Sistem INFORMASI PERAMALAN PENJUALAN DENGAN
advertisement
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] Abstract 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. PT. Tera Data Indonusa merupakan perusahaan swasta yang bergerak di bidang distribusi laptop merk AXIOO untuk wilayah Indonesia Landasan Teori Penjualan Timur dan didirikan pada tahun 1990. Dalam pengambilan keputusan, seorang manajer pemasaran dituntut harus dapat menganalisa lingkungan yang terus Penjualan adalah semua kegiatan usaha yang diperlukan agar terjadi perpindahan milik dari barang dan jasa. Dapat diketahui bahwa penjualan berubah-ubah dan memprediksi berbagai kemungkinan di masa yang akan sangat penting bagi perusahaan karena berfungsi untuk menghubungkan antara datang. Proses pengambilan keputusan tersebut sering mengalami kesulitan barang dan jasa dari produsen sampai ke konsumen. terutama dalam meramalkan penjualan pada masa yang akan datang, karena Persediaan belum adanya sistem yang dapat menangani hal ini sehingga memerlukan Persediaan dapat didefenisikan sebagai bahan yang disimpan dalam gudang banyak waktu untuk mempelajari dokumen-dokumen yang ada secara manual. untuk kemudian digunakan atau di jual. Persediaan dapat berupa bahan baku untuk Berdasarkan dari permasalahan di atas maka sangat penting untuk merancang dan membangun suatu sistem peramalan penjualan. Sistem keperluan proses barang-barang yang masih dalam pengolahan, dan barang jadi yang disimpan untuk penjualan. Peramalan ini dimaksudkan untuk mengendalikan jumlah stok barang yang ada, dengan demikian dapat dihindari kekurangan/kehabisan barang. Dengan begitu Dalam melakukan analisis ekonomi atau analisis kegiatan usaha perusahaan, haruslah diperkirakan apa yang akan terjadi dalam bidang ekonomi atau dalam usaha pada permintaan konsumen dapat terpenuhi sesuai dengan waktu yang telah masa yang akan datang. Sebagaimana yang dikemukakan oleh Martiningtyas (2004) dijadwalkan. dalam bukunya Statistika bahwa “Kegiatan untuk mmemperkirakan apa yang terjadi 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 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 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 BoxJenkins. Setelah hasil peramalan tersebut diketahui, maka dapat ditentukan jumlah barang yang harus diproduksi dengan menggunakan metode PRS (Periodic Review System). 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] MULAI ANALISA SISTEM DATA PENJUALAN BULANAN Permasalahan yang terdapat pada PT. Tera Data Indonusa adalah METODE KLASIFIKASI ABC bagaimana cara menentukan jumlah barang yang harus disediakan DATA PENJUALAN KLASIFIKASI KELAS A perusahaan setiap kali melakukan re-stocking agar tidak terjadi IDENTIFIKASI kekurangan atau kelebihan stok. Peramalan penjualan jenis produk sebelum diterapkannya system ini hanya berdasarkan data penjualan CEK DATA STASIONER DALAM VARIAN MENGGUNAKAN METODE SPEARMAN TRANSFORMASI DATA Apakah Stasioner dalam varian? satau periode sebelumnya. Hal ini menyebabkan perusahaan seringkali Ya CEK DATA STASIONER DALAM MEAN MENGGUNAKAN DICKEY FULLER 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 DIFFERENCING Apakah Stasioner dalam Mean? Ya 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 DATA PENJUALAN STASIONER PROSES AUTOKORELASI DAN PARSIAL AUTOKORELASI PENAKSIRAN DAN PENGUJIAN PENGESTIMASIAN PARAMETER MENGGUNAKAN METODE MOMENTUM PENERAPAN sebuah aplikasi yang dapat meramalkan jumlah angka penjualan di periode mendatang, yang diharapkan dapat digunakan sebagai salah satu PERAMALAN DENGAN ARIMA DATA PERAMALAN PENJUALAN aspek pertimbangan untuk menentukan jumlah angka persediaan barang Metode PRS agar menjadi lebih efektif. Adanya sistem peramalan penjualan dengan DATA BARANG JADI YANG HARUS DIPRODUKSI menggunakan metode peramalan yang tepat, membuat perusahaan mampu mengoptimalkan penjualan setiap bulannya. SELESAI 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%). 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 Identifikasi peramalan, Dalam proses ini identifikasi meliputi pengujian stasioner data. Apabila data mengolah data untuk diseleksi diramalakan. belum stasioner maka dapat dilakukan transformasi dan differencing. Untuk data 1 yang telah mengalami proses stasioner, perhitungan berikutnya menggunakan data Data Laptop Maintenance 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), Data Laptop 2 Laptop Data Laptop Data Penjualan Data Penjualan MA(q). User Context Diagram Data Laptop 1 Penjualan 0 Data Penjualan User Data Penjualan Sistem Peramalan Penjualan 2 + Hasil Peramalan Gambar 2 Context Diagram Seleksi dan Peramalan Produk + Data Penjualan 3 Hasil Peramalan Data Peramalan Gambar 3 DFD Level 0 Peramalan dan 1 Data Flow Diagram Level 1 Maintenance Data 1 DFD level 1 Maintenance terdapat dua proses antara lain Penjualan Data Penjualan Seleksi Data Penjualan 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. User 1 Data Laptop Maintenance Laptop 2 Laptop Data Laptop 2 Peramalan Hasil Peramalan Hasil Peramalan 3 Peramalan Data Peramalan User Gambar 5 DFD Level 1 Seleksi dan Peramalan Produk Entity Relational Diagram (ERD) 2 Entity relationship diagram adalah suatu alat untuk Data Laptop Maintenance Penjualan Data Penjualan mempresentasikan model data yang ada pada sistem dimana Data Penjualan 1 Penjualan terdapat entity dan relationship. Entity merupakan objek yang ada dan terdefinisikan di dalam suatu organisasi, dapat berupa Gambar 4 DFD Level 1 Maintenance Data abstrak/nyata, misal dapat berupa orang, objek/waktu kejadian. Data Flow Diagram Level 1 Seleksi dan Peramalan Untuk 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 Conceptual Data Model dalam database peramalan digunakan untuk proses peramalan. yang nantinya 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. [Stationer] [Stationer] [Zxt] [Xt] [DeltaXt] [E] [RankE] [RankXt] [d] [d2] [Pegawai] [Id_Pegawai] [Nama_Pegawai] [Jabatan] [Telepon] [Alamat] [Kota] [Password] Memiliki History [History_Pegawai] [TglAkses] Memiliki [Id_Detil] [Jumlah] [subtotal] Memiliki [Barang] [Detil_Jual] Memiliki [Id_Detil_Jual] [Jumlah] [subtotal] [subtotal] Memiliki [float] [float] [float] [float] [float] [float] [float] [float] [ACF] [NilaiACF] [temp] [sigplus] [sigMin] [v] [T100] [T050] [T025] [T010] [T005] [History_Pegawai] [Id_Pegawai] [varchar](10) [TglAkses] [datetime] Memiliki Nilai [Id_Pegawai] [Nama_Pegawai] [Jabatan] [Telepon] [Alamat] [Kota] [Password] [varchar](10) [varchar](50) [varchar](50) [varchar](20) [varchar](100) [varchar](20) [varchar](50) [Id_Barang] = [Id_Barang] [DataMentah] [int] integer numer datetime [data] = [data] [Customer] [ID_Customer] [varchar](10) [Nama] [varchar](50) [Alamat] [varchar](100) [No_telp] [varchar](20) [ID_Customer] = [ID_Customer] [Kota] [varchar](50) [v_detil] [Id_Detil] [varchar](10) [Id_Jual] [varchar][10] [Id_Barang] [varchar][10] [Jumlah] [int] [subtotal] [int] [Id_Jual] = [Id_Jual] [Penjualan] [Id_Jual] [varchar](10) [Id_Customer] [varchar](10) [Tgl_Penjualan] [datetime] [Total_Penjualan] [int] [ID_Customer] char(10) [No] [NilaiData] [TabelT] [v] [T100] [T050] [T025] [T010] [T005] [No] [NilaiACF] [temp] [sigplus] [sigMin] [int] [float] [float] [float] [float] [float] [ACF] [varchar](10) [float] [nchar](10) [float] [float] [No] = [No] [No] = [No] [Peramalan] [Id_Ramal] [varchar][10] [Id_Barang] [varchar](10) [Id_Barang] = [Id_Barang] [Bln_Peramalan] [datetime] [Peramalan] [varchar](50) [PACF] [NilaiPACF] [Signifikansi] [sigplus] [sigMin] [sigplus] [Barang] [Id_Barang] [varchar](10) [Nama_Barang] [varchar](50) [Jenis] [varchar](20) [Jumlah] [int] [SafetyStock] [int] [Harga] [int] [Id_Barang] = [Id_Barang] [Detil_Jual] [Id_Detil_Jual] [varchar](10) [Id_Jual] [varchar](10)[Id_Jual] = [Id_Jual] [Id_Barang] [varchar](10) [Jumlah] [int] [Subtotal] [int] [subtotal] char(10) [PACF] [No] [varchar](10) [NilaiPACF] [float] [Signifikansi] [nchar](10) [sigPlus] [float] [sigMin] [float] [sigplus] char(10) [DataMentah] [No] [varchar](10) [NilaiData] [float] Memiliki Nilai 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. [Pegawai] [Id_Pegawai] = [Id_Pegawai] [nilai] [data] [int] [tableamal] [data] [DataAsli] [DataRamal] [Bulan] [TabelT] [Penjualan] [Id_Jual] [ID_Customer] [Tgl_Penjualan] [Total_Penjualan] Memiliki [Id_Barang] [Nama_Barang] [Jenis] [Jumlah] [SafetyStock] [Harga] Menghasilkan Data Ramal Melakukan Transaksi [v_detil] [Peramalan] [Id_Ramal] [Bln_Peramalan] [Peramalan] [nilai] [data] [tableamal] [DataAsli] [DataRamal] [Bulan] [Customer] [ID_Customer] [Nama] [Alamat] [No_telp] [Kota] [Zxt] [Xt] [DeltaXt] [E] [RankE] [RankXt] [d] [d2] Gambar 7 PDM Sistem Informasi Peramalan Penjualan dengan Metode ARIMA Box-Jenkins Form Transaksi Penjualan Form 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 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 Gambar 8 Form Master Penjualan tranformasi data dengan rumus ln(xt). Pengujian dilanjutkan dengan melakukan proses stasioner dalam mean apabila nilai dickey fuller yang Form Klasifikasi ABC Form 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”. 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 11 Form Proses ACF 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 12 Form Proses PACF 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. Gambar 15 Form PRS 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. 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 datadata 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.