dari dinas tanaman pangan Jawa

Barat terjadi kenaikan dan penurunan data

sehingga diadakan pendekomposisian data

kedalam beberapa komponen, maka akan di

cari variasi musiman dengan menggunakan

metode rata-rata sederhana sebagai berikut:

a. Menentukan Indeks Musim

b. Menentukan Target Pertriwulan

Struktur Tabel Database

Struktur table database merupakan

struktur table yang telah dibuat dari sebuah

aplikasi database. Struktur tabel dibentuk

berdasarkan entitas yang telah dibuat dan isi

dari setiap table akan diisi oleh atribut-

atribut dari setiap entitas yang telah dibuat

sebelumnya. Jadi, banyak tabel yang

dibentuk berdasarkan banyaknya entitas

yang telah dibuat. Tabel-tabel tersebut

seperti pada tabel 5 sampai 9 dibawah ini :

Tabel 3. Data Admin

Tabel 4. Data Komoditi

Tabel 5. Data Mitra

6

Tabel 6. Data Produksi

Tabel 7. Data Satuan

Data Flow Diagran

Data flow diagram merupakan arus

data atau aliran informasi berupa masukan

untuk sistem atau hasil dari proses sistem

sehingga dapat menghasilkan sebuah output

yang akan disampaikan kepada penerima

data. Data Flow Diagram yang dibentuk

terdiri dari Diagram Konteks. Diagram

tersebut terbentuk berdasarkan entitas serta

struktur tabel yang telah dirancang

sebelumnya. Seperti gambar 1

Gambar 1. Diagram Kontek

Perancangan Sistem Keseluruhan

Pada tahap perancangan ini dilakukan

pembuatan flowchart sistem yang

merupakan gambaran alur sistem secara

detail dari input sampai output. Pada

flowchart tersebut langkah pertama diawali

dengan proses login. Setelah itu melakukan

proses login dan berhasil maka akan tampil

halaman menu yang didalamnya terdapat

beberapa link untuk menuju ke halaman

lainnya. Flowchart tersebut dapat dilihat

pada gambar 2.

Gambar 2. Flowchat Sistem

Hasil dan Pembahasan

Tampilan Halaman Utama

Pada halaman Utama ini terdapat

menu home, komoditi, produksi, peramalan

produksi, seting untuk manipulasi data dan

pengertian peramalan. Tampilan halaman

home dapat dilihat pada gambar 3.

Gambar 3. Halaman Utama

Tampilan Halaman Komoditi

Pada halaman ini admin dapat

melakukan proses manipulasi data komoditi.

Admin dapat menambah data komoditi,

dapat mengedit, dan dapat menghapus data

komoditi. Pada halaman ini dapat terlihat

7

data komoditi. Tampilan halaman input

komoditi dapat dilihat pada gambar 4.

Gambar 4. Halaman Komoditi

Tampilan Halaman Produksi

Pada halaman ini admin dapat

melakukan proses manipulasi data produksi

yang dijadikan sebagai acuan penilaian

dalam peramalan. Tampilan halaman input

produksi dapat dilihat pada gambar 5.

Gambar 5. Halaman Produksi

Tampilan Halaman Peramalan Produksi

Pada from peramalan terdiri dari

peramalan dan hasil peramalan, from

peramalan digunakan untuk melakukan

peramalan pada from ini admin dapat

menginputkan data produksi bunga dengan

memilih nama komoditi dan tahun yang

akan menjadi parameter sebagai data yang

akan dicari hasil prediksi jumlah produksi

bunga hias pada tahun berikutnya, Tampilan

halaman peramalan dapat dilihat pada

gambar 6.

Gambar 6. Halaman Peramalan

Berdasarkan hasil uji coba yang

dilakukan secara manual dan uji coba

dengan menggunakan sistem dapat

disimpulkan bahwa hasil perhitungan

peramalan dengan menggunakan metode

single moving average dan exponensial

smothing yang dilakukan secara manual dan

secara sistem sudah sesuai dan akurat.

Dilihat dari hasil peramalan terlihat ada

perubahan unsur kenaikan, penurunan,

berfluktuasi dan tidak teratur data peramalan

dapat dilihat pada gambar 7.

Gambar 7. Hasil Peramalan

Merujuk pada gambar 7 terjadi

perubahan sesuatu hal yang mempunyai pola

agak komplek sehingga biasanya diadakan

pendekomposisian data kedalam beberapa

komponen. Masing-masing komponen akan

dipelajari dan dicari satu persatu, setelah

ditemukan akan digabung lagi menjadi nilai

taksir atau ramalan dengan rata-rata

sederhana merupakan gerakan teratur dalam

arti naik-turunya pada waktu yang sama atau

sangat berdekatan yang digunakan ada

tidaknya pergerakan musim dapat dilihat

pada gambar 8.

Gambar 8. Peramalan Variasi Musim

Pengujian peramalan untuk

perbandingan antara metode single moving

averages dan exponential smoothing pada

8

tahun 2013 sampai tahun 2025, dalam

menentukan metode apa yang cocok

berdasarkan nilai Mean Square Error (MSE)

terkecil untuk peramalan produksi bunga

hias angrek menggunakan data time series

dapat dilihat pada tabel 8.

Tabel 8. Perbandingan Metode Peramalan

Berdasarkan tabel 8 diketahui bahwa

nilai Mean Square Error pada tiap tahunya

mengalami penurunan disebabkan masing

menggunakan data sekunder dari tahun

2008-2012. Untuk Mean Square Error

terkecil terdapat pada metode peramalan

single moving average karena mempunyai

data bervariasi musiman gerakan data yang

teratur dengan naik turunya terjadi pada

waktu yang berurutan sedangkan Metode

exponensial smoothing selalu mempunyai

Mean Square Error besar dari keadaan data

yang menaik atau menurun dari waktu ke

waktu sehingga tidak sesuai untuk variasi

musiman. Berdasarkan pola kenaikan,

penurunan, berfluktuasi dan tidak teratur data dapat dilihat pada gambar 9.

Gambar 9. Grafik Peramalan

Setelah melakukan pengujian

peramalan Mean Square Error terkecil dari

tahun 2013 sampai 2025 dengan

menggunakan metode single moving

average selalu mendapatkan Mean Square

Error terkecil sehingga cocok untuk

peramalan produksi bunga hias pada periode

berikutnya. Sedangkan metode exponential

smoothing tidak cocok untuk peramalan

yang mempunyai pola data yang mempunyai

tidak bervariasi musiman di karenakan

keadaan data yang menaik atau menurun

dari waktu ke waktu yang mengalami

kenaikan dan penurunan data yang flukuatip.

Melihat grafik hasil peramalan

produksi bunga hias angrek tahun 2013

dengan single moving average pada

triwulan 1 sampai triwulan 4 hasilnya saling

mendekati pertriwulannya. Untuk itu

dilakukan variasi musiman yang

berhubungan dengan perubahan atau

flukuasi dalam musim-musim tertentu

dengan menambahkan index musim terlihat

perbedaan antara peramalan triwulan dan

variasi musim yang mempunyai pola yang

sama dengan data sekunder dalam

peramalan berikutnya.

Kesimpulan

Dari hasil pengamatan selama tahap

perencanaan, implementasi aplikasi

penerapan model peramalan produksi bunga

hias menggunakan metode single moving

9

averages dan exponensial smoothing, dapat

diambil beberapa kesimpulan sebagai

berikut:

1. Hasil peramalan produksi bunga hias

pada triwulan IV 2013 adalah:

a. Berdasarkan perhitungan

ramalan produksi bunga hias

angrek dengan metode single

moving averages II triwulan

pada triwulan IV 2013 sebesar

835391 tangkai, dengan mean

squared error = 30.530

b. Berdasarkan perhitungan ramal

produksi bunga hias dengan

metode exponensial smoothing

dengan α : 0,1 ; α: 0,03 ; α: 0,05

pada triwulan IV 2013 sebesar α

: 0,1 = 676430 tangkai, ; α: 0,03

= 405716 tangkai, α: 0,05 =

512403 tangkai, dengan mean

squared error α : 0,1 = 50.846 ;

α: 0,03 = 92.518 ; α: 0,05 =

74.533.

2. Hasil target produksi pertriwulan

setelah menentukan rata-rata total

dari nilai mean squared error

terkecil mengalami sedikit

perubahan dalam musim-musim

tertentu. Adapun perubahannya

sebagai berikut:

a. Hasil dari peramalan rata-rata

bergerak tunggal menggunakan

data aktual, triwulan I = 764.626

triwulan II = 906.155 triwulan

III = 836.127 triwulan IV =

835.390.

b. Hasil dari peramalan dengan

melihat indeks musim dapat di

tentukan target pertriwulan, I =

957.858 triwulan II = 741.686

triwulan III = 820.941 triwulan

IV = 821.814.

3. Dari hasil peramalan dan tingkat

kesalahanya diketahui bahwa

metode yang paling sesuai

digunakan dalam menganalisis data

dengan memiliki tingkat kesalahan

yang paling kecil yaitu single moving

average berdasarkan pola index

variasi musiman merupakan gerakan

data yang teratur naik turunnya

terjadi pada waktu yang berurutan.

Sedang metode exponential

smoothing masih mempunyai nilai

mean squared error besar

dipengaruhi oleh keadaan data yang

menaik atau menurun dari waktu ke

waktu.

Saran

Sara untuk peramalan selanjutnya

dengan penerapan model peramalan

produksi bunga hias menggunakan metode

single moving averages dan exponensial

smoothing,sebagai berikut:

1. Dengan metode single moving

average telah terbukti memberikan nilai error yang relative lebih kecil

pada hasil peramalan angrek tahun

2013 dari peramalan exponensial

smoothing, namun mean squared

error sebesar 30.530,143 selisih dari

hasil peramalan yang dikuardatkan.

2. Sehingga Berdasarkan hasil tersebut

maka rekomendasi dapat diberikan

diantaranya melakukan uji trial dan

error nilai konstanta penghalus

(alpha) yang lebih kecil,

penambahan periode data sekunder

yang lebih lama jangka waktunya

dalam peramalan selanjutnya.

Daftar Pustaka

Arman Hakim Nasution. 2003. Perencanaan

dan Pengendalian Produksi. Cetakan

kedua. Surabaya. Guna Widya.

Arsyad, Lincolin, 1997. Peramalan Bisnis,

Edisi pertama, BPFE Yogyakarta.

Astuti, TP., M. Ferichani & R.K. Adi. 2012.

Optimasi Penggunaan Masukan pada

Produksi Bunga Potong Krisan

(crysunthemum sp) di Kabupaten

Semarang.

http://agribisnis.fp.uns.ac.id/wp-

content/uploads/2013/07/JURNAL_T

RI-PUJI-ASTUTI_H08091071.pdf

Dinas Pertanian Tanaman Pangan Provinsi

Jawa Barat. 2014. Hasil Produksi

10

Tanaman Hias di Kabupaten Bogor

Tahun 2008-2012.

Gaspersz, Vincent. 2005. Production

Planing and Inventory Control,

Gramedia Pustaka Utama, Jakarta.

Jay Heizer dan Barry Render. (2009)

Operation Management , 7th edition .(

Manajemen Operasi edisi 7, Buku 1 )

Penerbit Salemba Empat. Jakarta.

Jogiyanto, HM, 2005, “Analisis dan Desain

Sistem Informasi :Pendekatan

Terstruktur Teori dan Praktik Aplikasi

Bisnis”, Penerbit Andi, Yogyakarta.

Klara Wulandari. 2012. Jurnal Ilmiah Sistem

Informasi Peramalan Penjualan Roti

Pada Toko Roti Baker Menggunakan

Metode Exponensial Smoothing:

Universitas Bina Darma Fak.Ilkom

Vol.1 No.1, Palembang.

Marcelina Rizka Falevy, M.Zen Samsono,

Akuwan Saleh. 2007. Jurnal Sistem

Peramalan Harga Sembako Berbasis

Moving Average Dengan Brew

Platfrom Sebagai Mobile Interfaces,

Insitut Teknologi Sepuluh November,

Jurusan Teknik Telekomunikasi.

Surabaya.

McLeod,Raymond,Jr.(1995).Management

Information System: A Computer

Based Information System.Sixth

Edition.Diterjemahkan oleh Teguh.

Jilid kedua.Prentice Hall

Incorporation,New Jersey.

M.A. Yulianto. 2012. Analisa Time Series.

www.books.google.co.id . 13 April

2014 pukul 20.00 Wib.

Nasution, Hakim dan Prasetyawan, 2008.

Perencanaan dan Pengendalian

Produksi, Graha Ilmu, Yogyakarta.

Satzinger, John W., Jackson, Robert B.,

Burd, Stephen D. (2009). Systems

Analysis And Design In a Changing

World, 5th Edition . Course

Technology. New York.

Subagyo, Pangestu (2002). Forecasting :

Konsep dan Aplikasi. BPFE -

Yogyakarta

Sumayang, Lulu (2003). Dasar-Dasar

Manajemen Produksi dan Operasi,

Salemba Empat, Jakarta

Ratna Sari dan Kudang Boro Seminar. 2005.

Jurnal Rancangan Bangun Perangkat

Lunak Perencanaan Produksi Kristan

Potong: Departemen Teknik

Pertanian, Fakultas Teknologi

Pertanian , Institut Pertanian Bogor:

J.Tek.Ind Pert.Vol. 19(1),1-6.