Upload
ana-qaimah
View
37
Download
1
Embed Size (px)
Citation preview
5/14/2018 Sma & Dma & Smoothing - slidepdf.com
http://slidepdf.com/reader/full/sma-dma-smoothing 1/8
National Conference: Design and Application of Teclmology 2010
Analisis Peramalan Penjualan Bahan Bakar Minyak Jenis
Premium di SPBU Pahlawan Asri Bandung
Beny Mulyandi, Yani Iriani
Jurusan Teknik Industri, Fakultas Teknik, Universitas Widyataman. Cikutra No. 204 A Bandung 40133
Telp. (022) 7275855 Fax. (022) 7274010
E-mail: [email protected]
E-mail: [email protected]
ABSTRAK
Peranan peramalan sangat penting bagi suatu perusahaan dalam mr,njola'l'k.qlf!,konomi bisnisnya,
terutama dalam menyusun perencanaan produksinya. Dengan menggunakan me1/drs perc 11 alan diharapkan
dapat membantu perusahaan dalam menentukan tingkat produksin),t1 yang sesuai den ~ermintaan
konsumen dimasa yang akan datang.
Penelitian ini bertujuan (1) Mengidentifikasi pola penjuakrn Bahan B 'tar - . ak (BBlvl) jenis
premium di SPBU Pahlawan Asri Bandung, (2) Mendapatkanetode >~amalan rbaik berdasarkan
pola data penjualan Bahan Bakar Minyak (BBlvl) jenis pr.f!nlitf:z,"'itan ('5~)e .' kan hasil peramalan
sehingga dapat menjadi acuan dalam perencanaan strategi~em'-SaaYlran)i.P. n - kin diterapkan di SPBU
PahlawanAsri Bandung. "'.~ ,,"'III
Metode yang digunakan untuk meramalktJ1 nenjUl1lan a i J Y d~"'atr menggunakan metode Single
Moving Average, Double Moving Average dan 8insle E/p..tnenlia Sm~fug. Data yang digunakan adalah
data penjualan dari bulan Nopember 201)8- Q/;"1ober200P dan 'Per~an yang dilakukan adalah untuk satu
tahun kedepan yaitu bulan Nopember dJ009-Oktober 4Q1O. r~Berdasarkan hasil pengumpulan t : / . { } 1 1 1 , maka pola cra~~ualan Bahan Bakar Minyak (BBM) jenis
premium di SPBU Pahlawan Asri Bandun}bulan Nop,,?mb· .8-0ktober 2009 berbentuk stationer. Setelah
dilakukan perhitungan, diperQ]e1basil ramdian isatu t. . _ edepan adalah sangat berfluktuasi. Penjualan
yang akan terjadi pada bulan Nopember 20U9-0k 010 tersebut diramalkan tidak terlalu jauh dari
penjualan aktual yang telah terjadip,pdl1 bu7an-b1ll..."-"ebelumnya.
Penentuan melode peramalah yal :1.g" t~""'?k dilakukan dengan cara mengukur tingkat kesalahan
peramalan dari sing metode ters.d>iJ:melalui pencarian nilai rata-rata kesalahan peramalannya,
yaitu Mean A olut rro IStanda~eviation Error (SDE) dan Mean Absolute Percentage Error
( lvfAPE ).
Berd engolahan data yang dilakukan, dapat ditarik kesimpulan bahwa metode
peramalan ik ya dipmakan oleh SPBU Pahlawan Asri Bandung dalam melakukan peramalan
penjualanny met. e Single Moving Average (3 periode) yang menghasilkan nilai Mean Absolute
Error ( lv1AE) ,684.15, nilai Standard Deviation Error (SDE) sebesar 211,122.90, serta. Mean
Absolute Percentage Err-of j1vl4PE) sebesar 0,13. Penerapan metode peramalan yang tepat dan terarah
dapat menunjang perustihaan untuk melakukan penjualan yang optimal dalam rangka meraih tingkat
keuntungan yang maksimal.
Kata KURci: Single Moving Average, Double Moving Average, Single Exponential Smoothing
1. PENDAHULUAN
1.1 Latar BeJakang
Kelangsungan sebuah us aha sangat diperlukan oleh setiap organisasi baik yang berorientasi pada
profit ataupun yang nonprofit. SPBU Pahlawan Asri Bandung merupakan sebuah SPBU yang berada di Kota.
Bandung. SPBU Pahlawan Asri Bandung beralamat di Jl, Pahlawan No.16 Bandung yang di resrnikan pada
tanggal 17 Oktober 1998 oleh Walikota Bandung, pernilik SPBU oleh Bapak Nurdin Tampubolon,
84
5/14/2018 Sma & Dma & Smoothing - slidepdf.com
http://slidepdf.com/reader/full/sma-dma-smoothing 2/8
National Conference: Design and Application of Technology 2010
Operasionalnya sehari-hari yaitu menjual kembali bahan bakar minyak dari depot pertamina dengan harga
beli yang lebih kecil dari harga jual ke konsumen. Selisih harga beli dan harga jual merupakan keuntungan
setelah dikurangi semua biaya yang terjadi. Dipilih bahan bakar jenis premium karena bahan bakar jenis ini
merupakan bahan bakar yang umum digunakan dibandingkan dengan bahan bakar minyak jenis lain serta
mayoritas kendaraan dimasyarakat berbahan bakar premium.
Konsumen pada umumnya masyarakat Kota Bandung diantaranya beberapa instansi seperti
Kendaraan Dinas Kebersihan Kota Bandung, Kendaraan Dinas Bank Jabar, Kendaraan Securicor, Kendaraan
Dinas Anggota DPRD Kota Bandung, Kendaraan PT Pos Indonesia.Penjualan berdasarkan ketersediaan persediaan bahan bakar minyak pada tengki pendam (dombak).
Apabila persediaan habis konsumen akan beralih ke SPBD yang lain. Hal ini yang sering terjadi yaitu SPBD
Pahlawan Asri Bandung sering mengalami kekurangan stok premium. Maka untuk mengatasi permasalahan
tersebut dianggap perlu melakukan peramalan penjualan bahan bakar minyak jenis premium pada SPBD
Pahlawan Asri Bandung untuk beberapa periode yang akan datang karena manajemen perusahaan belum
melakukan peramalan penjualan untuk beberapa periode yang akan datang. Kebijakan penjualan
berhubungan dengan target penjualan yang ingin dicapai oleh SPBD Pahlawan Asri Bandung. Target
penjualan berhubungan dengan hasil peramalan yang dilakukan.
1.2 Tujuan
1.4
a. Secara ... untuk mengembangkan ihnu pengetahuan agar dapat dijadikan suatu perbandingan
dalam penulisan karya ihniah khususnya dalam hal peramalan produksi.
b. Perusahaan, diharapkan dapat dijadikan sebagai dasar membuat kebijakan penjualan, bahan
masukkan, evaluasi dalam pengelolaan sumber daya perusahaan untuk memperoleh keuntungan
maksimum.
c. Peneliti selanjutnya, diharapkan dapat berguna sebagai bahan referensi bagi mereka yang akan
melakukan penelitian lebih lanjut dalam topik ini dengan mencoba metode yang lain.
2. KAJIAN TEORI
Peramalan [1] merupakan studi terhadap data historis untuk menemukan hubungan, kecenderungan
dan pola yang sistematis. Peramalan adalah tahap awal, dan hasil ramalan merupakan basis bagi seluruh
tahapan pada perencanaan produksi.
85
5/14/2018 Sma & Dma & Smoothing - slidepdf.com
http://slidepdf.com/reader/full/sma-dma-smoothing 3/8
National Conference: Design and Application of Technology 2010
2.1 Metode Single Moving Avarage
Salah satu cara untuk mengubah pengaruh data masa lalu terhadap nilai tengah sebagai ramalan
adalah dengan menentukan sejak awal berapa jumlah nilai pengamatan masa lalu yang dimasukkan untuk
menghitung nilai tengah.
T
2.2 Metode Double Moving Average
(1)
Untuk mengurangi kesalahan akibat trend yang terjadi bila rata-rata bergerak dipakai (moving
average), maka dikembangkan metoda [2] Zinier moving average. Dengan metoda ini adalah menghitung
rata-rat bergerak kedua.
~~
(
I U ~~
bt = 2/(N -1). " S f -St J ~ \ . '
~
2.3 Melode Single Eksponential S 001 ;ng ' : J . . : i -
Dalam menentukan harga forecayf ~idasa kan a i A J l t t masa lampau, data masa lampau yang
bam saja lewat hams dibuat lebih be~ enga~IDY: da~l'a data lampau yang sudah lama berlalu.
Semakin kecil harga a, semakia besar smoothing yang dA...~an. a =0.1 memberikan smoothing lebih besar
dibandingkan a = 0.5. Data yang bam saja lewat me~")lilln pengaruh yang lebih besar dari pada data yang
sudah lama lewat. ~ V
~~D' + (J-a)F,
2.4
• Me
M AEIdt-dt'l
n (6)
• Standard Deviation Error (SDE)
SDE
(7)
• Mean AbsoZute Percentage Error (MAPE)
,
IpE t I
MAPEt=1
n (8)
(2)
(3)
(4)
(5)
86
5/14/2018 Sma & Dma & Smoothing - slidepdf.com
http://slidepdf.com/reader/full/sma-dma-smoothing 4/8
National Conference: Design and Application of Technology 2010
3. METODE PENEIlTIAN
1. Metode surveil ob servasi
Metode ini umumnya rnerup akan cara pengumpulan data secara langsung ke lapangan pada objek
p eneli tian.
2. Wawancara
Metode. pengumpulan data dengan rnelakukan tanya jawab dengan pihak yang berhubungan dengan
top ikpenelitianini
3. Studi Pustaka
Metode pengumpulan data dengan cara mernpelajari buku-bukusesuai dengan permasalahan pada
penelitian ini.
4. HASIL PENELITIAN DAN PEMBAHASAN
4.1 Pengumpulsn Data
. . . r - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
,~ ~ - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - -
Gambar I. plot data penjualan premium
87
5/14/2018 Sma & Dma & Smoothing - slidepdf.com
http://slidepdf.com/reader/full/sma-dma-smoothing 5/8
T , b " 3 .R'M p ~ ' m : l : : : : ' : : S M A ~ ~PerbitnngaD Error Peeaeaafae 1\11..4..(3) 1/ A~I-p--en-·-Gd-e-,----~----~~~I~e,~I~~~~~~(eJ~2~~~~-P-E-(-O/O-.-)-'-~IP-E~I--I~ ~ ~
2 :..:.... _\~
: = = = 3 t = = ~ = = ~ = ~ ~ ~ ~ = = = ~ ~ ~ ~ ! = = = = = ~ ~ ~ ~ ~ ~ ~ ~ ! = = ~ ~ ~ = t ~ ~ ~ - ~ ~ , ; j~?06.401.111 -0.02 ~·~O~~-O~··... ~~
5 9.007.148.836 ,dJ 10 ~,=
National Conference: Design and Application of Technology 2010
4.2 Pengolahan Data
Y Metode Single Moving Avarage (SMA)
Tabel 2. Peramalan metode SMA
Metode SingleMo~ing Avarage
Periode Demand
1,126,558
2 881,363
3 728,930
4 897,917
5 930,976
6 1,093,229
7 1,214,339
8 1,067,250
9 1.120,751
10 1.190,212
11 1,451,110
12 903,650
MA(3)
912,283.67
836.070.00
852,607.67
974,040.67
1,079,514.67
1,124,939.33
1)34,113.33
1,126,071.00
(14367) 14.367
94.906 94.906
240.621 240.621
240,298 240.298
(12,265) 12.265
(4.188) 4.188
56.099 56.099
325.039 325.039
(350,374) 350.374
575,769 1,338,157
6 57.898.626.055 IAI ' 0.224' 0,1.22 1' - 'I57,743,289,00.3 p.20 a 2 ! ' J I . . . ..
8 150.42?p48 -0.0'1 #0.01 "9 1754,2:136 060" 0.00
10 3.147.9150.-+02 I~ 0.05 0.05 ~
11 105.650~515:!-1 Q.22 0 22 ~ '" T
12 122,762.173.459 -0'1\9 1.....0.39 ~~I" I
Total 356~583.014..5"'il 0..37 ,,12k I. T
1v1APE "0.13
. . . .
~ .~» M e t T n m ' ! : . . ~ 'ingA"mgd~)
Tabe14. Perl ~ l~ ' I J M P !Pe~m_aJa.n Double Mo-".-ing _4..verage
.... .I N~4
Periode Dema S'" 3,t b, m
13
l,126.5511- - /
2 881.363: "!
3 728,930,
897917 90,8,692.0,0,
930, ,976 859,796.50,
1.0,93.229 912,7630,0,
1 ,214,339 1,0,34 ,115 .25 928,841 .69
1.0,67,250, 1,0,76,448.50, 1,055,281.88
1,120,,751 1,123,892.25 1,10,0,,170,.38
1,190,,212 1,148,138.0,0, 1,136,0,15.13
1.451,110 1,20,7,330, .75 1,177,734.38
903,650 1,166,430, .75 1,186,880, .75
4
5
6
1,139,388.81 10,,182.38
8 1,097,615.13 14,111.0,8
9 1,147,614.13 15,814.58
10, 1,160,,260,.88 8,0,81.92
11 1.236,927.13 19,730,.90
12 1 ,145 ,980,.75 -13,633.33
14
15
16
17
18
19
20,
21
22
23
04
1,20,9.571.19
1,111,726.21
1,163,428.71
1,168,342.79
1,256,658.0,4
1.132,347.42
2 1,118,714.0,8
3 1 .10,5 ,0,80.75
4 1,0,91,447.42
5 1.0,77,814.0,8
6 1,0,64,180,./5
7 1,0,50.547.42
8 1,0,36,914.0,8
9 1,0,23,280,.75
10, 1,0,0,9,647.42
11 996,0,14.0,8
12 987,380,.75
88
5/14/2018 Sma & Dma & Smoothing - slidepdf.com
http://slidepdf.com/reader/full/sma-dma-smoothing 6/8
National Conference: Design and Application of Technology 2010
Tabel 5. Error peramalan metode DMA
Per,iode e, IpEl1Perbitnnga.n ElFro_"PeF3Dl.3lan D.J.\IL4..(4)
Ieo ! (e,)" PE (0/0)
2
3
5
4
8 -142.32L19 0.13
6
9.024.79 0.01
7
142.321.19 20.255.320,411.41
9
-0.13
9.024.79 81,446.864.63
10 26.783.29 26.783.29 717,344.712.50
11 282.767.21 282,767.21 79,957,294,108.63
0.01
0.02 0..02
0.19 0.19
12 -353.008.04 353,OOR04 124,614,677,481.34
Total -176,753.94 .813"904.,,,.2 225.6.26;083,578.50
-0.39 0.39
-0.30 0.75
ERROR STATIS"TIK
/
ilVIAE 162,780.90
SDE 237,500.57
ERROR RELATIF
l1v1APE 0.150
Tabe16 Peramalan metode SES
Metode Single Eksponential Smoothing (SES)
l\1etode Single Ekspoaeatial Smootbing
Periode Dema.nd a=O,4
1 U26,558 -
2 881,363 1.126.558
3 728,930 1,028,480.00
4 897,917 908,660.00
5 930,976 904,362.80
6 1,093,229 915,008.08
7 1,214,339 986,296.45
8 1,067,250 1,077,513.47
9 l.120,751 1,073,408.08
10 1.190,212 l,092,3,,\5.::!5
U 1,451,110 1.131.491.95
12 903,650 1,259,339.17,
Tabel 7. Error ,.. ~ .... etod€ SES
, Wer~gan Error Per~alan ...= 0,4
Periode
2
1,819,145.03
PE (0/0) IPEI
-0.28 0.28
-OAI OA1
-0.01 0.01
0.03 0.03
0.16 0.16
0.19 0.19
-0.01 001
0.04 0.04
0.08 0.08
0.22 0.22-0.39 0.39
-0.38, 1..83
115,412,049.00
-! 45,19,.1l0 2.15,195.00 60,120,588,025.00
3 - ~9,550"llO 199,55p.00 89,730,.20'2.500.00
1----:4:----+-~--:"II . "" 10.7,1'3.00
5 ~ 26.613.20 708,262,414.24
1---:6,,-,+-1=-7=::'8,220.92 :_-Ti=7z..:3:,2:-:2:':0:".C:9:-:2~--::3:-:1'-',:::7":6C:2:":,6::;9::'·~6c.:,3:-:2:=-5=-.'-'6:-:5:--t---::-7:--+--::-=-::":;"-
9 47,342.92 47,342.92 2,241,351,952.93
7 228,O~2_55 "228,042.55 52,003,405,522.67
10 97,866.75 9.577,900.996.71
8 -10,263.47 10,263.47 105,338.791.81
97,866_75
319,618.05 319,618.0512 -355.689.17 355,689.17
10'2,.155.698.358.33126,514,785.339.78
Total -23,736.25 475,035-,642,276'.11
ERROR STATISTIK
:MAE I 165,376.82
SDE I 217,953.12
ERROR REL..~T:IF
~1APE I 0.17
89
5/14/2018 Sma & Dma & Smoothing - slidepdf.com
http://slidepdf.com/reader/full/sma-dma-smoothing 7/8
National Conference: Design and Application of Technology 2010
4.3 Analisis
Tabel 8. Dibawah ini memmjukkan perbandingan error ketiga metode peramalan yang digunakan.
Tabel tersebut menunjukkan bahwa metode single moving average (SMA) dengan rata-rata pergerakan 3
periode memiliki error yang kecil bila dibandingkan dengan metode peramalan yang lain.
T b 18 P b di t de er an mzan error me 0 e perama an
Single Moving Double 11Jo1>ing Single Eksponensiai
Avarage (SMA) Average (DMA) Smoothing (SES)
l\ILI\=3 Periode N= 4Periode u=O,4
l\iA.£ 148,684.15 162,780.90 165,376.82
SDE 211,122.90 237,500.57 217,953.12
MAPE 0.13 0.15 0.17
Tabel 9 dibawah memperlihatkan hasil peramalan bahan bakar minyak jenis premium untuk setiap
metode peramalan yang digunakan sesuai dengan pola data penjualan premium setahun yang lalu. Periode
Nopember 2009 metode peramalan single moving average, double moving average, 'single ekponensial
smoothing hasil peramalan premium berturut-turut yaitu 912.283,67; l.132.347,42'; l. q,.6.556,00 dalam
satuan liter. Sarna halnya untuk periode yang lain sampai dengan Mei 2010 Uhtuk peri0de :ru~110 sampai
dengan Oktober 2010 hasil peramalan juga telah diketahui (lihat tabel 2) n~ tidak s~~dicantumkan
dalam tabel 9 mengingat aktual demand premium yang ada di SPBU Pahlawan Asri Ba~g hanya sampaibulan Mei 2010 (7 periode) saja. ~~
Tabe19. Perbandingan hasil peramalan dengan aktual demQ{!;.'d ~
PerindeSingle Moving
Avarage (SlVlA)
Ke- Bu1aD MA=3 Periode
1 Nop '09 912,283.67
2 Des '09 912,283.67
3 J a n '10 912,283.67
4 Feb '10 912,28~67
5 M al" '1 0 836,070.60
6 A pr '10
7
1,087,823
846,909
761,641
737,075
617)67
1,059,877
986,296.45 1,067,533
nunjukkan selisih antara aktual demand dengan hasil peramalan untuk metode
asil untuk metode single moving average periode Nopember 2009 sebesar
e asal dari aktual demand dikurangi dengan hasil peramalan (lihat tabel 9) pada
setiap perio kutan misal periode Nopember 2009 (l.087.823- 912.283,67 = 175.539,33).
Untuk perio juga caranya sarna dengan contoh yang diberikan. Tabel 10 dibawah
memperlihatkan e singl moving average dengan selisih pengurangan yang kecil dibandingkan dengan
metode yang lain. Hasil penjumlahan selisih untuk semua metode bernilai negarif (hasil dalam tanda kurung).
TabellO. Selisih aktual demand dengan peramalan
PeriodeSingle "¥Iovine Double M01>mg Single Eksp.onensial
AV£ll'a.ge (SM:..4.) Average (DM:..4.) Smoathing (SES)
Ke- Bulan
1 Nop '09 175,53933 (44,524-42) (38,735.00)
2 Des '09- (65,374.67) (271,80.5.008) (279,649.000)
3 Jan '100 (150.,642.67) (343,439.75) (266,839.00)
4 Feb '100 (175,2008.67) (354,372.42) (l71,585.0D)
5 Mar '10 (218,3'03.000) (460,047.'08) (286,595.800)
6 Apr '100 2007,2,69.33 (4,303.75) 144,868.92
7 Mei'1O 93,492.33 16,985.58 81,236.55
JnmJah (133,;228.000) (1,461,5006.92) (8:17,;298:.33)
90
5/14/2018 Sma & Dma & Smoothing - slidepdf.com
http://slidepdf.com/reader/full/sma-dma-smoothing 8/8
National Conference: Design and Application of Technology 2010
Gambar 2 dibawah memmjukkan perbandingan aktual demand (grafik wama biru) dengan hasil
peramalan metode yang terbaik (grafik wama merah) yang merupakan visualisasi dari tabel 9diatas.
Terkadang hasil peramalan berada dibawah aktual demand yang ada misal untuk periode Nopember 2009,
April 2010, Mei 2010. Namun tidak selalu hasil peramalan berada dibawah. Periode yang lain hasil
peramalan yang didapatkan diatas aktual demand yang ada. Hasil peramalan dengan aktual demand yang
didapatkan berfluktuatif dengan selisih yang tidak terlalu jauh berbeda.
1,200POO
1,000,.000
. .800,000II
S.E 600,000=· EI: ! 4{)0,O{JO. . .
200,ODO
Grafik Ha sil P er ama la n (SMA ) d an Ak t:u al D emand
Keterangan: harga ramalan untuk periode t + 1
= arga ramalan untuk periode t
harga aktual pada periode t
=kbejisien smoothing, harganya antara 0 - 1
REFERENSI
[1]. Sugiarto dan Harijono. 2000. Peramalan Bisnis. Jakarta: PT Gramedia Pustaka Utama[2].Makridakis, Spyros. Et al. 1991. "Metode dan Aplikasi Peramalan". Edisi Kedua, Jilid l.Alih Bahasa:
Untung SusA, M. Sc dan Abdul Besith M. Sc. Jakarta: Erlangga.
[3]. Rangkuti, Freddy. 2005. Business Plan: Teknik Membuat Perencanaan Bisnis dan Analisis Kasus.
Jakarta: PT Gramedia Pustaka Utama.
91