peramalan penjualan avtur dengan … · powerpoint templates page 2 peramalan yang akurat ....

Powerpoint Templates Powerpoint Templates

PERAMALAN PENJUALAN AVTUR DENGAN MEMPERTIMBANGKAN

SPECIAL EVENT

SIDANG TUGAS AKHIR

Siti Lukmatul Henifa (1210 100 064)

Pembimbing:

Dra. Nuri Wahyuningsih, M.Kes.

Senin, 20 Januari 2014 Matematika - ITS

http://www.powerpointstyles.com/


Powerpoint Templates

Peramalan yang akurat

Peramalan dengan mempertimbangkan special event dibandingkan dengan metode Decomposition

A.

PENDAHULUAN

Latar Belakang

Rumusan Masalah

Batasan Masalah

Tujuan

Manfaat

Penelitian sebelumnya: Anggraheni, (2003)

Putra, (2010)

Penjualan avtur oleh Pertamina Aviation

mengalami peningkatan terutama

di event-event tertentu.

Peramalan sebagai pertimbangan perusahaan yang bergerak di bidang

pertambangan dan energi dalam perencanaan



Metode peramalan apa yang sesuai untuk diterapkan di masing-masing DPPU

Event apa saja yang mempengaruhi tingginya peningkatan penjualan avtur.

Bagaimana penerapan peramalan penjualan avtur dengan mempertimbangkan special event dibandingkan metode Decomposition dilihat dari akurasinya

A.

PENDAHULUAN

Latar Belakang

Rumusan Masalah

Batasan Masalah

Tujuan

Manfaat

Rumusan Masalah



special event yang dimaksud adalah kejadian yang mempengaruhi penjualan secara signifikan.

Data diperoleh dari data sekunder penjualan bulanan yang didokumentasikan perusahaan periode Jan 2009-Jul 2013

Produk avtur yang diamati adalah penjualan avtur pada DPPU Juanda, Ngurah Rai, Iswahyudi, Eltari Group, dan Bandara Internasional Lombok (BIL) Group.

Data diolah dengan menggunakan Microsoft excel 2007 dan Minitab 14.0.

Metode yang digunakan adalah Moving Average Event Based, Exponential Smoothing Event Based, dan Decomposition with Moving Average Ratio.

PENDAHULUAN

Latar Belakang

Rumusan Masalah

Batasan Masalah

Tujuan

Manfaat

Batasan Masalah



1. Dapat mengidentifikasi event yang mempengaruhi tingginya penjualan avtur di masing-masing DPPU.

2. Mengetahui keakuratan peramalan dengan mempertimbangkan event dibandingkan metode Decomposition with Moving Average Ratio.

3. Mendapatkan metode peramalan yang sesuai untuk masing-masing DPPU.

PENDAHULUAN

Latar Belakang

Rumusan Masalah

Batasan Masalah

Tujuan

Manfaat

Tujuan



PENDAHULUAN

Latar Belakang

Rumusan Masalah

Batasan Masalah

Tujuan

Manfaat Manfaat

Metode peramalan yang sesuai untuk masing-masing DPPU dijadikan rekomendasi oleh pihak

perusahaan.



TINJAUAN PUSTAKA

Peramalan

Pola Data

Moving Average

Exponential Smoothing

Event Based

Peramalan

Forcast Error

Decomposition

Peramalan adalah prediksi atau estimasi tingkat kejadian yang tidak pasti dimasa yang akan datang

Peramalan Kuantitatif

Kualitatif

(Sumber: Makridarkis, S., Wheelwright, Steven C., Mc GEE, Victor E. 1999)



TINJAUAN PUSTAKA

Peramalan

Pola Data

Moving Average


Event Based

Pola Data

Forcast Error

Decomposition

waktu a. Pola data horizontal

y

waktu b. Pola data musiman

y

waktu c. Pola data trend

y

waktu d. Pola data siklis

y




TINJAUAN PUSTAKA

Peramalan

Pola Data

Moving Average


Event Based

Pola Data

Forcast Error

Decomposition

(sumber: Hanke, J.E., Wichern, D.W., 2005)

Identifikasi pola data dengan analisis autokorelasi (1) dengan : koefisien autokorelasi untuk k dari lag : mean dari data aktual : data aktual pada periode t : data aktual k periode waktu sebelumnya atau periode waktu t-k



TINJAUAN PUSTAKA

Peramalan

Pola Data

Moving Avrage


Event Based

Moving Average

Forcast Error

Decomposition

(2) dengan : peramalan periode selanjutnya : data aktual pada periode t : jumlah data yang dilibatkan pada MA

Moving Average (MA) dilakukan dengan meratakan historis masa lalu untuk memperoleh peramalan nilai di waktu yang akan datang.

(sumber: Hanke, J.E., Wichern, D.W., 2005)



Eksponential Smoothing menunjukkan pembobotan menurun secara eksponensial terhadap nilai observasi yang lebih lama .

TINJAUAN PUSTAKA

Peramalan

Pola Data

Moving Average


Event Based


Forcast Error

Decomposition


(3) dengan : peramalan periode selanjutnya : data aktual pada periode t : peramalan periode t : konstanta pemulusan ( 0< <1)



Peramalan berdasarkan event (5) dengan : Peramalan dengan indeks pada periode t +1 : Grup indeks event periode t+1 : Peramalan sebelum indeks pada periode t +1

Metode peramalan Event Based adalah metode peramalan penjualan berdasarkan special event yang terjadi di periode-periode tertentu. Jika peramalannya menggunakan MA dinamakan Moving Average Event Based (MAEB), jika peramalannya menggunakan ES maka dinamakan Exponential Smoothing Event Based (ESEB). Indeks Special Event (4) dengan : data aktual periode t : Indeks event pada periode t yang terdapat special event : data hasil peramalan

TINJAUAN PUSTAKA

Peramalan

Pola Data

Moving Average


Manfaat Event Based

Forcast Error

Decomposition




TINJAUAN PUSTAKA

Peramalan

Pola Data

Moving Average


Manfaat Event Based

Forcast Error

Decomposition

Dari indeks tersebut, disusun berdasarkan event yang sama pada tahun berbeda kemudian dilakukan rata-rata untuk mendapatkan Indeks special event ( ) yang digunakan untuk peramalan MAEB dan ESEB Subtitusi persamaan 2 ke persamaan 5 menghasilkan model MAEB yaitu, (6) subtitusi persamaan 3 ke persamaan 5 menghasilkan model ESEB yaitu, (7)

Gt



TINJAUAN PUSTAKA

Peramalan

Pola Data

Moving Average


Manfaat

Forcast Error

Decomposition Decomposition

Metode peramalan yang mencoba memisahkan tiga komponen terpisah dari pola dasar yang cenderung mencirikan deret data ekonomi dan bisnis

Decomposition with Moving Average Ratio: (5) dengan : nilai deret berkala (data aktual) pada periode t : komponen musiman (atau indeks) pada periode t : komponen trend pada periode t : komponen siklus pada periode t : komponen galat atau acak pada periode t




TINJAUAN PUSTAKA

Peramalan

Pola Data

Moving Average


Manfaat

Forcast Error

Decomposition Decomposition

Steps: 1. Mencari indeks musiman Menghitung rasio dari data aktual terhadap rata-rata bergerak.

Kemudian rasio disusun menurut bulan untuk mendapatkan rata-rata medial. Indeks musiman dihitung dengan mengalikan rata-rata medial dengan faktor penyesuaian sehingga nilai rata-ratanya adalah kisaran nilai rasio

2. Menentukan persamaan trend menggunakan model regresi linier

(6)

dengan dan 3. Peramalan menggunakan persamaan berikut





TINJAUAN PUSTAKA

Peramalan

Pola Data

Moving Average


Manfaat

Forcast Error

Decomposition

Forcast Error

PE (Percentage Error) MAPE (Mean Absolute Percentage Error) dengan : Nilai data ke- i

: Nilai peramalan ke-i n : Banyaknya data.



METODE PENELITIAN

Studi Literatur

Identifikasi special event dan pengumpulan data

Pengolahan data

Analisis dan interpretasi hasil

Penarikan kesimpulan dan pemberian saran



ANALISIS

DAN PEMBAHASAN

Analisis Pola Data

Peramalan Berdasarkan

Event

Decompo-sition

Forecast Error

Analisis Pola Data

Grafik Penjualan Avtur Periode Januari 2009 – Juli 2013 dan kolerogram DPPU JUANDA

Special Event

Identifikasi special event



ANALISIS

DAN PEMBAHASAN

Analisis Pola Data


Event

Decompo-sition

Forecast Error

Analisis Pola Data

Grafik Penjualan Avtur Periode Januari 2009 – Juli 2013 dan Kolerogram DPPU ISWAHYUDI

Special Event




ANALISIS

DAN PEMBAHASAN

Analisis Pola Data


Event

Decompo-sition

Forecast Error

Analisis Pola Data

Grafik Penjualan Avtur Periode Januari 2009 – Juli 2013 dan kolerofram DPPU NGURAH RAI

Special Event




ANALISIS

DAN PEMBAHASAN

Analisis Pola Data


Event

Decompo-sition

Forecast Error

Analisis Pola Data

Grafik Penjualan Avtur Periode Januari 2009 – Juli 2013 dan kolerogram DPPU BIL Group

Special Event




ANALISIS

DAN PEMBAHASAN

Analisis Pola Data


Event

Decompo-sition

Forecast Error

Analisis Pola Data

Grafik Penjualan Avtur Periode Januari 2009 – Juli 2013 DPPU ELTARI Group

Special Event




ANALISIS

DAN PEMBAHASAN

Analisis Pola Data


Event

Decompo-sition

Forecast Error

Kejadian yang diperkirakan mempengaruhi peningkatan penjualan avtur secara signifikan

Special Event



No. Special Event

Waktu

1. Hari raya Idul fitri

September 2009-2011 Agustus 2012

2. Hari raya Natal

Desember 2009-2012

3. Liburan sekolah

Juli 2009-2013

4. Haji flight Oktober, November, Desember 2009-2011 September, Oktober, November 2012

5. Hari raya Idul adha

November 2009-2010 Oktober 2011-2012



ANALISIS

DAN PEMBAHASAN

Pemilihan konstanta α (0<α<1) untuk Exponential Smoothing

a. DPPU Juanda (α = 0,99)

Analisis Pola Data


Event

Decompo-sition

Forecast Error

Special Event



Event



ANALISIS

DAN PEMBAHASAN


b. DPPU Iswahyudi (α = 0,3)

Analisis Pola Data


Event

Decompo-sition

Forecast Error

Special Event



Event



ANALISIS

DAN PEMBAHASAN


c. DPPU Ngurah Rai (α = 0,8)

Analisis Pola Data


Event

Decompo-sition

Forecast Error

Special Event



Event



ANALISIS

DAN PEMBAHASAN


d. DPPU BIL Group (α = 0,13)

Analisis Pola Data


Event

Decompo-sition

Forecast Error

Special Event



Event



ANALISIS

DAN PEMBAHASAN


e. DPPU Eltari Group (α = 0,56)

Analisis Pola Data


Event

Decompo-sition

Forecast Error

Special Event



Event



ANALISIS

DAN PEMBAHASAN

Pemilihan nilai N (orde) untuk Moving Average

Analisis Pola Data


Event

Decompo-sition

Forecast Error

Special Event



Event

N

MAPE (%)

DPPU Juanda

DPPU Iswahyudi

DPPU Ngurah

Rai

DPPU BIL Group

DPPU Eltari Group

2 11,3280 31,2263 5,6031 14,8681 10,0281

3 12,5976 30,3397 5,4230 15,3157 10,6913

4 13,9963 30,2009 5,7063 14,5944 11,0066

12 10,5209 28,8741 5,1385 12,3742 12,6275



ANALISIS

DAN PEMBAHASAN

Hasil Indeks Event MAEB dan ESEB Tabel 1. Rekapitulasi Indeks Event DPPU Juanda

Event Waktu Indeks MAEB

Grup Indeks

Indeks ESEB

Grup Indeks

Liburan sekolah

Juli 2009

1,01

1,04

1,05 Juli 2010 1,00 1,08 Juli 2011 1,01 1,09 Juli 2012 1,02 1,00 Juli 2013 0,89 0,90

Hari raya Idul fitri

September 2009

1,05

1.01

1,06 September 2010 1,03 1.10 September 2011 1,00 1.05 Agustus 2012 1,11 1.09

Haji flight

Okt, Nov, & Des 2009

1,28

1,17

1,11 Okt, Nov, & Des 2010 1,30 1,10 Okt, Nov, & Des 2011 1,29 1,07 Sept, Okt, & Nov 2012 1,24 1,08

Hari raya Natal

Desember 2009

1,20

1.17

0,99 Desember 2010 1,34 1.03 Desember 2011 1,20 0.96 Desember 2012 1,05 0.81

Analisis Pola Data


Event

Decompo-sition

Forecast Error

Special Event



Event

MAEB dan ESEB menghasilkan special event : liburan sekolah, hari raya Idul fitri, dan haji flight



ANALISIS

DAN PEMBAHASAN

Hasil Indeks Event MAEB dan ESEB Tabel 2. Rekapitulasi Indeks Event DPPU BIL Group

Event Waktu Indeks event

MAEB Indeks event

ESEB Liburan sekolah

Juli 2009 – 2013 1,05 1,08


September 2009 – 2011 & Agustus 2012

0,98 0,97

Haji flight


1,38 1,32 Okt, Nov, & Des 2010


Sept, Okt, & Nov 2012

Hari raya Natal

Desember 2009 – 2012 1,30 1,26

Analisis Pola Data


Event

Decompo-sition

Forecast Error

Special Event



Event

MAEB & ESEB menghasilkan special event : liburan sekolah dan haji flight



ANALISIS

DAN PEMBAHASAN

Hasil Indeks Event MAEB dan ESEB

Tabel 3. Rekapitulasi Indeks Event DPPU Ngurah Rai

Event

Waktu

Ngurah Rai Indeks MAEB

Indeks ESEB

Liburan Sekolah Juli 2009 – 2013 1,11 1,10


September 2009-2011 &

Agustus 2012 1,06 0,98

Hari raya Idul Adha

November 2009-2010 &

Oktober 2011-2012 1,05 0,99

Hari raya Natal Desember 2009 – 2012 1,03 1,03

Analisis Pola Data


Event

Decompo-sition

Forecast Error

Special Event



Event

MAEB menghasilkan special event : liburan sekolah, hari raya Idul fitri, Idul adha, dan hari raya Natal ESEB menghasilkan special event: liburan sekolah dan hari raya Natal



ANALISIS

DAN PEMBAHASAN

Hasil Indeks Event MAEB dan ESEB

Tabel 3. Rekapitulasi Indeks Event DPPU Eltari Group

Event

Waktu Eltari Group

Indeks MAEB

Indeks ESEB

Liburan Sekolah Juli 2009 – 2013 1,09 1,11


September 2009-2011 &

Agustus 2012 1,09 1,11

Hari raya Idul Adha

November 2009-2010 &

Oktober 2011-2012 0,98 1,01

Hari raya Natal Desember 2009 – 2012 1,06 1,04

Analisis Pola Data


Event

Decompo-sition

Forecast Error

Special Event



Event

MAEB menghasilkan special event : liburan sekolah, hari raya idul fitri, dan Natal ESEB menghasilkan special event : liburan sekolah, hari raya Idul fitri, Idul adha, dan Natal



ANALISIS

DAN PEMBAHASAN

Hasil Indeks Event MAEB dan ESEB Tabel 4. Rekapitulasi Indeks Event DPPU Iswahyudi

Event Waktu Indeks MAEB Indeks ESEB Liburan Sekolah

Juli 2009 – 2013

1,26 1,19


September 2009-2011 & Agustus 2012

0,80 0,92

Hari raya Idul Adha

November 2009-2010 & Oktober 2011-2012

0,92 0,97

Hari raya Natal

Desember 2009 – 2012

0,82 1,10

Analisis Pola Data


Event

Decompo-sition

Forecast Error

Special Event



Event

MAEB menghasilkan special event : liburan sekolah ESEB menghasilkan special event : liburan sekolah dan hari raya Natal



ANALISIS

DAN PEMBAHASAN

Indeks Musiman Tabel 5. Rekapitulasi Indeks Musiman

Bulan

Indeks Musiman

DPPU Juanda

DPPU Iswahyudi

DPPU Ngurah

Rai DPPU BIL

Group

DPPU Eltari Group

Jan 0.94 0.82 1.04 0.99 0.98 Feb 0.86 1.04 0.94 0.86 0.88 Mar 0.94 1.13 0.94 0.96 0.93 Apr 0.88 0.72 0.95 0.94 0.91 Mei 0.87 1.02 0.97 0.95 0.96 Jun 0.91 1.16 0.97 0.97 1.05 Jul 0.98 1.26 1.07 1.05 1.07

Agust 0.93 0.81 1.07 0.85 0.94 Sept 0.97 1.06 1.02 0.93 0.97 Okt 1.22 0.99 1.02 1.15 1.08 Nov 1.27 1.01 0.99 1.13 1.06 Des 1.23 0.97 1.02 1.22 1.17

Analisis Pola Data


Event

Forecast Error

Special Event


Decompo-sition

Decomposition



ANALISIS

DAN PEMBAHASAN

Persamaan trend Tabel 6. Persamaan Trend Menggunakan Analisis Regresi Linier

No. DPPU Persamaan Trend

1. Juanda y(t) = 18.969.998 + 152.448t

2. Iswahyudi y(t) = 1.113.121

3. Ngurah Rai y(t) = 31.262.362 + 209.655t

4. BIL Group y(t) = 888.732 + 20.093,1t

5. Eltari Group y(t) = 1.093.724 + 14.501,3t

Analisis Pola Data


Event

Forecast Error

Special Event


Decompo-sition

Decomposition



ANALISIS

DAN PEMBAHASAN

Tabel 7. Rekapitulasi Forecast Error 5 lokasi

Lokasi Pemasaran Metode Peramalan MAPE DPPU Juanda MAEB 7,53%

ESEB 9,52% Decomposition 5,59%

DPPU Iswahyudi MAEB 26,48% ESEB 28,08%

Decomposition 28,11% DPPU Ngurah Rai MAEB 3,37%


DPPU BIL Group MAEB 7,72% ESEB 9,60%

Decomposition 8,67% DPPU Eltari Group MAEB 9,35%


Analisis Pola Data


Event

Forecast Error

Special Event


Decompo-sition

Forecast Error



ANALISIS

DAN PEMBAHASAN

Tabel 8. Hasil Special Event

Special Event

No DPPU Special Event Indeks special

event Metode

1 Juanda Hari Raya Idul Fitri 1,05 MAEB Liburan sekolah 1,01

Haji flight 1,28 2 Ngurah

Rai Liburan sekolah 1,11

MAEB Hari raya Natal 1,03 Hari raya Idul fitri 1,06 Hari raya Idul adha 1,05

3 BIL Group

Liburan sekolah 1,05 MAEB Haji flight 1,38

4 Eltari Group

Liburan sekolah 1,11

ESEB Hari raya Natal 1,10 Hari raya Idul adha 1,04 Hari raya idul fitri 1,01

Analisis Pola Data


Event

Forecast Error


Decompo-sition



PENUTUP

Kesimpulan Kesimpulan

1. Special event yang mempengaruhi peningkatan penjualan avtur berbeda untuk masing-masing DPPU antara lain DPPU Juanda dipengaruhi special event liburan sekolah, hari raya Idul fitri, dan haji flight, DPPU Ngurah Rai dipengaruhi special event liburan sekolah, hari raya Natal, Idul fitri, dan Idul adha. DPPU BIL dipengaruhi special event liburan sekolah dan haji flight. DPPU Eltari dipengaruhi special event liburan sekolah, hari raya Natal, Idul fitri, dan Idul adha. Sedangkan peningkatan penjualan avtur di DPPU Iswahyudi tidak dipengaruhi oleh special event.

2. Peramalan dengan mempertimbangkan special event sesuai diterapkan di DPPU Bandara International Lombok Group yaitu menggunakan metode Moving Average Event Based dengan nilai MAPE 7,72% dan Eltari Group yaitu menggunakan metode Exponential Smoothing Event Based dengan nilai MAPE 8,92%. Sedangkan di DPPU Juanda dan Ngurah Rai metode peramalan Decomposition sesuai untuk diterapkan dengan nilai MAPE berturut-turut sebesar 5,59% dan 3,35%.

Saran



PENUTUP

Kesimpulan Kesimpulan

1. Peramalan penjualan avtur dengan mempertimbangkan special event dilakukan dengan menggunakan data harian untuk mendapatkan hasil yang lebih akurat.

2. Metode peramalan lain yang sesuai untuk peramalan penjualan avtur dapat diterapkan untuk mendapatkan metode yang paling baik.

Saran



DAFTAR PUSTAKA 1. Henifa, S.L. (2013). Aplikasi Multiple channel Model pada analisa jumlah operator Pengisian Pesawat Udara

dan Metode Dekomposisi pada Peramalan Jumlah Penjualan Avtur di Pertamina Aviation Area Jatim & Balinus DPPU Juanda Surabaya. Laporan Penelitian Kerja Praktek, Institut Teknologi Sepuluh Nopember, Surabaya.

2. Anonim.2013.Pertamina Aviation (diakses pukul 09.00, 8 Juli 2013) < URL:http://aviation. pertamina.com/> 3. Anggraheni, W. (2003). Peramalan Berdasarkan Event Di PT. Coca Cola Distribution Indonesia SIER

Surabaya. Laporan Penelitian Tugas Akhir, Institut Teknologi Sepuluh Nopember, Surabaya. 4. Putra, I.N. (2010). Peramalan Permintaan dan Perencanaan Produksi dengan Mempertimbangkan Special

Event di PT. Coca Cola Bottling Indonesia (PT. CCBI) Plant Pandaan. Laporan Penelitian Tugas Akhir, Institut Teknologi Sepuluh Nopember, Surabaya.

5. Wati, E.E. (2013). Analisa Jumlah Mobil Refueller/Dispenser Di DPPU Juanda Menggunakan Metode Antrian Multiple channel Model dan Peramalan Penjualan Avtur Di DPPU Juanda Menggunakan Metode Exponential Smoothing Winter. Laporan Penelitian Kerja Praktek, Institut Teknologi Sepuluh Nopember, Surabaya.

6. Makridarkis, S., Wheelwright, Steven C., Mc GEE, Victor E. 1999. Metode dan Aplikasi Peramalan. Tangerang: Binarupa Aksara.

7. Zainun, N. Y., dan Majid, M. Z. A., 2003. Low Cost House Demand Predictor. Universitas Teknologi Malaysia. 8. Hanke, J.E., Wichern, D.W., 2005. Business Forecasting Eight Edition. Prentice Hall, United States of

America. 9. Santoso, Singgih. 2009. Business Forecasting Metode peramalan Bisnis Masa Kini dengan Minitab dan

SPSS. Jakarta, PT Elex Media Komputiondo Kelompok Gramedia. 10. Draper, N dan Smith H.(1992). Analisis Regresi Terapan Edisi Kedua. PT Gramedia Pustaka

Utama,,Jakarta.


http://aviation/

peramalan penjualan avtur dengan … · powerpoint templates page 2 peramalan yang akurat ....

Documents