Sistem Infornasi Estimasi Penjualan Dengan Menggunakan Metode Exponential

Smoothing (Studi Kasus : PT. Sumber Bening Lestari)

1)Krisna Setya Wardana2)Antok Supriyanto3)M. Arifin

1)Program Studi Sistem Informasi Stikom Surabaya. Email: Krisna@stikom.edu

2) Program Studi Sistem Informasi Stikom Surabaya. Email: Antok@stikom.edu
3)Program Studi Sistem Informasi Stikom Surabaya. Email: Arifin@stikom.edu

Abstraksi

Suatu perencanaan yang tepat di segala bidang sangat diperlukan oleh suatu perusahaan agar mampu bersaing
dan dapat berkembang di era global seperti saat ini. Dalam sebuah perusahaan yang bergerak di bidang jasa atau
bidang manufaktur, diperlukan suatu perencanaan yang tepat agar perusahaan tersebut dapat terus bersaing
dengan para kompetitornya. Semakin tepat keputusan yang dibuat, maka semakin kecil pula resiko perusahaan
tersebut mengalami kerugian.Untuk mencapai kondisi tersebut, perusahaan harus dapat menekan biaya dan
memaksimalkan keuntungan yang diperoleh. Salah satu upaya yang dilakukan adalah perencanaan pelaksanaan
produksi yang akan dilakukan pada periode mendatang. Karena pada perusahaan yang jumlah angka
produksinya tetap per periode nya, dianggap dapat menimbulkan suatu permasalahan yaitu menumpuknya stok
produk jika jumlah penjualan lebih kecil dibandingkan dengan jumlah produksi, atau terjadinya kondisi
kekurangan stok produk jika jumlah penjualan lebih kecil dibandingkan dengan jumlah produksi.

Kata kunci : Forecasting, Exponential Smoothing, Double Exponential smoothing

Semua organisasi beroperasi dalam suatu

tersebut, suatu pendugaan secara ilmiah

lingkungan

unsur

terhadap masa datang akan jauh lebih

ketidakpastian, tetapi keputusan harus

berarti ketimbang pendugaan yang tidak

tetap

akan

ilmiah (Lincoin Arsyad, 1993:3). menurut

mempengaruhi masa depan organisasi

Lincoin Arsyad yang dimaksud dengan

yang

diambil

mengandung

yang

nantinya

pendugaan

secara

didasarkan

pada

manipulasi

data

ilmiah

adalah

metode-metode

secara

logis

pembuatan

ramalan

ada satu

yang

hal yang harus diperhatikan

yang

adalah

perencanaan

untuk

dihasilkan dari kejadian-kejadian masa

jumlah

produksi

barang

lalu.

Perusahaan

juga

meminimalkan

penetapan
produk.

harus

kesalahan

dapat

dalam

hal

penetapan jumlah produksi barang produk.

Permasalahan yang sering terjadi adalah
Dalam sebuah perusahaan yang

suatu keadaan dimana jumlah angka.

bergerak di bidang jasa atau bidang

penjualan barang tidak sebanding atau

manufaktur, diperlukan suatu perencanaan

dikatakan lebih kecil daripada jumlah

yang tepat agar perusahaan tersebut dapat

angka produksi barang sehingga dapat

terus bersaing dengan para kompetitornya.

menyebabkan kerugian pada perusahaan.

Semakin tepat keputusan yang dibuat,

Kerugian yang dimaksud dalam hal ini

maka

resiko

adalah, karena barang di gudang yang

perusahaan tersebut mengalami kerugian.

belum terjual akan mengakibatkan biaya

Dikarenakan

semakin

kecil

pula

adanya

kompetitor

yang

perawatan

persaingan

lebih

ketat,

meningkat. Untuk mengatasi hal tersebut

Perusahaan mesti mengadakan serangkaian

diperlukan teknik peramalan penjualan

kegiatan

yang tepat agar barang yg masih di dalam

membuat

penjualan

yang

efektif

dan

barang

untuk

gudang

agar

lebih

mengeliminir biaya perawatan. Dalam

1989:28).

Dalam

permasalahan ini metode yang paling tepat

penelitian ini studi kasus dilakukan pada

untuk digunakan dalam proses perhitungan

sebuah perusahaan manufaktur, dimana

peramalan adalah metode exponential

merangsang
meningkat

peralatan
pembelian
(Kotler,

terjual

semakin

promosi

memberikan

akan

yang

sehingga

dapat

smoothing,

karena

menurut

Lincolin

Arsyad (1993) dalam bukunya

Dalam

upaya

mengeliminir

atau

yang

memperkecil perbedaan jumlah angka

bisnis,metode

penjualan dengan jumlah angka produksi

exponential smoothing adalah salah satu

barang maka diperlukan Sistem Informasi

metode yang tepat untuk digunakan dalam

yang

proses perhitungan peramalan jika data

dengan menggunakan metode exponential

yang akan diteliti bersifat trend, yang

smoothing.

mana data trend didefinisikan sebagai

angka penjualan pada periode mendatang

suatu komponen jangka panjang yang

yang tentunya dapat membantu perusahaan

menunjukkan

untuk

berjudul

peramalan

pertumbuhan

atau

dapat

mengestimasi

Sehingga

merencanakan

penjualan

dapat

jumlah

diketahui

angka

penurunan dalam data tersebut sepanjang

produksi yang akan di hasilkan dengan

periode waktu yang panjang. Hal tersebut

lebih tepat sehingga dapat meminimalisir

sesuai dengan pola data yang terdapat pada

kerugian yang dialami oleh perusahaan

data

yang disebabkan

penjualan

yang

pola

datanya

oleh

jumlah angka

terkadang menaik atau cenderung menurun

penjualan lebih kecil dari pada jumlah

pada suatu periode tertentu.

angka produksi.

EXPONENTIAL SMOOTHING
Dalam

bentuk

yang

mulus

ramalan yang lama, dimana 0 << 1.

(smooth), ramalan yang baru (untuk waktu

Dengan demikian :

t+1) dapat dianggap sebagai rata-rata yang

Ramalan baru = x(data baru) + ( 1 )x

diberi bobot terhadap data terbaru (pada

(ramalan yang lama).Secara matematis,

waktu t) dan ramalan yang lama (untuk

persamaan exponential smoothing dapat

waktu t). bobot diberikan pada data

ditulis :

terbaru, dan bobot 1-diberikan pada

t+1

Yt+

(1-)

................................................................(1)

Dimana :

t+1=

Teknik Peramalan Holt

nilai ramalan untuk periode

= nilai pemulusan

berikutnya

yanglamaatau rata-rata yang

= konstanta pemulusan (0 << 1)

Y

dimuluskan hingga periode t

= data baru atau nilai Y yang

1.

sebenarnya pada periode t

Tiga persamaan yang digunakan

Yt = data yang baru atau yang

dalam teknik ini adalah sebagai berikut:

sebenarnya pada periode t

= konstanta pemulusan untuk

1. Rangkaian pemulusan secara

eksponensial

estimasi trend (0 1)

At = Yt + (1 ) (At-1 + TtTt = estimasi trend

1)......................................................

p = periode yang diramalkan

.......(2)
t + p = nilai ramalan pada periode
2. Estimasi trend
p
Tt = (At At-1) + ( 1 ) TtPersamaan pertama hampir sama dengan
1...................................................(3)

model

dasar

pemulusan

eksponensial

3. Ramalan pada periode p

tunggal,
t

At

hanya

saja

variabel

trend

+
ditambahkan pada persamaan tersebut.

pTt...............................................(4)
Estimasi

trend

dihitung

dengan

Dimana
menghitung
At

Nilai

baru

yang

selisih

antara

dua

nilai

telah
pemulusan eksponensial.

dimuluskan
Konstatanta pemulusan yang kedua ()
= konstanta pemulusan untuk
digunakan untuk menghaluskan estimasi
data (0 1)
trend, pada persamaan untuk menghitung

estimasi

trend

menunjukkan

bahwa

Pada persamaan untuk menghitung

estimasi trend dikalikan denga dan

ramalan pada periode p. Estimasi trend

kemudian ditambahkan pada estimasi yang

dikalikan dengan jumlah periode yang

lama, dikalikan dengan (1 ). Hasil dari

akan diramalkan dan kemudian hasilnya

persamaan tersebut adalah trend yang

ditambahkan pada data pemulusan yang

dihaluskan tanpa pengaruh random.

tahunnya sama untuk menghilangkan

pengaruh random.

Pengukuran Kesalahan Peramalan

Teknik peramalan kuantitatif biasanya

hasil peramalan 1,2,... (Lincolin Arsyad,

menggunakan data runtut waktu, maka

2001:57).

notasi matematis harus kita gunakan untuk

Notasi dasar peramalan adalah sebagai

menunjukkan suatu periode waktu tertentu.

berikut:

Huruf Y digunakan untuk menunjukkan

Y t= nilai data runtut waktu periode t

suatu variabel data runtut waktu. Periode

t = nilai peramalan Yt

waktu dari satu variabel ditunjukkan

et = Y t - t = residual atau kesalahan

sebagai subskrip. Oleh karena itu, Y

peramalan

tmenunjukkan

Beberapa metode telah digunakan untuk

nilai Y pada periode t.

Notasi matematis juga harus digunakan

menunjukkan kesalahan yang disebabkan

untuk membedakan nilai variabel data

oleh suatu teknik peramalan tertentu.

runtut waktu sebenarnya dengan nilai

Hampir

permalan.nilai peramalan untuk Y tadalah

menggunakan pengrata-rataan beberapa

t.

fungsi

Akurasi

seringkali

dari
dinilai

teknik

peramalan

dengan

semua

dari

ukuran

perbedaan

tersebut

antara

nilai

cara

sebenarnya dengan nilai peramalannya.

meperbandingkannya dengan data aslinya

Perbedaan antara nilai sebenarnya dengan

yakni Y1 ,Y2,... dengan nilai-nilai data

nilai peramalan ini biasanya disebut

kesalahan absolute rata-rata atau mean

dengan residual.

absolute

Kesalahan rata-rata kuadrat atau mean

(MAPE)dihitung

squared error (MSE) merupakan metode

kesalahan absolute pada setiap periode,

alternatif dalam mengevaluasi suatu teknik

kemudian

peramalan. Setiap kesalahan atau residual

observasi pada periode tersebut, dan

dikuadratkan, kemudian dijumlahkan dan

akhirnya

dibagi

absolute ini. Pendekatan ini sangat berguna

dengan

Pendekatan

jumlah

ini

observasi.

menghukum

percentage

error

dengan

membaginya

menemukan

dengan

merata-ratakan

nilai

persentase

suatu

jika ukuran variabel peramalan merupakan

kesalahan peramalan yang besar karena

faktor penting dalam mengevaluasi akurasi

dikuadratkan.

peramalan tersebut. MAPE memberikan

Pendekatan

ini

penting

karena suatu teknik yang menghasilkan

petunjuk

seberapa

kesalahan yang moderat lebih disukai oleh

peramalan

dibandingkan

suatu

sebenarnya dari series tersebut. Persamaan

peramalan

yang

biasanya

menghasilkan kesalahan yang lebih kecil

berikut

tetapi

menghitung MAPE:

kadang-kadang

menghasilkan

kesalahan yang sangat besar. Rumus MSE

besar

menunjukkan

kesalahan

dengan

bagaimana

MAPE

nilai

cara

dirumuskan sebagai berikut:

MSE
=

......................................(6)
(5)

Perlu

juga

untuk

menentukan

apakah suatu metode permalan bias atau

Kadang kala lebih bermanfaat jika
tidak (secara konsisten tinggi atau rendah).
kita menghitung kesalahan peramalan
Persentase kesalahan rata-rata atau mean
dengan menggunakan secara prosentase
percentage error (MPE) digunakan dalam
ketimbang nilai absolutnya. Persentase
kasus seperti ini. MPE dihitung dengan

cara menemukan kesalahan setiap periode,

besar maka metode peramalan tersebut

kemudian

nilai

menghasilkan hasil ramalan yang terlalu

sebenarnya pada periode tersebut, dan

tinggi atau sebaliknya. Persamaan berikut

kemudian

menunjukkan bagaimana cara menghitung

kesalahan

membaginya

dengan

merata-ratakan
tersebut.

Jika

persentase
perndekatan

peramalan tersebut tidak bias, maka

perhitungan

dengan

MPE

MPE:
MPE =

akan

menghasilkan persentase mendekati nol.

.....................................(7)

Jika hasil persentase negatifnya cukup

Konsep Sistem Informasi
Sebelum merancang sistem perlu

informasi laporan maupun solusi dari

dikaji konsep dan definisi dari sistem..

proses yang telah dijalankan. Tentu dalam

Sistem informasi terdiri dari input, proses,

pelaksanaannya, sistem informasi bekerja

dan output, seperti yang terlihat pada

pada berbagai bidang dengan tingkat

Gambar 2.1. Pada bagian proses terdapat

kompleksitas yang berbeda. Bidang

hubungan timbal balik dengan 2 (dua)

bidang

elemen, yaitu kontrol kinerja sistem dan

diklasifikasikan sesuai dengan persoalan

sumber-sumber penyimpanan data, baik

yang ada pada perusahaan tersebut.

berupa karakter-karakter huruf maupun

berupa

sistem

informasinya

pun

Control of System Performance

numerik

(Herlambang,Tanuwijaya,2005:47).
Sekarang ini bentuk data bisa berupa suara
atau audio maupun gambar atau video.

Input of Data
Resources

Processing Data

Data ini diproses dengan metode-metode

tertentu dan menghasilkan outputberupa
Storage of Data Resources

Output of
Information
Products

logika dan model matematik yang

akan memanipulasi data input dan

Gambar 2.1 Proses Sistem Informasi

data yang tersimpan di basis data

Sutabri (2004:3) mendefenisikan bahwa
sistem

adalah

suatu

kumpulan

dengan cara yang sudah ditentukan

atau

untuk menghasilkan keluaran yang

himpunan dari unsur, komponen atau

diiginkan.

variabel-variabel yang terorganisasi, saling

berinteraksi, saling tergantung satu sama

3.

lain dan terpadu. Keterkaitan antara satu

komponen
dalam

dengan

sistem

komponen
informasi

keluaran,

komponen

lainnya

informasi

bertujuan

menghasilkan suatu informasi dalam suatu

Komponen

yang
yang

yaitu
merupakan

berkualitas

dan

dokumentasi yang berguna.

4.

bidang. Alur informasi sangat diperlukan

Komponen

teknologi,

yaitu

komponen yang digunakan untuk

dalam sistem informasi, hal ini disebabkan

menerima input, menjalankan model,

keanekaragaman kebutuhan akan suatu

menyimpan dan mengakses data,

informasi oleh pengguna informasi.

menghasilkan

dan

mengirimkan

Sutabri (2004:36) membagi komponen-

keluaran

komponen yang saling berinteraksi dalam

pengendalian

sistem informasi terdiri dari:

keseluruhan. Komponen ini terbagi

1.

Komponen masukan, yaitu data yang

menjadi tiga bagian yaitu teknisi,

masuk ke dalam sistem informasi

perangkat lunak dan perangkat keras.

yang

2.

dapat

berupa

dokumen-

5.

dan
sistem

membantu
secara

Komponen basis data, merupakan

dokumen dasar.

kumpulan data yang saling berkaitan

Komponen model, yaitu komponen

dan berhubungan antara satu dengan

yang terdiri dari kombinasi prosedur,

lainnya. Basis data tersimpan dalam

perangkat

keras

perangkat

komputer

lunak

dan
untuk

memanipulasinya. Data dalam basis

data

perlu

sedemikian
untuk

rupa

dan

digunakan

keperluan

penyediaan

informasi

diorganisasikan

FLOWCHART

Mengacu

pada

Lincolin

Start

Arsyad

Baca dan Ambil data

penjualan yang akan
digunakan untuk proses
perhitungan

(2001;104), flowchart Untuk menghitung

Inisialisasi nilai alpha dan beta

dan jumlah periode

peramalan hasil penjualan dengan metode

Perhitungan
PerhitunganEksponential
Eksponential

Exponenential Smoothing dengan tekhnik

Holt dapat dilihat pada gambar

Hitung
Hitungestimasi
estimasitrend
trend

Hitung
Hitungramalan
ramalanpada
padaperiode
periodepp

3.7.

Hitung
Hitungkesalahan
kesalahanperamalan
peramalan

Flowchart yang terlihat pada Gambar 3.7

Hitung
HitungMSE
MSE

menjelaskan bagaimana proses peramalan

penjualan dengan menggunakan metode

Tidak

Apakah kombinaasi alpha dan beta

menghasilkan MSE terkecil ?

Eksponential Smoothing. Pada proses awal

Ramalan jumlah
penjualan di
periode
mendatang

pertama kali sistem akan mengambil input

Stop

dari user berupa panjang periode data

penjualan yang akan digunakan untuk
proses perhitungan. Inisialisasi alpha beta
tersebut

mewakili

proses

exponential

smoothing itu sendiri yang digunakan

untuk nilai pengujian ramalan untuk
periode ke depan.

Gambar 3.7 Flowchart peramalan

penjualan dengan Metode Exponential
Smoothing
Setelah nilai alpha dan beta
ditentukan,

maka

proses

perhitungan

exponential dilakukan. Selanjutnya hitung

nilai estimasi trend untuk mengetahui nilai
trend suatu item barang. Setelah itu, dari

estimasi trend yang telah dihitung maka

Start

akan dibuat perhitungan ramalan periode

Inisialisasi nilai dan jumlah periode

ke depan. Setelah semua proses di atas

dilakukan, maka setelah itu akan dilakukan

t = t +1

pengujian error terkecil, jika nilai MSE

Ambil data penjualan pada periode t (Yt)

yang telah dihitung adalah yang terkecil,

maka alpha beta itulah yang dipakai

Ambil nilai estimasi trend pada periode

sebelumnya (Tt-1)

sebagai acuan ramalan periode mendatang

Perhitungan Eksponential
At = Yt + (1 ) (At-1 + Tt-1)

dan juga digunakan sebagai acuan dalam

memproduksi produk air minum di bulan
Ya

Apakah t <= jumlah

periode ?

atau tahun yang akan datang, dimana

Tidak

peramalan ini sangat membantu manajer

dalam

memberikan

memproduksi

keputusan

produk

agar

menimbulkan biaya penyimpanan.

Stop

dalam

Gambar 3.8 Subroutine Perhitungan

tidak

Eksponential
Kemudian yang langkah selanjutnya, pada
gambar 3.8 diatas yang dilakukan adalah
sistem akan melakukan inisialisasi nilai
alpha dan beta. Nilai alpha digunakan
untuk

perhitungan

pemulusan

secara

exponential seperti yang digambarkan

pada Gambar 3.8 diatas, kemudian nilai
beta digunakan untuk menghitung estimasi
trend. Nilai alphaa beta didalam xponential
smoothing adalah sebagai nilai pengujian
terhadap error yang akan dlakukan oleh

exponential smoothing, sehingga nilai

Proses

perhitungan

pengujian mempunyai batas uji. Nilai

dilakukan

alpha dan beta sndiri nantinya dalam

eksponential untuk mendapatkan nilai baru

program

yang

sendiri

akan
dalam

melakukan

inisialisasi

pembentukan

perhitungan

dimuluskan.

data

Kemudian

perhitungan

estimasi

random, misal alpha 0,1 terhadap beta 0,1

mendapatkan

nilai

selanjutnya alpha 0,1 terhadap beta 0,2.

dimuluskan dan estimasi trend, langkah

Begitu

pengujian

selanjutnya adalah menjumlahkan kedua

dilakukan sampai alpha dan beta mencapai

nilai tersebut untuk mendapatkan nilai

angka < 1.

peramalan

seterusnya

dalam

secara

telah

adalah

yang

Start

trend,

baru

penjualan

yang

pada

setelah
telah

periode

mendatang, yang nantinya hasil ramalan

tersebut akan digunakan manajer sebagai

Inisialisasi nilai beta () dan jumlah periode

tolak ukur perencanaan produksi agar tidak

t = t +1

Ambil nilai perhitungan exponential pada

periode sebelumnya (At-1)

menimbulkan biaya penimbunan barang

yang bisa mengakibatkan banyaknya biaya
yang

Ambil nilai perhitungan exponential pada

periode t (At)
Ambil nilai estimasi trend pada periode
sebelumnya (Tt-1)
Hitung estimasi trend
Tt = (At At-1) + ( 1 ) Tt-1

ditimbulkan

oleh

sehingga dapat menimbulkan kerugian jika

tidak ada perencanaan produksi atas dasar
hasil ramalan tersebut seperti yang terlihat
pada Gambar 3.10 berikut :

Ya

Apakah t <= jumlah

periode ?
Tidak
Stop

Gambar 3.9 Subroutine

perhitungan estimasi trend

penimbunan

Start

Start

t = t +1

t = t +1
Ambil data penjualan pada periode t (Y t)

Ambil nilai perhitungan exponential pada

periode t (At)

Ambil perhitungan peramalan pada periode t

(t )
Hitung kesalahan peramalan
et = Y t - t

Ambil nilai estimasi trend pada periode t

(Tt)
Hitung ramalan pada periode p
t + p = At + pTt

Ya

Apakah t <= jumlah

periode ?
Tidak
Stop

Ya

Apakah t <= jumlah

periode ?
Tidak

Gambar 3.11 Subroutine hitung

Stop

kesalahan peramalan
Setelah mendapatkan nilai

Gambar 3.10 Subroutine hitung

ramalan pada periode berikutnya
kemudian

dihitung

kesalahan

peramalan yang dihasilkan dari selisih

antara data pada periode t dan nilai
peramalan pada periode t tersebut seperti
yang terlihat pada Gambar 3.10 berikut :

kesalahan peramalan pada setiap periode.

Nilai

tersebut

menghitung MSE

digunakan

untuk

Kombinasi dari alpha dan beta yang

Start

Inisialisasi jumlah periode (n)

menghasilkan nilai MSE yang terkecil

digunakan untuk perhitungan. Output dari

t = t +1

sistem berupa angka penjualan suatu

Ambil nilai residual pada periode t
(et)

Jumlah kan masing2 nilai kuadrat

dari nilai residual pada periode
tersebut
et2 = et2 + et2

barang

produk

tertentu

diperiode

mendatang yang nilai MSE nya terkecil,

yang dapat ditampilkan dalam bentuk

Ya

Apakah t <= jumlah

periode ?

laporan peramalan penjualan. Berikut tabel

Hitung MSE

perhitungan peramalan yang penjualan PT.

Sumber Bening Lestari yang didasarkan

Tidak
Stop

pada data penjualan yang sesungguhnya

2011.

Gambar 3.12 Subroutine

hitungnilai MSE

1
Kesimpulan

menggunakan

Berdasarkan hasil uji coba dan analisa

yang telah dilakukan dalam pembuatan
aplikasi

Sistem

Informasi

Peramalan

Penjualan Dengan Menggunakan Metode

Exponential Smoothing dengan studi kasus
PT. Sumber Bening Lestari, dapat diambil
kesimpulan sebagai berikut :
1. Sistem

bulan

dapat

meramalkan

mendatang
metode

dengan
exponential

smoothing menggunakan teknik holt.

2. Dengan mengetahui jumlah penjualan
pada 1 bulan kedepan dari hasil
perhitungan peramalan tersebut, dapat
digunakan sebagai salah satu bahan
pertimbangan oleh pihak manajerial
untuk menentukan jumlah produksi

jumlah

barang yang akan terjual pada periode

yang akan dilakukan.

3.1 Saran

agar

Adapun saran-saran yang dapat digunakan

pembanding.

untuk mengembangkan aplikasi yang telah

dibuat adalah sebagai berikut :

peramalan

2. Periode

digunakan

mendatang

sebagai

yang

akan

diramalkan bersifat dinamis.

1. Menambahkan perhitungan untuk

menghitung

dapat

3. Dari hasil perhitungan peramalan,

dengan

dapat

metode lain seperti metode moving

untuk

average, atau metode exponential

bahan.

smoothing dengan teknik brown

ditambahkan
penjadwalan

perhitungan
pembelian