1

SISTEM PERAMALAN MENGGUNAKAN METODETRIPLE EXPONENTIAL SMOTHING UNTUK STOK BAHAN SPARE PART MOTOR DI

GARUDA MOTOR JAJAG

1 Muhammad Iqbal (1110651220)2 Bagus Setya R, S.Kom M.Kom, 3 Heny Wahyu, S.Kom

Jurusan Teknik Informatika Fakultas Teknik Universitas Muhammadiyah Jember

ABSTRAK

Pada perkembangan teknologi pada saat ini terutama di bidang IT, perusahaan memang harusmenggunakan teknologi untuk memudahkan transaksi atau menggali informasi secara cepat dan akurat.Salah satunya di Garuda Motor Jajag difokuskan kesalah satu produk yaitu Spare Part, Spare Part disinimerupakan sarana untuk mesin motor. Dengan kebutuhan pemesanan Spare Part yang cenderung meningkat,sangat mempengaruhi stok Spare Part tersebut. Namun karena tidak pastinya pemesanan Spare Part padasetiap bulannya, menyebabkan Garuda Motor Jajag kesulitan untuk memprediksi stok bahan baku tersebut.Ketika stok Unit kurang dari kebutuhan produksi, maka Garuda Motor Jajag harus menunda prosespengerjakan servis motor. Sebaliknya ketika stok Unit terlalu banyak akhirnya akan terjadi penumpukanbahan baku. Karena bahan baku yang digunakan tidak terpakai untuk proses produksi, akhirnyamengakibatkan pada dana kas perusahaan.

Metode Exponential Smoothing itu sendiri terbagi menjadi 3 macam, yakni Single , Double, danTriple. Metode Single Exponential Smoothing sangat tepat di gunakan ketika pola datanya mempunyai sifatmusiman, metode Double Exponential Smoothing sangat efektif digunakan ketika pola data bersifat datatrend (kenaikan) dan Triple Exponential Smoothing sangat tepat digunakan ketika pola data bersifatmusiman dan trend (kenaikan).

Kata kunci : Peramalan, Single , Double, dan Triple.

1. PendahuluanSpare part adalah suatu barang yang

terdiri dari beberapa komponen yangmembentuk suatu fungsi tertentu. Setiap alatberat terdiri dari banyak komponen. SparePart mempunyai fungsi dan dapat terkait atauterpisah dengan Spare Part lainya. GARUDAMOTOR JAJAG merupakan salah satuperusahaan Advertising yang cukup terkenaldi Kabupaten Banyuwangi. Sebagai suatuperusahaan percetakan, produk yangdihasilkan bermacam-macam mulai daristiker, pin, brosur, Spare Part, spanduk jalan,dan lain-lain.

Ketika difokuskan kesalah satuproduk Garuda Motor JAJAG yaitu SparePart . Spare Part disini merupakan saranauntuk mesin motor. Dengan kebutuhanpemesanan Spare Part yang cenderungmeningkat, sangat mempengaruhi stok SparePart tersebut. Namun karena tidak pastinyapemesanan Spare Part pada setiap bulannya,

menyebabkan GARUDA MOTOR JAJAGkesulitan untuk memprediksi stok bahanbaku tersebut. Ketika stok Unit kurang darikebutuhan produksi, maka GARUDAMOTOR JAJAG harus menunda prosespengerjakan servis motor. Sebaliknya ketikastok Unit terlalu banyak akhirnya akanterjadi penumpukan bahan baku. Karenabahan baku yang digunakan tidak terpakaiuntuk proses produksi, akhirnyamengakibatkan pada dana kas perusahaan.Karena permasalahan tersebut GARUDAMOTOR JAJAG akan mengalami kesulitandalam membeli stok bahan baku untuk bulanberikutnya. Agar tidak terjadi kekuranganatau berlebihnya bahan baku, makadiperlukannya rekonstruksi sistem nantinyamampu menangani permasalahan stok bahanbaku pada perusahaan tersebut.

Metode Exponential Smoothing itusendiri terbagi menjadi 3 macam, yakniSingle , Double, dan Triple. Metode Single

2

Exponential Smoothing sangat tepat digunakan ketika pola datanya mempunyaisifat musiman, metode Double ExponentialSmoothing sangat efektif digunakan ketikapola data bersifat data trend (kenaikan) danTriple Exponential Smoothing sangat tepatdigunakan ketika pola data bersifat musimandan trend (kenaikan). Karena perilaku databahan baku Spare Part tersebut bersifatmusiman (per-bulan) dan trend (kenaikan),maka metode yang tepat untuk meramalkanstok bahan baku Spare Part ini yaknimenggunakan metode Triple ExponentialSmoothing.

2. Dasar Teori2.1 Peramalan

Peramalan (Forecasting) merupakan prosesmemprediksi nilai-nilai sebuah variabelberdasarkan nilai yang diketahui dari variabelyang ada atau variabel yang berhubungan.Terdapat dua macam metode yaitu metodekualitatif dan metode kuantitatif. Metodekualitatif hanya menggunakan intuisi saja, tanpamenggunakan pendekatan matematis maupunstatistik. Metode kuantitatif dapat dibedakanmenjadi dua cara yaitu metode kausal dan metodetime series. Metode kausal mempertimbangkannilai dari sebuah variabel sebagai pengaruh daribanyak variabel yang lain. Sedangkan metodetime series hanya meninjau nilai dari sebuahvariabel sebagai fungsi waktu. Makridakis (1989 :180) . teknik peramalan terbagi menjadi duabagian yang pertama metode peramalan subjektifdan metode peramalan objektif. Model peramalansubjektif mempunyai model kualitatif dan metodeperamalan objektif mempunyai dua model yaitumodel time series dan model kausal.

2.2 Exponential SmothingPenghalusan terhadap masa lalu, yaitu

dengan menggunakan nilai rata-rata dari nilaibeberapa tahun untuk melihat hasil ramalan padabeberapa tahun ke depan. Metode eksponensialtunggal tidak cocok diterapkan jika datanya bersifattidak stasioner, karena persamaan yang digunakandalam metode eksponensial tunggal tidak terdapatprosedur pemulusan pengaruh trend yangmengakibatkan data tidak stasioner menjadi tetaptidak stasioner, tetapi metode ini merupakan dasarbagi metode-metode pemulusan eksponensiallainnya. Menurut Assauri (1984) dasar pemikiran

dari metode pemulusan eksponensial tunggalmaupun ganda adalah bahwa nilai pemulusan akanterdapat pada waktu sebelum data sebenarnyaapabila pada data tersebut terdapat komponen trend.Oleh karena itu untuk nilai-nilai pemulusan tunggalperlu ditambahkan nilai pemulusan ganda gunamenyesuaikan trend. Metode yang sedemikian itudikenal dengan nama metode Brown.

Peramalan Exponential Smoothingmerupakan salah satu kategori metode time seriesyang menggunakan pembobotan data masa lalusecara eksponensial. Dalam kategori ini adabeberapa metode yang digunakan, antara lainSingle Exponential Smoothing, Brown’s One-Parameter Double Exponential Smoothing,Holt’s Two-Parameter Double ExponentialSmoothing, Winter’s Three-Parameter TripleExponential Smoothing

2.2.1 Tripel Exponential SmothingMetode ini digunakan ketika terdapat

unsur trend dan perilaku musiman yangditunjukkan pada data. Metode ExponentialSmoothing yang dapat digunakan untukhampir segala jenis data stasioner atau non –stasioner sepanjang data tersebut tidakmengandungfaktor musiman. Tetapi bila manaterdapat data musiman, metode triple dapatdijadikan cara untuk meramalkan data yangmengandung faktor musiman tersebut.Makridakis (1999 : 98).

Berikut adalah persamaan-persamaanyang digunakan untuk melakukan peramalandengan menggunakan metode TripleExponential Smoothing.

1'1' ttt SXS

1"" 1' ttt SSS

1'"'''" 1 ttt SSS

tttt SSSa "'"33'

tttt SaSaSaaab ''''' ).34().810(').56)(1(2/

)2'()1/( '''''22tttt SSSaac

)1(½)1( tttmt cbaF

Keterangan :tS ' = nilai pemulusan eksponensial

tunggal (Single)

tS " = nilai pemulusan eksponensialganda (Double)

tS '" = nilai pemulusan eksponensialrangkap tiga (Triple)

(1)

(2)

(3)

(4)

(5)

(6)

(7)

3

p = parameter pemulusan eksponensial

yang besarnya 10 p

ttt cba ,, = konstanta pemulusan

mtF = hasil peramalan periode ke depan

yang di ramalkan

2.3 MAPEMape sangat ahli dalam melakukan

perhitungan perbedaan antara data asli dandata hasil peramalan. Perbedaan tersebutdiabsolutkan, kemudian dihitung ke dalambentuk persentase terhadap data asli. Hasilpersentase tersebut kemudian didapatkan nilaimean-nya. Suatu model mempunyai kinerjasangat bagus jika nilai MAPE berada di bawah10%, dan mempunyai kinerja bagus jika nilaiMAPE berada di antara 10% dan 20% (Zainundan Majid, 2003).

Rumus MAPE adalah sebagai berikut:

MAPE 100

Keterangan :Xt = data aktual pada periode ke tFt = nilai ramalan pada periode ke t

= banyaknya periode waktu

3. Metode Penelitian3.1 Blok Diagram Metode Tripel Exponential

Smothing

Penjelasan alur Blok Diagram

1. Dalam proses awal sebuah sistem, hal pertama

yang dilakukan adalah penginputan data stok

spare part pada tahun 2014.

2. Menghitung nilai variabel S’t, S”t, S’”t, a , b, c

dan nilai hasil Peramalan

3. Menghitung nilai kesalahan dalam ramalan

menggunakan MAPE

(Mean Absolute Percentage Error)

n

xX

FX

X

e

MAPE t

tt

t

t

%100

Keterangan :Xt = Data history atau Data actual padaperiode ke - tFt = Data hasil ramalan pada periode ke - t

n = jumlah data yang digunakan

3.2 Analisa Pemulusan EksponensialRangkap TigaPada pemulusan eksponensial tunggal

dilakukan peramalan dengan satu kali penghalusansaja, metode Double dilakukan dua kali penghalusandan metode Tripel dilakukan tiga kali penghalusan.Kemudian dilakukan peramalan, sehingga metodeini sering disebut Metode penghalusan EksponensialRangkap Tiga ( Triple Exponential Smoothing ).Jenis masalah ini ini muncul dalam setiap metodepemulusan ( smoothing ). Jika parameterpemulusam tidak mendekati nol, pengaruh dariproses inisialisasi ini dengan cepat menjadi kurangberarti dengan berjalannya waktu. Tetapi, jikamendekati nol proses inisialisasi tersebut dapatmemainkan peranan yang nyata selama periode

4

waktu yang panjang. Berikut ini akan digunakanperamalan dengan metode pemulusan eksponensialdengan =0 =0.9, dimana nilaiparameter besarnya antara 0 < < 1 dengan trialdan error .Perhitungan peramalan dengan Tripel ExponentialSmoothing dari Holt’s denganparameter = 0.1

Bulan Ke -2 (Februari 2014), = 145,menggunakan data Oli

Perhitungan Eksponensial Tunggal

1'1' ttt SXS

S’2 = 0,1 (76) + 0,9 (83)= 7,6 + 74,7= 82,3

Perhitungan Eksponensial Ganda 1

"'" 1 ttt SSS S’’2= 0,1 (82,3) + 0,9 (83)

= 8,23 + 74,7= 82,93

Perhitungan Eksponensial Rangkap Tiga

1'"'''" 1 ttt SSS

2"S = 0,1 (82,93) + 0,9 (83)

= 8,293 + 74,7= 82,993

Perhitungan Nilai a

tttt SSSa "'''' 33 = 3 (82,3) –3 (82,93)+( 82,993)= 81,10

Perhitungan Nilai bbt = ((a/2(1-a)) x ((6-(5x0.1)S’t)) – ((10-

(8x0.1)S’’t))+((4-(3x0.1)S’’’t))= (0.1/(2x0.9)x((6-(5x0.1)82,3) –

(10-(8x0.1) 82,93)+(4-(3x0.1) 82,993))

= -0,20

Perhitungan Nilai c

)2()1/( ''''''22tttt SSSaac

= (81,10) x (82,3)-2(82,93)+(82,993)

= -0,01

Hasil peramalan untuk bulan Februari adalah:

)1(½)1( tttmt cbaF

= 81,10 + -0,20 (1) + (½ * -0,01(1))

= 80,90

3.3 Uji coba dan evaluasiEvaluasi ini dilakukan untuk menggetahui

kenerja algoritma Tripel Exponential Smoothingpada tahap uji coba. Metode yang di gunakan adalahMean Absolute Percentage Error (MAPE).Pengukuran ini didasarkan menggunakan nilaikesalahan (Galat).Mean Absolute Percentage Error (MAPE)

n

xX

FX

X

e

MAPE t

tt

t

t

%100

Keterangan :Xt = Data history atau Data actual padaperiode ke - tFt = Data hasil ramalan pada periode ke - tn = jumlah data yang digunakant = periodeke – tJika nilai Xt-Ft bernilai negative maka harus

di absolute agar bernilai positifTabel 3.3

Hasil perhitungan kesalahan peramalan pada tahun2014 dengan nilai alpha 0.1

Tabel diatas merupakan proses perhitungannilai kesalahan ramalan dengan metode MAPE. Padatabel diatas kita dapat melihat data aktual seluruhnyadan hasil ramalan seluruhnya sesuai dengan data setyang sudah kita gunakan. Untuk mengetahuiseberapa besar nilai kesalahan seluruhnya kita harusmenghitung nilai kesalahan pada tiap bulannyadengan cara data aktual dan hasil ramalannya.Setelah itu hasil selisih yang di dapat di absolute-kan. Karena di absolutkan maka nilai selisih yangbernilai minus akan berubah menjadi plus.

5

Kemudian hasil selisih yang ada di actual lalu dikalikan 100. Salah satu contohnya saat menghitungkesalahan peramalan pada bulan Februari 2014 nilaiselisih data actual dan hasil ramalan sebesar 5,kemudian hasil selisih tersebut dibagi nilai aktual 76lalu di kalikan 100 hasilnya 6,45. Jadi hasilkesalahan peramalan untuk bulan Februari adalah6,45 persen.

.4. Implementasi User Interface

Agar mempermudah prosesperhitungan dan analisa peramalan, makadibuatlah program peramalan tersebutdengan bahasa pemograman VB.Net.

4.1 Form Input DataPada form input berikut merupakan

form user interface input data spare part diGaruda Motor Jajag.

Gambar 4.1 Form input data sparepart

4.2 Form Winter ExponentialPada form perhitungan winter

exponential akan menghitung tingkat sparepart mulai tahun 2014 yang nantinya akanmenghasilkan peramalan tiap bulannya yaitumulai 2014. Sebelum menghitung winterexponential pilih nilai alpa terlibeh dahuludan kemudian akan memproses peramalanmenggunakan metode winter exponential.

Gambar 4.2 Form Winter Exponential

4.3 Form Perhitungan MAPEPada form perhitungan MAPE akan

menghitung tingkat spare part mulai tahun2014 yang nantinya akan nilai kesalahanyaatau tingkat errornya tiap bulannya yaitumulai 2014.

Gambar 4.3 Form Perhitungan Mape

5. KesimpulanBerdasarkan hasil penelitian dan pembahasan

yang telah diuraikan bab–bab sebelumnya dapatdiambil kesimpulan sebagai berikut :

1. Didapatakan nilai alpha 0,4 yang merupakanperamalan terbaik dengan rata-ratakesalahanya yakni 30%.

2. Dari pembuatan sistem analisa peramalanhasil tindakan kriminalitas denganmenggunakan metode Winters Exponential

6

Smothing dapat dijadikan acuan pada GarudaMotor Jajag untuk meramalkan hasiltindakan spare part pada bulan mendatang.

DAFTAR PUSTAKAGitosudarmo, Indriyo. 2001. Teknik Proyeksi

Bisnis, Edisi Pertama. Penerbit : BPFE,Yogyakarta.

Kalekar, Prajakta S. 2004. Time series ForecastingUsing Holt-Winters

Exponential Smoothing. Kanwal Rekhi Schoolof Information Technology

Martiningtyas, Nining, 2004, Buku MateriKuliah STIKOM Statistika, STIKOMSurabaya, Surabaya.

Pramita, Wahyu dan Haryanto Tanuwijaya. 2010.Penerapan Metode Exponential

Smoothing Winter Dalam Sistem InformasiPengendalian Persedian Produk dan Bahan BakuSebuah Café. Seminar Nasional Informatika2010 (semnasIF 2010) ISSN: 1979-2328 UPNVeteran Yogyakarta.

Raharja, Alda. Wiwik Angraeni. Retno AuliaVinarti. 2010. “Penerapan metodeexponential smoothing untuk peramalanpenggunaan waktu telepon di PT. TelkomselDivre3 Surabaya”. SISFO-Jurnal SistemInformasi. Fakultas Teknologi Informasi,Institut Teknologi Sepuluh November.

Riduwan. 2010. Metode dan Teknik MenyusunTesis. Alfabeta, Bandung. Supranto,

Swastha, Basu dan Irawan. 2008.Manajemen Pemasaran Modern.Penerbit: Liberty, Yogyakarta.

Tomy, Pradana. Yusi Tyroni. Fitra. 2010.“Sistem Pendukung Keputusan DenganMetode Exponential Smothing UntukMeramalkan Hasil Penjualan Pada StudiKasus Home Industry Kue ”. Progam StudiIlmu Komputer, Universitas BrawijayaMalang.

Badria,. 2008. “Penggunaan Metode ExponentialSmothing Untuk Meramalkan KebutuhanCengkeh Di Pabrik Rokok Adi Bungsu”.Progam Studi Matematika, UniversitasBrawijaya Malang.

Trisnawati, Eni., (2013), Sistem Peramalan HasilProduksi Getah Karet Di Pt. Agri HalbaDengan Menggunakan Metode DoubleExponential Smoothing. Fakultas Teknik.Universitas Muhammadyah. Jember.

Assauri, S., (1991). Kerangka Dasar SistemInformasi Manajemen, PT. Pustaka BinamanPresindo, Jakarta.

Makridakis, S., (1999), Metode dan aplikasiperamalan Edisi 2, Binarupa Aksara, Jakarta.