Laporan Praktikum Optimasi Industri

Vol. 05, No. 03, Tahun 2022, Hal 1-10

ANALISIS PERAMALAN PERMINTAAN PRODUK

JEPARA PADA PT. ADI SOLUSI RITEL
MENGGUNAKAN SOFTWARE POM-QM
1)
Adhe R. Pardosi, 2)Fatimatuz Zahroh, dan 3)Happy Wanda
1, 2,3)
Program Studi Teknik Industri
Fakultas Teknik
Universitas Pembangunan Nasional Veteran Jawa Timur
Jl. Rungkut Madya Surabaya 60294
e-mail: 20032010129@student.upnjatim.ac.id1), 20032010149@student.upnjatim.ac.id2),
lsmi@upnjatim.ac.id3)

ABSTRAK
Peramalan adalah usaha untuk meramalkan keadaan di masa mendatang. Tujuan dari
penelitian ini adalah dapat melakukan peramalan penjualan pada periode berikutnya
menggunakan software POM-QM. Model forecasting pada perusahaan PT. Adi Solusi Ritel
menggunakan single moving average, single exponential smoothing, dan weight moving average.
Hasil analisis model forecasting yaitu diperoleh dari beberapa metode yaitu dari metode moving
average, nilai MAD (Mean Absolute Deviation) sebesar 52,8667, nilai MSE (Mean Squared
Error) sebesar 3804,304 serta nilai MAPE (Mean Absolute Percent Error) sebesar 7,5194%. Dari
metode moving average ini juga diperoleh hasil peramalan untuk periode berikutnya yaitu
sebesar 718,3333 unit jika dibulatkan menjadi 719 unit produk jepara untuk periode selanjutnya.
Metode Weighted Moving Average diperoleh hasil error MAD (Mean Absolute Deviation) sebesar
51,7893, nilai MSE (Mean Squared Error) sebesar 3842,427 serta nilai MAPE (Mean Absolute
Percent Error) sebesar 7,3703%. Dari metode Weighted Moving Average ini juga diperoleh hasil
peramalan untuk periode berikutnya yaitu sebesar 706,902 unit jika dibulatkan menjadi 707 unit
produk jepara untuk periode selanjutnya. Selanjutnya untuk metode Single Exponential Smoothing
diperoleh hasil error MAD (Mean Absolute Deviation) sebesar 40,3473, nilai MSE (Mean
Squared Error) sebesar 2589,892 serta nilai MAPE (Mean Absolute Percent Error) sebesar
5,7247%. Dari metode Single Exponential Smoothing diperoleh hasil peramalan untuk periode
berikutnya yaitu sebesar 711,8715 unit jika dibulatkan menjadi 712 unit produk jepara untuk
periode selanjutnya. Maka jika dibandingkan hasil error yang diperoleh dari ketiga metode
peramalan di atas , yang memiliki nilai error yang paling kecil adalah menggunakan metode
Single Exponential Smoothing yaitu sebesar 5,7247% dan metode tersebut akan diterapkan untuk
peramalan pada PT. Adi Solusi Ritel untuk periode selanjutnya.

Kata Kunci: Forecasting, Jepara, POM-QM

ABSTRACT
Forecasting is attempt to predict future conditions. The purpose of this study is to be able to
forecast in the future period using POM-QM software. Forecasting models at the company PT.
Adi Retail Solutions uses a single moving average, single exponential smoothing, and weight
moving average. The results of the forecasting model analysis were obtained from several
methods, namely the moving average method, the MAD (Mean Absolute Deviation) value of
52.8667, the MSE (Mean Squared Error) value of 3804.304 and the MAPE (Mean Absolute
Percent Error) value of 7,5194. %. From this moving average method, forecasting results for the
next period are also obtained, which is 718.3333 units if rounded up to 719 units of Jepara
products for the next period. The Weighted Moving Average method results in an MAD (Mean
Absolute Deviation) error of 51,7893, an MSE (Mean Squared Error) value of 3842,427 and a
MAPE (Mean Absolute Percent Error) value of 7,3703%. From the Weighted Moving Average
method, forecasting results for the next period are also obtained, which is 706,902 units if
rounded up to 707 units of Jepara products for the next period. Furthermore, for the Single
Exponential Smoothing method, the MAD (Mean Absolute Deviation) error is 40.3473, the MSE
(Mean Squared Error) value is 2589.892 and the MAPE (Mean Absolute Percent Error) value is
5.7247%. From the Single Exponential Smoothing method, the forecasting results for the next
period are 711.8715 units if rounded up to 712 units of Jepara products for the next period. So
when compared to the error results obtained from the three forecasting methods above, which has
the smallest error value is to use the Single Exponential Smoothing method which is 5.7247% and
the method will be applied to forecasting at PT. Adi Reteail Solutions for the next periode.

Keywords: Forecasting, Jepara, POM-QM

1
 Laporan Praktikum Optimasi Industri
Vol. 05, No. 03, Tahun 2022, Hal 1-10

I. PENDAHULUAN
Metode riset operasi (operation research) yang pada prinsipnya berisi berbagai teknik
kuantitatif yang banyak dipakai dalam pengambilan-pengambilan keputusan manajemen.
Permasalahan peminimalan biaya pada jaringan rantai persediaan, dimana untuk
meminimalkan biaya inventory, produksi dan transportasi secara tradisional dihitung
(dioptimasi) secara terpisah. Pemrosesannya dimulai dari produksi di titik source,
kemudian disimpan sebagai persediaan sampai dikirimkan ke titik sink. Permasalahan
yang mempunyai lebih banyak sumber dan tujuan akan menjadi tidak efisien jika
dikerjakan secara terpisah, sehingga pada penelitian ini penulis ingin menggunakan suatu
metode efektif untuk menyelesaikan permasalahan tersebut secara keseluruhan yang
disebut simultaneous optimization method, dan kemudian membandingkan solusi yang
diperoleh dari metode tersebut dengan solusi yang diperoleh dari metode optimasi secara
terpisah maupun konvensional (Utami, 2017). Optimasi adalah usaha memaksimalkan
kegiatan sehingga keuntungan yang ingin dicapai dapat terwujud. Optimasi dapat juga
diartikan sebagai aktivitas untuk mendapatkan hasil terbaik dibawah keadaan yang
diberikan yang menjadi ukuran dimana semua kebutuhan dapat terpenuhi dari kegiatan-
kegiatan yang dilaksanakan dengan memanfaatkan sumber daya yang tersedia (Mardiko
& Sulistyowati, 2020). Optimasi adalah suatu pendekatan normatif untuk
mengidentifikasi penyelesaian terbaik dalam pengambilan keputusan dari suatu
permasalahan. Penyelesaian permasalahan dalam optimasi ditujukan untuk memperoleh
titik maksimal atau titik minimal dari fungsi yang dioptimalkan. Seperti permasalahan
suatu perusahaan dalam menentukan jumlah produksi agar keuntungan maksimal dan
biaya minimal dapat diperoleh (Aksan et al., 2020) . Secara umum optimasi ialah mencari
nilai terbaik dari beberapa pilihan yang ada. Optimasi berasal dari bahasa Inggris yaitu
Optimization yang berarti optimal. Oxford Advanced Learner’s Dictionary (2008: 358),
Optimization is the process of finding the best solution to some problem where “best”
accords to prestated criteria. Maksudnya ialah optimasi ialah proses untuk menemukan
solusi terbaik dari suatu masalah berdasarkan kriteria-kriteria yang sudah ditentukan.
Senada dengan itu, Soekartawi dalam Karo (2015) menyatakan bahwa optimasi adalah
suatu usaha pencapaian terbaik. Dari definisi diatas dapat diketahui bahwa optimasi
adalah kegiatan untuk mencari solusi terbaik dalam beberapa masalah, dimana yang
terbaik sesuai dengan kriteria tertentu (Kartika et al., 2019). Pada studi kasus ini PT. Adi
Solusi Ritel merupakan perusahaan yang akan diramalkan permintaannya untuk periode
berikutnya, dimana PT. Adi Solusi Ritel merupakan perusahaan yang bergerak dalam
bidang mebel. PT. Adi Solusi Ritel memproduksi produk jepara selama 18 bulan dengan
jumlah permintaan yang berbeda untuk setiap bulannya. Perusahaan ini memutuskan
untuk melakukan peramalan permintaan produk jepara untuk periode selanjutnya, dengan
harapan dapat melakukan persiapan dengan biaya yang minimal dengan menggunakan
metode peramalan yaitu time series.
Peramalan (forecasting) merupakan hal yang penting bagi setiap organisasi
bisnis dan untuk setiap pengambilan keputusan manajemen yang sangat
signifikan. Peramalan menjadi dasar bagi perencanaan jangka panjang
perusahaan. Ketepatan hasil peramalan bisnis akan meningkatkan peluang
tercapainya investasi yang menguntungkan perusahaan. Orang bisnis melakukan
kegiatan untuk mencapai sesuatu pada waktu yang akan datang serta
memperhitungkan kondisi yang mungkin terjadi pada waktu itu. Persediaan
merupakan salah satu unsur penting dalam operasi perusahaan, selain itu
persediaan dapat mempermudah dan memperlancar jalannya kegiatan normal
pada suatu perusahaan yang dilakukan secara rutin untuk memproduksi barang
yang selanjutnya disalurkan pada konsumen (Paruntu,2018). Dari data yang
didapat, maka perusahaan perlu melakukan peramalan terhadap produk jepara di
PT. Adi Solusi Ritel, karena dengan meramalkan tingkat penjualan jepara, maka
perusahaan bisa mengambil kebijakan apa yang akan dilakukan untuk memuaskan
konsumen dan tidak mengalami kerugian lebih karena kelebihan atau kurangnya
stock serta dapat melakukan peramalan pada periode yang akan datang untuk
mempersiapkan bahan baku maupun produksi jepara periode selanjutnya. Oleh

2
 Laporan Praktikum Optimasi Industri
Vol. 05, No. 03, Tahun 2022, Hal 1-10

karena itu, peneliti akan melakukan riset dengan menggunakan metode ilmiah
dalam mengumpulkan data secara sistematis untuk dianalisis lebih lanjut oleh
peneliti untuk bisa mengumpulkan data terkait dengan permasalahan yang diteliti.
Guna dapat mempersiapkan bahan baku maupun produksi jepara periode
selanjutnya maka akan menggunakan teori forecasting dengan menggunakan software
POM-QM.
Forecasting adalah sebuah data informasi yang bisa digunakan perusahaan dalam
menyiapkan strategi untuk masa depan. Prediksi penjualan adalah salah satu cara untuk
dapat bersaing atau bahkan dapat meningkatkan laba perusahaan sehingga prediksi
diperlukan untuk menyetarakan antara perbedaan waktu yang sekarang dan masa yang
akan datang terhadap kebutuhan. Peramalan penjualan yang tidak akurat akan
menyebabkan peningkatan biaya produksi, sehingga mengurangi efisiensi semua
investasi. Masalah-masalah tersebut dapat digunakan untuk memprediksi kemungkinan
penurunan atau peningkatan penjualan untuk suatu periode waktu di masa yang akan
datang dengan memperoleh informasi yang akurat, sehingga perusahaan dapat
mempersiapkan strategi yang harus diambil dalam keadaan tertentu. Hal ini menuntut
perusahaan untuk membuat perencanaan yang wajar untuk semua parameter produksi,
sehingga ekspektasi laba perusahaan akan selalu meningkat. Tujuan dari peramalan
adalah untuk menentukan peramalan penjualan di masa depan untuk memenuhi
permintaan konsumen. Peramalan penjualan semacam ini tentang apakah ramalan
penjualan di masa mendatang mencapai target penjualan, sehingga dapat direncanakan
strategi penjualan di masa yang akan datang. Melalui peramalan, perusahaan akan dapat
mengambil keputusan yang tepat dalam produksinya, tetapi berbagai metode perlu
diterapkan dalam kegiatan peramalan, yang bertujuan untuk menentukan permintaan
penjualan produk di masa mendatang (Mollah,2022). Menurut Rusdiana (2014: 97),
peramalan yang baik mempunyai beberapa kriteria yang penting, yaitu: Akurasi dari
suatu hasil peramalan diukur dengan hasil kebiasaan dan kekonsistenan peramalan
tersebut. Hasil peramalan dikatakan biasa apabila peramalan tersebut terlalu tinggi atau
rendah dibandingkan dengan kenyataan yang sebenarnya terjadi. Hasil peramalan
dikatakan konsisten bila besarnya kesalahan peramalan-peramalan relatif kecil. Biaya
yang diperlukan dalam membuat suatu peramalan adalah tergantung dari jumlah item
yang diramalkan. Lamanya periode peramalan, dan metode peramalan yang dipakai.
Ketiga faktor pemicu biaya tersebut akan mempengaruhi beberapa banyak data yang
dibutuhkan. Bagaimana pengolahan datanya (manual atau komputerisasi). Bagaimana
penyimpanan datanya dan siapa tenaga ahli yang diperbantukan. Kemudahan,
Penggunaan metode peramalan yang sederhana, mudah dibuat, dan mudah diaplikasikan
akan memberikan keuntungan bagi perusahaan (Indah, 2018). Kemunculan perangkat
lunak atau software untuk melakukan metode peramalan sangat memudahkan pekerjaan,
beberapa aplikasi tersebut seperti Crystal Ball Predictor, Minitab 14, SPSS, POM for
Windows, dan QM for Windows. Penelitian ini menggunakan bantuan perangkat lunak
karena model forecasting yang akan digunakan sesuai dengan yang ada pada apliakasi
QM for windows, maka perangkat lunak inilah yang akan dipakai (Mollah, 2022). POM-
QM for windows adalah sebuah software yang dirancang untuk melakukan perhitungan
yang diperlukan oleh pihak manajemen dalam mengambil keputusan. Software ini pada
dasarnya merupakan sebuah paket yang dapat digunakan untuk membantu menyelesaikan
persoalan-persoalan Manajemen Produksi dan Operasi (Production and Operations
Management–POM) (Mardiana, 2020).
Dengan demikian, pada studi kasus yang ada yaitu berkaitan dengan suatu sistem
forecasting produk jepara di PT. Adi Solusi Ritel. Adapun tujuan dari teori forecasting
adalah untuk memprediksi peristiwa pada masa mendatang. Sehingga dari hal tersebut
perusahaan dapat mempersiapkan bahan baku maupun produksi jepara di periode
selanjutnya pada periode yang akan datang. Metode forecasting dengan menggunakan
software POM-QM yang diharapkan dapat menyelesaikan studi kasus yang dalam hal ini
untuk mendapatkan peramalan yang tepat untuk periode yang akan mendatang.

3
 Laporan Praktikum Optimasi Industri
Vol. 05, No. 03, Tahun 2022, Hal 1-10

II. METODOLOGI PENELITIAN

1. Tahap Pengumpulan Data
Pengumpulan data merupakan kegiatan yang dilakukan dalam penelitian untuk
mengumpulkan informasi. Pada tahap ini peneliti akan melakukan riset dengan
menggunakan metode ilmiah dalam mengumpulkan data secara sistematis untuk
dianalisis oleh peneliti untuk bisa mengumpulkan data terkait dengan permasalahan yang
diteliti. Adapun metode pengumpulan data yang digunakan pada praktikum modul 4
adalah dengan menggunakan kuantitatif (angka), dengan data-data sebagai berikut:
a. Data jumlah periode
b. Data historis permintaan Jepara di PT. Adi Solusi Ritel
c. Data bobot yang ditetapkan PT. Adi Solusi Ritel
d. Data pemulusuan alfa
2. Tahap Pengolahan Data
Pengolahan data merupakan konversi atau manipulasi data menjadi bentuk yang
informatif sehingga data dapat digunakan. Konversi atau pengolahan ini dilakukan
menggunakan urutan operasi yang telah ditentukan baik secara manual ataupun otomastis.
Secara sederhana, pengolahan data dapat diartikan sebagai proses menerjemahkan data-
data lapanga sesuai dengan tujuan, rancangan, dan sifat dari penelitian serta kebutuhan
untuk pengambilan keputusan. Secara singkat tahap pengolahan data dapat dilihat dengan
flowchart dibawah ini.

Mulai

Studi Pustaka Studi Lapangan

Perumusan Masalah

Tujuan Penelitian

Identifikasi Variabel Operasional

Pengumpulan Data :
a. Data jumlah periode
b. Data historis permintaan Jepara di PT. Adi Solusi
Ritel
c. Data bobot yang ditetapkan PT. Adi Solusi Ritel
d. Data pemulusuan alfa

Pengolahan Data Menggunakan

Software POM-QM
Analisis Peramalan

Tidak
Valid

Ya
A

4
 Laporan Praktikum Optimasi Industri
Vol. 05, No. 03, Tahun 2022, Hal 1-10

Hasil dan Pembahasan

Kesimpulan

Selesai

Gambar 2.1 Flowchart

Penjelasan Langkah-langkah Pemecahan Masalah
1. Mulai
Mulai merupakan tahapan atau awal yang akan memulai suatu proses penelitian
untuk bisa melankutkan ke tahap berikutnya.
2. Studi Pustaka
Studi Pustaka merupakan tahap pencarian referensi baik dari buku, jurnal maupun
penelitian sebelumnya.
3. Studi Lapangan
Studi Lapangan sangat diperlukan diperlukan karena pada tahap ini dimaksudkan
untuk mengetahui kondisi nyata objek yang akan diteliti.
4. Perumusan Masalah
Perumusan Masalah suatu pertanyaan yang akan dicari jawabannya melalui
pengumpulan data untuk mendukung pemecahan suatu masalah. Adapun rumusan
masalah pada penelitian ini adalah metode peramalan apakah yang disarankan untuk
meramalkan permintaan jepara yang akan diterapkan untuk periode berikutnya.
5. Tujuan Penelitian
Tujuan Penelitian setelah rumusan masalah dilanjutkan dengan tujuan penelitian
agar tujuan yang diharapkan bisa menyelesakan permasalahan. Tujuan penelitian
pada penelitian ini adalah untuk ntuk memahami metode peramalan yang dapat
digunakan untuk penyelesaian masalah persiapan periode berikutnya, untuk
mengolah data historis pada peramalan menggunakan bantuan software dan untuk
mengimplementasikan metode peramalan pada studi kasus yang nyata, untuk
memahami permasalahan-permasalahan antrian dalam sistem nyata.
6. Identifikasi Variabel Operasional
Pada tahap ini akan terdapat variabel bebas dan variabel terikat. Variabel
bebas pada studi kasus ini umlah periode, jumlah penjualan /permintaan, weight
factor (pembobotan), smoothing constant alpha (pemulusan alfa), sedangkan
variabel terikatnya adalah metode peramalan yang digunakan, dan jumlah
permintaan untuk periode selanjutnya.
7. Pengumpulan Data
Pengumpulan data merupakan data sekunder dimana terdapat 4 data yang
dikumpulkan yaitu data historis permintaan Jepara di PT. Adi Solusi Ritel, data
bobot yang ditetapkan PT. Adi Solusi Ritel serta data jumlah periode permintaan.
8. Pengolahan Data
Pengolahan data proses pengolahan data menjadi suatu informasi, dimana pada
pengolahan data ini menggunakan metode peramalan (forecasting)menggunakan
software POM-QM
9. Valid
Valid merupakan proses pengecekan apakah hasil atau output yang didapatkan
sesuai atau tidak dengan kenyataannya.
10. Hasil dan Pembahasan
Hasil dan Pembahasan dalam sebuah laporan penelitian merupakan inti dari
sebuah tulisan ilmiah. Di dalam hasil dan pembahasan disajikan.
5
 Laporan Praktikum Optimasi Industri
Vol. 05, No. 03, Tahun 2022, Hal 1-10

11. Kesimpulan
Kesimpulan, di dalam kesimpulan berisi pernyataan singkat, jelas, dan sistematis
dari keseluruhan hasil analisi, pembahasan, dan pengujian hipotesis dalam sebuah
penelitian serta usul atau pendapat dari peneliti yang berkaitan dengan pemecahan
masalah yang menjadi objek penelitian ataupun kemungkinan penelitian lanjutan.
12. Selesai
Tahapan terakhir dalam suatu proses penelitian datau dengan kata lain proses
penelitian sudah selesai dilakukan.

III. HASIL DAN PEMBAHASAN

1. Pengolahan Data
PT. Adi Solusi Ritel merupakan perusahaan industri mebel yang bergerak di bidang
spesialis jepara dan hendak melakukan peramalan pada periode yang akan datang untuk
mempersiapkan bahan baku maupun produksi jepara periode selanjutnya. Terdapat 18
bulan data penjualan dan ingin meramalkan permintaan periode selanjutnya dengan W1 =
0,24, W2 = 0,32, W3 = 0,44 dengan =0,19. Berapakah hasil peramalan permintaan jepara
dan metode manakah yang disarankan untuk diterapkan di periode selanjutnya.
Berikut merupakan tabel permintaan atau penjualan yang dilakukan PT. Adi Solusi
Ritel selama 18 bulan:
Tabel 3.1 Data input time series forecasting
Bulan Permintaan
1 729
2 733
3 744
4 792
5 690
6 699
7 713
8 715
9 792
10 697
11 689
12 625
13 732
14 724
15 719
16 727
17 799
18 629

6
 Laporan Praktikum Optimasi Industri
Vol. 05, No. 03, Tahun 2022, Hal 1-10

a. Input Data
Software yang digunakan dalam penelitian ini adalah POM versi 5.0. Data-data tersebut
kemudian di- input ke dalam software POM-QM untuk diolah lebih lanjut. Langkah-langkah
pengolahan data :

Gambar 3.1 Input Data ke Software POMQM

b. Output Data pada POMQM
1. Moving Average

Gambar 3.2 Output data solution

Pada output di atas memperlihatkan bahwa pengolahan data menghasilkan Bias
(Mean Error), MAD, MSE, Standard error, MAPE dan besar peramalan untuk periode
selanjutnya.

Gambar 3.3 Output data Details and Errors

Pada output di atas memperlihatkan bahwa pengolahan data dengan metode Moving
Average menghasilkan detail mengenai hasil peramalan pada tiap periode beserta nilai
error yang didapatkan ketika melakukan perhitungan peramalan.

7
 Laporan Praktikum Optimasi Industri
Vol. 05, No. 03, Tahun 2022, Hal 1-10

2. Weighted Moving Average

Gambar 3.4 Output data solution

Pada output di atas memperlihatkan bahwa pengolahan data menghasilkan Bias
(Mean Error), MAD, MSE, Standard error, MAPE dan besar peramalan untuk periode
selanjutnya.

Gambar 3.5 Output data Details and Errors

Pada output di atas memperlihatkan bahwa pengolahan data dengan metode
Weighted Moving Average menghasilkan detail mengenai hasil peramalan pada tiap
periode beserta nilai error yang didapatkan ketika melakukan perhitungan peramalan.
3. Single Exponential Smoothing

Gambar 3.6 Output data solution

Pada output di atas memperlihatkan bahwa pengolahan data menghasilkan Bias
(Mean Error), MAD, MSE, Standard error, MAPE dan besar peramalan untuk
periode selanjutnya.

8
 Laporan Praktikum Optimasi Industri
Vol. 05, No. 03, Tahun 2022, Hal 1-10

Gambar 3.7 Output data Details and Errors

Pada output di atas memperlihatkan bahwa pengolahan data dengan metode Single
Exponential Smoothing menghasilkan detail mengenai hasil peramalan pada tiap periode
beserta nilai error yang didapatkan ketika melakukan perhitungan peramalan.
2. Analisis Pembahasan
Pada studi kasus kali ini akan memutuskan metode peramalan manakah yang dipilih
untuk meramalkan jumlah permintaan atau penjualan jepara di PT. Adi Solusi Ritel untuk
periode selanjutnya. Selanjutkan akan dianalisis untuk hasil error yang diperoleh dengan
menggunakan metode moving average, dimana diperoleh nilai MAD (Mean Absolute
Deviation) sebesar 52,8667, nilai MSE (Mean Squared Error) sebesar 3804,304 serta
nilai MAPE (Mean Absolute Percent Error) sebesar 7,5194%. Dari metode moving
average ini juga diperoleh hasil peramalan untuk periode berikutnya yaitu sebesar
718,3333 unit jika dibulatkan menjadi 719 unit produk jepara untuk periode selanjutnya.
Metode Weighted Moving Average diperoleh hasil error MAD (Mean Absolute Deviation)
sebesar 51,7893, nilai MSE (Mean Squared Error) sebesar 3842,427 serta nilai MAPE
(Mean Absolute Percent Error) sebesar 7,3703%. Dari metode Weighted Moving Average
ini juga diperoleh hasil peramalan untuk periode berikutnya yaitu sebesar 706,902 unit
jika dibulatkan menjadi 707 unit produk jepara untuk periode selanjutnya. Selanjutnya
untuk metode Single Exponential Smoothing diperoleh hasil error MAD (Mean Absolute
Deviation) sebesar 40,3473, nilai MSE (Mean Squared Error) sebesar 2589,892 serta
nilai MAPE (Mean Absolute Percent Error) sebesar 5,7247%. Dari metode Single
Exponential Smoothing diperoleh hasil peramalan untuk periode berikutnya yaitu sebesar
711,8715 unit jika dibulatkan menjadi 712 unit produk jepara untuk periode selanjutnya.
Maka jika dibandingkan hasil error yang diperoleh dari ketiga metode peramalan di atas ,
yang memiliki nilai error yang paling kecil adalah dengan menggunakan metode Single
Exponential Smoothing yaitu sebesar 5,7247% dan metode Single Exponential Smoothing
akan diterapkan untuk peramalan pada PT. Adi Solusi Ritel untuk meramalkan penjualan
jepara untuk periode berikutnya. Hal tersebut disebabkan karena nilai error yang
dihasilkan oleh metode Single Exponential Smoothing kecil yang artinya kemungkinan
peramalan terjadi lebih besar di lapangan atau lebih akurat.

9
 Laporan Praktikum Optimasi Industri
Vol. 05, No. 03, Tahun 2022, Hal 1-10

IV. KESIMPULAN
Berdasarkan analisis yang sudah dilakukan sebelumnya, maka dapat disimpulkan
bahwa pada penelitian ini dalam hal ini yaitu melakukan peramalan untuk penjualan
jepara pada PT. Adi Solusi Ritel untuk periode berikutnya. Pada permasalahan ini
diselesaikan dengan menggunakan software POMQM dengan harapan dapat lebih mudah
melakukan peramalan dan hasil yang didapatkan memiliki tingkat akurasi yang cukup
tinggi. Software POMQM itu sendiri memiliki banyak fungsi atau peranan, dimana pada
penelitian ini POMQM berperan untuk meramalkan penjualan jepara untuk periode
selanjutnya dengan menggunakan 3 metode yaitu Moving Average, Weighted Moving
Average dan Single Exponential Smoothing. Melalui software POMQM peneliti dapat
mengetahui hasil error yang diperoleh dari setiap metode peramalan serta jumlah
peramalan untuk periode selanjutnya. Dimana untuk memilih metode yang akan
digunakan pada PT. Adi Solusi Ritel, peneliti harus melihat dari ketiga metode tadi
metode mana yang memiliki nilai error yang paling kecil, dan pada penelitian kali ini
nilai error yang paling kecil terdapat pada metode Single Exponential Smoothing yaitu
sebesar 5,7247% dengan hasil peramalan untuk periode selanjutnya adalah sebesar
711,8715 unit jika dibulatkan menjadi 712 unit produk jepara. Dan saran untuk peneliti
selanjutnya yang akan melakukan suatu penelitian menggunakan metode peramalan
yaitu, sebaiknya peneliti bisa menggunakan lebih dari 3 metode peramalan yang ada,
karena semakin banyak metode yang kita gunakan maka akan semakin jelas juga
perbedaan hasil dari setiap metode. Selain itu, peneliti juga dapat menggunakan software
selain POMQM yang dapat menyelesaikan masalah peramalan.

DAFTAR PUSTAKA
Aksan, A., Rangkuti, A., & Ribal, A. (2020). Optimization of CV.Amanda Makassar
Production Planning in the Time of Covid-19 Using Multiple Goal Linear Program
Model. Jurnal Matematika, Statistika dan Komputasi, 17(2), 189–201.
https://doi.org/10.20956/jmsk.v17i2.11793
Indah, D. R., & Rahmadani, E. (2018). Sistem Forecasting Perencanaan Produksi dengan
Metode Single Eksponensial Smoothing pada Keripik Singkong Srikandi Di Kota Langsa.
Jurnal Penelitian Ekonomi Akutansi (JENSI), 2(1), 10–18.
Kartika, R., Basari, M. A., Iskandar, Y., & Adhitia, L. (2019). Optimasi Distribusi Dengan
Metode Transportasi. Sustainable Competitive Advantage, 9(1), 189–206.
http://jp.feb.unsoed.ac.id/index.php/sca-1/article/viewFile/1408/1437
Mardiko, I. A., & Sulistyowati, S. (2020). Optimasi Kapasitas Armada Dengan Menggunakan
Metode Linear Programming. INTEGER: Journal of Information Technology, 5(1), 49–
55. https://doi.org/10.31284/j.integer.2020.v5i1.908
Mollah, M. K., & Saputra, A. D. (2022). Penerapan Peramalan Penjualan Menggunakan
Aplikasi POM QM pada. Jurnal Senastitan II, 1(1), 449–458.
Paruntu, S. A., & Palandeng, I. D. (2018). Analisis Ramalan Penjualan Dan Persediaan Produk
Sepeda Motor Suzuki Pada Pt Sinar Galesong Mandiri Malalayang. Jurnal Riset
Ekonomi, Manajemen, Bisnis dan Akuntansi, 6(4), 2828–2837.
Utami, W. S. (2017). Inventory Dan Transportasi Pada Jaringan Berkendala Menggunakan

10