SUCI NURUL INSANI

15611146
 SEMINAR KERJA PRAKTIK

PENGAPLIKASIAN ANALISIS TIME SERIES

TERHADAP PRODUK EXPORT PT.TOA GALVA
PADA TAHUN 2018
 LATAR BELAKANG
- PT. TOA GALVA INDUSTRIES

1
(perusahaan international)
- Export dan local
LATAR BELAKANG -Tujuan peramalan

PERMASALAHAN - Nilai peramalan sering tidak

2 tepat
- Metode

SOLUSI DAN
HARAPAN
Menentukan metode

3 terbaik dari single moving

average, single exponential
smothing, AR dan ARMA
PROSES PENGECEKAN
 1
Bagaimana gambaran umum dari produk local dan
export di PT.Toa Galva pada tahun 2011-2017?

RUMUSAN Bagaimana hasil peramalan untuk Januari 2018

MASALAH
2 dari penjualan export pengeras suara dengan
menggunakan metode single moving average,
single exponential smothing, AR dan ARMA ?

3
Metode peramalan manakah yang terbaik untuk
penjualan export pengas suara pada PT.TOA GALVA
jika dilihat dari nilai error nya ?
 SEJARAH PT.TOA GALVA
1960

Oey Kim Ten bekerjasama dengan TOA

dari Jepang

1946 1972

Uripto Widjaja mendirikan GALVA

GALVA membentuk divisi TOA dipimpin
oleh Bernard Iskandar

1952 1975 27 Juli 1975

Berkembang di bidang perdaganan Perusahaan memperoleh ijin pendirian Ditandatangani akte pendirian PT.
dan impor. usaha di Indonesia TOA GALVA INDUSTRIES

1952 1 Juni 1976

Oey Kim Ten, Bong Khie Tjin dan Tjioe Tjie

adalah pemegang saham baru. Pabrik PT.TOA GALVA diresmikan
 - Memproduksi barang dengan
kualitas terbaik (Quality)

- Harga jual yang bersaing

dengan produk sejenis di Visi Perusahaan : The Healthy
pasaran (Cost) Companny (Perusahaan yang
- Pengiriman yang tepat Sehat)
waktu (Delivery)
- Pelayanan yang maksimal
kepada para pengguna
produk TOA (Service)
 LANDASAN TEORI
Statistika deskriptif (deskriptive statistics) Single
adalah bagaimana cara pengumpulan, Exponential
Smoothing
peringkasan dan penyajian data sehingga
diperoleh informasi yang lebih mudah
dipahami

Menurut Nasution dan Prasetyawan

(2008:29), peramalan adalah proses Metode Single Moving
ARMA
untuk memperkirakan beberapa Peramalan Average

kebutuhan di masa datang yang

meliputi kebutuhan dalam ukuran
kuantitas, kualitas, waktu dan lokasi
yang dibutuhkan dalam rangka
memenuhi permintaan barang
ataupun jasa.
Autoregressive
HORIZONTAL
POLA DATA
MUSIMAN

SIKLIS
TREND
 NILAI ERROR

SSE
• satu metode statistik yang dipergunakan untuk
mengukur selisih total dari nilai sebenarnya
terhadap nilai yang tercapai.

MSE • Metode untuk mengevaluasi

peramalan.

RMSE
• Metode alternatif untuk mengevaluasi teknik
peramalan yang digunakan untuk mengukur
tingkat akurasi hasil perkiraan suatu model.

MAPE
• mengindikasi seberapa besar kesalahan dalam
meramal yang dibandingkan dengan nilai nyata.
 VARIABEL YANG DIGUNAKAN

Dalam penelitian ini, peneliti mengambul 1 variabel

yaitu pengeras suara model PC-648R diambil dari data
export.
 HASIL DAN PEMBAHASAN
1. Statistik deskriptif
EXPORT
Statistik Deskriptif PC-648R
Nilai Maximum 20797

Nilai Minimum 2368

Mean 8472

Kuartil 1 6285

Median 7468

Kuartil 3 10068

Variansi 1011.594

Standar Deviansi 31.8056

2. Menentukan Plot data UJI ADF DATA EXPORT

HIPOTESIS
H0 : DATA TIDAK MENGANDUNG UNIT ROOT (DATA STASIONER)
H1 : DATA MENGANDUNG UNIT ROOT (DATA TIDAK STASIONER)
TARAF SIGNIFIKAN
Α=0.05
DAERAH KRITIS
NILAI EXPORT TOLAK HO JIKA P-VALUE > ALPHA (0,05)
STAT.UJI
P-VALUE=0,023
P-Value 0,02392 KEPUTUSAN
P-VALUE< Α, MAKA GAGAL TOLAK H0
KESIMPULAN
DENGAN MENGGUNAKAN TINGKAT SIGNIFIKANSI 95%, DATA YANG
ADA GAGAL TOLAK H0 DENGAN ARTIAN DATA TIDAK MENGANDUNG
UNIT ROOT ATAU BISA DIKATAKAN DATA TERSEBUT STASIONER

DARI UJI ADF DIATASMMENGATAKAN BAHWA DATA PENJUALAN

PENGERAS SUARA EXPORT DENGAN MODEL PC-648R KEDUNYA TIDAK
MENGANDUNG UNIT ROOT ATAU MEMILIKI POLA DATA YANG STASIONER.
 3. Single exponential smoothig

Model SES SSE MSE RMSE MAPE RAMALAN

α = 0.05 839872669 10118948 3181.029 30.30 9230.754

α = 0.1 789499495 9512042 3084.160 29.27 10194.684

α = 0.2 696255139 8388616 2896.311 27.52 1173.535

α = 0.5 537362497 6474247 2544.454 23.67 10587.581

Pola data
dengan
alpha 0.05
COMPARING MODEL

l
 4. Single moving average

MA SSE MSE RMSE MAPE RAMALAN

MA(1) 530833090 6395579 2528.948 23.62% 10000

MA(2) 512608850 6251327 2500.265 23.03 % 10000

MA(3) 596899237 7369126 2714.613 24.18% 10385.67

MA(4) 706226507 8827831 2871.167 26.55% 11038.25

MA(5) 790403986 10005114 3163.086 28,75% 11453.8

 5. Autoregressive (AR)

Model Pemisala SE Sig kesimpulan AIC

n
AR(1) 𝛗𝟏 0.0786 0 signifikan 1546.36
AR(2) 𝛗𝟏 0.1074 0 signifikan 1546.61
𝛗𝟐 0.1082 0.229 Tidak
signifikan
MSE 5326864
AR(3) 𝛗𝟏 0.1068 0 signifikan 1546.65 RMSE 2308.742
𝛗𝟐 0.1242 0.079 Tidak MAPE 22.3014
PERAMALAN 9509.501
signifikan
𝛗𝟑 0.1075 0.1625 Tidak
signifikan
AR(4) 𝛗𝟏 0.1046 0 signifikan 1543.36
𝛗𝟐 0.1234 0.0258 signifikan
𝛗𝟑 0.1219 0.9869 Tidak
signifikan
𝛗𝟒 0.1058 0.0244 signifikan
 6. ARMA

MSE 4745557.26
RMSE 2178.43
MAPE 20.55411
PERAMALAN 8312.206

model pemisalan SE sig kesimpulan AIC

𝛗𝟏
0.2264 0.00E+00 S
𝛗𝟐
0.2264 2.00E-04 S
𝜽𝟏 0.2497 3.00E-04 S
ARMA(2,2) 𝜽𝟐 0.119 2.00E-04 S 1542.71

ARMA(1,0) 𝛗𝟏 0.0786 0 S 1546.06

ARMA(0,3) 𝜽𝟏 0.1128 0.00E+00 S 1547.59

𝜽𝟐 0.0964 0.00E+00 S
𝜽𝟑 0.1088 4.00E-04 S

ARMA(0,2) 𝜽𝟏 0.1055 0 S 1554.24

𝜽𝟐 0.0899 0 S

ARMA(0,1) 𝜽𝟏 0.084 0 S 1566.39

 PENENTUAN MODEL TERBAIK

METODE SSE MSE RMSE MAPE PERAMAL

AN
SES 537362497 6474247 2544.454 23.67% 10587.581

MA(2) 512608850 6251327 2500.265 23.03 % 10000

AR(1) - 532686 2308.74 22.30% 9509.501
4 2
ARMA(2,2) - 474368 2178.43 20.55% 8312.206
4
 KESIMPULAN
Dari analisis yang telah dilakukan oleh peneliti dapat diambil kesimpulkan sebagai berikut:

1. Pada penjualan export pengeras suara dengan model PC-648R memiliki nilai maximum yaitu 20797 produk
yang dijual sedangkan nilai terendahnya yaitu 2368 produk yang dijual. Untuk nilai rata-rata penjualan dari
produk tersebut adalah sebesar 8472, sedangkan untuk nilai variansi dan standar deviasi secara berturut yaitu
1011.594 dan 31.8056. nilai dari kuartil 1, kuartil 2 (median) dan kuartil 3 secara berturut-turut yaitu 6285 , 7468
dan 10068.
2. a. Dengan menggunakan Metode Single Exponential Smoothing nilai peramalan terbaik yang didapatkan
untuk penjualan export pengeras suara dengan model PC-648R di bulan Januari 2018 sebesar
10587.581≈10588. Nilai peramalan tersebut diambil dari nilai error terkecil.
b. Dengan menggunakan Metode Single Moving Average nilai peramalan terbaik yang didapatkan untuk
penjualan export pengeras suara dengan model PC-648R di bulan Januari 2018 sebesar 10385.67 ≈ 10386.
c. Dengan menggunakan Metode Autoregressive nilai peramalan terbaik yang didapatkan untuk penjualan
export pengeras suara dengan model PC-648R di bulan Januari 2018 sebesar 9509.501 ≈ 9510 ,
d. Dengan menggunakan Metode ARMA(2,2) nilai peramalan terbaik yang didapatkan untuk penjualan
export pengeras suara dengan model PC-648R di bulan Januari 2018 sebesar 8312.206≈8312.
3. Metode yang terbaik untuk digunakan peramalan penjualan export pengeras suara dengan model PC-648R di
bulan Januari 2018 jika dilihat dari MAPE terkecil yaitu metode ARMA(2,2)
 SARAN
Berdasarkan penelitian diatas maka didapatkan beberapa saran
sebagai berikut :
• Saran untuk perusahaan yaitu harus mempersiapkan proses produksi baik itu bahan baku maupun
dalam hal keuangan sesuai dengan nilai peramalan yang telah didapatkan.
• Pada nilai peramalan bulan Januari 2018 jika dibandingkan dengan nilai data penjualan pada bulan
Desember 2017 mengalami penurunan, maka dari itu perusahaan harus meningkatkan quality control
dari produk tersebut.
• Pada penelitian selanjutnya, untuk metode Single Exponential Smoothing alpha dapat menggunakan
nilai NULL agar langsung mendapatkan alpha terbaik.
 DAFTAR PUSTAKA
Andhen. 2015. Root Mean Square Error.
http://andhen-id.blogspot.co.id/2015/08/root-mean-square-error.html.

Angga, Ferry. 2013. Pengertian statistik deskriptif.

http://fni-statistics.blogspot.co.id/2013/06/pengertian-statistik-deskriptif.html.

Arsstat. 2013. Pengertian Analisis Runtun Waktu dan Peramalan.

https://statistikawanku.wordpress.com/2013/03/28/pengertian-analisis-runtun-waktu-dan-peramalan/

Bory. 2016. Kuartil Data Tunggal.

https://www.rumusstatistik.com/2013/11/kuartil-data-tunggal.html

Dhinda. 2016. Pengertian dan cara mencari mean, median, modus dan standar deviasi.
https://adinda491.wordpress.com/2016/05/13/pengertian-dan-cara-mencarinya-mean-median-modus-dan-standar-deviasi/

Nurhikmat, Triano. 2018. Single Moving Average menggunakan R.

http://infostatistical.blogspot.co.id/2018/01/single-moving-average-menggunakan-r.html

Riadi, Muchlisin. 2017. Pengertian, fungsi dan jenis-jenis peramalan.

https://www.kajianpustaka.com/2017/11/pengertian-fungsi-dan-jenis-peramalan-forecasting.html

Venditama, Dea. 2014. Variansi dan Standar Deviasi.

http://www.ngode.in/2013/12/varians-dan-standar-deviasi.html