Oleh:
Andi Ahmad Hudadin M / 30415676
ABSTRAK
Industri kecil merupakan salah satu motor penggerak perekonomian Indonesia saat ini. Hal ini
telah terbukti mampu bertahan pada masa krisis ekonomi dan menjadi dinamisator pertumbuhan
ekonomi pasca krisis ekonomi. Bisnis-bisnis rumahan sebagai bagian dari industri kecil, ternyata
telah menjadi pengaman bagi perekonomian Indonesia. Terdapat banyak keuntungan usaha di
rumah tangga selain tidak pusing memikirkan biaya sewa tempat, usaha ini bisa pun tumbuh
menjadi tak sekedar usaha sampingan, biaya transportasi juga bisa di minimalisasikan. Aisyah
Bakery merupakan industri yang berdiri relatif baru dengan memproduksi Roti yang cukup besar
di Kota palu, jumlah penjualan produk Roti pada industri Aisyah Bakery belum efesien, karena
produk yang dijual sering dikembalikan dalam jumlah cukup banyak oleh reseller. Pengembalian
tersebut diakibatkan oleh besarnya jumlah produk, namun tidak diikuti oleh jumlah permintaan
yang sebanding. Hal ini disebabkan oleh persaingan antara produk Roti yang ada membuat
jumlah produk Roti tersebut di pasaran harus bersaing dengan baik dalam bentuk jumlah maupun
kualitas yang diberikan oleh produsen ke konsumen. Kondisi demikian membuat produsen Roti
harus memilih cara untuk mempertahankan pelanggannya maupun meningkatkan konsumennya.
Untuk mempertahankan eksistensi usaha dan menaikan laba, salah satu cara adalah melakukan
peramalan produk yang diminta konsumen setiap bulan agar industri Aisyah Bakery dapat
memproduksi Roti sesuai dengan kebutuhan atau permintaan tersebut setiap bulan ditahun 2022
mendatang.
Berdasarkan hal tersebut, penulis akan melakukan “peramalan permintaan produk Roti pada
Industri Aisyah Bakery di Kelurahan Birobuli Utara Kota Palu” dengan menggunakan metode
Regresi Linier dan Sngle Exponential Smoothing. Harapannya adalah agar dapat menentukan
cara terbaik dalam pemenuhan permintaan konsumen dengan menyesuaikan tingkat produksi,
agar perusahaan dapat memaksimumkan keuntungan dengan biaya yang paling minimal.
Berdasarkan hasil peramalan dapat dilihat metode yang terbaik daiantara kedua metode tersebut.
Diantara kedua metode tersebut yang memiliki nilai kesalahan paling kecil ialah metode Regresi
Linier. Hasil peramalan menggunakan Regresi Linier mendapatkan nilai error MAD Sebesar
2670,804, MSE sebesar 10084399,98, dan MAPE sebesar 16,330%. Sedangkan dengan
menggunakan Single Exponential Smoothing mendapatkan nilai error MAD sebesar 3083,815,
MSE sebesar 15359600, dan MAPE sebesar 18,813%.
Abstract
Small industry is one of the driving forces of the Indonesian economy today. Matter This has
been proven to be able to survive times of economic crisis and become a dynamist economic
growth after the economic crisis. Home businesses as part of industry small, it turns out to have
become a safeguard for the Indonesian economy. There are a lot of The advantages of a
household business apart from not having to worry about the cost of renting a place, this
business It can grow into not just a side business, transportation costs can also be increased
2
Andi Ahmad Hudadin M_30415676
minimize. Aisyah Bakery is a relatively new industry that produces products There is quite a
large bread in Palu City, the number of sales of bread products in the Aisyah Bakery industry
not yet efficient, because the products sold are often returned in quite large quantities by
resellers. The return was due to the large number of products, but was not followed up by a
comparable number of requests. This is caused by competition between Bread products existing
means that the number of bread products on the market must compete well within the form of
quantity and quality provided by producers to consumers. Such conditions makes bread
producers have to choose ways to retain their customers and increase consumers. To maintain
the existence of the business and increase profits, it is wrong One way is to forecast the products
that consumers demand each month for the industry Aisyah Bakery can produce bread according
to each individual's needs or request next month in 2022.
Based on this, the author will carry out "forecasting demand for bread products in Aisyah
Bakery Industry in North Birobuli Village, Palu City" using the method Linear Regression and
Single Exponential Smoothing. The hope is to be able to determine a way best in fulfilling
consumer demand by adjusting production levels, so that Companies can maximize profits with
minimal costs.
Based on the forecasting results, it can be seen that the best method is between the two methods
the. Between the two methods, the one with the smallest error value is the method Linear
Regression. The results of forecasting using Linear Regression get the MAD error value
Amounting to 2670.804, MSE of 10084399.98, and MAPE of 16.330%. Meanwhile with using
Single Exponential Smoothing gets a MAD error value of 3083.815, MSE is 15359600, and
MAPE is 18.813%.
Perkembangan industri Roti yang ada di Industri Aisyah Bakery. Penelitian ini
Kota Palu cukup penting dan menarik, bertujuan untuk mengukur peramalan
karena semakin berkembangnya industri permintaan produk Roti dengan mengetahui
Roti yang ada di Kota Palu, maka dapat peramalan permintaan dapat membantu
menambah lapangan kerja baru dengan kata perusahaan dalam menentukan jumlah
lain, dapat mengurangi jumlah produk yang seharusnya di produksi atau
pengangguran, Pada karena setiap industri mendekati jumlah kenyataan.
membutuhkan tenaga kerja baik dalam Berdasarkan uraian dan penjelasan diatas ,
jumlah kecil maupun besar, sehingga tingkat maka penulis tertarik mengambil judul
produktivitas industri semakin tinggi. “PERAMALAN PERMINTAAN
Aisyah Bakery merupakan industri yang PRODUK ROTI PADA INDUSTRI
berdiri relatif baru dengan memproduksi AISYAH BAKERY DI KELURAHAN
Roti yang cukup besar di Kota palu, jumlah BIROBULI UTARA KOTA PALU ”.
penjualan produk Roti pada industri Aisyah Rumusan Masalah
Bakery belum efesien, karena produk yang
dijual sering dikembalikan dalam jumlah Berdasarkan latar belakang yang telah
cukup banyak oleh reseller. Pengembalian dikemukakan di atas, maka permasalahan
tersebut diakibatkan oleh besarnya jumlah pokok yang akan dibahas pada penelitian ini
produk, namun tidak diikuti oleh jumlah adalah:
permintaan yang sebanding. Hal ini 1. Berapakah hasil peramalan
disebabkan oleh persaingan antara produk permintaan produk Roti di Industri Aisyah
Roti yang ada membuat jumlah produk Roti Bakery untuk periode mendatang?
tersebut di pasaran harus bersaing dengan 2. Metode peramalan manakah yang
baik dalam bentuk jumlah maupun kualitas paling tepat diantara Regresi Linear dan
yang diberikan oleh produsen ke konsumen. Single Exponential Smoothing?
Kondisi demikian membuat produsen Roti
harus memilih cara untuk mempertahankan
pelanggannya maupun meningkatkan Pembatasan Masalah
konsumennya. Untuk mempertahankan Agar penelitian ini dapat terarah dan
eksistensi usaha dan menaikan laba, salah mencapai hasil yang maksimal sesuai
satu cara adalah melakukan peramalan dengan tujuan yang hendak dicapai, maka
produk yang diminta konsumen setiap bulan dibutuhkan batasan masalah yang mencakup
agar industri Aisyah Bakery dapat hal-hal sebagai berikut:
memproduksi Roti sesuai dengan kebutuhan 1. Pengambilan data hanya dilakukan
atau permintaan tersebut setiap bulan di Jl. AR Saleh II, Birobuli Utara, Kec. Palu
ditahun 2022 mendatang. Hasil peramalan Selatan, Kota palu, Sulawesi Tengah,
industri Aisyah Bakery akan mengetahui Indonesia.
jumlah Roti yang harus di produksi setiap 2. Data yang digunakan dalam
bulan sehingga tak banyak yang tersisa, dan penelitian adalah data permintaan produk
dapat meminimalisir biaya produksi Roti pada periode bulan Oktober 2020
membalikan posisi penjualan dari sampai September 2021.
kecenderungan menurun menjadi meningkat 3. Metode yang digunakan dalam
di tahun yang di ramalkan. Setelah melihat penelitian ini adalah Regresi Linear dan
masalah yang dihadapi oleh perusahaan
maka dengan ini peneliti ingin melakukan Single Exponential Smoothing.
penelitian terkait permintaan produk Roti di
4
Andi Ahmad Hudadin M_30415676
kualitatif tetap terkait dengan nilai/ angka moving average adalah untuk melibatkan
tetapi tidak menggunakan pendekatan periode permintaan yang sesuai sehingga
metematis. Metode kualitatif dipengaruhi faktor acak dapat dikurangi dan
oleh penilaian, intuisi dan evaluasi subjektif. mengaibaikan informasi yang tidak relevan
Metode kuantitatif adalah metode yang dari permintaan di masa lalu. Perhitungan
menggunakan suatu dasar-dasar perhitungan moving average berubah seiring dengan
(Eunike, 2018). pergeseran waktu, data baru ditambahkan
Metode kuantitatif yang digunakan dalam dan data lama dihapus berikut merupakan
perkiraan, pada dasarnya dapat rumus dari metode perhitungan moving
dikelompokkan dalam dua jenis, yaitu average (Eunike, 2018).
metode serial waktu dan metode
Keterangan:
eksplanatori. Berikut masing-masing
penjelasan metode serial waktu dan metode Ŷt = Peramalan
eksplanatori (Herjanto, 2008): permintaan periode t
1. Metode serial waktu (deret
Ŷt-1 = Peramalan aktual n
berkala, time series)
periode terbaru
Metode ini adalah metode yang digunakan
untuk menganalisis serangkaian data yang t = Periode terbaru
merupakan fungsi dari waktu. Metode ini n = Jumlah Periode
mengasumsikan bahwa beberapa pola atau moving average
kombinasi pola selalu berulang sepanjang
b. Exponential Smoothing
waktu, dan pola dasar dapat diidentifikasi
semata-mata atas dasar data historis dari Exponential smoothing umum digunakan
serial itu (Herjanto, 2008). Berikut beberapa pada peramalan penjualan produk secara
metode peramalan berdasarkan metode individu. Metode ini mengatasi kendala pada
serial waktu: moving average yang memerlukan memori
a. Moving Average yang cukup besar dalam menyimpan data
historis sejumlah n periode. Pada
Moving average menghasilkan peramalan
exponential smoothing seluruh data historis
untuk periode berikutnya dengan merata-
diperhitungkan dan permintaan aktual
ratakan permintaan aktual sejumlah n
terakhir diberi bobot lebih besar (α, faktor
periode terakhir. Metode ini merupakan
smoothing). Selain penyimpanan data lebih
kompromi antara metode naif dan simple
kecil, proses perhitungan juga menjadi lebih
average untuk masing-masing kelebihan dan
efisien. Model ini sering pula disebut
kelemahannya. Penentuan jumlah n
sebagai simple exponential smoothing.
didasarkan pada percobaan atau simulasi
berikut merupakan rumus dari metode
dengan mempertimbangkan situasi di
perhitungan exponential smoothing (Eunike,
lapangan. Penentuan n yang terlalu kecil
2018).
menghasilkan peramalan yang mendekati
metode naif dan menyebabkan peramalan Keterangan:
yang fluktuatif, dipengaruhi oleh variasi
acak dari permintaan. Penentuan yang Ŷt =Xt= Peramalan permintaan periode t
terlalu besar memberikan hasil peramalan α = Konstanta parameter
yang mendekati simple average dan hasil dasar permintaan (0 ≤ α ≤ 1)
peramalan menjadi terlalu stabil serta tidak
dapat mendeteksi adanya tren. Tujuan dari Ŷt-1 = Permintaan aktual
periode (t - 1)
7
Andi Ahmad Hudadin M_30415676
pola data peramalan dari data permintaan produk Roti di Industri Aisyah Bakery
aktual masa lampau. Metode yang akan adalah metode peramalan Regresi Linear
digunakan untuk perbandingan yaitu, dan Single Exponential Smoothing, Untuk
Regresi Linier dan Single Exponential meramalkan Permintaan produk bulan yang
Smoothing (SES). akan datang, yaitu metode yang
Langkah berikutnya ialah melakukan menghasilkan nilai MAD, MAPE terkecil.
perhitungan peramalan. Proses perhitungan Kesimpulan dan Saran
peramalan menggunakan bantuan perangkat Berdasarkan penelitian yang telah dilakukan
lunak Excel dan POM QM. Tujuanya adalah dan mendapatkan hasil, selanjutnya akan
untuk mengetahui metode mana yang dipilih dibuat kesimpulan berdasarkan tujuan
untuk dapat menghasilkan peramalan penelitian yang dibuat, berisikan hal-hal
dengan nilai kesalahan terkecil. Untuk yang ingin diketahui jawabannya dalam
mengetahui kelayakan atau penyimpangan penelitian. Kemudian membuat saran yang
dari metode terpilih dapat dilihat ditujukan kepada Industri Aisyah Bakery
berdasarkan nilai (MAD) Mean Absolut agar hasil penelitian setidaknya dapat
Deviation terkecil dari ke dua metode berguna, dan memberikan masukan-
tersebut. masukan yang berupa solusi terhadap
Analisis Hasil Pengolahan Data permasalahan. Saran juga memberikan
Analisis data dalam penelitian ini masukan kepada penulis di masa depan agar
menggunakan metode Regresi Linear dan penulisan dengan tema yang sama dapat
Single Exponential Smoothing. Metode yang dibuat lebih baik lagi.
digunakan untuk peramalan Permintaan
October 2020 sampai dengan September
Bulan Permintaan 2020-2021 (bks)
2021.
Oktober 15208 Tabel 4. Data Permintaan Produk Roti
November 17081 Berdasrkan table 4.1 diatas dapat diketahui
Desember 11562 berapa bungkus permintaan produk roti.
Januari 13435 Pada bulan Oktober 2020 ialah sebanyak
Februari 20851 15208 bungkus, bulan November 2020 ialah
sebanyak 17081 bungkus, bulan Desember
Maret 20876
2020 ialah sebanyak 11562 bungkus, bulan
April 22749
Januari 2021 ialah sebanyak 13435 bungkus,
Mei 13534 bulan Februari 2021 ialah sebanyak 20851
Juni 17255 bungkus, bulan Maret 2021 ialah sebanyak
Juli 19128 20876 bungkus, bulan April 2021 ialah
Agustus 15462 sebanyak 22749 bungkus, bulan Mei 2021
September 17330 ialah sebanyak 13534 bungkus, bulan Juni
2021 ialah sebanyak 17255 bungkus, bulan
4. HASIL DAN PEMBAHASAN Juli 2021 ialah sebanyak 19128 bungkus,
Pengumpulan Data bulan Agustus 2021 ialah sebanyak 15462
Pengambilan data permintaan produk bungkus, bulan September 2021 ialah
roti di lakukan di Industri Aisyah Bakery. sebanyak 17330 bungkus.
Dalam melakukan peramalan permintaan Data permintaan tersebut digunakan untuk
pada penelitian ini data yang digunakan melakukan peramalan dimasa yang akan
ialah data permintaan produk roti bulan datang. Dari data permintaan tersebut
9
Andi Ahmad Hudadin M_30415676
selanjutnya melakukan pengujian pola data aktual menunjukan pola data trend atau
yang bertujuan untuk menentukan metode kecendrungan. berikut pengolahan software
peramalan yang cocok dalam pengelolaan dengan menggunakan metode regresi linier
data peramalan yang akan digunakan. dilakukan dengan menggunakan software
Excel.
Tabel 4.3 menunjukan output yang bernilai 0.1, 0,5, dan 0,9.
merupakan hasil perhitungan dengan Tabel 4.4 Pengelompokan α dan Nilai MAD
mengguanakan Excel. MAD yang didapat Error Measures α = 0,10 α=
sebesar 2670,804 menunjukan
penyimpangan rata-rata absolute error. MSE MAD (Mean Absolute Deviation) 3105,779 30
digunakan untuk mengetahui evaluasi Tabel 4.4 diatas merupakan tabel
metode peramalan dengan menggunakan pengelompokan nilai MAD α = 0,1 α = 0,5 α =
kesalahan atau sisa kuadrat, yaitu sebesar 0,9, maka untuk nilai α yang tepat digunakan
10084399,98. MAPE merupakan kesalahan ialah α = 0.5. hal ini disebabkan konstanta
presentase pada peramalan, yaitu sebesar pemulusan tersebut menghasilkan nilai MAD
16,330. terkecil yaitu sebesar 3083,815. Berikut
pengolahan software dengan menggunakan
metode single exponential smoothing
dilakukan dengan menggunakan software
POM QM.
Gambar 4.3 Nilai Kesalahan Single Exponential
Smoothing