Artikel Skripsi

Universitas Nusantara PGRI Kediri

JURNAL

PENERAPAN METODE SINGLE EXPONENTIAL SMOOTHING DAN

DOUBLE EXPONENTIAL SMOOTHING PADA PERAMALAN
PENJUALAN PAKAIAN

APLICATIONS OF THE SINGLE EXPONENTIAL SMOOTHING

METHOD AND DOUBLE DOUBLE EXPONENTIAL SMOOTHING IN
FORECASTING SALES OF CLOTHING

Oleh:
ASTRIANI AGUS SETYOWATI
12.1.03.02.0073

Dibimbing oleh :
1. Juli Sulaksono, Ir., M.Kom.,M.M
2. Danar Putra Pamungkas, M.Kom

PROGRAM STUDI TEKNIK INFORMATIKA

FAKULTAS TEKNIK
UNIVERSITAS NUSANTARA PGRI KEDIRI
2017
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

Astriani Agus Setyowati | 12.1.03.02.0073 simki.unpkediri.ac.id

FT – Teknik Informatika || 1||
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

PENERAPAN SINGLE EXPONENTIAL SMOOTHING DAN DOUBLE

EXPONENTIAL SMOOTHING PADA PERAMALAN PENJUALAN
PAKAIAN
ASTRIANI AGUS SETYOWATI
12.1.03.02.0073
FT –Teknik Informatika
aansudanto3@gmail.com
Juli Sulaksono, Ir., M.Kom.,M.M dan Danar Putra Pamungkas, M.Kom
UNIVERSITAS NUSANTARA PGRI KEDIRI

ABSTRAK

Astriani Agus Setyowati: Penerapan metode Single Exponential Smoothing dan Double
Exponential Smoothing dalam peramalan penjualan pakaian, Skripsi, TI, FT UNP Kediri,
2017.

Salah satu aspek strategis perusahaan agar dapat bersaing dalam dunia bisnis adalah
perencanaan tersedianya produk barang untuk memenuhi tuntutan pasar. Oleh karena itu
peran seorang manajer untuk memahami dan kemampuan dalam meramalkan keadaan bisnis
di masa depan sangat dibutuhkan.
Permasalahan yang umum dihadapi oleh para manajer adalah bagaimana meramalkan
penjualan baranag di masa mendatang berdasarkan data yang telah direkam sebelumnya.
Peramalan tersebut sangat berpengaruh pada keputusan manajer untuk menentukan jumlah
produksi barang yang harus disediakan oleh perusahaan.
Banyak metode yang dapat digunakan dalam melakukan peramalan, peneliti
mengangkat metode Single Exponential Smoothingdan Double Exponential Smoothing dalam
meramalkan penjualan pakaian. Adapun tujuan dari penelitian ini yaitu untuk
mengidentifikasi dan menganalisis hasil peramalan penjualan pakaian dengan menggunakan
metode peramalan Single Exponential Smoothingdan Double Exponential Smoothing..
Metode Single Exponential Smoothing dan Double Exponential Smoothing
memanfaatkan data history penjualan untuk melakukan peramalan, semakin banyak data
history yang digunakan untuk peramalan maka semakin akurat pula hasil dari peramalan yang
dilakukan.
Hasil penelitian ini telah berhasil membuat sistem peramalan penjualan pakaian
dengan menggunakan metode Single Exponential Smoothing dan Double Exponential
Smoothing. Sehingga pengguna lebih mudah dalam menentukan jumlah produksi yang sesuai
dengan penjualan sehingga tidak terjadi penumpukan barang.

KATA KUNCI: metode Single Exponential Smoothing, Double Exponential Smoothing,

peramalan

Astriani Agus Setyowati | 12.1.03.02.0073 simki.unpkediri.ac.id

FT – Teknik Informatika || 2||
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

I. LATAR BELAKANG menawarkan produknya akan dirasakan

Salah satu aspek strategis dalam bentuk laba yang didapatkan.
perusahaan agar dapat bersaing dalam Metode peramalan adalah sebuah
dunia bisnis adalah perencanaan metode yang mampu melakukan analisa
tersedianya produk barang untuk terhadap sebuah faktor atau beberapa
memenuhi tuntutan pasar. Oleh karena itu faktor yang diketahui mempengaruhi
peran seorang manajer untuk memahami terjadinya sebuah peristiwa dengan
dan kemampuan dalam meramalkan terdapat waktu tenggang yang panjang,
keadaan bisnis di masa depan sangat antara kebutuhan akan pengetahuan
dibutuhkan. terjadinya sebuah peristiwa dengan
Permasalahan yang umum dihadapi terdapat waktu tenggang yang panjang
oleh para manajer adalah bagaimana antara kebutuhan akan pengetahuan
meramalkan penjualan baranag di masa terjadinya sebuah peristiwa di waktu
mendatang berdasarkan data yang telah mendatang dengan waktu telah terjadinya
direkam sebelumnya. Peramalan tersebut peristiwa tersebut dimasa lalu. Apabila
sangat berpengaruh pada keputusan metode peramalan ini diterapkan dalam
manajer untuk menentukan jumlah bagian proses perencanaan produksi maka
produksi barang yang harus disediakan pihak perusahaan akan lebih terbantu
oleh perusahaan. dalam penjadwalan produksi, karena resiko
Peramalan (Forecasting) adalah kesalahan yang disebabkan oleh kesalahan
suatu usaha untuk meramalkan keadaan di perencanaan dapat ditekan se – minimal
masa mendatang melalui pengujian mungkin (Fiati, 2010).
keadaan di masa lalu. Meramalkan Berdasarkan uraian di atas maka
penjualan berarti menentukan perkiraan peneliti menentukuan untuk membuat
besarnya volume penjualan, bahkan penelitian di Toko Asri. Toko Asri adalah
menentukan potensi penjualan dan luas sebuah toko yang menyediakan berbagai
pasar yang dikuasai di masa yang akan macam jenis pakaian import. Toko ini
datang (Eriyanto, 2012). dipimpin oleh Bapak Suryono sejak tahun
Dengan adanya kegiatan Peramalan 2008. Awalnya Bapak Suryono hanya
penjualan ini dapat mengambil keputusan seorang karyawan biasa di sebuah toko
atau kebijakan sesuai dengan hasil ramalan besar yang juga menjual baju import,
penjualan tersebut. Karena dengan hingga sekarang Bapak Suryono bisa
pemilihan dan penggunaan metode yang mendirikan usahanya sendiri. Akan tetapi
tepat, maka keberhasilan perusahaan dalam usahanya memiliki masalah dalam sistem

Astriani Agus Setyowati | 12.1.03.02.0073 simki.unpkediri.ac.id

FT – Teknik Informatika || 3||
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

produksi barang. Pemasaran dalam Toko Asri. Peramalan penjualan juga

usahanya ini tidak menggunakan sistem dilakukan untuk bisa terus memenuhi
komputer, sehingga hasilnya banyak kebutuhan pelanggan yang dilihat dari
barang yang tidak terjual karena sistem hasil ramalan agar manajer dapat
prediksinya kurang tepat. memperhitungkan persediaan.
Single Exponential Smoothing II. METODE
merupakan metode peramalan rata-rata A. Single Exponential Smoothing
bergerak dengan pembobotan yang Juga dikenal sebagai simple
canggih namun masih mudah digunakan. exponential smoothing yang digunakan
Metode ini menggunakan sangat sedikit pada peramalan jangka pendek, biyasanya
pencatatan masa lalu sehingga tingkat hanya 1 bulan kedepan. Model
kesalahan masih cukup tinggi (Agus, mengasumsikan bahwa data berfluktuasi di
2009). sekitar nilai mean yang tetap, tanpa trend
Double Exponential Smoothing atau pola pertumbuhan konsisten
adalah metode yang digunakan ketika data (Makridakis, 1999). Rumus untuk single
menunjukan adanya trend. exponential exponential smoothing adalah sebagai
smoothing dengan adanya trend seperti berikut :
pemulusan sederhana kecuali bahwa dua (1)
komponen harus diupdate setiap periode, Dimana :
level, dan trendnya. Dimana level adalah = Peramalan untuk
estimasi yang dimuluskan dari nilai data periode t
pada akhir masing-masing periode (Agus, = Nilai actual time seris
2009). = Peramalan pada waktu
Oleh karena itu pada penelitian ini t+1
penulis membandingkan 2 metode α = Konstanta perataan
peramalan yaitu Singgle Exponential antara 0 dan 1
Smoothing dan Double Exponential B. Double Exponential Smoothing
Smoothing untuk mendapatkan hasil Metode ini digunakan ketika data
peramalan yang optimal, dimana hasil menunjukan adanya terend. exponential
yang diambil adalah metode yang smoothing dengan adanya trend seperti
menghasilkan nilai MAPE terkecil. pemulusan sederhana kecuali bahwa dua
Sehingga perusahaan dapat komponen harus diupdate setiap periode,
mengaplikasikannya dalam manajemen level dan trendnya. Level adalah estimasi

Astriani Agus Setyowati | 12.1.03.02.0073 simki.unpkediri.ac.id

FT – Teknik Informatika || 4||
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

yang dimuluskan dari nilai data pada akhir sistem. Pada halaman awal terdapat 2
masing-masing periode. Trend adalah menu inti yaitu input data penjualan
estimasi yang dihaluskan dari dan menu peramalan. Jika ada data
pertumbuhan rata-rata pada akhir penjualan baru maka user
masing-masing periode (Makridakis, menginputkan data penjualan baru
1999). terlebih dahulu dan kemudian data
Rumus Double Exponential Smoothing penjualan akan diperbarui. Jika tidak
adalah : ada data penjualan baru maka user bisa
(2) langsung melakukan perhitungan

(3) peramalan dengan menginputkan kode

barang yanga ingin dikehendaki untuk
(4)
diramalkan. Peramalan akan dihitunga
(5)
menggunakan 2 metode yaitu Single
(6)
Exponential Smoothing dan Double
Dimana :
Exponential Smoothing. Setelah proses
= Nilai pemulusan exponenstial
perhitungan selesai, sistem
tunggal
menampilkan hasil perhitungan. Jika
= Nilai pemulusan exponential
user menghendaki untuk menghitung
ganda
ulang atau menghitung peramalan data
= Konstanta pemulusan lain user bisa langsung memilih lagi
α = Parameter pertama perataan kode baranf yang ingin diramalkan.
antara nol dan 1 untuk
pemulusan nilai observasi
= Hasil peramalan ke- m
m = Jumlah periode ke muka yang
akan diramalkan

III. HASIL DAN KESIMPULAN

A. Flowchart Sistem
1. Flowchart
Dalam Gambar 3.1 ditunjukkan
bahwa user melakukkan login,
kemudian setelah login berhasil user
akan di bawa pada halaman awal
Astriani Agus Setyowati | 12.1.03.02.0073 simki.unpkediri.ac.id
FT – Teknik Informatika || 5||
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

3. Tabel Data Kaos

Tabel data kaos digunakan

untuk menyimpan data histori
penjualan kaos. Secara umum struktur
yang digunakan pada tabel tersebut
adalah sebagai berikut :
Tabel 3.2 Struktur Tabel Data Kaos

B. Tampilan Program
1. Login
Form login digunakan untuk
membatasi penggunaan aplikasi. Sistem
Gambar 3.1 Flowchart Sistem login diperuntukan untuk user agar

2. Struktur Tabel dapat menggunakan sistem dengan

a. Tabel Data Login penuh. Dalam penelitian ini user yang

dimaksut yaitu pemilik toko
Tabel data login digunakan
untuk menyimpan data user yang
dapat menggunakan sistem, dimana
dalam penilitian ini user yang
dimaksut adalah pemilik toko. Secara
umum struktur yang digunakan pada
Gambar 3.2 Halaman Login
tabel tersebut adalah sebagai berikut :
2. Home
Tabel 3.1 Struktur Tabel Data Login
Setelah user berhasil login,
sistem akan menampilkan halaman
utama yaitu Home. Pada halaman
ini terdapat nama-nama produk
beserta kode produk.

Astriani Agus Setyowati | 12.1.03.02.0073 simki.unpkediri.ac.id

FT – Teknik Informatika || 6||
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

jika terjadi kesalahan penginputan

data.

Gambar 3.3 Home

3. Profil Gambar 3.5 Tampilan Data Penjualan
Pada halaman ini terdapat 5. Peramalan
tampilan struktuk organisasi Toko Halaman ini digunakan user
Asri dan nama-nama produk kaos untuk memilih barang yang akan
beserta kodenya. diramalkan. Untuk menghitung
peramalan user diminta untuk
menginputkan id barang yang ingin
diramalkan dan nilai alfa sebagai
parameter, dimana nilai alfa yaitu
antara nol sampai satu. Setelah user
Gambar 3.4 Tampilan Menu Profil berhasil menginputkan data
4. Data Penjualan tersebut user bisa menekan tombol
Halaman ini digunakan GO. Kemudian hasil perhitungan
untuk melihat data penjualan yang peramalan dengan dua metode
telah diinputkan oleh user ditampilkan. Adapun tampilan
sebelumnya. Pada halaman ini tersebut terdapat pada gambar 3.7.
terdapat menu edit dan delet.
Dimana menu edit terdapat pada
kolom Opsi dengan icon pensil.
Tombol edit ini berfungsi untuk
mengedit data penjualan ketika user
salah menginputkan data. Pada Gambar 3.6 Tampilan Peramalan

kolom Opsi ini juga terdapat

tombol hapus dengan icon silang
berwarna merah. Tombol ini
berfungsi untuk menghapus data

Astriani Agus Setyowati | 12.1.03.02.0073 simki.unpkediri.ac.id

FT – Teknik Informatika || 7||
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

Gambar 3.7 Hasil Peramalan di buku penjualan oleh karyawan.

Pada tabel hasil perhitungan Pada halaman ini user diminta
ini terdapat 8 kolom yaitu kolom untuk menginputkan id barang,
nomor, bulan, periode, jumlah nama barang, tanggal barang
barang, nilai peramalan, absolut terjual dan jumlah barang yang
eror, perseneror dan squared eror. terjual. Setelah user berhasil
Dimana nilai peramalan dengan mengisi semua data, user bisa
metode single exponential menekan tombil simpan untuk
smoothing didapat dari perhitungan menyimpan data tersebut dan bisa
dengan persamaan (1) dan nilai dari melihatnya pada menu data
peramalan dengan metode double penjualan.
exponential smoothing untuk nilai
S’ diperoleh dari persamaan (2)
kemudian nilai S” diperoleh dari
persamaan (3) untuk nilai
diperoleh dari persamaan (4) dan
Gambar 3.8 Tampilan Menu
untuk nilai diperoleh dari
Input Data Penjualan
persamaan (5) kemudian untuk nilai
7. Edit
peramalannya diperoleh dari
Menu ini digunakan untuk
persamaan (6). Dari semua
mengedit data penjualan jika
perhitungan yang diperoleh pada
terjadi kesalahan diwaktu proses
tabel diperoleh hasil dari MSE,
input barang. Pada tampilan ini
MAD dan MAPE dimana nilai
user dapat merubah id barang,
MSE adalah nilai dari rata-rata dari
nama barang, tanggal, dan jumlah
kolom absolut eror dari peramalan,
penjualan yang mungkin
MAD adalah nilai rata-rata dari
diantaranya mengalami kesalahan
pangkat dua absolut eror kemudian
diwaktu menginputan data barang.
MAPE diperoleh dari rata-rata
Setelah user selesai memperbaiki
persentase eror.
kesalahan user bisa menekan
6. Input Data Penjualan
tombol simpan untuk menyimpan
Halaman ini digunakan
data tersebut.
untuk menginputkan data
penjualan kaos yang telah direkap

Astriani Agus Setyowati | 12.1.03.02.0073 simki.unpkediri.ac.id

FT – Teknik Informatika || 8||
 Artikel Skripsi
Universitas Nusantara PGRI Kediri

Assauri, 1990. Teknik dan Metode

Peramalan. LPFE UI. Jakarta. 1991.
Beigel, John E. 1992. Suatu Pendekatan
Kuantitatif Pada Pengendalian Produksi.
Jakarta : Akademi Presindo

Eriyanto, Ocky. 2012. Analisis Penjualan

Gambar 3.9 Tampilan Menu
Edit
C. KESIMPULAN
Dari pembahasan yang telah
diuraikan pada bab sebelumnya dapat
ditarik kesimpulan yaitu metode single
exponential smoothing dan double
exponential smoothing
diimplementasikan untuk meramalkan
penjualan barang, dalam penelitian ini
Handphone Blacberry Pada PT.
Selular Shop Mall.
Fiati, Rina. 2010. Aplikasi Sistem
Pendukung Keputusan Peramalan
Penjualan Barang.
Kurniawan, Rulianto. 2008. Membangun
Situs dengan PHP untuk Orang
Awam. Palembang : Maxikom.
bisa
Levine, D. 2002. Statistics for Manager
Using Microsoft Excel. Prentice
Hall. New Jarsey.

adaalah penjualan kaos. Dengan Makridakis, Spyros dan Wheelwright,

Steven C 1999, Metode dan
demikian pemilik toko lebih mudah
Aplikasi Peramalan. Jakarta :
memprediksi penjualan bulan Binarupa Aksara.
berikutnya. Nugroho, Adi. 2006. E-commerce.
Informatika Bandung. Bandung
IV. DAFTAR PUSTAKA
Peranginangin, Kaisman. 2006. Aplikasi
Agus, Akbar S. 2009. Penerapan Metode WEB dengan PHP dan MySql.
Single Moving Average dan Yogyakarta : Andi Offset.

Exponential Smoothing dalam Peranginangin, Kasiman. 2006. Aplikasi

Dengan PHP dan MySQL.
Peramalan Permintaan Produk
Yogyakarta : Andi
Meubel Jenis Coffe Table pada
Proboyekti, U. 2008. Flowchart. (Online),
Java Furniture Klaten. Jurnal tersedia : http://lecturer.ukdw.ac.id,
Ilmiah (Online), tersedia : diunduh 20 November 2016.
http://core.ac.uk/download/file/478/ Winarno, W.W. 2007. Analisis
12349901.pdf , diunduh : 19 Ekonometrika dan Statistika
Dengan Eview. UPP STIM YKPN.
Januari 2016. Yogyakarta
Zainun, N. Y., dan Majid, M. Z. A.,
Arief, M.Rudianto. 2011. Pemrograman 2003. Low Cost House Demand
Web Dinamis Menggunakan Php
dan MySQL. Yogyakarta : Andi. Predictor. Universitas Teknologi
Malaysia.
Astriani Agus Setyowati | 12.1.03.02.0073 simki.unpkediri.ac.id
FT – Teknik Informatika || 9||