ABSTRAK
PT. Charisma Rasa Sayang Holidays Medan merupakan perusahaan yang bergerak dibidang biro jasa
perjalanan pariwisata. Kemudian dilihat dari berbagai sisi bahwa PT. Charisma Rasa Sayang Holidays Medan
berpotensi dalam menyerap pembeli yang lebih banyak dari tahun ketahun. Hal tersebut dapat dilihat dari
peningkatan jumlah penjualan setiap tahun yang hampir terus meningkat. Sehubungan dalam hal ini diperlukan
untuk memprediksi jumlah penjualan tiket yang merupakan ramalan ataupun perkiraan.
Prediksi (Forecasting) dilakukan hampir oleh semua orang, baik itu pemerintah, pengusaha, maupun
orang awam. Masalah yang diramalkan pun bervariasi, seperti perkiraan curah hujan, kemungkinan pemenang
dalam pemilihan presiden, skor pertandingan, jumlah penjualan ataupun tingkat inflasi. Metode ARIMA adalah
salah satu metode yang dapat digunakan untuk mengatasi sesuatu hal yang berhubungan dengan deret dan
situasi peramalan. Perlu dipahami bahwa ARIMA sangat baik ketepatannya dalam ramalan.
ARIMA adalah suaru metode yang dikembangkan oleh Box-Jenkins merupakan gabungan antara
metode proyeksi, metode regresi dan metode dekomposisi. Metode ARIMA hanya menggunakan satu variabel
sebagai dasar untuk melakukan prediksi sehingga dalam model ini tidak ada istilah variabel bebas yang
digunakan untuk memprediksi nilai variabel tergantung. Model ini menggunakan nilai-nilai pada masa lampau
dan sekarang sebagai dasar prediksi. Oleh karena itu, sangat tepat untuk digunakan dalam memprediksi.
Kata Kunci : PT. Charisma Rasa Sayang Holidays Medan, Prediksi, ARIMA
sekali mengabaikan variabel independen karena Manfaat yang dapat diberikan dari pembuatan
model ini menggunakan nilai sekarang dan nilai-nilai skripsi ini adalah sebagai berikut :
lampau dari variabel dependen untuk menghasilkan 1. Dengan dilakukan prediksi atau peramalan
prediksi atau ramalan jangka pendek yang akurat. penjualan tiket pada musim lebaran tahun 2015,
Dengan adanya prediksi maka perusahaan dapat perusahaan dapat mengetahui apakah mengalami
mencapai tujuan serta pengambilan keputusan. kenaikan atau penurunan penjualan dari tahun-
Prediksi dilakukan dengan melihat data penjualan tahun sebelumnya, sehingga lebih cepat
sebelumnya. Berdasarkan uraian-uraian diatas, penulis mengambil tindakan dalam menghadapi
bermaksud mengangkat skripsi dengan judul “Analisa kemungkinan mengalami peningkatan jumlah
Prediksi Jumlah Penjualan Tiket Menggunakan penjualan.
Metode Autoreggresive Intergrated Moving 2. Dengan dilakukan prediksi tiket musim lebaran
Average (ARIMA) (Studi Kasus : PT. Charisma pada tahun 2015, dapat mengurangi kelebihan
Rasa Sayang Holidays Medan)” seat yang telah di-reserve atau booking.
3. Dapat menggurangi kelebihan perusahaan dalam
1.2 Perumusan Masalah pemesanan fasilitas peserta tour.
Adapun rumusan masalah dalam skripsi ini
adalah sebagai berikut : 2. LANDASAN TEORI
1.2 Bagaimana mengolah data penjualan tiket pada 2.1 Pengertian Prediksi
PT. Charisma Rasa Sayang Holidays Medan ? Menurut Tita Deitiana, (2011 : 32) dalam buku
1.3 Bagaimana menerapkan metode ARIMA untuk Manajemen Operasional Strategi dan Analisa
memprediksi jumlah penjualan tiket pada PT. (Service dan Manufactur), yaitu : “peramalan
Charisma Rasa Sayang Holidays Medan 2015 ? (forecasting) adalah : seni dan ilmu untuk
1.4 Bagaimana mendapatkan prediksi dengan memprediksi kejadian di masa mendatang”.
mengaplikasikan tools SPSS (Statistical Product Peramalan atau prediksi dalam dunia bisnis dapat
and Service Solution) versi 15.0 ? diganti dengan istilah proyeksi (Suliyanto, 2008 : 1).
Menurut Suliyanto, (2008 : 1) dalam buku Teknik
1.3 Batasan Masalah Proyeksi Bisnis dan Aplikasi dengan Microsoft Excel,
Untuk menghindari kesalahpahaman dan yaitu : “peramalan adalah pengidenfikasian keadaan
meluasnya pembahasan, maka penulis membatasi atau yang akan datang secara ilmiah”.
memfokuskan masalah yang berkaitan dengan
pemecahan masalah. Adapun batasan masalah pada 2.2 Pengertian Penjualan
penyusunan skripsi yaitu : Menurut Joel G. Siegel dan Joe K. Shim,
1. Data yang digunakan adalah data penjualan “Penjualan adalah penerimaan yang diperoleh dari
mulai April 2010 sampai dengan Agustus 2014. pengiriman barang dagangan atau dari penyerahan
2. Hanya memprediksikan penjualan tiket tour pada pelayanan dalam bursa sebagai barang pertimbangan.
musim lebaran di tahun 2015. Pertimbangan dalam bentuk tunai maupun peralatan
3. Hanya memprediksikan data penjualan tiket tour kas atau harta lainnya. Pendapatan dapat diperoleh
dengan menggunakan maskapai Singapore pada saat penjualan, karena terjadi pertukaran, harga
Airlines dengan beberapa rute internasional. jual dapat diterapkan dan bebannya diketahui.”
4. Tiket yang dimaksud adalah tiket yang
digunakan dalam reservasi tiket 2.3 Pengertian Tiket
tour. Tiket adalah dokumen berbentuk cetak, melalui
proses elektronik, atau bentuk lainnya yang
1.4 Tujuan dan Manfaat Penelitian merupakan salah satu alat bukti adanya perjanjian
1.4.1 Tujuan Penelitian angkutan udara antara penumpang dan pengangkut
Tujuan penyusunan skripsi ini adalah sebagai dan hak penumpang untuk menggunakan pesawat
berikut : udara atau diangkut dengan pesawat udara. Dimana
1. Memprediksikan penjualan tiket pada musim didalam tiket tersebut berisi rute perjalanan, tanggal
lebaran di tahun 2015 dengan melihat data-data keberangkatan , harga tiket, dan data penumpang yang
sebelumnya. digunakan untuk melakukan suatu perjalanan.
2. Menerapkan Metode ARIMA didalam (http://penelitihukum.org/tag/pengertian-tiket, tanggal
memprediksi penjualan pada tahun 2015 pada akses 05 Mei 2014).
PT. Charisma Rasa Sayang Holidays Medan
dengan melihat data penjualan sebelumnya. 2.4 Metode Autogressive Intergrated Moving
3. Mengaplikasikan SPSS versi 15.0 untuk Average (ARIMA)
mendapatkan prediksi dengan menggunakan ARIMA merupakan kepanjangan dari
metode ARIMA. Autoregressive Integrated Moving Average dimana
metode ini diterapkan untuk analisis deret berkala,
1.4.2 Manfaat Penelitian peramalan dan pengendalian. Dikembangkan oleh
George Box dan Gwilym Jenkins sehingga disebut
Analisa Prediksi Jumlah Penjualan Tiket Menggunakan Metode Autoreggresive Integrated 19
Moving Average (Arima) Pada Pt. Charisma Rasa Sayang Holidays Medan. Oleh : Chairunnisa
Pelita Informatika Budi Darma, Volume : IX, Nomor: 1, Maret 2015 ISSN : 2301-9425
3. ANALISA TAHUN
DAN BULAN
2010 2011 2012 2013 2014
Januari - - - 20 -
Tabel 1 Data Februari - - - 25 - Jumlah Tiket
Maret - - - - -
April - 26 21 41 54
Mei 6 6 19 - 7
Juni 61 6 10 10 28
Juli - - - 54 92
Agustus 73 60 31 8 -
September 11 - - -
Oktober - - - 6 -
November - - 23 - -
Desember 14 33 26 - -
Sumber : PT. Charisma Rasa Sayang Holidays
∑Y
2
3.2.1 Uji Kecukupan Sampel t = 21.270adalah hasil perpangkatan dari
Sebelum melakukan penganalisaan data, t =1
terlebih dahulu dilakukan uji kecukupan sampel. Hal masing-masing data aktual
ini perlu dilakukan untuk menentukan apakah
banyaknya sampel data yang telah ada dapat diterima 2
N
sebagai sampel atau tidak. Berikut pengujian sampel ∑ Yt = 96.100
: t =1 adalah hasil perpangkatan
Diketahui :
Ukuran sampel percobaan N = 5
dari total data aktual
Data aktual Yt = 73, Sehingga :
N = 5 2
60, 31, 54 dan 92 2
N
20
N
N
maka, ∑ Y t = 310
N ∑ Yt 2
− ∑ Yt 2
N '=
t = 1 t =1 t =1
N
N
∑ Y t
2
= 21.270 ∑ Yt
t = 1 t =1
2
N
∑
2
Y = 96 . 100 20 5 (21 . 270 ) − (310 )2
N '=
t
t = 1
310
2
20 106 . 350 − 96 . 100
N ' =
310
Dimana : 2
20 10 . 250
N ' =
N = banyaknya data sebagai sampel per tahun 310
N 2
2 . 024 , 845
∑Yt = 310 adalah jumlah ataupun total
t =1
N '=
310
Maka, Dengan cara yang sama, nilai-nilai koefisien 3.4 Estimasi Parameter Model
autokorelasi dan autokorelasi parsial dari data jumlah
tiket dapat diperoleh data seperti dibawah ini: Tahap selanjutnya setelah model ARIMA
Tabel 2. Nilai Koefisien Autokorelasi dan diperoleh adalah estimasi yaitu mencari nilai estimasi
Autokorelasi Parsial terbaik atau paling efisien untuk parameter model.
Lag Autokorelasi Lag Autokorelasi Parsial Dalam tahap ini akan diestimasi parameter-parameter
yang tidak diketahui yakni φ ,θ .
1 0.023 1 0.023 1. Estimasi Parameter Model ARIMA (1,0,0)
2 0.330 2 -0.613 Menentukan konstanta nilai AR(1), berikut nilai
konstanta menggunakan program SPSS.
3 0.484 3 -0.056
Tabel 3. Parameter Model ARIMA (1,0,0)
Untuk melihat apakah data sudah stasioner atau Estimate SE t Sig.
tidak, dapat dilihat dari nilai kofisien autokorelasi Constant 62.361 13.202 4.724 0.018
yang berbeda nyata dari nol yaitu nilai koefisien AR Lag 1 0.043 0.833 0.051 0.092
autokorelasi berada dalam interval batas penerimaan.
Dengan menggunakan program compukter maka 2. Estimasi Parameter Model ARIMA (0,0,1)
data jumlah tiket dengan n=5, maka dari seluruh nilai Menentukan konstanta nilai MA(1), berikut nilai
koefisien autkorelasi harus berada dalam interval : konstanta menggunakan program SPSS.
Tabel 4. Parameter Model ARIMA (0,0,1)
Estimate SE t Sig.
Analisa Prediksi Jumlah Penjualan Tiket Menggunakan Metode Autoreggresive Integrated 21
Moving Average (Arima) Pada Pt. Charisma Rasa Sayang Holidays Medan. Oleh : Chairunnisa
Pelita Informatika Budi Darma, Volume : IX, Nomor: 1, Maret 2015 ISSN : 2301-9425
4.2 Saran
Berdasarkan hasil penelitian dan juga
kesimpulan yang telah diuraikan diatas maka ada
beberapa saran yang dapat diberikan, yaitu :
1. Bagi perusahaan, agar sistem ini dapat
diterapkan supaya dalam menentukan prediksi
penjualan lebih cepat dan akurat.
2. Hasil dari proses prediksi ini dapat digunakan
sebagai pertimbangan dalam mengambil
keputusan lebih lanjut.
3. Untuk pengembangan aplikasi prediksi lebih
lanjut, dapat menggunakan versi lain seperti:
SPSS for windows release 16, SPSS for
windows release 11, release 12, release 13
ataupun program lainnya seperti MATLAB.
DAFTAR PUSTAKA