Vol. 14, No.

1, Februari, 2021 p-ISSN : 2087-040X

DOI Issue : 10.46306/jbbe.v14i1 e-ISSN : 2721-7213

PERAMALAN PENJUALAN DENGAN METODE EXPONENTIAL

SMOOTHING DAN METODE LEAST SQUARE GUNA
MENGOPTIMALKAN PENJUALAN PRODUK NUGGET MAILA
SARI DESA BANJARAN, KECAMATAN SALEM, KABUPATEN
BREBES

1)
Dwi Ika Pebri Sentika, 2)Ayus Ahmad Yusuf, 3)Robi Awaludin
1,2,3
Universitas Kuningan
E-mail: dwiikaps@gmail.com ayusayusuf@yahoo.co.id awaluddin.robi@uniku.ac.id

ABSTRAK
Maila Sari Brebes Nugget Company is one of the companies engaged in the food industry,
in that its sales of Nugget products have a fluctuating volume of sales each month due to
the lack of application of scientific forecasting planning methods, so forecasting
techniques need to be applied by the company. This study aims to optimize the sales plan
of Maila Sari Brebes Nugget, do the calculation between the Exponential Smoothing
method and the Least Square method of the error value, can be used as an appropriate and
effective method in accordance with the real sales data of Maila Sari Brebes. Using the
Microsoft Excel 2010 application and POM-QM for Windows 5. Based on the results of
the analysis that has been done that the Exponential Smoothing method α = 0.9 has a
smaller difference with an average difference of 508.892833 and an average forecast error
rate of 3.44% per month, compared to the Least Square method which has an average
difference of 6064,772 and an average error rate of forecasters of 41.67% per month.
Keywords : Exponential Smoothing, Least Square, MAD, MSE and MAPE

PENDAHULUAN
Perusahaan Nugget Maila Sari Brebes merupakan salah satu perusahaan yang
bergerak dalam industri makanan, berdiri sejak tahun 2010 hingga saat ini. Maila Sari
Brebes masih belum menerapkan metode peramalan modern dalam memperhitungkan
keputusan untuk merencanakan tingkat penjualan, Maila Sari Brebes belum dapat
meningkatkan volume penjualannya secara optimal, tingkat pengendalian bahan baku
ataupun tingkat persediaan untuk bulan/tahun berikutnya Maila Sari Brebes masih
menggunakan metode konvensional yaitu dengan mengacu pada data historis bulan-
bulan sebelumnya. Sehingga berdampak pada data penjualan nugget ikan yang
menyebabkan garis trend cukup berfluktuasi. Penelitian ini dilakukan untuk memprediksi
tingkat penjualan produk Nugget Maila Sari menggunakan metode Exponential
Smoothing dan metode Least Square, yang diharapkan dapat mengoptimalkan jumlah
penjualan. Kedua metode tersebut kemudian dibandingkan hasil/nilai dari Mean Absolute
Deviation (MAD), Mean Squared Error (MSE) dan Mean Absolute Percent Error

DOI Artikel : 10.46306/jbbe.v14i1.64 110

Vol. 14, No. 1, Februari, 2021 p-ISSN : 2087-040X
DOI Issue : 10.46306/jbbe.v14i1 e-ISSN : 2721-7213
(MAPE) dengan data riil 2020 sehingga diketahui nilai error terkecil yang paling
minimum dan mengetahui metode mana yang paling tepat antara metode Exponential
Smoothing dan metode Least.
Peramalan (Forecasting) adalah suatu seni dan ilmu pengetahuan dalam
memprediksi peristiwa pada masa mendatang. Hal ini akan melibatkan pengambil data
historis seperti penjualan tahun lalu serta memproyeksikan mereka ke masa yang akan
datang dengan model matematika (Heizer dan Render, 2017). Kegiatan prediksi atau
disebut juga prakiraan (forecasting) dilakukan hampir setiap bidang, salah satu bidang yang
banyak menerapkan prediksi adalah dunia usaha. Hal ini dapat dipahami karena sebuah
perusahaan pada umumnya ada dalam sebuah lingkungan usaha yang dinamis dan sering
berubah dengan cepat. Prediksi dapat membantu dalam pengambilan keputusan baik itu
bersifat jangka panjang maupun jangka pendek. Banyaknya jenis metode prediksi
(forecasting) yang juga didukung oleh kemajuan teknologi komputer membuat sebagian
orang bingung dalam memilih metode manakah yang baik untuk digunakan, karena
ketidaktepatan penggunaan teknik prediksi akan menyebabkan ketidakakuratan prediksi
sehingga menghasilkan keputusan yang buruk (Yuniarti, 2013).
Tujuan peramalan adalah untuk meramalkan permintaan dari item-item independent
demand di masa yang akan dating (Gaspersz, 2005).
Metode kuantitatif
Ada beberapa teknik pendekatan metode kuantitatif, diantaranya yaitu:
1. Penghalusan (Exponential Smoothing)
Penghalusan (Exponential Smoothing) Adalah metode peramalan pergerakan rata-
rata bobot lainnya. Ini melibatkan sangat sedikit catatan yang mempertahankan data
masa sebelumnya dan mudah untuk digunakan secara wajar. Formula penghalusan
eksponensial dasar dapat diperlihatkan sebagai berikut.
Peramalan baru = peramalan periode sebelumnya + ɑ (permintaan aktual periode
sebelumnya – peramalan periode sebelumnya)
Dimana α adalah bobot atau penghalusan konstanta (smoothing constant),
dipilih oleh peramal yang memiliki nilai lebih tinggi daripada atau setara dengan 0
dan kurang dari atau setara dengan 1. Persamaan (4-3) juga dapat ditulis secara
matematis sebagai berikut.
Ft = Ft-1 + α (At-1 – Ft-1)
Dimana Ft = peramalan yang baru
DOI Artikel : 10.46306/jbbe.v14i1.64 111
Vol. 14, No. 1, Februari, 2021 p-ISSN : 2087-040X
DOI Issue : 10.46306/jbbe.v14i1 e-ISSN : 2721-7213
Ft-1 = peramalan periode sebelumnya
α = penghalusan (atau bobot) konstan (0 ≤ = α < = 1)
At-1 = permintaan aktual periode sebelumnya
Penghalusan konstan α, umumnya dalam kisaran dari 0.05 hingga 0,50 untuk
aplikasi bisnis. Ini dapat diubah untuk memberikan lebih banyak bobot pada data
baru (ketika α tinggi) atau lebih banyak pada data sebelumnya (ketika α rendah).
Memilih penghalusan konstan pada hakikatnya penghalusan eksponensial telah
berhasil diterapkan dalam semua tipe bisnis. Namun, nilai yang tepat bagi
penghalusan konstan, α, dapat membuat perbedaan di antara peramalan yang akurat
dan peramalan yang tidak akurat (Heizer dan Render, 2017).
2. Metode kuadrat kecil (Least Square Method)
Metode kuadrat kecil (Least Square Method) pendekatan ini menghasilkan
dalam garis lurus yang meminimalkan jumlah kuadrat dari perbedaan vertikal atau
deviasi dari garis pada masing-masing observasi aktual. Garis kuadrat terkecil
dijelaskan dengan titik potong sumbu y dimana garis bersilangan. Dapat dihitung
dengan cara :
ŷ = a + bx
Dimana ŷ = nilai variabel disebut sebagai variabel dependen/terikat)
a = Perpotongan sumbu y
b = kemiringan dari garis regresi
x = variabel independen (dalam waktu)
Penggunaan metode kuadrat kecil mengimplikasikan bahwa telah memenuhi tiga
persyaratan berikut.
1. Selalu plot data karena data kuadrat kecil mengasumsikan keterkaitan yang
linear jika kurva nampak analisis garis lengkung mungkin diperlukan.
2. Tidak memprediksikan periode waktu jauh di atas basis data yang diberikan.
3. Deviasi di sekitar garis kuadrat kecil diasumsikan menjadi acak dan
didistribusikan secara normal dengan banyak observasi dekat dengan garis
dan hanya angka terkecil yang lebih jauh keluar. (Heizer dan Render, 2017).
Mengukur Kesalahan Peramalan
Keseluruhan keakuratan beberapa model peramalan – pergerakan rata-rata,
penghalusan eksponensial, atau yang lainnya dapat ditentukan dengan membandingkan
nilai yang diramalkan dengan nilai yang aktual atau yang diamati. Ukuran-ukuran ini
DOI Artikel : 10.46306/jbbe.v14i1.64 112
Vol. 14, No. 1, Februari, 2021 p-ISSN : 2087-040X
DOI Issue : 10.46306/jbbe.v14i1 e-ISSN : 2721-7213
dapat digunakan untuk membandingkan model peramalan yang berbeda, sejalan dengan
untuk memonitor peramalan untuk memastikan bahwa mereka berfungsi dengan baik.
Tiga ukuran yang paling terkenal adalah deviasi rata-rata yang absolut (Mean Absolute
Deviation – MAD), kesalahan rata-rata yang dikuadratkan (Mean Squared Error – MSE),
dan kesalahan persentase rata-rata yang absolute (Mean Absolute Percent Error
– MAPE) (Heizer dan Render, 2017).

METODE
Metode yang digunakan dalam penelitian ini adalah metode deskriptif kuantitatif.
Metode kuantitatif merupakan metode ilmiah/scientific karena telah memenuhi kaidah-
kaidah ilmiah yaitu konkrit/empiris, objektif, terukur, rasional, dan sistematis (Sugiyono,
2017). Penelitian deskriptif diartikan sebagai suatu penelitian yang berusaha
mendeskripsikan suatu fenomena/peristiwa secara sistematis dengan apa adanya. Metode
ini disebut metode kuantitatif karena data penelitian yang berupa angka-angka dan
analisis menggunakan statistik. Penelitian ini dilakukan pada perusahaan Nugget Maila
Sari yang berlokasi di Jln. Siliwangi No.3 Desa Banjaran, Kecamatan Salem, Kabupaten
Brebes, Jawa Tengah. Penelitian ini dilaksanakan pada bulan Desember 2019 sampai Juni
2020.

HASIL DAN PEMBAHASAN

Maila Sari Brebes merupakan salah satu perusahaan yang bergerak di bidang
sektor produksi makanan di Kabupaten Brebes. Tepatnya beralamat di Jln. Siliwangi
No.3, Desa Banjaran, Kecamatan Salem, Kabupaten Brebes, Jawa Tengah. Yang letak
geografisnya berada di sebelah selatan Kabupaten Brebes. Perusahaan ini berdiri sejak
tahun 2010 hingga saat ini masih memproduksi dan produk olahannya adalah Nugget
Ikan, Oloz, dan Cilok. Pembuatannya dilakukan dengan cara yang sangat sederhana,
tetapi lebih higienis, serta dijual dengan harga yang sangat terjangkau.

Tabel 1
DOI Artikel : 10.46306/jbbe.v14i1.64 113
Vol. 14, No. 1, Februari, 2021 p-ISSN : 2087-040X
DOI Issue : 10.46306/jbbe.v14i1 e-ISSN : 2721-7213
Hasil Perbandingan Nilai Error Peramalan Exponential Smoothing dan Least
Square
Metode peramalan Hasil MAD MSE MAPE
peramalan
Exponential Smoothing 15237,58 3501,94 2476474 19,02%
(α=0,1) 1 0
Exponential Smoothing 15169,89 3394,25 1715340 20,69%
(α=0,5) 2 0
Exponential Smoothing 13782,34 2955,37 1332030 18,44%
(α=0,9) 6 0
Least Square 19292,42 3110,13 1525072 19,21%
2 0
Berdasarkan hasil perhitungan yang ditunjukkan oleh tabel 4.1 dapat diketahui
perbandingan rata-rata nilai error hasil peramalan dari metode Exponential Smoothing
dan metode Least Square. Metode dengan tingkat error terkecil adalah metode
Exponential Smoothing α =0,9 dengan jumlah peramalan 13782,34, rata-rata nilai Mean
Absolute Deviation (MAD) sebesar 2955,376, Mean Squared Error (MSE) sebesar
13320300 dan Mean Absolute Percent Error (MAPE) sebesar 18,44% perbulannya.
Kemudian melakukan perbandingan kembali dengan data riil bulan Januari-Juni 2020
untuk memastikan metode manakah yang mendekati dengan data riil dan memiliki nilai
error terkecil.
Tabel 2
Perbandingan Data RiIl dan Exponential Smoothing α = 0,1 Bulan Januari – Juni
2020
Penjuala Peramala MAD MSE MAPE
n n
Januari 13970 15237,58 1267,577 1606752 9,07%
Februari 14260 15110,82 850,819 723893,6 5,97%
Maret 13600 15025,74 1425,737 2032727 10,48%
April 15420 14883,16 536,836 288192,8 3,48%
Mei 15180 14936,85 243,152 59123,06 1,60%
Juni 15080 14961,16 118,84 14122,945 0,79%

DOI Artikel : 10.46306/jbbe.v14i1.64 114

Vol. 14, No. 1, Februari, 2021 p-ISSN : 2087-040X
DOI Issue : 10.46306/jbbe.v14i1 e-ISSN : 2721-7213
6
Average 740,4935 787468,56 5,23%
8
Tabel 3
Perbandingan Data RiIl dan Exponential Smoothing α = 0,5 Bulan Januari – Juni
2020
Penjuala Peramala MAD MSE MAP
n n E
Januari 13970 15169,89 1199,89 1439742 8,59%
3
Februari 14260 14569,95 309,946 96066,7 2,17%
Maret 13600 14414,97 814,973 664180,4 5,99%
April 15420 14007,49 1412,51 1995195 9,16%
4
Mei 15180 14713,74 466,257 217395,4 3,07%
Uni 15080 14946,87 133,13 17723,596 0,88%
9
Average 722,785 738383,84 4,98%
5 9
Tabel 4
Perbandingan Data RiIl dan Exponential Smoothing α = 0,9 Bulan Januari – Juni
2020
Penjuala Peramala MAD MSE MAPE
n n
Januari 13970 13782,34 187,659 35215,97 1,34%
Februar 14260 13951,23 308,766 95336,21 2,17%
i
Maret 13600 14229,12 629,123 395795,8 4,63%
April 15420 13662,91 1757,088 3087358 11,40%
Mei 15180 15244,29 64,291 4133,334 0,42%
Juni 15080 15186,43 106,43 11327,3449 0,71%
Averag 508,89283 604861,11 3,44%

DOI Artikel : 10.46306/jbbe.v14i1.64 115

Vol. 14, No. 1, Februari, 2021 p-ISSN : 2087-040X
DOI Issue : 10.46306/jbbe.v14i1 e-ISSN : 2721-7213
e 3
Tabel 5
Perbandingan Data RiIl dan Least Square Bulan Januari – Juni 2020
Penjuala Peramala MAD MSE MAPE
n n
Januari 13970 19292,42 5322,427 28328229, 38,10%
7 2
Februari 14260 19835,36 5575,365 31084694, 39,10%
5 9
Maret 13600 20378,30 6778,303 45945391, 49,84%
3 6
April 15420 20921,24 5501,241 30263652, 35,68%
1 5
Mei 15180 21464,17 6284,179 39490905, 41,40%
9 7
Juni 15080 22007,11 6927,117 47984949, 45,94%
7 9
Average 6064,772 37182970, 41,67%
6
Berdasarkan hasil perbandingan antara metode yang dilakukan oleh perusahaan
dengan metode peramalan dengan model Exponential Smoothing dan model Least Square
pada data riil dengan hasil peramalan yang ditunjukan oleh tabel 4.2, 4.3, 4.4 dan 4.5
dapat diketahui peramalan dari bulan Januari sampai dengan Bulan Juni 2020 bahwa
metode Exponential Smoothing α = 0,9 memiliki selisih yang lebih kecil dari data riil
bulan Januari sampai bulan juni 2020 dengan rata-rata selisih sebesar 508,892833 dan
rata-rata tingkat error peramlannya sebesar 3,44% perbulan, dibandingkan dengan metode
Least Square yang memiliki rata-rata selisih sebesar 6064,772 dengan rata-rata tingkat
error peramalanya sebesar 41,67% per bulan dan metode peramalan yang dilakukan
perusahaan hanya memakai prediksi dari bulan sebelumnya. Penelitian sebelumnya yang
dilakukan oleh Rachman (2018) menyatakan bahwa hasil perhitungan peramalan dengan
2 metode alternatif dan ditambah perhitungan kesalahan peramalan dapat diambil
kesimpulan bahwa peramalan permintaan konsumen dengan menggunakan metode

DOI Artikel : 10.46306/jbbe.v14i1.64 116

Vol. 14, No. 1, Februari, 2021 p-ISSN : 2087-040X
DOI Issue : 10.46306/jbbe.v14i1 e-ISSN : 2721-7213
Eksponential Smoothing α = 0,9 lebih kecil dari metode yang lainnya.

SIMPULAN
Berdasarkan hasil analisis dan pembahasan bahwa: (1) Nugget Maila Sari Brebes
dalam penerapan peramalan penjualannya masih mengandalkan perkiraan yang merujuk
pada data penjualan bulan sebelumnya tanpa menggunakan metode perencanaan secara
ilmiah. (2) Analisis perbandingan metode Exponential Smoothing dan metode Least
Square, diketahui metode Exponential Smoothing α = 0,9 memiliki selisih yang lebih
kecil dengan rata-rata selisih sebesar 508,892833 dan rata-rata tingkat error peramalannya
sebesar 3,44% per bulan, dibandingkan dengan metode Least Square yang memiliki rata-
rata selisih sebesar 6064,772 dan rata-rata tingkat error peramalannya sebesar 41,67% per
bulan. (3) Metode yang paling tepat digunakan untuk peramalan Nugget Maila Sari
Brebes adalah metode Exponential Smoothing dengan nilai α = 0,9 dapat mengoptimalkan
perencanaan penjualan dibandingkan dengan metode Least Square.
Berikut adalah saran yang bisa diberikan oleh peneliti kepada perusahaan untuk
dijadikan bahan pertimbangan: (1) Maila Sari Brebes sebaiknya meramalkan rencana
penjualan dengan metode Exponential Smoothing dengan nilai α = 0,9 dalam
mengoptimalkan tingkat penjualan perusahaan. (2) Penelitian selanjutnya sebaiknya
membandingkan metode Exponential Smoothing dengan metode yang lainnya. Sehingga
dapat dijadikan bahan pertimbangan yang baru dalam pengambilan keputusan untuk
mendapatkan hasil peramalan yang terbaik.

DAFTAR PUSTAKA
Adiyanto, Y. (2020). ANALISIS STRATEGI PEMASARAN MAKANAN
TRADISIONAL RANGINANG (RENGGINANG) DI KABUPATEN
PANDEGLANG. Jurnal Bina Bangsa Ekonomika, 13(2), 267-276.
Gaspersz, V. (2005). Production Planning And Inventory Control. Jakarta: Gramedia
Pustaka Umum.
Heizer, Jay. Render, Barry. (2017). Manajemen operasi: Manajemen Keberlangsungan
dan Rantai Pasokan/Jay Heizer, Barry Render – Jakarta: Salemba Empat – cetakan
ketiga.
Lestarie, N. A., Budianto, A., & Prabowo, F. H. E. (2020). PENGARUH PERCEIVED
EASE OF USE DAN PERCEIVED USEFULNESS TERHADAP KEPUTUSAN
PEMBELIAN. Jurnal Bina Bangsa Ekonomika, 13(2), 194-200.
Nurfalah, A. A., Zahra, S., & Tabrani, M. B. (2020). PENGARUH KUALITAS
PRODUK DAN HARGA TERHADAP KEPUASAN KONSUMEN: Studi Kasus
Kedai Kopi Mustafa85 di Pandeglang Banten. Jurnal Bina Bangsa Ekonomika,

DOI Artikel : 10.46306/jbbe.v14i1.64 117

Vol. 14, No. 1, Februari, 2021 p-ISSN : 2087-040X
DOI Issue : 10.46306/jbbe.v14i1 e-ISSN : 2721-7213
13(2), 313-318.
Puspa, R., Permana, A., & Karunia, E. (2020). FAKTOR YANG MEMPENGARUHI
KEPUASAN PELANGGAN BERDASARKAN BAURAN PEMASARAN PADA
SUPERMARKET K-STORE KRAKATAU JUNCTION. Jurnal Bina Bangsa
Ekonomika, 13(2), 208-216.
Rachman, R. (2018). Penerapan Metode Moving Average dan Exponential Smoothing
pada Peramalan Produksi Industri Garmen. Jurnal Informatika, 5(2), 211–220.
https://doi.org/10.31311/ji.v5i2.3309
Sugiyono, (2017). Metode Penelitian Kuantitatif, Kualitatif dan R&D. Bandung: CV.
Alfabeta
Yuniarti, E. (2018). Perbandingan Metode Single Exponential Smoothing dan Least
Square pada Prediksi Penjualan. 02(9), 2–8.

DOI Artikel : 10.46306/jbbe.v14i1.64 118