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: masyatin.rais@yahoo.co.id

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.