ANALISIS FORECAST PRODUKSI PISANG CRISPY DENGAN METODE MOVING AVERAGE Sintia Marselina (C1C018101) Jurusan Akuntansi, Fakultas Ekonomi dan Bisnis, Universitas Jambi 2020 ABSTRAK Forecasting adalah kegiatan yang tujuannya untuk meramalkan, memprediksi atau memperkirakan sesuatu di masa depan dengan menggunakan data di masa lalu. Kegiatan ini bisa terkait dengan produksi, permintaan, penawaran, ataupun penjualan. Forecasting ini sangat membantu dalam melakukan perencanaan yang efektif dan efisien. Penelitian ini bertujuan mendapatkan metode peramalan penjualan pisang crispy untuk 3 bulan ke depan. Peramalan ini menggunakan tiga metode, yaitu : metode rata-rata sederhana (simple average), metode rata-rata bergerak (moving average), dan metode pemulusan eksponensial (simple exponential smoothing). Metode peramalan penjualan yang baik adalah metode yang paling sedikit tingkat kesalahannya. Pada penelitian ini, metode kesalahan peramalan yang digunakan yaitu Mean Squared Error (MSE) dan The Mean Absolute Percentage Error (MAPE). Hasil penelitian dengan menggunakan metode simple average ini menunjukkan, nilai MSE terkecil yaitu 580 dengan nilai peramalan produksi 906. Berdasarkan pendekatan nilai MSE maka produsen dapat memprediksi produksi pisang crispy selama 3 bulan ke depan dengan pendekatan Simple Average sebesar 906 buah pisang crispy tiap bulannya. Kata Kunci : forecasting, produksi, pisang crispy, metode simple average, metode Mean Squared Error (MSE) ABSTRACT Forecasting is an activity whose purpose is to predict, predict or predict something in the future by using data in the past. This activity can be related to production, demand, supply, or sales. Forecasting is very helpful in effective and efficient planning. This study aims to obtain sales forecast methods for crispy bananas for the next 3 months. Forecasting methods used, namely: the simple average method, the moving average method, and the exponential smoothing method. A good sales forecasting method is the least error level method. In this study, the forecasting error method used is Mean Squared Error (MSE) and The Mean Absolute Percentage Error (MAPE). The results showed the Simple Average method has the smallest MSE value of 580 and the production forecast value is 906. Based on the MSE value approach, producers can predict crispy banana production for the next 3 months with a Simple Average approach of 906 crispy bananas each month. Keywords : forecasting, produksi, crispy bananas, metode moving average, metode Mean Squared Error (MSE) I. PENDAHULUAN 1.1 Latar Belakang Orang Portugis datang ke kawasan Melayu pada tahun 1511. Mereka sangat senang sarapan dengan pisang goreng. Lalu orang Melayu termasuk Indonesia mulai mengadopsi makanan ini. Adonan pisang ini biasanya terbuat dari campuran bahan seperti tepung, telur, garam, dan gula. Setelah itu, barulah pisang digoreng. Pisang yang digunakan biasanya adalah pisang kapok karena pisang ini memiliki kadar air yang tidak terlalu banyak dibanding pisang jenis lainna, sehingga sangat cocok jika diolah menjadi pisang goreng. Kini pisang goreng telah memiliki banyak varian , seperti pisang kipas, pisang goreng sale, hingga pisang crispy. Salah satu varian pisang goreng yang sangat terkenal dan banyak diminati sekarang ini adalah pisang goreng crispy karena memiliki aneka topping seperti keju, coklat, dan mesis. Lapak kue “Vino Lestari” adalah salah satu usaha kue yang memiliki beberapa cabang dan menyediakan berbagai macam makanan ringan, salah satunya yaitu pisang crispy. Selama ini jumlah dan jenis kue yang di produksi mengandalkan pengalaman dari periode sebelumnya, sehingga hal ini menyebabkan produsen sulit untuk memperkirakan tingkat produksi yang sesuai dengan permintaan pasar. Untuk menunjang keberhasilan dalam rangka penjualan dan pendistribusian produk, perencanaan yang baik dan matang sangat dibutuhkan oleh produsen. Hal ini menunjukkan bahwa semua usaha pasti ingin tetap terus berkembang di masa depan, bukan hanya untuk saat ini saja. Salah satu bentuk perencanaan yang dapat menunjang keberhasilan suatu usaha adalah dengan melakukan forecasting produksi. Kegiatan ini dilakukan dengan harapan bisa menjadi acuan bagi produsen untuk melakukan prediksi jumlah pisang crispy yang harus diproduksi dan bisa diserap oleh pasar. 1.2. Tujuan dan Manfaat Penelitian Tujuan penelitian ini yaitu untuk mendapatkan metode forecasting produksi yang tepat untuk memprediksi jumlah penjualan pisang crispy yang dapat diserap oleh pasar. Manfaat penelitian ini yaitu dapat memberikan informasi kepada produsen mengenai metode-metode peramalan yang tepat untuk produksi pisang crispy sehingga dapat meminimalisir resiko usaha. II. METODE PENELITIAN 1. Metode Simple Average Metode ini dilakukan dengan cara mengumpulkan rata-rata dari seluruh data observasi yang akan digunakan untuk meramal atau memprediksi data yang akan datang. Persamaannya adalah: X = 1/T (X1 + X2 + X3 +…+ Xt) dimana: X = data peramalan yang akan datang Xt = data observasi pada periode ke t T = jumlah periode observasi 2 2. Metode Moving Average Moving Average diperoleh dengan menjumlahkan dan mencari nilai rata-rata dari beberapa periode tertentu, kemudian nilai terlamanya dihilangkan lalu ditambah dengan nilai terbaru. Metode ini memiliki tujuan utama yaitu untuk meminimalisir acakan di dalam time series. Teknik yang digunakan dimulai dengan mengumpulkan nilai-nilai yang telah di observasi, setelah di dapatkan rata-rata dari nilai ini, kemudian dilakukan peramalan untuk masa yang akan datang dari nilai rata-rata ini. ๐t+1 = ๐t + ๐t-1 + โฏ + ๐t-k+1/๐ ๐t = ๐t – ๐t Dimana : ๐t+1 = nilai peramalan untuk periode selanjutnya ๐t = nilai sebenarnya pada periode t ๐ = jumlah perlakuan dalam moving average 3. Metode Simple Exponential Smoothing Metode peramalan ini memberikan beban dengan tingkatan tertentu untuk data-data terbaru sehingga data terbaru mendapatkan beban yang lebih besar dibanding data yang lama. Data terbaru dianggap lebih relevan sehingga diberikan beban yang lebih besar. Dalam ramalan menggunakan metode exponential smoothing ini, dibutuhkan minimal dua buah data agar dapat meramalkan nilai yang akan terjadi di masa yang akan datang. Ft= Ft-1 + α(At-1 – Ft-1) Dimana: Ft = Nilai ramalan untuk periode waktu ke-t Ft-1 = Nilai ramalan untuk satu periode waktu yang lalu α = Koefisien pemulusan At-1 = Nilai aktual untuk satu periode waktu yang lalu Forecasting ini akan menggunakan metode kesalahan peramalan The Mean Absolute Percentage Error (MAPE) dan Mean Squared Error (MSE). 1. The Mean Absolute Percentage Error (MAPE) The Mean Absolute Percentage Error (MAPE) digunakan untuk mengetahui ratarata persentase absolute kesalahan dengan mengukur ketepatan nilai model ramalan. Dimana : MAPE = The Mean Absolute Percentage Error n = Jumlah sampel Yt = Nilai aktual pada periode waktu t Yอกt = Nilai ramalan untuk periode waktu t 2. Mean Squared Error (MSE) Mean Squared Error (MSE) adalah metode yang mendapatkan nilai kesalahan dari kuadrat masing-masing kesalahan yang kemudian dijumlah dan ditambah hasilnya dengan jumlah observasi. Dimana : MSE = Mean Squared Error n = Jumlah sampel Yt Yอกt = Nilai aktual pada periode waktu t = Nilai ramalan untuk periode waktu t Setelah nilai The Mean Absolute Percentage Error (MAPE) dan Mean Squared Error (MSE) didapatkan dari ketiga metode tersebut, maka nilai terkecil dari MAPE dan MSE tersebut dilakukan komparasi sebagai hasil peramalan yang terbaik. III. HASIL DAN PEMBAHASAN Hasil peramalan produksi pisang crispy untuk 3 bulan dapat dilihat pada Tabel 1. Tabel 1 memperlihatkan bahwa terdapat perbedaan forecasting pisang crispy untuk 3 bulan mendatang, dimana metode Simple Average meramalkan penjualan pisang crispy sebanyak 906 buah, metode Moving Average sebesar 891 buah, dan metode Exponential Smoothing sebesar 898 buah. Dari hasil ketiga metode ini, metode Simple Average menunjukkan ramalan jumlah penjualan yang lebih banyak dibandingkan kedua metode lainnya, disusul metode Exponential Smoothing dan metode Moving Average. Pendekatan untuk melihat hasil forecasting yang terbaik dan dijadikan dasar bagi perusahaan dalam menentukan jumlah penjualan tersaji pada Tabel 2 . Tabel 1. Forecasting pisang crispy menggunakan metode simple average, moving average dan exponential smoothing untuk peramalan 3 bulan, 2019. Bulan Metode Time Serial Simple Average Moving Average Exponential Smoothing Mei 906 891 898 Juni 906 891 898 Juli 906 891 898 Sumber : Data primer setelah diolah, 2019 Tabel 2. Verifikasi forecasting pisang crispy menggunakan metode Mean Squared Error (MSE) dan The Mean Absolute Percentage Error (MAPE) untuk peramalan 3 bulan, 2019. Verifikasi Peramalan Metode Time Serial Simple Average Moving Average Exponential Smoothing MSE 580 655 778 MAPE 2,3 2,4 2,7 Sumber : Data primer setelah diolah, 2019 Verifikasi model peramalan menunjukkan hasil, yaitu nilai MSE terkecil adalah 580, dengan rata-rata presentase absolut kesalahan MAPE sebesar 2,3%. Jika pendekatan MSE terkecil yang digunakan maka metode Simple Average adalah metode forecasting yang tepat dan bisa digunakan oleh produsen untuk memprediksi penjualan pisang crispy 3 bulan mendatang dengan nilai prediksi sebesar 906 buah. IV. PENUTUP Berdasarkan hasil forecasting dapat disimpulkan bahwa penjualan pisang crispy untuk 3 bulan mendatang menggunakan metode peramalan terbaik yaitu Simple Average, dengan nilai peramalan pisang crispy sebesar 906 buah. Disarankan agar produsen dapat menerapkan metode simple average untuk menentukan peramalan penjualan pisang crispy untuk 3 bulan mendatang, karena dari hasil analisis metode ini yang paling mendekati aktual dan memiliki MSE dan MAPE terkecil. V. DAFTAR PUSTAKA Arsyad, L., 1995. PeramalanBisnis. Badan Penerbit Fakultas Ekonomi, Yogyakarta. Bowerman, B. L., O’Connell, R. T., & Koehler, A. B., 2004. Forecasting, Time Series And Regression: An Applied Approach. Belmont, CA7 Thomson Brooks/Cole. Sugiyono, 2010. Metode Penelitian Bisnis (Pendekatan Kuantitatif, Kualitatif dan R&D), Alfabeta, Bandung. https://www.pegipegi.com/travel/sejarah-pisang-goreng-kudapan-lezat-indonesia/
