Anda di halaman 1dari 46

PENGGUNAAN METODE EXPONENTIAL SMOOTHING UNTUK MERAMALKAN KEBUTUHAN CENGKEH DI PABRIK ROKOK ADI BUNGSU

SKRIPSI

oleh: BADRIA 0110940009-94

PROGRAM STUDI MATEMATIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS BRAWIJAYA MALANG 2008

PENGGUNAAN METODE EXPONENTIAL SMOOTHING UNTUK MERAMALKAN KEBUTUHAN CENGKEH DI PABRIK ROKOK ADI BUNGSU

SKRIPSI Sebagai salah satu syarat untuk memperoleh gelar Sarjana Sains dalam bidang Matematika

oleh: BADRIA 0110940009-94

PROGRAM STUDI MATEMATIKA JURUSAN MATEMATIKA FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM UNIVERSITAS BRAWIJAYA MALANG 2008

LEMBAR PENGESAHAN SKRIPSI PENGGUNAAN METODE EXPONENTIAL SMOOTHING UNTUK MERAMALKAN KEBUTUHAN CENGKEH DI PABRIK ROKOK ADI BUNGSU

Oleh: BADRIA 0110940009-94 Setelah dipertahankan di depan Majelis Penguji pada tanggal 25 Juli 2008 dan dinyatakan memenuhi syarat untuk memperoleh gelar Sarjana Sains dalam bidang Matematika Telah diperiksa dan disahkan oleh:

Menyetujui, Pembimbing I Pembimbing II

Prof.Dr.Agus Widodo,M.Kes. NIP. 131 281 894

Isnani Darti,S.Si.,M.Si. NIP. 132 300 266

Mengetahui, Ketua Jurusan Matematika Fakultas MIPA Universitas Brawijaya

Dr.Agus Suryanto, M.Sc. NIP. 132 126 049

LEMBAR PERNYATAAN Saya yang bertanda tangan di bawah ini : Nama : BADRIA NIM : 0110940009-94 Jurusan : MATEMATIKA Penulisan skripsi berjudul : PENGGUNAAN METODE EXPONENTIAL SMOOTHING UNTUK MERAMALKAN KEBUTUHAN CENGKEH DI PABRIK ROKOK ADI BUNGSU

Dengan ini menyatakan bahwa : 1. Isi dari skripsi yang saya buat adalah benar-benar karya sendiri dan tidak menjiplak karya orang lain, selain namanama yang termaktub di isi dan tertulis di daftar pustaka dalam skripsi ini. 2. Apabila di kemudian hari ternyata skripsi yang saya tulis terbukti hasil jiplakan, maka saya akan bersedia menanggung segala risiko. Demikian pernyataan ini saya buat dengan segala kesadaran.

Malang, 25 Juli 2008 Yang menyatakan,

BADRIA NIM. 0110940009-94

PENGGUNAAN METODE EXPONENTIAL SMOOTHING UNTUK MERAMALKAN KEBUTUHAN CENGKEH DI PABRIK ROKOK ADI BUNGSU

ABSTRAK

Metode exponential smoothing adalah suatu prosedur yang secara terus menerus memperbaiki peramalan dengan merata-rata nilai masa lalu dari suatu data runtut waktu dengan cara menurun (exponential). Di dalam skripsi ini metode exponential smoothing diterapkan untuk meramalkan kebutuhan cengkeh. Berdasarkan data yang ada diuji model yang sesuai, yang selanjutnya model tersebut digunakan untuk peramalan kebutuhan cengkeh menggunakan metode exponential smoothing. Hasil peramalan dengan metode exponential smoothing memberikan nilai yang berbeda dengan data yang sebenarnya karena banyak faktor yang tidak diikutsertakan dalam penghitungan. Kata kunci : peramalan, exponential smoothing

iv

THE USE OF SMOOTHING EXPONENTIAL METHOD TO PREDICT THE NEED OF CLOVE IN CIGARETTE FACTORY OF ADI BUNGSU

ABSTRACT Smoothing Exponential method is a procedure to improve prediction continuously by smoothing previous value from time series by using exponential method. In This final project, smoothing exponential method is applied to predict the need of clove. Based on the available data, the suitable model will be tested. Then, the model is used to predict the need of clove by using the smoothing exponential method. The result of prediction may produce different values with the real data because of many aspects which are not included in the calculations. Keywords : prediction, smoothing exponential

KATA PENGANTAR

Alhamdulillahirobbilalamin, puji syukur ke hadirat ALLAH SWT yang telah melimpahkan rahmatNYA sehingga penulis dapat menyelesaikan tugas akhir ini dengan judul PENGGUNAAN METODE EXPONENTIAL SMOOTHING UNTUK MERAMALKAN KEBUTUHAN CENGKEH DI PABRIK ROKOK ADI BUNGSU Sebagai salah satu syarat memperoleh gelar Sarjana Sains dalam bidang Matematika. Selesainya tugas akhir ini juga berkat bantuan dan bimbingan dari berbagai pihak. Karena itu penulis sampaikan penghargaan dan ucapan terima kasih kepada: 1. Prof.Dr.Agus Widodo,M.Kes., selaku Dosen Pembimbing I dan Isnani Darti,S.Si.,M.Si.,selaku Dosen Pembimbing II atas dorongan, semangat, bimbingan dan waktu yang telah diberikan selama penyusunan skripsi ini. 2. Dr. Agus Suryanto, M.Sc selaku ketua Jurusan Matematika. 3. Dr. Wuryansari M.K., M.Si selaku ketua program studi Matematika. 4. Kwardiniya A.,S.Si.,M.Si., Drs.Imam Nur Hadi P.,MT. dan Dr. Agus Suryanto, M.Sc selaku dosen penguji. 5. Orang tua(lek ud), suamiku, teman-temanku dan saudarasaudaraku atas segala perhatian, semangat, doa dan dukungannya yang diberikan selama ini. 6. Seluruh dosen serta karyawan Tata Usaha Jurusan Matematika Universitas Brawijaya, atas ilmu dan bimbingannya selama ini. 7. Semua pihak yang telah membantu dan memberikan dorongan selama penulisan skripsi ini. Semoga skripsi ini dapat bermanfaat bagi semua pihak

Malang, 25 Juli 2008

Penulis

vi

DAFTAR ISI Halaman HALAMAN JUDUL .................................................................... i HALAMAN PENGESAHAN ..................................................... ii HALAMAN PERNYATAAN ..................................................... iii ABSTRAK .................................................................................... iv ABSTRACT ................................................................................. v KATA PENGANTAR ................................................................. vi DAFTAR ISI ................................................................................ vii DAFTAR GAMBAR ................................................................... ix DAFTAR TABEL ........................................................................ x DAFTAR LAMPIRAN ............................................................... xi BAB I PENDAHULUAN 1.1. Latar Belakang ..................................................................... 1.2. Rumusan Masalah............................................................... . 1.3. Batasan Masalah .................................................................. 1.4. Tujuan .................................................................................. 1.5. Manfaat ................................................................................ BAB II TINJAUAN PUSTAKA 2.1. Metode Peramalan ............................................................... 2.1.1. Definisi peramalan dan metode peramalan ............... 2.1.2. Jenis jenis peramalan .............................................. 2.2. Metode peramalan deret waktu ........................................... 2.3. Metode peramalan deret waktu exponensial smoothing ......

1 1 1 2 2

3 3 4 4 5

BAB III METODE PENELITIAN 3.1. Sumber Data ........................................................................ 11 3.2. Metode Pengumpulan Data.................................................. 11 3.3 Analisa Data..11 BAB IV HASIL DAN PEMBAHASAN 4.1. Hasil penelitian .................................................................... 13 4.2. Pengolahan Data ................................................................. 15 4.2.1. Pemilihan dan Pengujian Model .............................. 15 4.2.1.1 Model Simpel........................................................... 15 4.2.1.2 Model Holt16

vii

4.2.1.3 Model winter.16 4.2.2 Menerapkan model untuk peramalan18 BAB V KESIMPULAN DAN SARAN 5.1. Kesimpulan .......................................................................... 23 5.2. Saran .................................................................................... 23 DAFTAR PUSTAKA .................................................................. 25 LAMPIRAN ................................................................................. 27

viii

DAFTAR GAMBAR

Halaman Gambar 4.1 Gambar 4.2 Grafik kebutuhan cengkeh.......................................14 Grafik Ramalan kebutuhan cengkeh........................21

ix

DAFTAR TABEL

Halaman Tabel 4.1 Tabel 4.2 Tabel 4.3 Tabel 4.4 Tabel 4.5 Tabel 4.6 Kebutuhan cengkeh ............................................... 13 Hasil uji model simpel....................................... ..... 15 Hasil uji model holt........................ ........................ 16 Faktor musiman ...................................................... 17 Hasil uji model winter ............................................ 17 Hasil peramalan ...................................................... 19

DAFTAR LAMPIRAN

Halaman Lampiran 1 Lampiran 2 Lampiran 3 Lampiran 4 Lampiran 5 Deskripsi model........................................................27 PengujianModelSimpel.............................................28 Pengujian Model holt................................................30 Pengujian Model winter............................................32 Hasil peramalan........................................................34

xi

BAB I PENDAHULUAN 1.1 Latar belakang Bahan baku adalah bahan berwujud yang digunakan dalam proses produksi. Ketersediaan bahan baku adalah mutlak perlu, karena kegiatan utama dari proses produksi adalah proses konversi bahan dimana bahan baku sebagai masukan akan diubah menjadi produk atau barang jadi maupun barang setengah jadi. Kekurangan bahan baku dapat berakibat terhentinya proses produksi karena habisnya bahan untuk diproses, akan tetapi terlalu besarnya persediaan bahan baku dapat berakibat terlalu tingginya beban biaya guna menyimpan dan memelihara bahan tersebut. Di dalam melakukan analisa kegiatan usaha perusahaan, haruslah diperkirakan apa yang akan terjadi dalam dunia usaha pada masa yang akan datang. Kegiatan untuk memperkirakan apa yang akan terjadi pada masa yang akan datang disebut peramalan (forecasting) (Assauri,1984). Ada beberapa metode peramalan yang dapat digunakan untuk menyelesaikan masalah perusahaan salah satunya adalah metode exponential smoothing. Metode exponential smoothing merupakan deret waktu yang digunakan untuk memprediksi masa depan dengan menggunakan data historis. Dengan kata lain, model deret waktu mencoba melihat apa yang terjadi pada masa kurun waktu tertentu dan menggunakan deret waktu masa lalu untuk meramalkan masa yang akan datang (Http//pusdatin.com). Dengan menggunakan metode exponential smoothing skripsi ini diharapkan mampu untuk menyelesaikan masalah kebutuhan cengkeh pada perusahaan rokok Adi Bungsu. 1.2 Rumusan Masalah Dari latar belakang yang diuraikan di atas, didapat rumusan masalah yaitu bagaimana menerapkan metode exponential smoothing dalam meramalkan kebutuhan cengkeh perusahaan rokok Adi Bungsu.

1.3 Batasan Masalah Karena luasnya objek yang diteliti, maka tulisan hanya membahas persediaan cengkeh (bahan utama pembuatan rokok) dan tidak membahas persediaan bahan baku rokok lainnya. 1.4 Tujuan Berdasarkan rumusan masalah yang telah dijelaskan di atas, maka tujuan dari penulisan skripsi ini adalah menerapkan metode exponential smoothing untuk peramalan pada PR Adi Bungsu yang digunakan dalam memberikan informasi kebutuhan cengkeh. 1.5 Manfaat 1. 2. Penelitian ini diharapkan dapat memberi masukan bagi PR.Adi Bungsu untuk merencakan pembelian cengkeh. Memberikan pengetahuan tentang penyelesaian masalah dengan menggunakan metode exponential smoothing.

BAB II TINJAUAN PUSTAKA 2.1. Metode Peramalan 2.1.1. Definisi peramalan dan metode peramalan Ramalan adalah suatu situasi atau kondisi yang diperkirakan akan terjadi pada masa yang akan datang. Menurut Khotler (1994), peramalan menjadikan pengelolaan dari suatu variabel dimasa datang akan terlihat, sehingga mempermudah dalam perencanaan-perencanaan untuk periode yang akan datang. Setiap kebijakan perusahaan tidak akan terlepas dari usaha untuk meningkatkan kesejahteraan masyarakat atau meningkatkan keberhasilan perusahaan untuk mencapai tujuan pada masa yang akan datang, dimana kebijakan tersebut dilaksanakan. Oleh karena itu perlu dilihat dan dikaji situasi dan kondisi pada saat kebijakan tersebut dilaksanakan. Usaha untuk melihat dan mengkaji situasi dan kondisi tersebut tidak terlepas dari kegiatan peramalan. Di dalam usaha mengetahui atau melihat perkembangan dimasa depan, peramalan dibutuhkan untuk menentukan kapan suatu peristiwa akan terjadi atau suatu kebutuhan akan timbul, sehingga dapat dipersiapkan kebijakan yang perlu dilakukan. Selain itu ramalan dibutuhkan untuk memberikan informasi kepada pimpinan sebagai dasar untuk membuat suatu keputusan. Menurut Assauri (1984) metode peramalan adalah cara memperkirakan secara kuantitatif apa yang akan terjadi pada masa depan, berdasarkan pada data yang relevan pada masa lalu. Oleh karena metode peramalan didasarkan atas data yang relevan pada masa lalu, maka metode peramalan ini dipergunakan dalam peramalan yang objektif. Menurut Henke dan Reitch (1995) terdapat dua langkah dasar yang harus dilakukan dalam membuat atau menghasilkan suatu peramalan yang akurat dan berguna. Langkah dasar yang pertama adalah pengumpulan data yang relevan dengan tujuan peramalan yang dimaksud dan menurut informasi informasi yang dapat menghasilkan peramalan yang akurat. Langkah dasar yang kedua adalah memilih metode peramalan yang tepat yang akan digunakan dalam mengolah informasi yang terkandung dalam data yang telah dikumpulkan. 3

2.1.2. Jenis Jenis peramalan Menurut Assauri (1984) peramalan dapat dibedakan dari beberapa segi tergantung dari cara melihatnya, yaitu dilihat dari jangka waktu ramalan dan dilihat dari sifat ramalan. Jika dilihat dari jangka waktu ramalan yang disusun, maka ramalan dapat dibedakan atas dua macam, yaitu: a. Peramalan jangka panjang, yaitu peramalan yang dilakukan untuk penyusunan hasil ramalan yang jangka waktunya lebih dari satu setengah tahun atau tiga semester. b. Peramalan jangka pendek, yaitu peramalan yang dilakukan untuk penyusunan hasil ramalan dengan jangka waktu yang kurang dari satu setengah tahun, atau tiga semester. Berdasarkan sifat ramalan yang telah disusun, maka peramalan dapat dibedakan atas dua macam, yaitu : a. Peramalan kualitatif, yaitu peramalan yang didasarkan atas data kualitatif pada masa lalu. Hasil peramalan yang dibuat sangat tergantung pada orang yang menyusunnya. Hal ini penting karena hasil peramalan tersebut ditentukan berdasarkan pemikiran yang bersifat intuisi, judgement atau pendapat, dan pengetahuan serta pengalaman dari penyusunnya. b. Peramalan kuantitatif, yaitu peramalan yang didasarkan atas data kuantitatif pada masa lalu. Hasil peramalan yang dibuat sangat tergantung pada metode yang dipergunakan dalam peramalan tersebut. 2.2 Metode peramalan deret waktu Deret waktu adalah serangkaian nilai nilai variabel yang disusun berdasarkan waktu. Analisis deret waktu adalah suatu analisa yang dilakukan berdasarkan nilai masa lalu dari suatu variabel dan atau kesalahan masa lalu dengan tujuan untuk menemukan pola dalam deret data histori dan mengekstrapolasikan pola tersebut ke masa yang akan datang sebagai suatu perkiraan kondisi masa depan (Makridakis dkk,1999). Data deret waktu dianalisis untuk menemukan pola variasi masa lalu yang dapat digunakan untuk : 1. Memperkirakan nilai masa depan dan membantu dalam manajemen operasi bisnis; 2. Membuat perencanaan bahan baku, fasilitas produksi, dan jumlah staf guna memenuhi permintaan dimasa mendatang. 4

Langkah penting memilih suatu metode deret berkala yang tepat adalah dengan mempertimbangkan jenis pola data, sehingga metode yang paling tepat dengan pola data tersebut dapat diuji. Menurut Makridakis, dkk (1999),pola data dapat dibedakan menjadi 4 jenis, yaitu : 1. Pola Trend (T) yaitu terjadi apabila terdapat kenaikan atau penurunan jangka panjang dalam data 2. Pola Siklus (C) yaitu terjadi apabila datanya dipengaruhi oleh frekuensi ekonomi jangka panjang dan berhubungan dengan siklus bisnis 3. Pola Musiman (S) yaitu terjadi apabila suatu deret dipengaruhi oleh faktor musiman 4. Pola horizontal (H) terjadi apabila nilai data berfluktuasi di sekitar nilai rata rata yang konstan. Analisis deret waktu dapat digunakan karena dengan mengamati data deret waktu akan terlihat komponen-komponen yang mempengaruhi suatu pola data masa lalu dan sekarang, yang cenderung berulang dimasa mendatang. Dari analisis deret waktu dapat diperoleh ukuran ukuran yang dapat digunakan untuk peramalan. Metode ini didasarkan pada asumsi bahwa pola lama akan terulang. 2.3 Metode peramalan deret waktu exponential smoothing Metode exponential smoothing adalah suatu prosedur yang secara terus menerus memperbaiki peramalan dengan merata-rata (menghaluskan = smoothing) nilai masa lalu dari suatu data runtut waktu dengan cara menurun (exponential). Menurut Trihendradi (2005) analisis exponential smoothing merupakan salah satu analisis deret waktu, dan merupakan metode peramalan dengan memberi nilai pembobot pada serangkaian pengamatan sebelumnya untuk memprediksi nilai masa depan. Ada empat model dari metode exponential smoothing yang mengakomodasi asumsi mengenai trend dan musiman: 1. Simpel(tunggal), model ini mengasumsikan bahwa seri pengamatan tidak memiliki trend dan variasi musiman. 2. Holt, model ini mengasumsikan bahwa seri pengamatan memiliki trend linier namun tidak memiliki variasi musiman. 5

3. Winters, model ini mengasumsikan bahwa seri pengamatan memiliki trend linier dan variasi musiman. 4. Custom, model ini memungkinkan untuk melakukan penetapan komponen trend dan variasi musiman. Ada tiga parameter yang perlu penetapan, tergantung dari komponen trend dan variasi musiman: 1. Alpha ( ) merupakan parameter yang mengontrol pembobotan relatif pada pengamatan yang baru dilakukan. Jika alpha bernilai 1 maka hanya pengamatan terbaru yang digunakan secara eksklusif. Sebaliknya bila alpha bernilai 0 maka pengamatan yang lalu dihitung dengan bobot sepadan dengan yang terbaru. Parameter alpha digunakan pada semua model. 2. Beta ( ) merupakan parameter yang mengontrol pembobotan relatif pada pengamatan yang baru dilakukan untuk mengestimasi kemunculan trend seri. Nilai beta berkisar dari 0 sampai 1. Nilai semakin besar menujukkan pemberian bobot yang semakin besar pada pengamatan terbaru. Parameter beta digunakan pada model yang memiliki komponen trend linier atau eksponensial dengan tidak memiliki variasi musiman. 3. Gamma ( ) merupakan parameter yang mengontrol pembobotan relatif pada pengamatan yang baru dilakukan untuk mengestimasi kemunculan variasi musiman. Nilai gamma berkisar dari 0 sampai 1. Nilai semakin besar menunjukkan pemberian bobot yang semakin besar pada pengamatan terbaru. Parameter gamma digunakan pada model yang memiliki variasi musiman. Teknik exponential smoothing tunggal dapat dengan mudah dikembangkan dengan rumus dasar :

Ft +1 =

X t X t N +1 + Ft N N
dimana ;

( 2.1)

Ft = Nilai ramalan pada waktu ke-t X t = Data sebenarnya pada waktu ke-t

N = Jumlah data (Assauri,1984) yang dipergunakan dalam metode rata- rata bergerak. Seandainya Xt-N+1 tidak tersedia, maka dalam keadaan seperti ini persamaaan tersebut harus dimodifikasi, sehingga pada tempat atau posisi nilai yang 6

diobservasi untuk periode (t-N+1) pada formula tersebut dapat digunakan suatu nilai aproksimasi. Salah satu kemungkinan yang dapat terjadi adalah dengan menggunakan nilai ramalan dari periode sebelumnya, Ft. Dengan mensubstitusi (t-N+1) ke persamaan (2.1) akan diperoleh:

F X Ft +1 = t t N N

+ Ft

(2.2)

Jika data yang ada sifatnya tetap dan tidak berfluktuasi, maka penggunaan formula ini merupakan suatu pendekatan yang cukup baik. Persamaan (2.2) diatas dapat dituliskan kembali dalam bentuk:

1 1 Ft +1 = X t + 1 Ft N N

(2.3)

Dari persamaan (2.3) dapat diketahui, bahwa ramalan yang dibuat didasarkan atas bobot yang digunakan untuk nilai observasi yang paling akhir adalah sebesar

1 , dan bobot nilai ramalan untuk observasi pada N 1 periode tersebut adalah sebesar 1 . Jika N adalah suatu angka yang N 1 akan positif yang nilainya lebih besar dari nol, maka nilai N
merupakan suatu konstanta, yang nilainya berkisar diantara nol (bila N = ) dan satu (bila N =1). Jika nilai persamaan menjadi :

1 diganti dengan alpha maka N

(2.4) (Assauri,1984) Persamaan (2.4) ini adalah bentuk umum yang digunakan dalam penyusunan suatu ramalan dengan metode exponential smoothing. Metode ini mempunyai kebaikan secara nyata dengan mengurangi masalah penyimpanan(storage) data, karena tidak dibutuhkan lebih lama menyimpan seluruh data historis (seperti dalam kasus rata-rata bergerak). Pada metode ini hanyalah data observasi yang paling baru dan nilai ramalan yang terakhir yang harus disimpan. 7

Ft +1 = X t + (1 )Ft

Implikasi dari metode exponential smoothing dapat lebih baik, bila persamaan (2.4) di atas diperluas dengan mensubtitusikan Ft dengan komponen seperti terlihat berikut ini :

Ft +1 = X t + (1 )X t 1 + (1 ) Ft 1
2

Ft +1 = X t + (1 )Ft Ft = X t 1 + (1 )Ft 1 Ft +1 = X t + (1 ){X t 1 + (1 )Ft 1 }

(2.5)

Jika proses subtitusi ini diulangi kembali dengan menggantikan Ft-1 dengan komponen-komponennya, dan Ft-2 dengan komponenkomponennya, demikian seterusnya, maka hasil proses subtitusi ini akan menjadi :

(1 )N 1 X t ( N 1)

Ft +1 = X t + (1 )X t 1 + (1 ) X t 2 + (1 ) X t 3 + LL +
2 3

(2.6) Dari persamaan (2.6) dapat terlihat bahwa, bobot yang digunakan untuk setiap nilai yang telah terjadi pada masa yang lalu, bertambah secara eksponential. Oleh karena itu, maka metode ini dikenal dengan nama metode exponential smoothing. Perlu diperhatikan pula disini bahwa tujuan dari metode peramalan ini adalah sama dengan metode-metode peramalan yang lain, yaitu meminimalisasikan rata-rata kesalahan kuadrat (mean square error). Disamping itu, bahwa metode exponential smoothing yang telah dijelaskan diatas adalah non-linear. Dari persamaan (2.4) dapat disusun kembali dengan salah satu cara sebagai berikut :

Ft +1 = X t + (1 )Ft Ft +1 = Ft + ( X t Ft ) Ft +1 = Ft + (et )

(2.7) (2.8)

dengan et adalah kesalahan ramalan untuk periode t, yaitu nilai yang sebelumnya terjadi dikurangi dengan nilai ramalan. 8

Berdasarkan persamaan (2.8) tersebut dapat dibuktikan, bahwa bila e mempunyai nilai yang mendekati satu, maka nilai yang baru akan memperhitungkan suatu penyelesaian yang menyeluruh atas kesalahan dalam ramalan yang lalu. Sebaliknya, bila e mempunyai nilai yang mendekati nol, maka nilai ramalan yang baru akan memperhitungkan suatu penyesuaian yang sangat kecil atas kesalahan ramalan yang lalu. Persamaan (2.8) merupakan bentuk umum metode exponential smoothing tunggal akan tetapi metode ini tidak cukup baik diterapkan jika datanya bersifat tidak stasioner, karena persamaan yang digunakan dalam metode exponential tunggal tidak terdapat prosedur pemulusan pengaruh trend yang mengakibatkan data tidak stasioner menjadi tetap tidak stasioner, tetapi metode ini merupakan dasar bagi metodemetode pemulusan exponential lainnya (Makridakis, dkk.,1999). Menurut Assauri (1984), dasar pemikiran dari metode exponential smoothing tunggal maupun ganda adalah bahwa nilai pemulusan akan terdapat pada waktu sebelum data sebenarnya apabila pada data tersebut terdapat komponen trend. Oleh karena itu untuk nilai-nilai pemulusan tunggal perlu ditambahkan nilai pemulusan ganda untuk menyesuaikan trend. Metode exponential smoothing ganda yang dapat digunakan untuk menyelesaikan trend linier adalah metode dua parameter dari Holt. Pada metode Holt nilai trend tidak dimuluskan dengan pemulusan ganda secara langsung, tetapi proses pemulusan trend dilakukan dengan menggunakan parameter yang berbeda dengan parameter yang digunakan pada pemulusan data asli. Metode Holt memberikan banyak kefleksibelan dalam menseleksi komponen trend. Metode Holt secara matematis ditulis pada tiga persamaan berikut : Pemulusan trend : Tt = S t S t 1 + (1 )Tt 1 Peramalan metode Holt : Ft + m = S t + Tt m Pemulusan total : S t = X t + (1 )(S t 1 + Tt 1 )

(2.9)

(2.10) (2.11)

dimana; S t Xt Tt Ft + m m ,

= Nilai pemulusan tunggal = Data sebenarnya pada waktu ke-t = Pemulusan trend = Nilai ramalan = Periode masa mendatang = Konstanta dengan nilai antara 0 dan1.
9

Exponential smoothing ganda pada metode Holt hanya bisa dipergunakan untuk data yang tidak mengandung faktor musiman. Jika data yang akan dianalisis merupakan data musiman maka diperlukan sebuah metode pemulusan yang dapat menyelesaikan faktor musiman secara langsung. Metode tersebut adalah metode Winters. Metode ini serupa dengan metode Holt dengan ditambah sebuah persamaan untuk mengatasi variasi musim (faktor musiman) sebagai berikut :
Xt + (1 )(S t 1 + Tt 1 ) I t L Pemulusan trend : Tt = (S t S t 1 ) + (1 )Tt 1 X Pemulusan musiman : I t = t + (1 )I t L St Peramalan metode Winters : Ft + m = (S t + Tt m )I t L + m

Pemulusan total : S t =

(2.12)

(2.13) (2.14) (2.15)

= Nilai pemulusan tunggal dimana; S t Tt = Pemulusan trend Ft + m = Nilai ramalan L = Panjang musiman m = Periode masa mendatang , , = Konstanta dengan nilai antara 0 dan 1 Menurut Makridakis dkk (1999), jika indeks musiman yang dipergunakan untuk inisialisasi nilai-nilai awal komponen musiman tidak tersedia maka nilai-nilai tersebut dapat didekati dengan nilai-nilai berikut : X It = L t Xt t 1 L

TL +1 =

( X L +1 X 1 ) + ( X L + 2 X 2 ) + ( X L +3 X 3 )
3L

dimana; I t = Nilai rata-rata indeks musiman (mean sesional index).

10

BAB III METODE PENELITIAN

3.1. Sumber Data

Pada penelitian ini sumber data yang digunakan adalah data sekunder yaitu data yang tidak langsung memberikan data kepada peneliti, misalnya melalui data yang diolah orang lain atau dokumen. Sumber data sekunder diperoleh dari mencatat dan mempelajari arsip arsip atau dokumen dokumen tentang pergudangan terutama kebutuhan cengkeh pabrik.
3.2. Metode Pengumpulan Data

Metode pengumpulan data yang digunakan adalah : 1. Wawancara Yaitu suatu cara pengumpulan data melalui tanya jawab dengan bagian keuangan dan pergudangan sehingga didapatkan informasi informasi yang diperlukan oleh peneliti. 2. Dokumentasi Yaitu mencari data yang berupa catatan, laporan, tabel dan sebagainya yang berkaitan dengan obyek penelitian. Pada penelitian ini data yang didapatkan dari Pabrik Rokok Adi Bungsu yang berlokasi di JL.Lesanpuro No.1 Malang adalah kebutuhan cengkeh Januari 2004 Desember 2007 .
3.3. Analisa Data

Setelah didapatkan data-data yang diperlukan maka data tersebut dianalisis. Pada penelitian ini penulis menggunakan metode exponential smoothing untuk peramalan. Adapun langkah-langkah analisis yang digunakan dalam penelitian ini adalah sebagai berikut : 1. Plot data kebutuhan cengkeh untuk melihat pola dan mendapatkan grafik. 2. Memilih model yang sesuai. 3. Menguji model. 4. Menerapkan model untuk peramalan dengan metode exponential smoothing. 11

BAB IV HASIL DAN PEMBAHASAN 4.1 Hasil penelitian Hasil dari penelitian yang dilakukan di Perusahaan Rokok Adi Bungsu adalah didapatkannya datadata yang dianalisis untuk meramalkan kebutuhan cengkeh dengan menggunakan metode exponential smoothing. Data yang diperoleh dari Pabrik Rokok Adi Bungsu adalah data kebutuhan cengkeh mulai Januari 2004Desember 2007 dinyatakan dalam tabel 4.1 Tabel 4.1 Kebutuhan cengkeh Pabrik Rokok Adi Bungsu Tahun 2004-2007 Kebutuhan Cengkeh Tahun (satuan Kg) Bulan 2004 2005 2006 2007 Januari Februari Maret April Mei Juni Juli Agustus September Oktober November Desember 2560 5560 4635 2600 3640 2750 4150 4320 3150 2540 6904 5233 5930 3175 4148 5340 2750 4455 6283 5328 3820 2700 4385 5345 5190 4460 3000 2400 2150 3100 3825 3325 2450 2110 2800 3255 1370 2910 7443 8870 4200 4600 10050 9875 10250 8150 9250 10300

13

Untuk mengetahui pola data berdasarkan data kebutuhan cengkeh Perusahaan Rokok Adi Bungsu tahun 2004 2007, maka data diplot dan didapatkan grafik kebutuhan cengkeh yang ditunjukkan pada Gambar 4.1

15000.00

12000.00

kebutuhan cengkeh

9000.00

6000.00

3000.00

0.00
J A N 20 04 M A R 20 04 M A Y 20 04 J U L 20 04 S E P 2 0 0 4 N O V 20 04 J A N 20 05 M A R 20 05 M A Y 20 05 J U L 20 05 S E P 2 0 0 5 N O V 20 05 J A N 20 06 M A R 20 06 M A Y 20 06 J U L 20 06 S E P 2 0 0 6 N O V 20 06 J A N 20 07 M A R 20 07 M A Y 20 07 J U L 20 07 S E P 2 0 0 7 N O V 20 07

Date

Gambar 4.1 Grafik kebutuhan cengkeh Langkah selanjutnya adalah memilih model yang sesuai dengan pola kebutuhan cengkeh berdasarkan grafik dan dilakukan pengujian model yang akan digunakan untuk menerapkan peramalan dengan metode exponential smoothing.

14

4.2 Pengolahan Data 4.2.1 Pemilihan dan Pengujian Model 4.2.1.1 Model simpel Model ini dipilih dan diuji, dengan mengasumsikan bahwa penelitian tidak memiliki trend dan variasi musim. Dengan menggunakan program SPSS didapat hasil uji model Simpel sebagai berikut : Tabel 4.2 Tabel hasil uji Model Simpel Model 1 2 3 4 5 6 7 8 9 10 Alpha ( ) ,50000 ,40000 ,60000 ,70000 ,30000 ,80000 ,90000 1,00000 ,20000 ,10000 Jumlah kuadrat kesalahan 151747425,62 152721612,02 153933231,90 157560268,77 160377063,64 161800194,18 166329305,02 171174887,51 181791543,37 227453179,01

Tabel 4.2 Merupakan tabel hasil uji model simpel yang memberikan 10 model Simpel terbaik. Parameter dengan jumlah kuadrat kesalahan yang semakin kecil menunjukkan model akan semakin baik. Dari hasil uji dengan menggunakan SPSS ini didapat nilai yang memiliki jumlah kesalahan kuadrat terkecil adalah = 0,5.

15

4.2.1.2 Model Holt Model Holt ini dipilih dan diuji, dengan mengasumsikan bahwa penelitian memiliki trend linier tetapi tidak memiliki variasi musim. Dengan menggunakan program SPSS didapat hasil uji model Holt sebagai berikut : Tabel 4.3 Tabel hasil uji model Holt Model 1 2 3 4 5 6 7 8 9 10 Alpha

( )

Beta

( )

Jumlah kuadrat kesalahan 147817631,44 147980954,47 150492445,58 153027659,46 153933775,45 154037497,40 155793842,81 157603199,99 157640456,05 159358601,67

,40000 ,50000 ,60000 ,30000 ,70000 ,30000 ,40000 ,20000 ,80000 ,30000

,00000 ,00000 ,00000 ,00000 ,00000 ,20000 ,20000 ,40000 ,00000 ,40000

Tabel 4.3 Merupakan tabel hasil uji model holt dengan 10 model holt terbaik. Ditunjukkan bahwa =0,4 dan =0,0 memiliki jumlah kuadrat kesalahan yang terkecil. Hal tersebut menunjukkan bahwa model yang digunakan semakin baik . 4.2.1.3 Model Winter Analisis model winter dipilih dan diuji dengan mengasumsikan bahwa pengamatan memiliki trend linier dan variasi musim. Analisis model ini dapat dilakukan dengan terlebih dahulu membuat faktor musiman atau indeks musiman. Pada perhitungan indeks musiman pendekatan yang dipakai adalah Mean sesional index yang diperoleh dengan mencari nilai rata rata kebutuhan cengkeh masing masing bulan. Berikut ringkasan faktor musiman dinyatakan pada Tabel 4.4 : 16

Tabel 4.4 Tabel Faktor musiman Faktor musiman 1 2 3 4 5 6 7 8 9 10 11 12

kebutuhan 131,32 71,35 91,51 116,40 62,77 94,08 131,39 118,32 85,88 63,76 106,62 126,55

Setelah mendapatkan faktor musiman, dengan menggunakan program SPSS didapat hasil uji model Winter sebagai berikut : Tabel 4.5 Tabel hasil uji model Winter Model 1 2 3 4 5 6 7 8 9
10

Alpha

( )

Beta

( )

Gamma

( )

Jumlah kudrat kesalahan 138232614,771 138341093,715 138419221,776 139038414,003 139331908,722 139575498,121 140594245,219 141594190,221 142131917,588 142301498,945

,50000 ,50000 ,40000 ,60000 ,40000 ,60000 ,70000 ,70000 ,60000


,70000

,00000 ,00000 ,00000 ,00000 ,00000 ,00000 ,00000 ,00000 ,00000


,00000

,00000 ,20000 ,00000 ,20000 ,20000 ,00000 ,20000 ,00000 ,40000


,40000

17

Tabel 4.5 Merupakan tabel hasil uji pada model Winter. Dari tabel tersebut dapat diketahui bahwa =0,5, =0,0 dan =0,0 memiliki jumlah kuadrat kesalahan terkecil. Hal ini menunjukkan bahwa model semakin baik . Dari hasil uji model Simpel, Holt, dan Winter dapat disimpulkan bahwa model yang sesuai untuk meramalkan kebutuhan cengkeh adalah model Simpel dengan = 0,5 karena pada penelitian ini data yang diuji tidak mengandung trend dan faktor musiman. 4.2.2 Menerapkan model untuk peramalan Berdasarkan pengujian model dengan = 0,5 dilakukan perhitungan untuk meramalkan kebutuhan cengkeh menggunakan metode exponential smoothing. Dengan ini digunakan persamaan (2.7) untuk memperoleh hasil jumlah kebutuhan cengkeh. Nilai F1 sebesar 4729,87 dihitung menggunakan program SPSS (lihat lampiran 2). Sebagai contoh ramalan untuk bulan Februari 2004 diperoleh dengan mensubtitusikan data kebutuhan cengkeh ke persamaan (2.7) sebagai berikut :

Ft +1 = F2 = F1 + ( X 1 F1 ) F2 = 4729,87 + 0,5 (2560 4729,87) F2 = 3644,93. F14 = F13 + ( X 13 F13 ) F14 = 5106,52 + 0.5 (5930 5106,52) F14 = 5518,26

Ramalan untuk bulan Februari 2005 adalah sebagai berikut :

dan dianalogkan untuk bulan bulan selanjutnya. Dengan menggunakan persamaan (2.7) didapatlah hasil peramalan kebutuhan cengkeh yang diberikan di tabel 4.6

18

Tabel 4.6 Tabel hasil peramalan kebutuhan cengkeh dengan menggunakan metode exponential smoothing No. Tahun (t) 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 2004 2004 2004 2004 2004 2004 2004 2004 2004 2004 2004 2004 2005 2005 2005 2005 2005 2005 2005 2005 2005 2005 2005 2005 2006 2006 2006 2006 Bulan Kebutuhan (Kg) 2560 5560 4635 2600 3640 2750 4150 4320 3150 2540 6904 5233 5930 3175 4148 5340 2750 4455 6283 5328 3820 2700 4385 5345 5190 4460 3000 2400 Ramalan (Kg) 4729,87 3644,93 4602,46 4618,73 3609,36 3624,68 3187,34 3668,67 3994,33 3572,16 3056,08 4980,04 5106,52 5518,26 4346,63 4247,31 4793,65 3771,82 4113,41 5198,20 5263,10 4541,55 3620,77 4002,88 4673,94 4931,97 4695,98 3847,99 Tingkat Kesalahan -2169,87 1915,06 32,53 -2018,73 30,63 -874,68 962,65 651,32 -844,33 -1032,16 3847,91 252,95 823,47 -2343,26 -198,63 1092,68 -2043,65 683,17 2169,58 129,79 -1443,10 -1841,55 764,22 1342,11 516,05 -471,97 -1695,98 -1447,99

Januari Februari Maret April Mey Juni Juli Agustus September Oktober November Desember Januari Februari Maret April Mey Juni Juli Agustus September Oktober November Desember Januari Februari Maret April

19

No. Tahun (t) 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 2006 2006 2006 2006 2006 2006 2006 2006 2007 2007 2007 2007 2007 2007 2007 2007 2007 2007 2007 2007

Bulan

Kebutuhan (Kg) 2150 3100 3825 3325 2450 2110 2800 3255 1370 2910 7443 8870 4200 4600 10050 9875 10250 8150 9250 10300

Ramalan (Kg) 3123,99 2636,99 2868,49 3346,74 3335,87 2892,93 2501,46 2650,73 2952,86 2161,43 2535,71 4989,35 6929,67 5564,83 5082,41 7566,20 8720,60 9485,30 8817,65 9033,82

Tingkat Kesalahan -973,99 463,00 956,50 -21,74 -885,87 -782,93 298,53 604,26 -1582,86 748,56 4907,28 3880,64 -2729,67 -964,83 4967,58 2308,79 1529,39 -1335,30 432,34 1266,17

Mey Juni Juli Agustus September Oktober November Desember Januari Februari Maret April Mey Juni Juli Agustus September Oktober November Desember

Dari Tabel 4.6 dapat diketahui bahwa peramalan kebutuhan cengkeh hanya merupakan salah satu cara untuk memperkirakan kebutuhan pada periode yang akan datang. Hal ini ditunjukkan pada tingkat kesalahan yang semakin besar dan semakin berbeda dengan kebutuhan yang sebenarnya, sehingga hasil peramalan belum tentu tepat karena banyak faktor yang tidak diikutsertakan dalam perhitungannya. Berikut grafik hasil peramalan ditunjukkan pada gambar 4.2

20

21

Gambar 4.2 Merupakan grafik hasil peramalan kebutuhan cengkeh yang ditunjukkan dengan grafik berwarna merah. Dari gambar tersebut dapat diketahui bahwa hasil peramalan menggunakan metode exponential smoothing model Simpel dengan = 0,5 menghasilkan grafik yang selalu berada dibawah grafik kebutuhan cengkeh yang sebenarnya. Hal ini menunjukkan adanya tingkat kesalahan nilai peramalan, sehingga menghasilkan nilai yang berbeda jauh dengan kebutuhan cengkeh yang sebenarnya karena banyak faktor yang tidak diikutsertakan dalam perhitungan seperti kenaikan harga cengkeh, biaya-biaya dll.

22

Gambar 4.2 Grafik peramalan dengan metode simpel


12,000

kebutuhan cengkeh
9,000

Hasil peramalan

6,000

3,000

0
J A N 20 04 M A R 20 04 M J A U Y L 20 20 04 04 S N J E O A P V N 2 20 20 0 04 05 ...

M A R 20 05

M J S N J A U E O A Y L P V N 20 20 2 20 20 05 05 0 05 06 ...

M A R 20 06

M J S N J A U E O A Y L P V N 20 20 2 20 20 06 06 0 06 07 ...

M A R 20 07

M J A U Y L 20 20 07 07

S N E O P V 2 20 0 07 ...

BAB V KESIMPULAN DAN SARAN 5.1 KESIMPULAN Berdasarkan hasil penelitian dan pembahasan yang telah diuraikan pada bab-bab sebelumnya dapat diambil kesimpulan sebagai berikut : 1. Nilai peramalan kebutuhan cengkeh dengan metode exponential smoothing pada penelitian ini menghasilkan nilai yang berbeda dengan nilai kebutuhan cengkeh yang sebenarnya, ditunjukkan dengan jumlah kuadrat kesalahan yang semakin besar. 2. Metode exponential smoothing kurang tepat untuk diterapkan pada penelitian ini karena hasil peramalan masih memuat kesalahan atau masih sangat jauh dari kebutuhan sebenarnya. 3. Untuk mendapatkan nilai peramalan kebutuhan cengkeh, digunakan model Simpel dengan =0,5 yang disubtitusikan pada persamaan (2.7) atau dengan menggunakan program SPSS. 4. Peramalan kebutuhan cengkeh hanya merupakan salah satu cara untuk memperkirakan pembelian cengkeh pada periode yang akan datang. Hasil peramalan belum tentu tepat karena banyak faktor yang tidak diikutsertakan dalam perhitungan. 5.2 SARAN Dalam penelitian selanjutnya, disarankan untuk menggunakan metode yang lain seperti rata-rata bergerak(moving average), ARIMA, dll.

23

24

Daftar Pustaka
Assauri, S. 1984. Teknik dan Metode Peramalan Penerapannya dalam Ekonomi dan Dunia Usaha. UI Press. Jakarta. Henke, E. dan Reitch, G., 1995. Bussiness Forecasting. Sixth Edition, prentice Hall, New jersey Khotler, P. 1994. Marketing Management : Analysis Planning

Implementations and Control. Eight Edition. Prentice Hall.Inc.New Jersey. Makridakis, S., Wright, S.C.W.,dan Mc Gee V.1999. Alih Bahasa Suminto, H,Ir. Metode dan Aplikasi Peramalan. Edisi Kedua.Binaputra Aksara. Jakarta. Trihendradi, C. 2005. SPSS 13 : Step By Step Analysis Data Statistik. Andi Offset Yogyakarta. Http: //Pusdatin/time_series.com tanggal akses: 3 Februari 2008

25

26

LAMPIRAN 1 Model Description


Model Name Series or Sequence 1 Transformation Non-Seasonal Differencing Seasonal Differencing Length of Seasonal Period Horizontal Axis Labels Date_ Intervention Onsets Date. Format: "MMM YYYY" Reference Lines Overall mean Area Below the Curve Not filled Applying the model specifications from MOD_1 Case Processing Summary kebutuhan cengkeh Series or Sequence Length Number of Missing Values in the Plot User-Missing System-Missing 48 0 0 MOD_1 kebutuhan cengkeh None 0 0 12

27

LAMPIRAN 2

Pengujian model Simpel

ExSmooth
Model Simpel: Model Description
Model Name Series Simple Model 1 Trend Seasonality MOD_2 kebutuhan cengkeh None None

Applying the model specifications from MOD_2 Initial Smoothing State kebutuhan Level 4729,87500

Smallest Sums of Squared Errors Sums of Squared Errors 151747425,62239 152721612,02343 153933231,90625 157560268,77529 160377063,64793 161800194,18462 166329305,02604 171174887,51563 181791543,37631 227453179,01237

Series Model rank kebutuhan 1 2 3 4 5 6 7 8 9 10

Alpha (Level) ,50000 ,40000 ,60000 ,70000 ,30000 ,80000 ,90000 1,00000 ,20000 ,10000

28

Smoothing Parameters Sums of Squared Series Alpha (Level) Errors df error kebutuhan 151747425,6 ,50000 47 2239 Shown here are the parameters with the smallest Sums of Squared Errors. These parameters are used to forecast.

29

LAMPIRAN 3

Pengujian model Holt

ExSmooth
Model Holt :
Model Description Model Name Series Holt's Model 1 Trend Seasonality MOD_3 kebutuhan cengkeh Linear

None Applying the model specifications from MOD_3 Initial Smoothing State Level Trend kebutuhan 2477,65957 164,68085

Smallest Sums of Squared Errors Alpha (Level) ,40000 ,50000 ,60000 ,30000 ,70000 ,30000 ,40000 ,20000 ,80000 ,30000 Beta (Trend) ,00000 ,00000 ,00000 ,00000 ,00000 ,20000 ,20000 ,40000 ,00000 ,40000 Sums of Squared Errors 147817631,44863 147980954,47161 150492445,58132 153027659,46172 153933775,45545 154037497,40237 155793842,81326 157603199,99335 157640456,05209 159358601,67083

Series Model rank kebutuhan 1 2 3 4 5 6 7 8 9 10

30

Smoothing Parameters Sums of Squared Series Alpha (Level) Errors df error kebutuhan 147817631 ,40000 ,00000 46 ,44863 Shown here are the parameters with the smallest Sums of Squared Errors. These parameters are used to forecast. Beta (Trend)

31

LAMPIRAN 4

Pengujian model Winter

ExSmooth
Model Winter :
Model Description Model Name Series Winters's Multiplicative Model MOD_5 kebutuhan cengkeh Linear Multiplicative 12

1 Trend Seasonality Length of Seasonal Period

Applying the model specifications from MOD_5

Initial Smoothing State Seasonal Indices 1 2 3 4 5 6 7 8 9 10 11 12 Level Trend kebutuhan 131,32494 71,35025 91,51492 116,40140 62,77134 94,08002 131,39892 118,32318 85,88303 63,76896 106,62733 126,55571 3458,69444 90,80093

32

Smallest Sums of Squared Errors

Series kebutuhan 1 2 3 4 5 6 7 8 9 10

Model rank

Alpha (Level) ,50000 ,50000 ,40000 ,60000 ,40000 ,60000 ,70000 ,70000 ,60000 ,70000

Beta (Trend) ,00000 ,00000 ,00000 ,00000 ,00000 ,00000 ,00000 ,00000 ,00000 ,00000

Gamma (Season) ,00000 ,20000 ,00000 ,20000 ,20000 ,00000 ,20000 ,00000 ,40000 ,40000

Sums of Squared Errors 138232614,77132 138341093,71579 138419221,77631 139038414,00361 139331908,72254 139575498,12104 140594245,21902 141594190,22147 142131917,58805 142301498,94568

Smoothing Parameters

Series kebutuhan

Alpha (Level) ,50000

Beta (Trend) ,00000

Gamma (Season) ,00000

Sums of Squared Errors 138232614,77132

df error 35

Shown here are the parameters with the smallest Sums of Squared Errors. These parameters are used to forecast.

33

LAMPIRAN 5

Hasil peramalan Sequence Plot


Model Description Model Name Series or Sequence 1 2 MOD_6 kebutuhan cengkeh Fit for kebutuhan from EXSMOOTH, MOD_2 NN A ,50 None 0 0 12 Date_ Date. Format: "MMM YYYY" Values not joined

Transformation Non-Seasonal Differencing Seasonal Differencing Length of Seasonal Period Horizontal Axis Labels Intervention Onsets For Each Observation

Applying the model specifications from MOD_6 Case Processing Summary Fit for kebutuhan from EXSMOOTH, MOD_2 NN A ,50 48 0 0 0

Series or Sequence Length Number of Missing Values in the Plot User-Missing System-Missing

kebutuhan cengkeh 48 0

34