PENERAPAN METODE EQONOMIC ORDER …perpustakaan.fmipa.unpak.ac.id/file/e-jurnal ady...
Transcript of PENERAPAN METODE EQONOMIC ORDER …perpustakaan.fmipa.unpak.ac.id/file/e-jurnal ady...
1
PENERAPAN METODE EQONOMIC ORDER QUANTITY (EOQ) PADA
PERSEDIAAN BAHAN BAKU ACCU
Ady Perdana, Eneng Tita Tosida, Lita Karlitasari Program Studi Ilmu Komputer, Fakultas Matematika dan Ilmu Pengetahuan Alam
Universitas Pakuan
ABSTRAK
Pengembangan suatu usaha dipengaruhi oleh kebutukan untuk menekan biaya
produksi, meningkatkan kualitas produksi, Usaha bunga hias saat ini mengalami kesulitan
dalam manajemen pengadaan sarana produksi sebagai akibat dari kurang optimalnya sistem
peramalan penjualan yang diadopsi oleh pelaku usaha. Dengan melakukan prediksi yang
tepat maka akan berdampak pada ketepatan dalam pengambilan kebijakan untuk dimasa
mendatang sangat berpengaruh pada prediksi jumlah produksi yang akan datang
memerlukan penerapan metode-metode, hal ini bertujuan agar bisa meminimalkan kesalahan
peramalan yang merupakan suatu seni dari ilmu memprediksi suatau yang belum terjadi
dengan tujuan untuk memperkirakan peristiwa yang akan datang dimasa depan dengan selau
memerlukan data-data masa lalu. Sehingga dengan peramalan, maka kemungkinan
terjadinya peristiwa yang tidak sesuai dengan tujuan yang diharapkan diikuti dengan
kesiapan untuk mengatisipasinya.Dalam penerapan model peramalan produksi bunga hias
menggunakan metode single moving average dan exponential smoothing berdasarkan
variasi musiman dengan mean square error terkecil untuk menjadi parameter dalam
penentuan metode pada peramalan produksi di masa yang akan datang.
Kata Kunci : Persediaan, Economic Order Quantity , Safety Stock, Re Order Point
PENDAHULUAN
Pengembangan suatu usaha dipengaruhi
akan kebutukan untuk menekan biaya
produksi, meningkatkan produktivitas dan
menciptakan sebuah produk baru yang
mendorong teknologi untuk melakukan
terobosan-terobosan dan penemuan-
penemuan baru. Dalam sistem produksi
modern terjadi suatu proses transformasi
nilai tambah yang mengubah input bahan
mentah menjadi output sebuah produk yang
dapat dijual di pasar dengan harga yang
kompetitif.
CV Dewa Star merupakan sebuah
perusahaan penjual dan pembuat Accu,
dalam proses produksinya bahan baku yang
dibutuhkan adalah timah, plat, lem, kotak aki
dan air aki. Untuk pengadaan bahan baku
tersebut perusahaan belum pernah
menggunakan teknik EOQ dan ROP. Pada
waktu melakukan observasi pendahuluan,
persediaan bahan baku tidak stabil,
terkadang menumpuk berlebihan namun
terkadang juga mengalami kekurangan.
Untuk mengetahui tingkat efisiensi
pengendalian persediaan bahan baku
perusahaan dengan menggunakan teknik
EOQ dan ROP.
Teknik EOQ dapat digunakan untuk
membantu menentukan persediaan yang
efisien. Model EOQ ini tidak hanya
menentukan jumlah pemesanan yang
optimal tetapi yang lebih penting lagi adalah
menyangkut aspek finansial dari keputusan-
keputusan tentang kuantitas pemesanan
tersebut (Syamsuddin, 2007). Jika
perusahaan sudah menghitung kuantitas
pemesanan yang paling optimal atau EOQ,
maka selanjutnya haruslah ditentukan saat
pemesanan dari masing-masing item
persediaan atau lebih dikenal dengan istilah
ROP (Reorder Point). Menurut (Riyanto,
2001), ROP adalah saat atau titik di mana
harus diadakan pesanan kembali sehingga
2
kedatangan atau penerimaan material yang
dipesan adalah tepat pada waktu. Persediaan
pengaman atau safety stock adalah suatu
jumlah persediaan minimum yang selalu ada
dalam perusahaan, yang berguna untuk
menghindari resiko kehabisan bahan baku.
Penggunaaan EOQ dan ROP untuk
mengetahui berapa jumlah pesanan yang
optimal dan kapan pesanan dilakukan agar
tercapai biaya yang terendah serta proses
produksi tidak terhambat akibat kurang atau
tidak adanya persediaan. Perencanaan
metode EOQ dalam suatu perusahaaan akan
mampu meminimalisasi terjadinya out of
stock sehingga tidak mengganggu proses
dalam perusahaan dan mampu menghemat
biaya persediaan yang dikeluarkan oleh
perusahaan, karena adanya efisisensi
persediaan bahan baku di dalam perusahaan
yang bersangkutan. Selain itu dengan
adanya penerapan metode EOQ perusahaan
akan mampu mengurangi biaya
penyimpanan, penghematan ruang, baik
untuk ruangan gudang dan ruangan kerja,
menyelesaikan masalah-masalah yang
timbul dari banyaknya persediaan yang
menumpuk sehingga mengurangi risiko
yang dapat timbul karena persediaan.
DASAR TEORI
Persediaan
Persediaan merupakan sesuatu yang
harus ada untuk melancarkan proses
produksi. Setiap perusahaan harus selalu ada
persediaan untuk menjalankan operasinya,
karena persediaan merupakan salah satu
faktor yang memegang peran aktif dalam
perusahaan yang secara kontinyu diperoleh,
diolah dan selanjutnya dijual.
Menurut Nasution dan Prasetyawan
(2008:144) Persediaan adalah sumber daya
menganggur (idle recourses) yang
menunggu proses lebih lanjut. Proses lebih
lanjut adalah berupa kegiatan produksi pada
sistem manufaktur, kegiatan pemasaran pada
sistem distribusi ataupun kegiatan konsumsi
pada sistem rumah tangga.
a. Pengendalian Persediaan
Pengendalian persediaan bahan baku
merupakan suatu kegiatan untuk
menentukan tingkat dan komposisi dari
persediaan, parts bahan baku dan barang
hasil produksi sehingga perusahaan dapat
melindungi kelancaran produksi dengan
efektif dan efisien (Assauri, 1999:176).
b. Economic Order Quantity (EOQ)
Menurut Gito Sudarmo Economic
Order Quantity (EOQ) merupakan jumlah
pembelian yang ekonomis yaitu dengan
melakukam pembelian secara teratur
sebesar EOQ itu maka perusahaan akan
menanggung biaya-biaya pengadaan bahan
- bahan yang minimal. Dalam menerapkan
EOQ ada beberapa biaya yang harus
dipertimbangkan dalam penentuan jumlah
pembelian atau keuntungan,diantaranya:
1. Biaya Pemesanan
Biaya pemesanan merupakan biaya yang
akan langsung terkait dengan kegiatan
pemesanan yang dilakukan perusahaan.
Rumus biaya pemesanan menurut Heizer
(2005) adalah sebagai berikut:
Biaya Pesan : 𝐷
𝑄 × S ....(1)
Keterangan:
Q : Jumlah Barang setiap pesan.
D : Permintaan barang persediaan
dalam unit.
S : Biaya pemesanan untuk setiap
pesanan
2. Biaya Penyimpanan
Biaya penyimpanan merupakan
biaya yang harus ditanggung oleh
perusahaan sehubungan dengan adanya
bahan baku yang disimpan dalam
perusahaan. Biaya penyimpanan
dirumuskan sebagai berikut :
Biaya Penyimpanan = 𝑄
2 × H ....(2)
Keterangan:
Q : Jumlah barang setiap pemesanan
H : Biaya penyimpanan
Sehingga dalam menentukan biaya
persediaan ada 2 jenis biaya yang berubah
- ubah dan harus dipertimbangkan. Pertama
3
berubah - ubah sesuai dengan frekwensi
pesanan yaitu biaya pesan. Kedua biaya
yang berubah - ubah sesuai dengan besar
kecilnya persediaan yaitu biaya
penyimpanan.
Selanjutnya menentukan total biaya
persediaan (TC) dengan menjumlahkan
biaya pesan dan biaya simpan. Adapun
rumusnya sebagai berikut :
TC = 𝐷
𝒬S +
𝒬 2
H ....(3)
Keterangan:
TC : Total biaya persediaan
Q : Jumlah barang setiap pesan
D : Permintaan tahunan barang
persediaan dalam unit
S : Biaya pemesanan untuk setiap
pesan
H : Biaya penyimpanan per unit
pertahun
Sedangkan untuk menentukan jumlah
pesanan yang ekonomis menurut metode
Economic Order Quantity (EOQ) adalah
dengan rumus sebagai berikut:
Q* = 2𝐷𝑆
𝐻 ....(4)
Keterangan:
Q* : Jumlah pesanan yang ekonomis
D : Jumlah kebutuhan dalam satuan (unit) per tahun
S : Biaya pemesanan untuk sekali
pesan.
H : Biaya penyimpanan per unit
pertahun.
Frekuensi pemesanan (F) menurut
metode EOQ dapat dihitung dengan cara
sebagai berikut :
F =𝐷
𝑄∗ ....(5)
F : Frekuensi pembelian
Q* : Jumlah pesanan yang ekonomis
D : Jumlah kebutuhan dalam satuan
(unit) per tahun
Pembuatan program aplikasi ini
digunakan beberapa metode dalam
melakkan peramalan, yaitu:
a. Single Moving Average
Menurut Gaspersz (2005) Metode rata-
rata bergerak tunggal menggunakan
sejumlah data aktual permintaan yang baru
untuk membangkitkan nilai ramalan
permintaan dimasa yang akan datang.
Metode ini akan efektif diterapkan apabila
kita dapat mengasumsi bahwa permintaan
pasar terhadap produk akan tetap stabil
sepanjang waktu. Metode ini mempunyai
dua sifat khusus untuk membuat forecast
memerlukan data historis dalam jangka
waktu tertentu, semakin panjang moving
averages akan menghasilkan moving
averages yang semakin halus, secara
sistematis moving averages dirujuk pada
persamaan: (1)
St + 1 = Xt + Xt – 1 +........Xt – n+1 .....(1)
n
St + 1 = Forecast untuk periode ke t+1.
Xt = Data pada periode t.
n = Data waktu moving averages
nilai n merupakan banyaknya periode dalam
rata-rata bergerak.
b. Exponential Smoothing
Menurut Render dan Heizer (2005),
Penghalusan exponential adalah teknik
peramalan rata-rata bergerak dengan
pembobotan dimana data diberi bobot oleh
sebuah fungsi exponential. Penghalusan
exponential merupakan metode peramalan
rata-rata bergerak dengan pembobotan
canggih, namun masih mudah digunakan.
Metode ini sangat sedikit pencatatan data
masa lalu. Rumus penghalusan exponential
dirujuk pada persamaan: (2)
F1 = Ft-1 + α(At-1 – Ft-1).....(2)
Keterangan :
𝐹1 = Peramalan baru.
𝐹𝑡−1 = Peramalan sebelumnya.
𝛼 = Konstanta penghalus (pembobot)
𝐴𝑡−1 = Permintaan aktual periode lalu. c. Mean Squer Error (MSE)
d. Index Musiman
Merupakan merupakan gerakan
teratur dalam arti naik-turunya terjadi pada
waktu-waktu yang sama atau sangat
berdekatan yang digunakan untuk
4
menunjukkan ada tidaknya pergerakan
musim dirujuk pada persamaan: (6 dan 7)
Indeks Musim = Rata-rata perkuartil x 100
Rata-rata total ...(6)
Target Pertriwulan = Index musim x rata total
100 ....(7)
METODE PENELITIAN
Bahan Penilitian
Bahan penelitian yang digunakan pada
proses penelitian ini adalah data sekunder
produksi bunga hias dari tahun 2008-2012
yang merupakan acuan dalam perhitungan
untuk peramalan produksi.
Metode yang digunakan dalam
membangun sistem ini adalah dengan
menggunakan pendekatan SDLC (System
Development Life Cycle) yang terdiri dari
berbagai tahapan sebagai berikut:
Tahap Perencanaan
Pada tahap ini dilakukan identifikasi
kebutuhan sistem dan menentukan sistem
yang akan dibuat. Data yang digunakan
untuk menganalisis masalah diperoleh
dengan 2 cara, yaitu :
a. Wawancara
Melakukan wawancara langsung
terhadap kegiatan yang dilakukan
responden, dengan menggunakan
kuisioner yang telah disiapkan
sebelumnya.ataupun konsultasi untuk
mengetahui sistem yang sedang
berjalan, proses perhitungan peramalan
produksi bunga hias, serta informasi
yang dibutuhkan dari sistem yang akan
dibuat.
b. Studi Pustaka
Mengumpulkan data-data produksi
bunga hias dari instansi terkait seperti:
Biro Pusat Statistik (BPS), Direktorat
Jendral Bina Produksi dan Hortikultura,
Dinas Pertanian Tanaman Pangan
Provinsi Jawa Barat dan Asosiasi Bunga
Indonesia (ASBINDO).dan
menggunakan fasilitas internet sebagai
literatur pendukung pelaksanaan
penelitian.
Tahap Pengumpulan Data
Pada tahap ini dilakukan pengumpulan data-
data yang diperlukan seperti berikut :
1. Data produksi yang akan dijadikan
alternatif dalam proses peramalan
produksi bunga hias.
2. Data perhitungan peramalan
produksi bunga hias dengan proses
perhitungan manual.
3. Metode yang akan digunakan dalam
proses peramalan produksi bunga
hias.
Tahap Analisis
Setelah didapatkan data-data yang
diperlukan maka data tersebut dianalisis.
Pada penelitian ini menggunakan metode
single moving averages dan exponential
smoothing untuk peramalan. Adapun
langkah-langkah analisis yang digunakan
dalam penelitian ini adalah sebagai berikut :
1. Plot data produksi bunga hias untuk
melihat pola.
2. Memilih model yang sesuai.
3. Menguji model.
4. Menerapkan model untuk peramalan
dengan metode single moving averages
exponential smoothing dalam variasi
musiman.
Untuk dapat melakukan peramalan
diperlukan data-data dari periode
sebelumnya. Data periode sebelumnya
digunakan sebagai panduan untuk dapat
melakukan peramalan. Adapun data
produksi bunga hias untuk melihat pola
berdasarkan data sekunder Kabupaten Bogor
tahun 2008-2012 seperti dalam tabel 1 dan 2
berikut:
Tabel 1.Data Total Produksi Bunga Hias
5
*) Sumber Dinas Pertanian Tanaman Pangan Provinsi Jawa Barat
Tabel 2. Data Produksi Pertriwulan
*) Sumber Dinas Pertanian Tanaman Pangan Provinsi Jawa Barat
Berdasarkan plot data produksi
bunga hias pada tabel 1 dan 2 mendapatkan
pola gerak data sekunder pada waktu yang
berurutan. Sehingga untuk model yang
sesuai digunakan dalam peramalan ini
adalah model time series berdasarkan data
yang dikumpulkan atau diobservasi
sepanjang waktu secara berurutan.
Menguji model time series yaitu
dengan pemulusan (smoothing)
mendasarkan data ramalan dengan perinsip
rata-rata dari masa lalu (averages) dengan
menambahkan nilai ramalan sebelumnya
antara nilai sebenarnya dengan nilai
ramalannya merupakan gerakan yang teratur
naik turunya terjadi pada waktu yang sama.
Setelah melakukan plot data produksi
berdasarkan pola dan pengujian pada model
time series untuk penerapan model dalam
melakukan peramalan bunga hias tahun
2013 triwulan I menggunakan metode
sebagai berikut:
a. Metode Single Moving Average 2
triwulan
b. Metode Exponential Smoothing
dengan α : 0,1 ; α: 0,03 ; α: 0,05
Hasil menganalisa data yang
diperoleh dari dinas tanaman pangan Jawa
Barat terjadi kenaikan dan penurunan data
sehingga diadakan pendekomposisian data
kedalam beberapa komponen, maka akan di
cari variasi musiman dengan menggunakan
metode rata-rata sederhana sebagai berikut:
a. Menentukan Indeks Musim
b. Menentukan Target Pertriwulan
Struktur Tabel Database
Struktur table database merupakan
struktur table yang telah dibuat dari sebuah
aplikasi database. Struktur tabel dibentuk
berdasarkan entitas yang telah dibuat dan isi
dari setiap table akan diisi oleh atribut-
atribut dari setiap entitas yang telah dibuat
sebelumnya. Jadi, banyak tabel yang
dibentuk berdasarkan banyaknya entitas
yang telah dibuat. Tabel-tabel tersebut
seperti pada tabel 5 sampai 9 dibawah ini :
Tabel 3. Data Admin
Tabel 4. Data Komoditi
Tabel 5. Data Mitra
6
Tabel 6. Data Produksi
Tabel 7. Data Satuan
Data Flow Diagran
Data flow diagram merupakan arus
data atau aliran informasi berupa masukan
untuk sistem atau hasil dari proses sistem
sehingga dapat menghasilkan sebuah output
yang akan disampaikan kepada penerima
data. Data Flow Diagram yang dibentuk
terdiri dari Diagram Konteks. Diagram
tersebut terbentuk berdasarkan entitas serta
struktur tabel yang telah dirancang
sebelumnya. Seperti gambar 1
Gambar 1. Diagram Kontek
Perancangan Sistem Keseluruhan
Pada tahap perancangan ini dilakukan
pembuatan flowchart sistem yang
merupakan gambaran alur sistem secara
detail dari input sampai output. Pada
flowchart tersebut langkah pertama diawali
dengan proses login. Setelah itu melakukan
proses login dan berhasil maka akan tampil
halaman menu yang didalamnya terdapat
beberapa link untuk menuju ke halaman
lainnya. Flowchart tersebut dapat dilihat
pada gambar 2.
Gambar 2. Flowchat Sistem
Hasil dan Pembahasan
Tampilan Halaman Utama
Pada halaman Utama ini terdapat
menu home, komoditi, produksi, peramalan
produksi, seting untuk manipulasi data dan
pengertian peramalan. Tampilan halaman
home dapat dilihat pada gambar 3.
Gambar 3. Halaman Utama
Tampilan Halaman Komoditi
Pada halaman ini admin dapat
melakukan proses manipulasi data komoditi.
Admin dapat menambah data komoditi,
dapat mengedit, dan dapat menghapus data
komoditi. Pada halaman ini dapat terlihat
7
data komoditi. Tampilan halaman input
komoditi dapat dilihat pada gambar 4.
Gambar 4. Halaman Komoditi
Tampilan Halaman Produksi
Pada halaman ini admin dapat
melakukan proses manipulasi data produksi
yang dijadikan sebagai acuan penilaian
dalam peramalan. Tampilan halaman input
produksi dapat dilihat pada gambar 5.
Gambar 5. Halaman Produksi
Tampilan Halaman Peramalan Produksi
Pada from peramalan terdiri dari
peramalan dan hasil peramalan, from
peramalan digunakan untuk melakukan
peramalan pada from ini admin dapat
menginputkan data produksi bunga dengan
memilih nama komoditi dan tahun yang
akan menjadi parameter sebagai data yang
akan dicari hasil prediksi jumlah produksi
bunga hias pada tahun berikutnya, Tampilan
halaman peramalan dapat dilihat pada
gambar 6.
Gambar 6. Halaman Peramalan
Berdasarkan hasil uji coba yang
dilakukan secara manual dan uji coba
dengan menggunakan sistem dapat
disimpulkan bahwa hasil perhitungan
peramalan dengan menggunakan metode
single moving average dan exponensial
smothing yang dilakukan secara manual dan
secara sistem sudah sesuai dan akurat.
Dilihat dari hasil peramalan terlihat ada
perubahan unsur kenaikan, penurunan,
berfluktuasi dan tidak teratur data peramalan
dapat dilihat pada gambar 7.
Gambar 7. Hasil Peramalan
Merujuk pada gambar 7 terjadi
perubahan sesuatu hal yang mempunyai pola
agak komplek sehingga biasanya diadakan
pendekomposisian data kedalam beberapa
komponen. Masing-masing komponen akan
dipelajari dan dicari satu persatu, setelah
ditemukan akan digabung lagi menjadi nilai
taksir atau ramalan dengan rata-rata
sederhana merupakan gerakan teratur dalam
arti naik-turunya pada waktu yang sama atau
sangat berdekatan yang digunakan ada
tidaknya pergerakan musim dapat dilihat
pada gambar 8.
Gambar 8. Peramalan Variasi Musim
Pengujian peramalan untuk
perbandingan antara metode single moving
averages dan exponential smoothing pada
8
tahun 2013 sampai tahun 2025, dalam
menentukan metode apa yang cocok
berdasarkan nilai Mean Square Error (MSE)
terkecil untuk peramalan produksi bunga
hias angrek menggunakan data time series
dapat dilihat pada tabel 8.
Tabel 8. Perbandingan Metode Peramalan
Berdasarkan tabel 8 diketahui bahwa
nilai Mean Square Error pada tiap tahunya
mengalami penurunan disebabkan masing
menggunakan data sekunder dari tahun
2008-2012. Untuk Mean Square Error
terkecil terdapat pada metode peramalan
single moving average karena mempunyai
data bervariasi musiman gerakan data yang
teratur dengan naik turunya terjadi pada
waktu yang berurutan sedangkan Metode
exponensial smoothing selalu mempunyai
Mean Square Error besar dari keadaan data
yang menaik atau menurun dari waktu ke
waktu sehingga tidak sesuai untuk variasi
musiman. Berdasarkan pola kenaikan,
penurunan, berfluktuasi dan tidak teratur data dapat dilihat pada gambar 9.
Gambar 9. Grafik Peramalan
Setelah melakukan pengujian
peramalan Mean Square Error terkecil dari
tahun 2013 sampai 2025 dengan
menggunakan metode single moving
average selalu mendapatkan Mean Square
Error terkecil sehingga cocok untuk
peramalan produksi bunga hias pada periode
berikutnya. Sedangkan metode exponential
smoothing tidak cocok untuk peramalan
yang mempunyai pola data yang mempunyai
tidak bervariasi musiman di karenakan
keadaan data yang menaik atau menurun
dari waktu ke waktu yang mengalami
kenaikan dan penurunan data yang flukuatip.
Melihat grafik hasil peramalan
produksi bunga hias angrek tahun 2013
dengan single moving average pada
triwulan 1 sampai triwulan 4 hasilnya saling
mendekati pertriwulannya. Untuk itu
dilakukan variasi musiman yang
berhubungan dengan perubahan atau
flukuasi dalam musim-musim tertentu
dengan menambahkan index musim terlihat
perbedaan antara peramalan triwulan dan
variasi musim yang mempunyai pola yang
sama dengan data sekunder dalam
peramalan berikutnya.
Kesimpulan
Dari hasil pengamatan selama tahap
perencanaan, implementasi aplikasi
penerapan model peramalan produksi bunga
hias menggunakan metode single moving
9
averages dan exponensial smoothing, dapat
diambil beberapa kesimpulan sebagai
berikut:
1. Hasil peramalan produksi bunga hias
pada triwulan IV 2013 adalah:
a. Berdasarkan perhitungan
ramalan produksi bunga hias
angrek dengan metode single
moving averages II triwulan
pada triwulan IV 2013 sebesar
835391 tangkai, dengan mean
squared error = 30.530
b. Berdasarkan perhitungan ramal
produksi bunga hias dengan
metode exponensial smoothing
dengan α : 0,1 ; α: 0,03 ; α: 0,05
pada triwulan IV 2013 sebesar α
: 0,1 = 676430 tangkai, ; α: 0,03
= 405716 tangkai, α: 0,05 =
512403 tangkai, dengan mean
squared error α : 0,1 = 50.846 ;
α: 0,03 = 92.518 ; α: 0,05 =
74.533.
2. Hasil target produksi pertriwulan
setelah menentukan rata-rata total
dari nilai mean squared error
terkecil mengalami sedikit
perubahan dalam musim-musim
tertentu. Adapun perubahannya
sebagai berikut:
a. Hasil dari peramalan rata-rata
bergerak tunggal menggunakan
data aktual, triwulan I = 764.626
triwulan II = 906.155 triwulan
III = 836.127 triwulan IV =
835.390.
b. Hasil dari peramalan dengan
melihat indeks musim dapat di
tentukan target pertriwulan, I =
957.858 triwulan II = 741.686
triwulan III = 820.941 triwulan
IV = 821.814.
3. Dari hasil peramalan dan tingkat
kesalahanya diketahui bahwa
metode yang paling sesuai
digunakan dalam menganalisis data
dengan memiliki tingkat kesalahan
yang paling kecil yaitu single moving
average berdasarkan pola index
variasi musiman merupakan gerakan
data yang teratur naik turunnya
terjadi pada waktu yang berurutan.
Sedang metode exponential
smoothing masih mempunyai nilai
mean squared error besar
dipengaruhi oleh keadaan data yang
menaik atau menurun dari waktu ke
waktu.
Saran
Sara untuk peramalan selanjutnya
dengan penerapan model peramalan
produksi bunga hias menggunakan metode
single moving averages dan exponensial
smoothing,sebagai berikut:
1. Dengan metode single moving
average telah terbukti memberikan nilai error yang relative lebih kecil
pada hasil peramalan angrek tahun
2013 dari peramalan exponensial
smoothing, namun mean squared
error sebesar 30.530,143 selisih dari
hasil peramalan yang dikuardatkan.
2. Sehingga Berdasarkan hasil tersebut
maka rekomendasi dapat diberikan
diantaranya melakukan uji trial dan
error nilai konstanta penghalus
(alpha) yang lebih kecil,
penambahan periode data sekunder
yang lebih lama jangka waktunya
dalam peramalan selanjutnya.
Daftar Pustaka
Arman Hakim Nasution. 2003. Perencanaan
dan Pengendalian Produksi. Cetakan
kedua. Surabaya. Guna Widya.
Arsyad, Lincolin, 1997. Peramalan Bisnis,
Edisi pertama, BPFE Yogyakarta.
Astuti, TP., M. Ferichani & R.K. Adi. 2012.
Optimasi Penggunaan Masukan pada
Produksi Bunga Potong Krisan
(crysunthemum sp) di Kabupaten
Semarang.
http://agribisnis.fp.uns.ac.id/wp-
content/uploads/2013/07/JURNAL_T
RI-PUJI-ASTUTI_H08091071.pdf
Dinas Pertanian Tanaman Pangan Provinsi
Jawa Barat. 2014. Hasil Produksi
10
Tanaman Hias di Kabupaten Bogor
Tahun 2008-2012.
Gaspersz, Vincent. 2005. Production
Planing and Inventory Control,
Gramedia Pustaka Utama, Jakarta.
Jay Heizer dan Barry Render. (2009)
Operation Management , 7th edition .(
Manajemen Operasi edisi 7, Buku 1 )
Penerbit Salemba Empat. Jakarta.
Jogiyanto, HM, 2005, “Analisis dan Desain
Sistem Informasi :Pendekatan
Terstruktur Teori dan Praktik Aplikasi
Bisnis”, Penerbit Andi, Yogyakarta.
Klara Wulandari. 2012. Jurnal Ilmiah Sistem
Informasi Peramalan Penjualan Roti
Pada Toko Roti Baker Menggunakan
Metode Exponensial Smoothing:
Universitas Bina Darma Fak.Ilkom
Vol.1 No.1, Palembang.
Marcelina Rizka Falevy, M.Zen Samsono,
Akuwan Saleh. 2007. Jurnal Sistem
Peramalan Harga Sembako Berbasis
Moving Average Dengan Brew
Platfrom Sebagai Mobile Interfaces,
Insitut Teknologi Sepuluh November,
Jurusan Teknik Telekomunikasi.
Surabaya.
McLeod,Raymond,Jr.(1995).Management
Information System: A Computer
Based Information System.Sixth
Edition.Diterjemahkan oleh Teguh.
Jilid kedua.Prentice Hall
Incorporation,New Jersey.
M.A. Yulianto. 2012. Analisa Time Series.
www.books.google.co.id . 13 April
2014 pukul 20.00 Wib.
Nasution, Hakim dan Prasetyawan, 2008.
Perencanaan dan Pengendalian
Produksi, Graha Ilmu, Yogyakarta.
Satzinger, John W., Jackson, Robert B.,
Burd, Stephen D. (2009). Systems
Analysis And Design In a Changing
World, 5th Edition . Course
Technology. New York.
Subagyo, Pangestu (2002). Forecasting :
Konsep dan Aplikasi. BPFE -
Yogyakarta
Sumayang, Lulu (2003). Dasar-Dasar
Manajemen Produksi dan Operasi,
Salemba Empat, Jakarta
Ratna Sari dan Kudang Boro Seminar. 2005.
Jurnal Rancangan Bangun Perangkat
Lunak Perencanaan Produksi Kristan
Potong: Departemen Teknik
Pertanian, Fakultas Teknologi
Pertanian , Institut Pertanian Bogor:
J.Tek.Ind Pert.Vol. 19(1),1-6.