PENERAPAN METODE SINGLE MOVING AVERAGE DALAM PERAMALAN PRODUKSI BANDREK

DI CV CIHANJUANG INTI TEKNIK

APPLICATION OF SINGLE MOVING AVERAGE METHOD IN FORECASTING BANDREK

PRODUCTION IN CV CIHANJUANG INTI TEKNIK

Muhamad Ridzwan

ABSTRAK

Bandrek merupakan minuman tradisional khas Jawa Barat yang terbuat dari berbagai campuran
rempah-rempah. Seiring berjalannya waktu dan disesuaikan dengan kebutuhan masyarakat, saat ini
bandrek telah tersedia dalam bentuk kemasan siap saji. Salah satu perusahaan yang memproduksi
bandrek kemasan adalah CV. Cihanjuang Inti Teknik yang berlokasi di Cimahi, Jawa Barat. Berdasarkan
data permintaan perusahaan selama 1 tahun terakhir diketahui terjadi kekurangan stok selama beberapa
bulan disebabkan jumlah permintaan melebihi batas saat memproduksi bandrek setiap bulannya, sehingga
perlu dilakukan peramalan untuk memprediksi jumlah produksi bandrek. Tujuan yang ingin dicapai dari
penelitian ini adalah untuk menganalisis peramalan jumlah produksi minuman tradisional bandrek dari april
2019 hingga juni 2019. Metode yang digunakan untuk meramalkan jumlah produksi pada periode
berikutnya adalah metode Single Moving Average dan untuk menghitung nilai error menggunakan Mean
Absolute Deviation(MAD),Mean Square Error(MSE) dan Mean Absolute Percentage Error(MAPE).

Hasil penelitian ini memperoleh nilai peramalan baik dengan penyeleksian data maupun tidak
dilakukan seleksi data untuk bulan april tahun 2019 adalah sebesar 50904.67 pcs, mei tahun 2019 sebesar
50845.6 pcs dan juni tahun 2019 sebesar 50954.1 pcs. Dengan tidak dilakukan seleksi data didapatkan
nilai MAD sebesar 3663.40, MSE 120784984.5 dan MAPE sebesar 7%, sedangkan dengan melakukan
seleksi data data didapatkan nilai MAD sebesar 2183,93, MSE 9810723,98 dan MAPE sebesar 4%. Hasil
ini dapat digunakan perusahaan sebagai dasar perencanaan dan pengambilan keputusan.

Kata kunci: Bandrek, Single Moving Average, Peramalan, Permintaan.

ABSTRACK

Bandrek is a traditional West Java drink made from various spices mixes. Over time and adapted
to the needs of the community, bandrek is now available in the form of ready-to-eat packaging. One of the
companies that produce packaging bandrek is CV. Cihanjuang Inti Teknik located in Cimahi, West Java.
Based on company demand data for the past 1 year, it has been known that there has been a shortage of
stock for several months due to the amount of demand exceeding the limit when producing bandrek every
month, so forecasting is needed to predict the amount of bandrek production. The aim to be achieved from
this study is to analyze the forecasting of the number of production of traditional bandrek drinks from April
2019 to June 2019. The method used to forecast the amount of production in the next period is the Single
Moving Average method and to calculate the error value using Mean Absolute Deviation (MAD), Mean
Square Error (MSE) and Mean Absolute Percentage Error (MAPE).

The results of this study obtain forecasting values both by selecting data and not conducting data
selection for April 2019 amounting to 50904.67 pcs, May 2019 amounting to 50845.6 pcs and June 2019
amounting to 50954.1 pcs. With no data selection done, the MAD value is 3663.40, MSE 120784984.5 and
MAPE of 7%, whereas by selecting data data, the MAD value is 2183.93, MSE 9810723.98 and MAPE of
4%. These results can be used by companies as a basis for planning and decision making.

Keywords: Bandrek, Single Moving Average, Forecasting, Demand.

1. PENDAHULUAN
Permintaan akan suatu barang bisa
berupa permintaan barang dari
konsumen ke perusahaan maupun
permintaan dari perusahaan ke suplier.
Secara umum banyaknya permintaan
barang dari konsumen ke perusahaan
biasanya dilihat dari segi kualitas dan
harga dari suatu barang, jika harganya
murah dan kualitas bagus maka akan
banyak konsumen yang berminat untuk
membeli barang tersebut. Banyaknya
permintaan barang dari konsumen
menyebabkan perusahaan harus
menyediakan barang yang lebih banyak
agar tidak kekurangan stok barang yang
berakibat pula pada meningkatnya
permintaan barang dari perusahaan ke
suplier. Jika permintaan naik dan
perusahaan kekurangan stok barang
maka angka penjualan menurun dan
perusahaan akan kehilangan konsumen
serta perusahaan mengalami kerugian.
Sering juga terjadi permasalahan dengan
adanya barang yang sudah tidak bisa
dipakai lagi karena barang tersebut
sudah lewat masa berlakunya akan
membuat kerugian pada perusahaan
sebab stok barangnya masih banyak dan
serta harus menyediakan barang yang
baru lagi. Dilihat dari penjelasan
sebelumnya salah satu solusi untuk
permasalahan diatas adalah
dibutuhkannya suatu peramalan dalam
meramalkan barang-barang apa saja
yang paling diminati oleh konsumen
sehingga perusahaan bisa
mengantisipasi persediaan stok barang
dan seberapa banyak permintaan barang
oleh perusahaan ke suplier. Hal tersebut
juga dialami di CV Cihanjuang Inti Teknik
dengan data sebagai berikut:
Tabel I.1 berikut adalah data
produksi dan permintaan di CV
Cihanjuang Inti Teknik.
Tabel I.1 Data permintaan dan
produksi
Bulan Permintaan Produksi
April(2018) 42565 42540
Mei (2018) 51213 51188
Juni (2018) 46869 46844
Juli (2018) 47104 56704
Agustus (2018) 46665 46640
September(2018) 44361 44336
Oktober (2018) 53325 53300
November(2018) 54477 54452
Desember (2018) 56653 56628
Januari (2019) 51082 60136
Februari (2019 50520 60744
Maret (2019) 51112 61436
Sumber: CV Cihanjuang Inti Teknik
Berdasarkan tabel I.1 tersebut CV
Cihanjuang Inti Teknik yang bergerak di
bidang industri makanan dan minuman
yang salah satu produknya adalah
minuman yang berjenis bandrek yang
perlu untuk melakukan permintaan
peramalan akan produksinya
dikarenakan oleh kebutuhan pasar yang
berbeda-beda setiap bulannya dan
berdasarkan data tersebut juga terjadi
kelebihan dan kekurangan stok yang
akan menambah biaya penyimpanan
maupun produksinya. Setelah
melakukan observasi disana ditemukan
permasalahan yaitu sistem pengendalian
barang berupa pengelolaan stok barang
yang ada di CV Cihanjuang Inti Teknik
masih belum optimal
Terdapat beberapa metode yang
digunakan dalam meramalkan
permintaan barang, yaitu metode Single
Moving Average. Metode tersebut akan
digunakan dalam penelitian ini untuk
menyelesaikan permasalahan yang
terjadi pada perusahaan tersebut.
2. METODE PENELITIAN
 Metode Single Moving Average
Rata-rata bergerak tunggal
(SingleMovingAverage) adalah suatu
metode peramalan yang dilakukan
dengan mengambil sekelompok nilai
pengamatan, mencari nilai rata-rata
tersebut sebagai ramalan untuk periode
yang akan datang.
Untuk menentukan ramalan pada
periode yang akan datang memerlukan
data historis selama jangka waktu
tertentu. Misalnya, dengan 3 bulan
movingaverage, maka ramalan bulan ke
5 baru dibuat setelah bulan ke 4
selesai/berakhir. Jika bulan moving
averages bulan ke 7 baru bisa dibuat
setelah bulan ke 6 berakhir.
Metode ini dilakukan dengan mengambil
sekelompok nilai pengamatan, mencari
rata-ratanya kemudian menggunakan
rata-rata tersebut sebagai ramalan untuk yang sama sebagai deret asli. MAD
periode yang akan datang. Cara merupakan ukuran pertama kesalahan
membuat peramalan dengan metode ini peramalan keseluruhan untuk sebuah
sangat sederhana. Metode Single model. Rumus untuk menghitung MAD
Moving Average memiliki rumus sebagai adalah sebagai berikut.
berikut : |yt−ft|
MAD = ∑nt=1
n
Dimana: yt =Data aktual pada periode t
ft=Nilai peramalan pada periode t
n = jumlah data
II.6.4 Mean Absolute Percentage
Keterangan :
error (MAPE)
Menurut Pakaja (2012), Mean Absolute
Xt = data pengamatan periode t
Percentage Error (MAPE) dihitung
n = jumlah deret waktu yang digunakan
dengan menggunakan kesalahan absolut
St+1=nilai prakiraan periode t+1
pada tiap periode dibagi dengan nilai
(berikutnya)
observasi yang nyata untuk periode itu.
 Mean Square Error(MSE)
Kemudian, merata-rata kesalahan
Menurut Pakaja (2012), Mean
persentase absolut tersebut. MAPE
Squared Error (MSE) adalah metode lain
merupakan pengukuran kesalahan yang
untuk mengevaluasi metode peramalan.
menghitung ukuran presentase
Masing-masing kesalahan atau sisa
penyimpangan antara data aktual
dikuadratkan. Pendekatan ini mengatur
dengan data peramalan. Nilai MAPE
kesalahan peramalan yang besar karena
dapat dihitung dengan persamaan
kesalahan-kesalahan itu dikuadratkan.
berikut.
Metode itu menghasilkan kesalahan-
kesalahan sedang yang kemungkinan 100%
n
xt−ft
lebih baik untuk kesalahan kecil, tetapi MAPE=( )∑ | |*100%
n t=1 xt
kadang menghasilkan perbedaan yang
besar. MSE merupakan rata-rata selisih Dimana :
kuadrat antara nilai yang diramalkan dan xt = data aktual pada periode t
yang diamati. Kekurangan penggunaan ft = Nilai peramalan data pada periode t
MSE adalah bahwa MSE cenderung n = Jumlah data
menonjolkan deviasi yang besar karena 3. PEMBAHASAN
adanya pengkuadratan. Rumus untuk
menghitung MSE adalah sebagai berikut. Tabel IV.1 berikut merupakan data
Berikut rumus MSE : permintaan minuman bandrek pada
n
periode sebelumnya di CV Cihanjuang
(xt − ft)^2 Inti Teknik:
∑
n Tabel IV.1 data Permintaan
t=1
NO
Dimana: Bulan Permintaan
xt =Data aktual pada periode t 1
ft=Nilai peramalan pada periode t April(2018) 42565
n = Jumlah data 2 Mei (2018) 51213
 Mean Absolute Deviation (MAD) 3 Juni (2018) 46869
Menurut Pakaja (2012), metode untuk
mengevaluasi metode peramalan 4 Juli (2018) 47104
menggunakan jumlah dari kesalahan- 5 Agustus (2018) 46665
kesalahan yang absolut. Mean Absolute 6
Deviation (MAD) mengukur ketepatan September(2018) 44361
ramalan dengan merata-rata kesalahan 7 Oktober (2018) 53325
dugaan (nilai absolut masing-masing 8
kesalahan). MAD berguna ketika November(2018) 54477
mengukur kesalahan ramalan dalam unit 9 Desember (2018) 56653
 10 Januari (2019) 51082 2 Mei(2018) 51213 -
11 3 Juni(2018) 46869 -
Februari (2019 50520 4 Juli(2018) 47104 46882.3
12 Maret (2019) 51112 5 Agustus(2018) 46665 48395.3
Sumber CV Cihanjuang Inti Teknik 6 September(2018) 44361 46879.3
7 Oktober (2018) 53325 46043.3
Tabel IV.1 diatas menunjukan data 8 November(2018) 54477 48117
jumlah permintaan tiap bulannya yang 9 Desember (2018) 56653 50721
ada di CV Cihanjuang Inti Teknik dalam 10 Januari (2019) 51082 54818.3
periode tahun 2018 sampai dengan 11 Februari (2019) 50520 54070.7
tahun 2019. Berdasarkan tabel diatas 12 Maret (2019) 51112 52751.7
maka dapat dilakukan plotting data 13 April(2019) 50904.7
terlebih dahulu dengan hasil grafik 14 Mei(2019) 50845.6
seperti pada gambar IV.1 berikut:
15 Juni(2019) 50954.1
Sumber:Hasil Analisis
Permintaan Keterangan tabel IV.2 cara perhitungan
60000 peramalan:
42565+51213+46869
40000 F Juli(2018) = = 46882.33
3

20000 51213+46869+47104
F Agustus(2018)= = 48395.33
3
0
46869+47104+46665
1 2 3 4 5 6 7 8 9 10 11 12 FSeptember(2018)= =46879.3
3

47104+46665+44361
Gambar IV.1 F Oktober (2018) = = 46043.33
3

dari plotting data yang terdapat 46665+44361+53325

F November(2018)= = 48117
3
pada grafik diketahui data tersebut
cenderung naik dan turun. Untuk itu 44361+53325+54477
metode yang sesuai digunakan untuk F Desember(2018)= = 50721
3
meramal adalah model time series. Dari
53325+54477+56653
tabel IV.1 didapatkan jumlah data F Januari(2019) = = 54818.33
3
sebesar 595946 ,rata-rata sebesar
49662 dan standar deviasi sebesar 54477+56653+51082
F Februari(2019) = = 54070.67
4205. Dari standar deviasi tersebut 3

didapatkan standar deviasi minimum 56653+51082+50520

sebesar 45457 dan standar deviasi F Maret(2019) = = 52751.67
3
maximum sebesar 53867, nilai standar
deviasi maximum dan minimum Sedangkan forecast bulan april tahun 2019
tersebut berfungsi untuk menyeleksi sampai juni 2019 adalah sebagai berikut:
data permintaan bandrek pada periode 51082+50520+51112
sebelumnya. Untuk melakukan F April(2019 = = 50904.67
3
peramalan Bandrek peneliti
50520+51112+50904.7
menggunakan metode sebagai berikut: F Mei(2019= = 50845.6
3

Tabel IV.2 Berisi Permintaan Bandrek 51112+50904.7+50845.6

pada CV Cihanjuang Inti Teknik tahun F Juni(2019= = 50954.1
3
2018-2019 dengan peramalan Single
Moving average 3 bulanan tanpa seleksi Berdasarkan perhitungan dengan
data menggunakan metode Single Moving Average
3 bulanan tanpa penyeleksian data diatas dapat
No Bulan Permintaan MA3 diketahui peramalan bulan april tahun 2019
1 April(2018) 42565 - adalah sebesar 50904.67 pcs, mei tahun 2019
sebesar 50845.6 pcs dan juni tahun 2019 Januari
6 51082
sebesar 50954.1 pcs. (2019) 49031,3
Februari
Tabel IV.3 Berikut berisi hasil perhitungan error 7 50520
(2019 50357,3
dari hasil peramalan yang sudah dihitung Maret
sebelumnya pada tabel IV.2. 8 51112
(2019) 51642,3
9 April(2019) 50904,7
error |error| |error|%
No Bulan Permintaan MA3
(permintaan-MA3) (nilai absolute kolom error)
|error|^2
(|error|/permintaan)*100%
10 Mei(2019) 50845,6
1 April(2018) 42565 - - - - - 11 Juni(2019)
2 Mei(2018) 51213 - - - - - 50954,1
3 Juni(2018) 46869 - - - - - Sumber: hasil analisis
4 Juli(2018) 47104 46882,3 221,67 221,67 49136,11 0,47%
5 Agustus(2018) 46665 48395,3 -1730,33 1730,33 2994053,44 3,71%
6 September(2018) 44361 46879,3 -2518,33 2518,33 6342002,78 5,68%
Keterangan tabel IV.4 cara perhitungan
7 Oktober (2018) 53325 46043,3 7281,67 7281,67 53022669,44 13,66% peramalan:
8 November(2018) 54477 48117 6360,00 6360,00 40449600,00 11,67%
9 Desember (2018) 56653 50721 5932,00 5932,00 35188624,00 10,47% 51213+46869+47104
10 Januari (2019) 51082 54818,3 -3736,33 3736,33 13960186,78 7,31% F Agustus(2018 = =
3
11 Februari (2019) 50520 54070,7 -3550,67 3550,67 12607233,78 7,03% 48395,3
12 Maret (2019) 51112 52751,7 -1639,67 1639,67 2688506,78 3,21%
13 April(2019) 50904,7 Total = 32970,67 167302013,11 63,21% 46869+47104+46665
14 Mei(2019) 50816 MAD MSE MAPE F Oktober(2018 = =
15 Juni(2019) 51112 3663,41 18589112,57 7% 3
46879,3
Sumber:hasil analisis 47104+46665+53325
F Januari(2018) = =
3
Berikut ini keterangan tabel IV.3 49031,3
1. Menghitung nilai MAD 46665+53325+51082
F Februari(2018 = =
3
MAD = 32970.67/9 =3663.41 50357,3
53325+51082+50520
2. Menghitung nilai MSE F Maret(2018)= =
3
51642,3
MSE = 1087064860.44/9 = 120784984.5
Sedangkan forecast bulan april tahun
3. Menghitung nilai MAPE 2019 sampai juni 2019 adalah sebagai
berikut:
MAPE = 63.21% / 9 = 7%
51082+50520+51112
Tabel IV.4 Berisi Permintaan Bandrek pada CV F April(2019= =
3
Cihanjuang Inti Teknik tahun 2018-2019 50904.7
dengan peramalan Single Moving average 3
50520+51112+50904.7
bulanan dengan seleksi data F Mei(2019= =
3
50845.6
51112+50904.7+50845.6
No Bulan Permintaan MA3 F Juni(2019= =
3
50954.1

1 Mei(2018) 51213 - Berdasarkan perhitungan dengan

Juni menggunakan metode Single Moving
2 46869 Average 3 bulanan tanpa penyeleksian
(2018) -
data diatas dapat diketahui peramalan
3 Juli (2018) 47104 - bulan april tahun 2019 adalah sebesar
Agustus 50904.7 pcs, mei tahun 2019 sebesar
4 46665
(2018) 48395,3 50845.6 pcs dan juni tahun 2019 sebesar
Oktober 50954.1 pcs.
5 53325
(2018) 46879,3
 Tabel IV.5 Berikut berisi hasil sebelumnya sebaiknya perusahaan
perhitungan error dari hasil peramalan harus lebih memperhatikan
yang sudah dihitung sebelumnya. peramalan produksi yang akan di
lakukan karena di lihat dari data
error |error| |error|%
No Bulan Permintaan MA3
(permintaan-MA3) (nilai absolute kolom error)
|error|^2
(|error|/permintaan)*100%
periode sebelumnya terdapat
1 Mei(2018) 51213 - - - - - permintaan yang tidak terpenuhi di
2 Juni (2018) 46869 - - - - -
3 Juli (2018) 47104 - - - - -
akibatkan kekurangan stok barang.
4 Agustus (2018) 46665 48395,3 1730,33 1730,33 2994053,44 4% Saya harap setelah dilakukan
5 Oktober (2018) 53325 46879,3 -6445,67 6445,67 41546618,78 12% peramalan untuk akhir periode
6 Januari (2019) 51082 49031,3 -2050,67 2050,67 4205233,78 4%
7 Februari (2019 50520 50357,3 -162,67 162,67 26460,44 0,32%
tahun ini diharapkan dapat
8 Maret (2019) 51112 51642,3 530,33 530,33 281253,44 1% membantu perusahaan dalam
9 April(2019) 50904,7 Total 10919,67 49053619,89 21%
10 Mei(2019) 50845,6 MAD MSE MAPE
menentukan jumlah produksi.
11 Juni(2019) 50954,1 2183,93 9810723,98 4% 2. Dalam melakukan peramalan
permintaan bandrek cihanjuang
Sumber:hasil analisis sebaiknya menggunakan metode
Single Moving Average 3 periode.
Berikut ini keterangan tabel IV.3 6. REFERENSI

1. Menghitung nilai MAD 1. harono, w. t. (2012). penerapan

metode single moving average dan
MAD = 10919,67 / 5=2183,93 metode exponential smoothing pada
peramalan permintaan produk kain
2. Menghitung nilai MSE grey di PT ISKANDAR INDAH
PRINTING TEXTILE. Surakarta.
MSE = 49053619,89 / 5= 9810723,98
2. maragi, K. (2015). ANALISA DAN
3. Menghitung nilai MAPE
PENERAPAN METODE SINGLE
MAPE = 21% / 5 = 4% EXPONENTIAL SMOOTHING. 1.

4. Kesimpulan 3. Muchlisin Riadi. (2017, November

1. Berdasarkan perhitungan peramalan 15)
permintaan bandrek cihanjuang yang https://www.kajianpustaka.com/2017/
telah di lakukan dapat diketahui 11/pengertian-fungsi-dan-jenis-
peramalan permintaan yang ada di peramalan-forecasting.html.
CV Cihanjuang Inti Teknik dengan
4. pradana, F. (2012). FORECASTING
menggunakan metode Single
(PERAMALAN). garut.
Moving Average 3 periode baik
dengan seleksi data dengan standar 5. Sosiologis. (2018). identifikasi
deviasi maupun tidak akan masalah. sosiologis.com.
menghasilkan peramalan pada bulan
april di tahun 2019 sebesar 50904.7. 6. Sulistyanto, E. (2013). Pengertian
bulan april tahun 2019 adalah Pengolahan Data Menurut Ahli.
sebesar 50904.67 pcs, mei tahun
2019 sebesar 50845.6 pcs dan juni 7. Zakky. (2018, MEI 7). Pengertian
tahun 2019 sebesar 50954.1 pcs. Observasi Menurut Para Ahli dan
2. Dari hasil peramalan dengan tidak Secara Umum.
dilakukan seleksi data didapatkan
nilai MAD sebesar 3663.40, MSE
120784984.5 dan MAPE sebesar
7%, sedangkan dengan melakukan
seleksi data data didapatkan nilai
MAD sebesar 2183,93, MSE
9810723,98 dan MAPE sebesar 4%.
5. KESIMPULAN
1. Dengan melihat data historis permintaan
bandrek cihanjuang pada periode