Sistem INFORMASI PERAMALAN PENJUALAN DENGAN METODE ARIMA BOX-JENKINS
-
Upload
tarik-estes -
Category
Documents
-
view
97 -
download
0
description
Transcript of Sistem INFORMASI PERAMALAN PENJUALAN DENGAN METODE ARIMA BOX-JENKINS
SISTEM INFORMASI PERAMALAN PENJUALAN DENGAN METODE ARIMA BOX-JENKINS
(STUDI KASUS PADA PT. TERA DATA INDONUSA)
Masyatin Rais1)
1) S1/Jurusan Sistem Informasi, STIKOM Surabaya, email: [email protected]
PT. Tera Data Indonusa is a private company engaged in the distribution of laptop brands AXIOO. Managers are required to be able to analyze the environment continues to change and predict various possibilities that will occur in the future due to the rapid development of today's laptop distributor, causing competition among distributors to attract as many customers in the form of providing the best services such as the availability of adequate supplies each month. One that can be done is to learn the value of existing sales in the past to predict sales in the future, so as to know the number of items that must be provided.
Abstract
PT. Tera Data Indonusa merupakan perusahaan swasta yang
bergerak di bidang distribusi laptop merk AXIOO untuk wilayah Indonesia
Timur dan didirikan pada tahun 1990. Dalam pengambilan keputusan, seorang
manajer pemasaran dituntut harus dapat menganalisa lingkungan yang terus
berubah-ubah dan memprediksi berbagai kemungkinan di masa yang akan
datang. Proses pengambilan keputusan tersebut sering mengalami kesulitan
terutama dalam meramalkan penjualan pada masa yang akan datang, karena
belum adanya sistem yang dapat menangani hal ini sehingga memerlukan
banyak waktu untuk mempelajari dokumen-dokumen yang ada secara manual.
Berdasarkan dari permasalahan di atas maka sangat penting
untuk merancang dan membangun suatu sistem peramalan penjualan. Sistem
ini dimaksudkan untuk mengendalikan jumlah stok barang yang ada, dengan
demikian dapat dihindari kekurangan/kehabisan barang. Dengan begitu
permintaan konsumen dapat terpenuhi sesuai dengan waktu yang telah
dijadwalkan.
Metode yang digunakan dalam proses peramalan ini adalah
metode Arima Box-Jenkins. Kelebihan dari metode ini adalah dapat menerima
semua jenis model data, tetapi dalam prosesnya data harus distasionerkan
terlebih dahulu. Langkah awal dalam proses peramalan ini adalah pemilahan
data penjualan per periode bulanan dengan menggunakan metode klasifikasi
ABC. Data yang diseleksi adalah produk-produk manakah yang memberikan
keuntungan terbesar bagi perusahaan. Dari produk-produk terseleksi inilah
akan dibuat peramalan penjualan dengan menggunakan metode ARIMA Box-
Jenkins. Setelah hasil peramalan tersebut diketahui, maka dapat ditentukan
jumlah barang yang harus diproduksi dengan menggunakan metode PRS
(Periodic Review System).
Landasan Teori
Penjualan
Penjualan adalah semua kegiatan usaha yang diperlukan agar
terjadi perpindahan milik dari barang dan jasa. Dapat diketahui bahwa penjualan
sangat penting bagi perusahaan karena berfungsi untuk menghubungkan antara
barang dan jasa dari produsen sampai ke konsumen.
Persediaan
Persediaan dapat didefenisikan sebagai bahan yang disimpan dalam gudang
untuk kemudian digunakan atau di jual. Persediaan dapat berupa bahan baku untuk
keperluan proses barang-barang yang masih dalam pengolahan, dan barang jadi yang
disimpan untuk penjualan.
Peramalan
Dalam melakukan analisis ekonomi atau analisis kegiatan usaha perusahaan, haruslah
diperkirakan apa yang akan terjadi dalam bidang ekonomi atau dalam usaha pada
masa yang akan datang. Sebagaimana yang dikemukakan oleh Martiningtyas (2004)
dalam bukunya Statistika bahwa “Kegiatan untuk mmemperkirakan apa yang terjadi
pada masa yang akan datang disebut peramalan (forecasting)”
Time Series
Pemodelan data deret waktu merupakan bagian yang cukup penting dalam
berbagai bidang riset, diantaranya pada bidang kesehatan, bisnis/ekonomi,
komunikasi, metereologi, rekayasa mekanik, pengaturan, dinamika fluida, biologi
dan lain sebagainya. Masalah pemodelan deret waktu seringkali dikaitkan dengan
proses peramalan (forecasting) suatu nilai karakteristik tertentu pada period eke
depan, dan melakukan pengendalian suatu proses atau untuk mengenali pola perilaku
system. [Hill et. Al, 1996]
ANALISA SISTEM
Permasalahan yang terdapat pada PT. Tera Data Indonusa adalah
bagaimana cara menentukan jumlah barang yang harus disediakan
perusahaan setiap kali melakukan re-stocking agar tidak terjadi
kekurangan atau kelebihan stok. Peramalan penjualan jenis produk
sebelum diterapkannya system ini hanya berdasarkan data penjualan
satau periode sebelumnya. Hal ini menyebabkan perusahaan seringkali
mengalami kekurangan atau kelebihan stok, sehingga penjualan menjadi
tidak optimal. Atau jika terjadi keadaan dimana jumlah angka
persediaan barang di gudang jauh lebih besar dibandingkan dengan
angka penjualan, maka akan menyebabkan terjadinya penumpukan
barang di gudang. Selain itu proses pencatatan hasil penjualan masih
dilakukan secara manual.
Untuk menyelesaikan masalah tersebut perlu adanya
sebuah aplikasi yang dapat meramalkan jumlah angka penjualan di
periode mendatang, yang diharapkan dapat digunakan sebagai salah satu
aspek pertimbangan untuk menentukan jumlah angka persediaan barang
agar menjadi lebih efektif. Adanya sistem peramalan penjualan dengan
menggunakan metode peramalan yang tepat, membuat perusahaan
mampu mengoptimalkan penjualan setiap bulannya.
MULAI
DATA PENJUALAN
BULANAN
METODE KLASIFIKASI
ABC
DATA PENJUALAN KLASIFIKASI KELAS A
CEK DATA STASIONER DALAM VARIAN MENGGUNAKAN
METODE SPEARMAN
Apakah Stasioner dalam
varian?
CEK DATA STASIONER DALAM MEAN
MENGGUNAKAN DICKEY FULLER
Apakah Stasioner dalam
Mean?
DATA PENJUALAN STASIONER
PROSES AUTOKORELASI DAN
PARSIAL AUTOKORELASI
PENGESTIMASIAN PARAMETER MENGGUNAKAN METODE MOMENTUM
PERAMALAN DENGAN ARIMA
DATA PERAMALAN PENJUALAN
Metode PRS
DATA BARANG JADI YANG HARUS DIPRODUKSI
Ya
SELESAI
Ya
TRANSFORMASI DATA
DIFFERENCING
IDENTIFIKASI
PENAKSIRAN DAN PENGUJIAN
PENERAPAN
Gambar 1 Flowchart ARIMA Box-Jenkins
Metode Klasifikasi ABC
Metode ini digunakan untuk membagi prduk-produk menjadi tiga
keelompok besar yaitu kelompok A, B, C. Kelompok A adalah kelompok yang
memiliki peranan yang besar dalam penjualan pada PT. Tera Data Indonusa kemudian
dilanjutkan dengan kelompok B dan C. Kelompok Klasifikasi A adalah kelompok
yang akan diramalkan dengan menggunakan metode ARIMA Box-Jenkins. Jumlah
produk yang dijual oleh PT. Tera Data Indonusa adalah sebanyak 42 produk. Dari 42
produk ini, dapat dibagi menjadi 3 bagian, yaitu 8 produk untuk kelas A (20%), 13
produk untk kelas B (30%), dan 21 produk untuk kelas C (50%).
Identifikasi
Dalam proses ini identifikasi meliputi pengujian stasioner data. Apabila data
belum stasioner maka dapat dilakukan transformasi dan differencing. Untuk data
yang telah mengalami proses stasioner, perhitungan berikutnya menggunakan data
hasil konversi. Langkah berikutnya penentuan model, jika data yang akan diproses
tidak mengandung musiman maka dapat digunakan model ARIMA (p,d,q), AR(p),
MA(q).
Context Diagram Data Laptop
Data Penjualan
0
Sistem Peramalan Penjualan
+
User
Gambar 2 Context Diagram
Data Flow Diagram Level 0 Sistem Peramalan
Penjualan
DFD level 0 merupakan penjabaran dari context diagram,
dimana terdapat dua proses yaitu proses maintenance
data dan proses seleksi dan peramalan produk. Pada
proses maintenance data terdiri atas semua data yang
berhubungan dengan kain dan penjualan. Setelah proses
maintenance data selesai maka dilakukan proses kedua
yaitu seleksi dan peramalan. Proses seleksi dan
peramalan, mengolah data untuk diseleksi dan
diramalakan.
Data Penjualan
Hasil Peramalan
Data Peramalan
Hasil Peramalan
Data Laptop
Data Laptop
Data Penjualan
Data Penjualan
Data Laptop
Data Penjualan
User
1
Maintenance Data
+
2
Seleksi dan Peramalan
Produk+
1 Penjualan
2 Laptop
3 Peramalan
Gambar 3 DFD Level 0
Data Flow Diagram Level 1 Maintenance Data
DFD level 1 Maintenance terdapat dua proses antara lain
maintenance laptop dan maintenance penjualan. Untuk proses
maintenance kain menyimpan data kain pada database kain.
Sedangkan proses maintenance penjualan menyimpan data
penjualan pada database penjualan.
Data Laptop
Data Laptop
Data Penjualan
Data Laptop
Data Penjualan
User
1 Penjualan
2 Laptop
1
Maintenance Laptop
2
Maintenance Penjualan
Gambar 4 DFD Level 1 Maintenance Data
Data Flow Diagram Level 1 Seleksi dan Peramalan
Produk
DFD level 1 terdapat dua proses antara lain
seleksi dan peramalan. Proses seleksi merupakan proses
untuk penyelesaian produk, data hasil dari seleksi akan
disimpan dalam database peramalan yang nantinya
digunakan untuk proses peramalan.
Data Penjualan
Hasil PeramalanData Peramalan
Hasil Peramalan
Data Penjualan1 Penjualan
3 Peramalan
User
1
Seleksi
2
Peramalan
Gambar 5 DFD Level 1 Seleksi dan Peramalan Produk
Entity Relational Diagram (ERD)
Entity relationship diagram adalah suatu alat untuk
mempresentasikan model data yang ada pada sistem dimana
terdapat entity dan relationship. Entity merupakan objek yang
ada dan terdefinisikan di dalam suatu organisasi, dapat berupa
abstrak/nyata, misal dapat berupa orang, objek/waktu kejadian.
Conceptual Data Model
Untuk menggambarkan konsep database yang
digunakan dalam aplikasi dapat digambarkan pada conceptual
data model (CDM) seperti pada Gambar 6 di halaman 6,
sehingga dapat diketahui database apa saja yang dipakai dan
relasi-relasinya.
MemilikiMemiliki
Memiliki History
Memiliki
Menghasilkan Data Ramal
Memiliki Nilai
Memiliki Nilai
Melakukan Transaksi
Memiliki Memiliki
[Peramalan]
[Id_Ramal][Bln_Peramalan][Peramalan]
[Stationer]
[Zxt][Xt][DeltaXt][E][RankE][RankXt][d][d2]
[Customer]
[ID_Customer][Nama][Alamat][No_telp][Kota]
[Pegawai]
[Id_Peg awai][Nama_Pegawai][Jabatan][Telepon][Alamat][Kota][Password]
[DataMentah]
[No][NilaiData]
[TabelT]
[v][T100][T050][T025][T010][T005]
[nilai]
[data]
[Barang ]
[Id_Barang][Nama_Barang][Jenis][Jumlah][SafetyStock][Harg a]
[History_Peg awai]
[Tg lAkses]
[v_detil]
[Id_Detil][Jumlah][subtotal]
[tableamal]
[DataAsli][DataRamal][Bulan]
[Detil_Jual]
[Id_Detil_Jual][Jumlah][subtotal][subtotal]
[Penjualan]
[Id_Jual][ID_Customer][Tg l_Penjualan][Total_Penjualan]
[ACF]
[NilaiACF][temp][sigplus][sigM in]
[PACF]
[NilaiPACF][Sig nifikansi][sigplus][sigM in][sigplus]
Gambar 6 CDM Sistem Informasi Peramalan
Penjualan dengan Metode ARIMA Box-Jenkins
Physical Data Model (PDM)
Physical Data Model (PDM) merupakan
hasil generate dari Conceptual Data Model (CDM).
PDM merupakan representasi fisik dari database
sebagaimana terlihat pada Gambar 7.
[ Id_Barang] = [Id_Barang][Id_Jual] = [ Id_Jual]
[ Id_Pegawai] = [Id_Pegawai]
[ Id_Barang] = [Id_Barang]
[data] = [data]
[No] = [No][No] = [No]
[ ID_Customer] = [ ID_Customer]
[ Id_Barang] = [Id_Barang]
[Id_Jual] = [ Id_Jual]
[Peramalan]
[Id_Ramal] [varchar][10][Id_Barang] [varchar](10)[Bln_Peramalan] [datetime][Peramalan] [varchar](50)
[Stationer]
[Zxt] [float][Xt] [float][DeltaXt] [float][E] [float][RankE] [float][RankXt] [float][d] [float][d2] [float]
[Customer]
[ID_Customer] [varchar](10)[Nama] [varchar](50)[Alamat] [varchar](100)[No_telp] [varchar](20)[Kota] [varchar](50)
[Pegawai]
[Id_Pegawai] [varchar](10)[Nama_Pegawai] [varchar](50)[Jabatan] [varchar](50)[Telepon] [varchar](20)[Alamat] [varchar](100)[Kota] [varchar](20)[Password] [varchar](50)
[DataMentah]
[No] [varchar](10)[NilaiData] [float]
[TabelT]
[v] [int][T100] [float][T050] [float][T025] [float][T010] [float][T005] [float]
[nilai]
[data] [int]
[Barang]
[Id_Barang] [varchar](10)[Nama_Barang] [varchar](50)[Jenis] [varchar](20)[Jumlah] [int][SafetyStock] [int][Harga] [int]
[History_Pegawai]
[Id_Pegawai] [varchar](10)[TglAkses] [datetime]
[v_detil]
[Id_Detil] [varchar](10)[Id_Jual] [varchar][10][Id_Barang] [varchar][10][Jumlah] [int][subtotal] [int]
[tableamal]
[data] [int][DataAsli] integer[DataRamal] numer[Bulan] datetime
[Detil_Jual]
[Id_Detil_Jual] [varchar](10)[Id_Jual] [varchar](10)[Id_Barang] [varchar](10)[Jumlah] [int][Subtotal] [int][subtotal] char(10)
[Penjualan]
[Id_Jual] [varchar](10)[Id_Customer] [varchar](10)[Tgl_Penjualan] [datetime][Total_Penjualan] [int][ID_Customer] char(10)
[ACF]
[No] [varchar](10)[NilaiACF] [float][temp] [nchar](10)[sigplus] [float][sigMin] [float]
[PACF]
[No] [varchar](10)[NilaiPACF] [float][Signifikansi] [nchar](10)[sigPlus] [float][sigMin] [float][sigplus] char(10)
Gambar 7 PDM Sistem Informasi Peramalan Penjualan dengan Metode ARIMA Box-Jenkins
Form Transaksi PenjualanForm transaksi penjualan pada gambar 8
ini berguna untuk mencatat penjualan barang yang terjadi pada perusahaan tersebut. Form ini juga berfungsi untuk meramalkan penjualan barang tersebut pada masa yang akan datang.
Gambar 8 Form Master Penjualan
Form Klasifikasi ABCForm Klasifikasi ABC pada gambar 9 ini
bertujuan untuk melakukan klasifikasi terhadap produk yang akan diramalkan. Produk-produk yang akan diramalkan akan secara otomatis tampil pada grid dan grafik dibawah setelah memilih awal bulan klasifikasi dan akhir bulan klasifikasi, setelah itu tekan tombol “klasifikasi”.
Gambar 9 Form Klasifikasi ABC
Form Cek Stasioner
Form Cek Stasioner pada gambar 10 ini bertujuan untuk
menguji dan melakukan proses penstasioneran data secara mean dan
varian. Apabila nilai t pada proses stasioner dalam varian ditemukan,
maka dapat dibandingkan dengan nilai t pada tabel. Jika t < t tabel maka
data stasioner dalam varian, apabila sebaliknya maka perlu dilakukan
tranformasi data dengan rumus ln(xt). Pengujian dilanjutkan dengan
melakukan proses stasioner dalam mean apabila nilai dickey fuller yang
diperoleh lebih besar dari tabelnya maka data stasioner dalam mean,
apabila sebaliknya maka dilakukan proses differencing.
Setelah data stasioner, isi jumlah peramalannya sebelum
menekan tombol “selanjutnya” untuk proses ACF dan PACF serta
peramalannya.
Gambar 10 Form Cek Stasioner
Form Proses ACF dan PACF
Form Proses ACF dan PACF pada gambar 11 dan
gambar 12 berisi proses ACF dan PACF dimana proses ini
merupaka kelanjutan dari proses cek stasioner pada tahap
sebelumnya, contoh di bawah ini menjelaskan bahwa nilai
ACF melewati batas signifikan pada nilai pertama dan kedua,
dan nila PACF memotong batas signifikan pada baris pertama.
Nila perpotongan tersebut dijadikan sebagai nilai untuk
mencari nilai MSE.
Gambar 11 Form Proses ACF
Gambar 12 Form Proses PACF
Gambar 15 Form PRS
Form PRS
Form PRS pada gambar 15 ini berfungsi untuk menghitung nilai
kuantitas permintaan pada bulan yang diramalkan. Dari hasil
peramalan diatas, yaitu sebesar 662 buah dimasukkan pada jumlah
permintaan. Setelah itu waktu tunggu dan periode review dapat
dimasukan nilainya, setelah selesai baru dapat diproses dan
menghasilkan kesimpulan seperti gambar dibawah ini.
Saran
Adapun beberapa saran yang dapat disampaikan untuk mengembangkan aplikasi yang telah dibuat antara lain:
1. Metode estimasi parameter uang digunakan pada program ini masih menggunakan metode momentum, yang proses pencarian nilai parameternya
masih kurang sempurna dibandingkan dengan metode lain seperti metode likelihood. Untuk itu aplikasi ini dapat pula dikembangkan dengan
menggunakan metode yang lebih akurat.
2. Peneliti mengakui terdapat sejumlah keterbatasan yang ada dalam penelitian ini. Untuk itu disarankan kepada penelitian yang akan datang dapat
mengurangi keterbatasa-keterbatasan dari penelitian sebelumnya, diantaranya dapat menerapkan metode peramalan Time Series ini untuk data-
data diluar data yang ada pada PT. Tera Data Indonusa dan untuk mengetahui tingkat keakuratan sebuah peramalan hendaknya disertakan
pembanding untuk metode-metode peramalan yang akan digunakan.
Kesimpulan
Setelah dilakukan analisis, perancangan sistem dan pembuatan aplikasi Sistem Informasi Peramalan Penjualan pada PT. Tera Data
Indonusa ini serta dilakukan evaluasi hasil penelitiannya, maka dapat diambil kesimpulan sebagai berikut:
1. Sistem dapat melakukan proses seleksi dengan menerapkan metode klasifikasi ABC.
2. Data penjualan yang ada pada PT. Tera Data Indonusa dapat diramalkan dengan metode Time Series, khususnya dengan
metode ARIMA Box-Jenkins.
3. Sistem Informasi Peramalan Penjualan untuk penjualan laptop pada PT. Tera Data Indonusa dengan menggunakan metode
ARIMA Box-Jenkins dapat memberikan solusi kepada pihak manajemen untuk meramalkan jumlah penjualan laptop pada
periode tertentu dan meramalkannya pada beberapa periode kedepan dengan model peramalan yang telah dihasilkan didalam
program peramalan. Hasil peramalan tersebut dapat digunakan sebagai acuan didalam pemenuhan target permintaan barang
kepada supplier pada periode-periode mendatang.
4. Sistem dapat menentukan jumlah barang yang harus disediakan pada masa yang akan datang dengan menggunakan metode
PRS.