SKRIPSI
Diajukan Oleh :
YOGYAKARTA
2017
i
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
THESIS
By :
YOGYAKARTA
2017
ii
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
HALAMAN PERSETUJUAN
iii
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
HALAMAN PENGESAHAN
iv
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
HALAMAN MOTTO
v
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
vi
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
vii
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
ABSTRAK
Pada penelitian ini dibuat sistem peramalan untuk memprediksi jumlah unit
mobil yang akan dipasarkan dengan menggunakan metode Single Moving Average
dan Single Exponential Smoothing. Dari kedua metode peramalan tersebut
kemudian dibandingkan metode mana yang terbaik. Indikator perbandingan dilihat
dari akurasi peramalan dengan mencari error atau kesalahan terkecil dari kedua
metode tersebut. Dengan menggunakan Root Mean Square Error (RMSE) dan
Mean Absolute Error (MAE) dapat diketahui metode terbaik dalam peramalan pada
studi kasus di Nasmoco Mlati, Yogyakarta.
Dari penelitian ini dapat diketahui metode Single Moving Average adalah
metode terbaik dikarenakan memiliki akurasi terbaik. Akurasi yang baik memiliki
nilai kesalahan atau error yang kecil. Nilai kesalahan pada metode Single Moving
Average 3 pergerakan adalah 16,44 dan 12,80, sedangkan pada metode Single
Exponential Smoothing alpha 0,5 adalah 16,74 dan 13,04. Dengan demikian , dalam
studi kasus ini metode Single Moving Average 3 pergerakan lebih baik daripada
metode Single Exponential Smoothing.
viii
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
ABSTRACT
ix
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
KATA PENGANTAR
Puji dan syukur penulis haturkan kepada Tuhan Yang Maha Esa karena
berkat rahmat dan karunia-Nya, penulis dapat menyelesaikan tugas akhir yang
berjudul “PERBANDINGAN METODE SINGLE MOVING AVERAGE DAN
SINGLE EXPONENTIAL SMOOTHING DALAM PENGEMBANGAN
SISTEM PERAMALAN PENJUALAN MOBIL BARU”.
1. Tuhan Yesus Kristus dan Bunda Maria yang telah memberkati kekuatan,
bimbingan, keyakinan dan menyertai penulis.
2. Orang tua penulis, Bapak Yusef Djoko Saptono dan Ibu Yulia Tri Hartanti
yang begitu menyayangi penulis dan selalu memberikan dukungan, doa,
perhatian, nasihat dan motiasi.
3. Kakak penulis yaitu Agnes Yustika Wulan Arum yang selalu mendukung.
4. Bapak Sudi Mungkasi, S.Si, M.Math.Sc., Ph.D. selaku Dekan Fakultas
Sains dan Teknologi.
5. Ibu Dr.Anastasia Rita Widiarti selaku Ketua Program Studi Teknik
Informatika.
6. Bapak Drs. Haris Sriwindono, M.Kom., Ph.D. selaku dosen pembimbing
skripsi yang telah mencurahkan pikiran dan memberikan waktu serta
membimbing peulis.
7. Seluruh dosen yang telah mendidik, mengajarkan pengetahuan dan
pengalaman yang sangat berharga selama proses perkuliahan di Universitas
Sanata Dharma.
8. Paskalia Krisantari yang selalu mengingatkan untuk mengerjakan tugas
akhir dan selalu menemani disaat penulis terlena dengan akan gaya hidup
hedonisme.
x
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xi
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
DAFTAR ISI
HALAMAN JUDUL................................................................................................ i
HALAMAN PERSETUJUAN ............................................................................... iii
HALAMAN PENGESAHAN ................................................................................ iv
HALAMAN MOTTO ............................................................................................. v
PERNYATAAN KEASLIAN KARYA ................................................................ vi
LEMBAR PERNYATAAN PERSETUJUAN PUBLIKASI................................ vii
ABSTRAK ........................................................................................................... viii
ABSTRACT ........................................................................................................... ix
KATA PENGANTAR ............................................................................................ x
DAFTAR ISI ......................................................................................................... xii
DAFTAR GAMBAR ........................................................................................... xiv
DAFTAR TABEL ................................................................................................ xvi
BAB I PENDAHULUAN ....................................................................................... 1
1.1 Latar Belakang ......................................................................................... 1
1.2 Rumusan Masalah .................................................................................... 2
1.3 Tujuan Penelitian ...................................................................................... 2
1.4 Batasan Masalah ....................................................................................... 3
1.5 Sistematika Penulisan ............................................................................... 3
BAB II LANDASAN TEORI ................................................................................. 5
2.1 Dasar Teori ............................................................................................... 5
2.1.1 Peramalan (forecasting) .................................................................... 5
2.1.2 Tujuan Peramalan.............................................................................. 6
2.1.3 Tahap – tahap peramalan .................................................................. 6
2.1.4 Metode – metode Peramalan ............................................................. 7
2.1.5 Deteksi Outlier ................................................................................ 12
2.1.6 Pengukuran Akurasi Hasil Peramalan ............................................. 15
2.2 Teknologi yang Digunakan .................................................................... 17
2.2.1. Java.................................................................................................. 17
2.2.2. MySql .............................................................................................. 17
BAB III METODOLOGI PENELITIAN.............................................................. 19
xii
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xiii
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
DAFTAR GAMBAR
xiv
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
xv
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
DAFTAR TABEL
xvi
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
BAB I
PENDAHULUAN
Di era yang menuntut untuk selalu cepat dalam segala hal, salah satunya
adalah mobilitas untuk berbagai hal kegiatan, diperlukan alat transportasi
untuk mempercepat perjalanan untuk sampai ke tujuan. Mobil adalah salah
satu alat transportasi yang populer. Di Indonesia terdapat banyak
perusahaan mobil yang menawarkan berbagai tipe mobil yang diminati
masyarakat Indonesia. Salah satu perusahaan mobil yang sangat populer di
Indonesia yaitu PT. Toyota Astra Motor. Menurut gaikindo.or.id, Toyota
menempati peringkat pertama penjualan kendaraan komersial. Toyota
memiliki varian produk mobil yang sangat diminati misalnya Avanza,
Alphard, Fortuner, Kijang, Corola, Agya dan lain sebagainya.
Menentukan jumlah unit mobil yang akan dipesan dealer kepada
perusahaan pusat dimasa mendatang adalah salah satu masalah yang
dihadapi oleh manajer. Terlalu banyak atau bahkan kurangnya pemesanan
mobil dapat berdampak buruk bagi perusahaan. Banyak sekali informasi
yang diperoleh namun kurangnya pengolahan informasi tersebut
menyebabkan manajer kurang yakin dalam menentukan jumlah mobil yang
akan dipasarkan di daerah tersebut. Informasi yang didapat kemudian diolah
oleh suatu sistem dan dapat berguna dengan baik. Sistem untuk mengolah
informasi salah satunya adalah sistem peramalan jumlah unit yang akan
dipesan dealer kepada perusahaan pusat.
Dalam menentukan jumlah unit mobil pada suatu tipe di masa
mendatang diperlukan peramalan untuk mengetahui berapa jumlah yang
akan dipasarkan. Sistem peramalan ini menggunakan 2 metode yaitu
metode single moving average dan metode single exponential smoothing.
Dalam metode ini peramalan dilakukan dengan melakukan perhitungan
dengan data yang sudah ada pada waktu sebelumnya sehingga aplikasi ini
1
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
mampu membantu dalam menentukan jumlah unit mobil yang akan dibeli
oleh konsumen.
Dengan latar belakang tersebut maka yang menjadi pembahasan utama
adalah bagaimana membangun sistem peramalan untuk meramalkan
penjualan mobil menggunakan metode single moving average dan single
exponential smoothing pada PT. New Ratna Motor (Nasmoco cabang Mlati,
Sleman, DIY) sehingga mampu membantu manajer dalam memerkirakan
jumlah unit yang akan dipesan kepada perusahaan pusat supaya dapat
memperkecil resiko kesalahan.
1. Sistem akan menampilkan output atau hasil berupa ramalan jumlah unit
yang akan laku dipasaran pada periode berikutnya, menampilkan
RMSE (Root Mean Square Error) dan MAE (Mean Absolute Error)
dari kedua metode.
BAB I PENDAHULUAN
Bab ini berisi latar belakang, rumusan masalah, tujuan dan batasan
masalah dan sistematika penulisan.
Bab ini berisi penjelasan singkat mengenai dasar teori yang mendukung
mengenai peramalan, outlier dan pengukuran akurasi peramalan.
BAB VI PENUTUP
BAB II
LANDASAN TEORI
Prakiraan adalah penggunaan data masa lalu dari sebuah variabel atau
kumpulan variabel untuk mengestimasi nilainya di masa yang akan datang.
Prakiraan dibutuhkan karena semua industri beroperasi dalam lingkungan
yang tidak jelas tetapi keputusan yang dibuat hari ini akan mempengaruhi
masa depan institusi/industri. Prakiraan yang efektif sangat dibutuhkan
untuk mencapai tujuan strategis dan operasional dari semua
institusi/industri.
5
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
Menurut (Render dan Heizer, 2001 : 48) ada dua jenis pendekatan
dalam peramalan :
∑xY
b= … … … … … … … … . (2.3)
∑x 2
𝑌" = 𝑎 + 𝑏𝑥 … … … … … … … … . . . (2.4)
Dimana :
𝑌" = perkiraan.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
ΣyΣx 2 − ΣxΣxy
a= … … … … … … . . (2.6)
𝑛∑x 2 − (∑x)2
10
𝑋1 + 𝑋2 + ⋯ + 𝑋𝑡
𝐹𝑡+1 = … … … … … (2.7)
𝑛
Dimana :
11
Dimana :
12
13
14
2
∑𝑛𝑖=1(𝑥𝑖 − 𝑥̅ )2
𝑠 = … … … … … … … . (2.9)
𝑛−1
Dimana :
𝑛 = banyak data.
∑𝑛𝑖=1(𝑥𝑖 − 𝑥̅ )2
𝑠=√ … … … … … … . (2.10)
𝑛−1
Dimana :
𝑛 = banyak data.
𝑥𝑖 − 𝑥̅
𝑍= … … … … … … (2.11)
𝑠
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
15
Dimana :
16
∑𝑛𝑖=1(𝑋𝑡 − 𝐹𝑡 )2
𝑀𝑆𝐸 = … … … … … … … (2.13)
𝑛
Dimana :
𝑋𝑡 = Nilai riil pada periode ke t
𝐹𝑡 = Nilai peramalan pada periode ke t
𝑛 = Jumlah periode peramalan
b. Rata – rata Akar Kuadrat Kesalahan (Root Mean Square Error)
Mean Square Error (MSE) berbeda dengan Root Mean Square Error
(RMSE). Perbedaannya terletak pada cara perhitungan RMSE
menggunakan akar setelah mendapatkan nilai MSE. RMSE adalah
nilai alternatif untuk mengevaluasi teknik peramalan yang digunakan
untuk mengukur tingkat akurasi hasil prakiraan suatu model. RMSE
merupakan nilai rata – rata dari jumlah kuadrat kesalahan yang
dihasilkan oleh suatu model prakiraan. Nilai RMSE rendah
menunjukkan bahwa variasi nilai yang dihasilkan oleh suatu model
prakiraan mendekati variasi nilai observasinya. RMSE dirumuskan
sebagai berikut :
∑𝑛𝑖=1(𝑋𝑡 − 𝐹𝑡 )2
𝑅𝑀𝑆𝐸 = √ … … … … … … … … … … (2.14)
𝑛
Dimana :
𝑋𝑡 = Nilai riil pada periode ke t
𝐹𝑡 = Nilai peramalan pada periode ke t
𝑛 = Jumlah periode peramalan
17
2.2.1. Java
2.2.2. MySql
18
BAB III
METODOLOGI PENELITIAN
19
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
20
1. Studi Kasus
Kasus yang dipelajari adalah banyaknya penjualan mobil tiap bulan
pada Showroom Nasmoco Mlati tahun 2011 sampai 2016 untuk dapat
meramalkan penjualan mobil di waktu tertentu. Cara yang dilakukan
adalah mewawancarai manajer perusahaan dan melihat data historik
penjualan mobil.
2. Studi Pustaka
Studi pustaka yang dilakukan adalah mencari dan menghitung data –
data yang lalu dengan menggunakan materi statistika dan matematika
tertentu, yakni menggunakan metode peramalan Single Moving Average
dan Single Exponential Smoothing.
21
BAB IV
ANALISIS DAN PERANCANGAN SISTEM
Kendaraan bermotor adalah salah satu alat yang paling populer di Indonesia
sebagai alat transportasi pribadi. Alat transportasi mempunyai beragam macam,
diantaranya motor, mobil, pesawat terbang dan kapal. Salah satu jenis alat
transportasi yang paling populer adalah mobil. Masyarakat di Indonesia
memiliki minat yang tinggi untuk memiliki mobil sehingga berdampak pada
waktu pemesanan. Hal ini menimbulkan masalah pada manajer perusahaan
penjual mobil untuk memerkirakan jumlah mobil yang akan laku di periode
berikutnya, sehingga tidak membutuhkan waktu yang lama untuk konsumen
untuk mendapatkan barang yang dibeli.
Berdasarkan hasil penelitian PT New Ratna Motor (Nasmoco cabang Mlati,
Sleman) diketahui bahwa persediaan mobil terkadang mengalami kekurangan.
Permintaan yang banyak dari konsumen menyebabkan persediaan mobil di
dealer tersebut mengalami kekurangan. Hal ini mengakibatkan hilangnya
peluang untuk mendapatkan keuntungan karena bisa saja konsumen membeli di
dealer lain.
Terdapat cara agar manajer dapat memperkirakan penjualan unit mobil
yang akan dipasarkan secara objektif, yaitu menggunakan perhitungan
matematis dengan menggunakan metode tertentu. Untuk mempermudah dan
mempercepat peramalan, maka dibuatlah sistem peramalan berbasis web agar
pemrosesan peramalan dapat lebih cepat dan efisien.
Sistem ini dapat digunakan oleh umum yang berarti setiap orang dapat
menggunakan sistem ini untuk meramalkan data penjualan dimasa yang akan
datang. Aktor yang akan menggunakan sistem ini adalah manajer yang memiliki
data penjualan dimasa yang lalu untuk kemudian dijadikan sebagai bahan untuk
menghitung unit penjualan dimasa yang akan datang menggunakan perhitungan
matematis dengan menggunakan metode Single
22
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
23
Moving Average dan Single Exponential Smoothing. Sistem ini juga akan
menampilkan rata – rata kesalahan pada setiap metode menggunakan RMSE
dan MAE.
Dibawah ini merupakan daftar istilah pelaku sistem dan wewenang yang
terlibat dalam Sistem Peramalan Penjualan Mobil Baru dengan
Membandingkan Metode Single Moving Average dan Single Exponential
Smoothing :
Aktor Wewenang
Manajer 1. Melakukan proses Registrasi
dan Login.
2. Unggah file Excel.
3. Melihat tabel hasil unggahan
sebelumnya.
4. Melihat daftar tabel.
5. Mengubah nama tabel.
6. Menghapus tabel.
7. Menghapus baris pada tabel.
8. Menambahkan baris pada tabel.
9. Memasukkan nilai Pergerakan
dan nilai Alpha pada proses
peramalan.
10. Melihat hasil peramalan.
24
Registrasi
Login
Unggah Excel
Lihat Tabel
Hapus Tabel
Tambah Baris
Hapus Baris
Proses Peramalan
Logout
25
26
27
28
29
30
31
Halaman Registrasi
& Login
Password Password
Konfirmasi Password
Login
Alamat
Registrasi
Forecasting Daftar
Logout
(Peramalan) tabel
Login
Unggah File
Help
32
Forecasting Daftar
Logout
(Peramalan) tabel
Home
Login
Unggah File
Help
33
Forecasting Daftar
Logout
(Peramalan) tabel
Daftar tabel
Home
No Nomer Tabel Nama Tabel Lihat / hapus tabel
Login
Unggah File
Help
Forecasting Daftar
Logout
(Peramalan) tabel
Judul Tabel
Home
Rename tabel
Login
Help
34
Bulan
Tahun
Data Penjualan
Simpan Kembali
Peramalan
Mulai Kembali
35
Single Exponential
Smoothing Hasil Single Exponental Smooting
Kembali
BAB V
IMPLEMENTASI, PENGUJIAN DAN ANALISIS HASIL
36
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
37
38
39
40
41
42
43
44
45
46
pemodelan yaitu data penjualan Avanza G 1,3 M/T pada bulan Januari 2013
hingga Januari 2014. Berikut merupakan data pemodelan untuk pengujian :
Data Data
Bulan Tahun Penjualan Bulan Tahun Penjualan
(x) (x)
Januari 2013 74 Agustus 2013 48
Februari 2013 72 September 2013 49
Maret 2013 58 Oktober 2013 66
April 2013 95 November 2013 65
Mei 2013 57 Desember 2013 141
Juni 2013 92 Januari 2014 25
Juli 2013 79
𝑋1 + 𝑋2 + ⋯ + 𝑋𝑡
𝐹𝑡+1 = … … … … … (5.1)
𝑛
Dimana :
47
48
∑𝑛𝑖=1(𝑋𝑡 − 𝐹𝑡 )2
𝑀𝑆𝐸 = … … … … … … … … . . . (5.3)
𝑛
Dimana :
𝑋𝑡 = Nilai riil pada periode ke t
𝐹𝑡 = Nilai peramalan pada periode ke t
𝑛 = Jumlah periode peramalan
Menjadi :
13943.11
𝑀𝑆𝐸 =
10
𝑀𝑆𝐸 = 1394.31
- Menghitung RMSE
𝑅𝑀𝑆𝐸 = √𝑀𝑆𝐸 … … … … … … … … (5.4)
𝑅𝑀𝑆𝐸 = √ 1394.31
𝑅𝑀𝑆𝐸 = 37.34
- Menghitung Mean Absolute Error (MAE) dengan cara
mengubah nilai error yang telah dihitng sebelumnya menjadi
nilai positif, dengan rumus seperti berikut :
∑𝑛𝑖=1(𝑋𝑡 − 𝐹𝑡 )
𝑀𝐴𝐸 = | | … … … … … … … … (5.5)
𝑛
Dimana :
𝑋𝑡 = Nilai riil pada periode ke t
𝐹𝑡 = Nilai peramalan pada periode ke t
𝑛 = Jumlah periode peramalan
Menjadi :
286
𝑀𝐴𝐸 = | |
10
𝑀𝐴𝐸 = 28.6
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
49
Data Peramalan 3
Bulan Tahun Penjualan Pergerakan Xt – Ft (Xt – Ft)2 |Xt – Ft|
(X) (F)
Januari 2013 74 - - -
Februari 2013 72 - - -
Maret 2013 58 - - -
April 2013 95 68.00 27.00 729.00 27.00
Mei 2013 57 75.00 -18.00 324.00 18.00
Juni 2013 92 70.00 22.00 484.00 22.00
Juli 2013 79 81.33 -2.33 5.44 2.33
Agustus 2013 48 76.00 -28.00 784.00 28.00
September 2013 49 73.00 -24.00 576.00 24.00
Oktober 2013 66 58.67 7.33 306.25 7.33
November 2013 65 54.33 10.67 56.25 10.67
Desember 2013 141 60.00 81.00 5700.25 81.00
Januari 2014 25 90.67 -65.67 6084.00 65.67
Februari 2014 45 77.00
Total 13943.11 286
MSE (Mean Square Error) 1394.31
RMSE (Root Mean Square Error) 37.34
MAE (Mean Absolute Error) 28.60
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
50
Riil Forecast
Dimana :
51
Menjadi :
𝐹3 = 0,5 . 72 + (1 − 0,5)74
𝐹3 = 36 + 37
𝐹3 = 73
𝑒𝑡 = 𝑋𝑡 − 𝐹𝑡 … … … … … … … … (5.7)
Dimana :
𝑒𝑡 = Kesalahan peramalan pada periode t
𝑋𝑡 = Nilai riil pada periode t
𝐹𝑡 = Nilai peramalan pada periode t
Menjadi :
𝑒3 = 58 − 73
𝑒3 = −15.00
- Untuk menghitung rata – rata kuadrat kesalahan maka Manajer
perlu melakukan pengkuadratan pada setiap error atau
kesalahan.
𝑒4 = −15.00 2
𝑒4 = 225.00
- Kemudian menghitung rata – rata kuadrat kesalahan, dengan
rumus berikut :
∑𝑛𝑖=1(𝑋𝑡 − 𝐹𝑡 )2
𝑀𝑆𝐸 = | | … … … … … … … . . (5.8)
𝑛
Dimana :
𝑋𝑡 = Nilai riil pada periode ke t
𝐹𝑡 = Nilai peramalan pada periode ke t
𝑛 = Jumlah periode peramalan
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
52
Menjadi :
15521.03
𝑀𝑆𝐸 = | | … … … … … … … … . (5.9)
12
𝑀𝑆𝐸 = 1293.42
- Menghitung RMSE
𝑅𝑀𝑆𝐸 = √𝑀𝑆𝐸
𝑅𝑀𝑆𝐸 = √ 1293.42
𝑅𝑀𝑆𝐸 = 35.96
- Menghitung Mean Absolute Error (MAE) dengan cara
mengubah nilai error yang telah dihitng sebelumnya menjadi
nilai positif, dengan rumus seperti berikut :
∑𝑛
𝑖=1(𝑋𝑡 −𝐹𝑡 )
𝑀𝐴𝐸 = | | … … … … . . … … . . (5.10)
𝑛
Dimana :
𝑋𝑡 = Nilai riil pada periode ke t
𝐹𝑡 = Nilai peramalan pada periode ke t
𝑛 = Jumlah periode peramalan
Menjadi :
309.25
𝑀𝐴𝐸 = | |
12
- 𝑀𝐴𝐸 = 25.77
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
53
Data
Peramalan
Penjuala
Bulan Tahun Alpha 0.5 Xt – Ft (Xt – Ft)2 |Xt – Ft|
n
(X) (F)
Januari 2013 74 - - - -
Februari 2013 72 74.00 -2.00 4.00 2.00
Maret 2013 58 73.00 -15.00 225.00 15.00
April 2013 95 65.50 29.50 870.25 29.50
Mei 2013 57 80.25 -23.25 540.56 23.25
Juni 2013 92 68.63 23.38 546.39 23.38
Juli 2013 79 80.31 -1.31 1.72 1.31
Agustus 2013 48 79.66 -31.66 1002.12 31.66
September 2013 49 63.83 -14.83 219.87 14.83
Oktober 2013 66 56.41 -9.59 91.89 9.59
November 2013 65 61.21 -3.79 14.39 3.79
Desember 2013 141 63.10 -77.90 6067.86 77.90
Januari 2014 25 102.05 77.05 5936.97 77.05
Februari 2014 45 63.53
Total 15521.03 309.25
MSE (Mean Square Error) 1293.42
RMSE (Root Mean Square Error) 35.96
MAE (Mean Absolute Error) 25.77
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
54
Riil Forecast
921
𝑥̅ =
13
𝑥̅ = 70.84
- Mencari nilai standar deviasi.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
55
∑𝑛𝑖=1(𝑥𝑖 − 𝑥̅ )2
𝑠=√ … … … … (5.12)
𝑛−1
9545.69
𝑠=√
11
𝑠 = √1193.21
𝑠 = 34.54
- Dilakukan standarisasi pada setiap data.
𝑥𝑖 − 𝑥̅
𝑍= … … … … … . (5.13)
𝑠
3.15
𝑍=
34.54
𝑍 = 0.09
- Didapatkan data Outlier dengan nilai lebih dari 2.00 pada bulan
Desember 2013. Maka dilakukan penggantian data pada Desember
2013 menjadi rata – rata penjualan bulan sebelumnya ditambah
dengan penjualan bulan selanjutnya yang kemudian data yang ada
akan digunakan untuk peramalan.
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
56
∑𝑛𝑖=1(𝑥𝑖 − 𝑥̅ )2
1193.21
𝑛−1
Standar Deviasi 34.54
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
57
58
59
Data Peramalan
Bulan Tahun Penjualan Alpha 0.5 Xt – Ft (Xt – Ft)2 |Xt – Ft|
(X) (F)
Januari 2013 74 - - - -
Februari 2013 72 74.00 2.00 4.00 2.00
Maret 2013 58 73.00 15.00 225.00 15.00
April 2013 95 65.50 -29.50 870.25 29.50
Mei 2013 57 80.25 23.25 540.56 23.25
Juni 2013 92 68.63 -23.38 546.39 23.38
Juli 2013 79 80.31 1.31 1.72 1.31
Agustus 2013 48 79.66 31.66 1002.12 31.66
September 2013 49 63.83 14.83 219.87 14.83
Oktober 2013 66 56.41 -9.59 91.89 9.59
November 2013 65 61.21 -3.79 14.39 3.79
Desember 2013 45 63.10 18.10 327.74 18.10
Januari 2014 25 54.05 29.05 844.00 29.05
Februari 2014 45 39.53
Total 4687.94 201.46
MSE (Mean Square Error) 390.66
RMSE (Root Mean Square Error) 19.76
MAE (Mean Absolute Error) 16.79
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
60
Riil Forecast
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
BAB VI
PENUTUP
6.1 Kesimpulan
81
PLAGIAT MERUPAKAN TINDAKAN TIDAK TERPUJI
82
6.2 Saran
83
DAFTAR PUSTAKA
Barry Render and Jay Heizer. Prinsip-prinsip Manajemen Operasi. PT. Salemba
Emban Patria, Jakarta, 2001.
Turban, Efraim, J.E. Aronson and Ting Peng Liang. Decision Support Systems and
Intelligent Systems. Yogyakarta : Andi Offset. 2005.