e-J.

Agrotekbis 4 (1) :97-105, Februari 2016 ISSN : 2338-3011

PERAMALAN PERMINTAAN PRODUK ROTI PADA INDUSTRI

“TIARA RIZKI” DI KELURAHAN BOYAOGE KECAMATAN
TATANGA KOTA PALU
Bakery Product Demand Forecast at “Tiara Rizki” Industry in Boyaoge Village
Tatanga District of Palu City

Eby Gusdian 1), Abdul Muis2), Arifuddin Lamusa2)

1)
Mahasiswa Program Studi Agribisnis Fakultas Pertanian Universitas Tadulako, Palu
2)
Staf Dosen Program Studi Agribisnis Fakultas Pertanian Universitas Tadulako, Palu
e-mail :eby_gusdian@yahoo.com
e-mail :abdulmuis.oke.11@gmail.com
e-mail :lamusa.arif@yahoo.com

ABSTRACT

This study aimed to forecast demand for bakery products at “Tiara Rizki” industry in Boyaoge
Village Tatanga District of Palu City in 2016. This research was conducted in June 2015. The
respondent in this research are the owner and 2 employees of “Tiara Rizki” Industry. The used data
was from Primary and secondary data. The Analysis tool are Single Moving Average and Single
exponential smoothing. The result showed that the forecast for September was 31,835 pack, with
the Mean Absolute Error by 2,005 and Mean Squared Error by 17,243,400. Result in September
also can determine prediction in 2016. The calculation using Exponential Smoothing the α is 0.9,
Mean Absolute Error is 2,912 and Mean Squared Error is 24,087,750, which Mean absolute Error
and Mean Squared Error were the smallest.

Key Words : Forecasting, Demand

ABSTRAK

Penelitian ini bertujuan mengetahui ramalan permintaan produk roti pada industri “Tiara Rizki” di
Kelurahan Boyaoge Kecamatan Tatanga Kota Palu pada Tahun 2016. Penelitian ini dilaksanakan
pada bulan Juni 2015. Responden dalam penelitian in iadalah pemilik dan 2 orang karyawan
industri “Tiara Rizki”. Data yang digunakan bersumber dari data primer dan data sekunder. Analisis
yang digunakan adalah Single moving average (Rata-rata bergerak tunggal) dan Single exponential
smoothing. Hasil penelitian menunjukkan bahwa ramalan untuk bulan September adalah sebesar
31.835 bungkus, dengan Mean Absolute Error sebesar 2.005 dan Mean Squared Error sebesar
17.243.400. Hasil ramalan pada bulan September dapat dihasilkan pula hasil peramalan atau
perkiraan pada tahun 2016. Hasil perhitungan ramalan permintaan dengan Exponential smoothing
yaitu nilai α 0,9 memiliki nilai Mean Absolute Error sebesar 2.912 dan Mean Squared Error
sebesar 24.087.750, dimana nilai Mean Absolute Error dan Mean Squared Errornya paling kecil.

Kata Kunci : Peramalan, Permintaan

PENDAHULUAN masa lalu. Meramalkan penjualan berarti

menentukan perkiraan besarnya volume
penjualan. Bahkan menentukan potensi
Peramalan (Forecasting) adalah suatu penjualan dan luas pasar yang dikuasai di
usaha untuk memprediksi keadaan di masa masa yang akan datang. Kegunaan peramalan
mendatang melalui pengujian keadaan di adalah untuk mengambil keputusan yang tepat
97
berdasarkan peristiwa masa lalu. (Makridakis, Perkembangan industri roti yang ada
2005 dalam Wenda B. dkk). di Kota Palu cukup penting dan menarik
Adanya kegiatan Peramalan penjualan untuk diteliti, karena semakin berkembangnya
ini, dapat mengambil keputusan atau industri roti yang ada di Kota Palu, maka
kebijakan sesuai dengan hasil ramalan
penjualan tersebut. Dengan pemilihan dapat menambah (membuka) lapangan kerja
dan penggunaan metode yang tepat, baru dengan kata lain, dapat mengurangi
maka keberhasilan perusahaan dalam jumlah pengangguran, Pada karena setiap
menawarkan produknya akan diperoleh industri membutuhkan tenaga kerja baik
dalam bentuk laba yang dihasilkan. dalam jumlah kecil maupun besar, sehingga
Peramalan ini juga akan memberikan tingkat produktivitas industri semakin
perbandingan penggunaan metode yang tinggi. Tiara Rizki merupakan industri yang
memiliki nilai kesalahan terkecil, sehingga
perusahaan dapat mengaplikasikannya berdiri relatif baru dengan memproduksi
dalam manajemen perusahaan. Peramalan roti yang cukup besar di Kota Palu, terlihat
penjualan juga dilakukan untuk bisa terus pada Tabel 2.
memenuhi kebutuhan pelanggan yang Tabel 2. Daftar Penjualan Produk Roti
dilihat dari hasil ramalan agar manajer Industri “Tiara Rizki” Selama 10
dapat memperhitungkan stock persediaan Bulan terakhir (November 2014
(Winyalna, 2014). sampai Agustus 2015).
Industri kecil merupakan salah satu Permint Pengem
motor penggerak perekonomian Indonesia Prod.
No. Bulan aan balian
(Bks)
saat ini. Hal ini telah terbukti mampu (Bks) (Bks)
bertahan pada masa krisis ekonomi dan 1.
Novemb
53.550 51.366
2.184
menjadi dinamisator pertumbuhan ekonomi er
Desemb 3.488
pasca krisis ekonomi. Bisnis-bisnis 2.
er
56.100 52.262
rumahan sebagai bagian dari industri kecil, 3. Januari 53.800 47.153 6.017
ternyata telah menjadi pengaman bagi 4. Februari 49.950 39.402 10.293
perekonomian Indonesia. Terdapat banyak 5. Maret 56.600 44.221 11.557
keuntungan usaha di rumah tangga selain 6. April 44.500 34.225 10.025
7. Mei 37.700 34.907 2.793
tidak pusing memikirkan biaya sewa 8. Juni 37.700 35.333 2.367
tempat, usaha ini bisa pun tumbuh menjadi 9. Juli 24.650 23.538 1.112
tak sekedar usaha sampingan, biaya 10. Agustus 39.150 36.633 2.517
transportasi juga bisa di minimalisasikan Sumber : Data primer setelah diolah, 2015.
(Soekartawi, 2000).
Industri yang memproduksi roti di
kota palu, pada Kantor Dinas Koperasi, Berdasarkan data pada Tabel 2
UMKM, Perindustrian dan Perdagangan menunjukkan jumlah penjualan produk roti
Kota Palu Tahun 2015, terlihat pada pada industri“Tiara Rizki” belum efesien,
Tabel 1. karena produk yang dijual sering
Tabel 1. Daftar Industri Roti di Kota Palu, dikembalikan dalam jumlah cukup banyak
pada tahun 2015. oleh reseller. Pengembalian tersebut
No. Nama Industri Alamat
diakibatkan oleh besarnya jumlah produk,
1 Bakery Coco Jl. Bali No. 21
namun tidak diikuti oleh jumlah permintaan
2 Syariah Bakery Jl. Maleo Lrg. 8 No. 68c
yang sebanding. Hal ini disebabkan
3 Hosana Bakery Jl. Monginsidi No. 85 oleh persaingan antara produk roti yang
4 UD. Syariah Jl. Cemara I No. 202 ada membuat jumlah produk roti tersebut
5 UD. Boga Nila Sari Jl. Asam I No.12
6 Roti Cocola Jl. Asam I No. 12
di pasaran harus bersaing dengan
7 Manna Bakery & Café Jl. Hi. Hayun No. 144 baik dalam bentuk jumlah maupun kualitas
8 Basma Bakery Jl. Cemara I No. 144 yang diberikan oleh produsen ke
9 Alillah Cookies Jl. Otista konsumen. Kondisi demikian membuat
10 Bon-Bon Café Jl. W. Monginsidi No.70
11 Tiara Rizki Jl. Ganogo No. 20
produsen roti harus memilih cara untuk
Sumber : Dinas Koperasi,UMKM, Perindustrian dan mempertahankan pelanggannya maupun
Perdagangan Kota Palu Tahun 2015. meningkatkan konsumennya. Untuk

98
mempertahankan eksistensi usaha dan “Tiara Rizki“ dengan menggunakan daftar
menaikan laba, salah satu cara adalah pertanyaan (Questionary). Data sekunder
melakukan peramalan produk yang diminta diperoleh dari berbagai literatur, dan
konsumen setiap bulan agar industri “Tiara beberapa instansi yang terkait yang dapat
Rizki” dapat memproduksi roti sesuai menunjang kegiatan penilitian.
dengan kebutuhan atau permintaan tersebut
setiap bulan ditahun 2016 mendatang. Hasil Analisis Data
peramalan industri “Tiara Rizki” akan Berdasarkan tujuan dalam penelitian
mengetahui jumlah roti yang harus di ini maka beberapa analisis yang digunakan
produksi setiap bulan sehingga tak banyak dalam penelitian adalah sebagai berikut:
yang tersisa, dan dapat meminimalisir biaya Moving Average termaksud dalam
produksi membalikan posisi penjualan time series model yang merupakan metode
dari kecenderungan menurun menjadi peramalan kuntitatif dengan menggunakan
meningkat di tahun yang di ramalkan. waktu sebagai dasa peramalan.
(Nasapi, 2014)
METODE PENELITIAN
Gaspersz (2005) menyatakan bahwa
Penelitian ini dilaksanakan di industri Metode Singel Moving Average atau
“Tiara Rizki” yang bertempat di jalan Metode rata-rata bergerak tunggal
Ganogo No. 8 Kelurahan Boyaoge. Lokasi menggunakan sejumlah data aktual
ini dipilih secara sengaja (purposive) permintaan yang baru untuk
dengan pertimbangan bahwa industri “Tiara membangkitkan nilai ramalan untuk
Rizki” tersebut merupakan Industri yang permintaan dimasa yang akan datang.
memproduksi roti sebagai produk yang ada Metode ini akan efektif diterapkan apabila
di Kelurahan Bayaoge Kecamatan Tatanga kita dapat mengasumsikan bahwa
Kota Palu. Penelitian ini dilaksanakan permintaan pasar terhadap produk akan
pada bulan Agustus 2015. tetap stabil sepanjang waktu Metode ini
mempunyai dua sifat khusus yaitu untuk
Penentuan Responden. membuat forecast memerlukan data historis
Penentuan responden dalam penitian dalam jangka waktu tertentu, semakin
ini dilakukan dengan sengaja (purposive) panjang moving average akan menghasilkan
terhadap industri “Tiara Rizki“, serta moving averages yang semakin halus,
dilakukan dengan mewawancarai secara secara sistematis moving average adalah:
langsung 1 orang pimpinan dan 2 orang 𝑋𝑡 + 𝑋𝑡−1 + ⋯ 𝑋𝑡−𝑛+1
St + 1 =
karyawan industry “Tiara Rizki” dengan 𝑛
pertimbangan bahwa pimpinan dan Keterangan :
karyawan industri “Tiara Rizki” sangat St + 1 = Forecast untuk period ke t+1.
berkompeten untuk memberikan informasi Xt = Data pada periode t.
yang akurat mengenai usaha yang n = Jangka waktu Moving averages.
dilakukannya serta mengetahui segala
seluk-beluk dan bagaimana usahanya Subagyo (2002) Metode exponential
tersebut dijalankan dan dikembangkan. smoothing adalah suatu prosedur yang
Data yang digunakan dalam mengulang perhitungan secara terus
penelitian ini bersumber dari data primer menerus yang menggunakan data terbaru.
dan data sekunder. Pengumpulan data Setiap data diberi bobot, dimana bobot yang
primer dilakukan dengan cara teknik digunakan disimbolkan dengan α. Simbol
observasi dengan tujuan untuk memperoleh α bisa ditentukan secara bebas, yang
data produksi roti pada bulan November mengurangi forecast error. Nilai konstanta
2014 sampai Agustus 2015, selanjutnya teknik pemulusan, α, dapat dipilih diantara
wawancara langsung pada pemilik industri nilai 0 dan, karena berlaku: 0 < α < 1.

99
Secara metematis, persamaan penulisan Novermber 2014 – Agustus 2015 terlihat
eksponential sebagai berikut : pada Tabel 3.
Tabel 3. Produksi Roti “Tiara Rizki” pada
St + 1 = αXt + (1 – α)St Bulan November 2014 sampai
Agustus 2015.
Keterangan : Bahan baku
St + 1 = Nilai ramalan untuk periode Bulan Tepung Produksi
berikutnya. No. Terigu Gula (Bungkus)
α = Konstanta penulisan (0-1). (Kg) (Kg)
Xt = Data pada periode t. 1 November 1.494 298,8 53.550
St = Nilai penulisan yang lama atau rata-rata 2 Desember 1.563 312,6 56.100
yang dimuluskan hingga periode t-1. 3 Januari 1.506 301,2 53.800
Mengukur error (Kesalahan) 4 Februari 1.392 287,2 49.950
Forecast biasanya digunakan Mean 5 Maret 1.563 322,6 56.600
Absolute Error (MAE) dan Mean Square 6 April 1.269 253,8 44.500
Error (MSE). Mean Absolute Error (MAE) 7 Mei 1.040 218,4 37.700
adalah rata-rata absolute dari kesalahan 8 Juni 1.040 218,4 37.700
meramal, tanpa menghiraukan tanda positif 9 Juli 1.040 218,4 24.650
atau negatif. Secara matematis, MSE 10 Agustus 1.040 218,4 39.150
dirumuskan sebagai berikut : Total 12.947 2.649.8 453.700
MAE = ∑(At-Ft) Sumber.: Data primer setelah diolah, 2015.

Keterangan: Tabel 3 menunjukan bahwa

At = Permintaan Aktual pada periode –t. produksi roti pada industri “Tiara Rizki”
Ft = Peramalan Permintaan (Forecast) pada
pada Bulan November 2014 sampai Bulan
periode-t.
Agustus 2015 total produksinya adalah
Rata-rata Kuadrat Kesalahan Mean
453.700 dengan bahan baku tepung terigu
Square Error (MSE). MSE dihitung dengan
yang digunakan sebesar. Setiap proses
menjumlahkan kuadrat semua kesalahan
produksi jumlah output yang dihasilkan
peramalan pada setiap periode dan
tidak selalu sama, tergantung dengan
membaginya dengan jumlah periode
banyaknya bahan baku yang diperoleh.
peramalan. Secara matematis, MSE
dirumuskan sebagai berikut (Nasution dan Pemasaran Roti “Tiara Riski”
Prasetyawan, 2008) Pemasaran merupakan suatu proses
MSE = ∑(At-Ft)2 kegiatan penyaluran hasil produksi dari
n tingkat produsen ke tingkat konsumen.
Keterangan : Pemasaran roti pada industri
At = Permintaan Aktual pada periode –t. “Tiara Rizki” menggunakan saluran
Ft = Peramalan Permintaan (Forecast) pada pemasaran yaitu sebagai berikut :
periode-t. Produsen → Distributor → Konsumen.
n = Jumlah periode peramalan yang terlibat. Saluran pemasaran ini menjelaskan bahwa
industri “Tiara Rizki” menjual hasil
HASIL DAN PEMBAHASAN produknya melalui distributor kemudian
sampai pada konsumen. Distributor yang
Produksi Roti “Tiara Riski”. dimaksud adalah kios-kios yang bertempat
Produksi Roti “Tiara Rizki” dimulai didaerah kota palu, pantoloan, pantai barat,
dari proses Pengadukan, Pemotongan
Pengisian isi, pencetakan, pembakaran, dan donggala, marawola, dan biromaru.
yang terakhir adalah pengemasan. Setiap
hari industri “Tiara Rizki” memproduksi Permintaan Roti “Tiara Riski”
roti yang jumlahnya berfluktuasi. Jumlah Peramalan merupakan hal yang
produksi roti “Tiara Rizki” pada periode penting yang harus dilakukan perusahaan

100
maupun industri agar dapat merencanakan periode, tetapi yang sering digunakan antara
kebutuhan bahan baku, untuk itu lain: 3 periode, dan 5 periode maka untuk
diperlukan pemilihan metode peramalan meramalkan dengan periode 3 bulanan
yang sesuai agar hasil peramalan tidak jauh dimulai dari bulan ke 5 dengan perhitungan
seperti pada Tabel 5.
dari kenyataan. Untuk dapat melakukan
Tabel 5. Peramalan Single Moving Average
peramalan diperlukan data-data dari
3 Bulan dan 5 Bulan.
periode sebelumnya. Data periode Periode Permintaan MA 3 MA 5
sebelumnya digunakan sebagai panduan (Bulan) (Bks) (Bks) (Bks)
untuk dapat melakukan peramalan. Adapun November 2014 51.366 - -
data permintaan Roti “Tiara Rizki” adalah Desember 2014 52.262 - -
seperti pada Tabel 4. Januari 2015 47.513 - -
Februari 2015 39.402 50.380 -
Maret 2015 44.221 46.392 -
Tabel 4. Permintaan Roti “Tiara Rizki” April 2015 34.225 43.712 46.953
pada Bulan November 2014 Mei 2015 34.907 39.283 43.525
sampai Agustus 2015. Juni 2015 35.333 37.784 40.054
Juli 2015 23.538 34.822 37.618
Periode Permintaan Agustus 2015 36.633 31.259 34.445
(Bulan) (Bungkus) September 2015 31.835 31.835 32.927
November 51.366 Oktober 2015 30.669 30.669 32.449
November 2015 33.046 33.046 31.602
Desember 52.262
Desember 2015 31.850 31.850 31.144
Januari 47.513 Januari 2016 31.855 31.855 32.807
Februari 39.402 Februari 2016 32.250 32.250 31.851
Maret 44.221 Maret 2016 31.985 31.985 31.934
April 34.225 April 2016 32.030 32.030 32.197
Mei 2016 32.088 32.088 31.994
Mei 34.907 Juni 2016 32.034 32.034 32.042
Juni 35.333 Juli 2016 32.051 32.051 32.077
Juli 23.538 Agustus 2016 32.058 32.058 32.038
Agustus 36.633 September 2016 32.048 32.048 32.052
Oktober 2016 32.052 32.052 32.056
Total 399.400 November 2016 32.053 32.053 32.049
Sumber.: Data primer setelah diolah, 2015.
Desember 2016 32.051 32.051 32.052
Tabel 4 menunjukkan bahwa
permintaan roti pada industri “Tiara Rizki” Sumber.: Data primer setelah diolah, 2015.
setiap bulannya mengalami fluktuasi dari Tabel 5 menunjukan bahwa dapat diketahui
periode November 2014 sampai Agustus ramalan atau perkiraan roti pada bulan
2015. Permintaan roti terjadi ini disebabkan September 2015 sebesar 31835. Ramalan
menjamurnya usaha roti dikota palu yang pada bulan September 2015 dihasilkan dari
artinya persaingan semakin banyak perhitungan rata-rata bergerak dalam 3
sehingga permintaan produk roti “Tiara bulan moving average.
Rizki” menjadi menurun.
Menghitung 3 Bulan Moving Average
Peramalan Permintaan Roti “Tiara Mean Sqcuared Error (MSE) Dan 5
Rizki”. Bulan Moving Average Mean Absolute
Single Moving Average. Metode Error (MAE). Nilai error yang asli
Single Moving average atau metode rata- biasanya tidak dirata-ratakan sebagai
rata bergerak adalah metode yang banyak ukuran besar kecilnya error, sebab ada
digunakan untuk menentukan trend dari yang positif dan ada yang negatif. Sehingga
suatu deret waktu. Dengan menggunakan kalau dijumlah error pasti akan kecil, sebab
metode rata-rata bergerak ini. Pada metode error yang positif akan dikurangi dengan
ini menggunakan data paling sedikit 3 error yang negatif terlihat pada Tabel 6.

101
Tabel 6. Menghitung Mean Sqcuared Error (MSE) dan Mean Absolute Error (MAE).
Periode Perminta MA Error Absolu Error2 MA Error Absolu Error2
an 3 MA te MA 5 MA te MA
3 3 5 5
Novemb
51.366 - - - - - - - -
er
Desemb
52.262 - - - - - - - -
er
Januari 47.513 - - - - - - - -
-
50.38 120.516.4
Februari 39.402 10.97 10.978 - - - -
0 84
8
46.39 -
Maret 44.221 2.171 4.713.241 - - - -
2 2.171
-
43.71 - 90.003.16 46.95 162.001.9
April 34.225 9.487 12.72 12.728
2 9.487 9 3 84
8
39.28 - 19.149.37 43.52 - 74.269.92
Mei 34.907 4.376 8.618
3 4.376 6 5 8.618 4
37.78 - 40.05 - 22.287.84
Juni 35.333 2.451 6.007.401 4.721
4 2.451 4 4.721 1
- -
34.82 127.328.6 37.61 198.246.4
Juli 23.538 11.28 11.284 14.08 14.080
2 56 8 00
4 0
31.25 28.879.87 34.44
Agustus 36.633 5.374 5.374 2.188 2.188 4.787.344
9 6 5
Septemb 31.83 32.92 -
31.835 0.33 0.33 0.11 1.092 1.192.464
er 5 7 1.092
30.66 32.44 -
Oktober 30.669 0.33 0.33 0.11 1.780 3.168.400
9 9 1.780
Novemb 33.04 31.60
33.046 0.03 0 0.11 1.444 1.444 2.085.136
er 6 2
Desemb 31.85 31.14
31.850 0.00 0 0.00 705 705 498.436
er 0 4
31.85 32.80
Januari 31.855 0.00 0 0.00 -952 952 906.304
5 7
32.25 31.85
Februari 32.250 -0.33 0.33 0.11 399 399 159.201
0 1
31.98 31.93
Maret 31.985 0.00 0 0.00 51 51 2.601
5 4
32.03 32.19
April 32.030 0.00 0 0.00 -167 167 27.889
0 7
32.08 31.99
Mei 32.088 -0.33 0.33 0.11 94 94 8.836
8 4
32.03 32.04
Juni 32.034 -0.33 0.33 0.11 -8 8 64
4 2
32.05 32.07
Juli 32.051 0.33 0.33 0.11 -26 26 676
1 7
32.05 32.03
Agustus 32.058 0.33 0.33 0.11 20 20 400
8 8
Septemb 32.04 32.05
32.048 0.33 0.33 0.1089 -4 4 16
er 8 2

102
 32.05 32.05
Oktober 32.052 -0.33 0.33 0.1089 -4 4 16
2 6
Novemb 32.05 32.04
32.053 0.33 0.33 0.1089 4 4 16
er 3 9
Desemb 32.05 32.05
32.051 0.00 0 0 -1 1 1
er 1 2
396.598.2 49.08 469.643.9
Jumlah 46.125
04 7 49
17.243.40 22.363.99
Rata-Rata 2.005 2.337
0 8
Sumber. : Data primer setelah diolah, 2015.

Tabel 6 menunjukkan bahwa 3 bulan Berarti forecast 3 bulan moving average

moving average pada forcast terkecil penyimpangannya lebih kecil.
sebesar 31.259 pada bulan Agustus 2015
dan jumlah forcast 3 bulan forcast sebesar Peramalan Single Exponential
Smoothing α = 0,1 ; α = 0,5 ; α =0,9.
46.125. Tetapi kalau 5 bulan moving Metoda exponential smoothing adalah suatu
average pada forcast terkecil sebesar prosedur yang mengulang perhitungan
31.144 pada bulan Desember 2015 dan secara terus menerus dengan menggunakan
jumlah forcast 5 bulan forecast sebesar data terbaru dengan didasarkan pada
49.087. perhitungan rata-rata peramalan terhadap
objek pengamatan terbaru. (Raharja, 2010)
Tabel 7. Perbandingan error antara 3 bulan Metode single exponential smoothing
dan 5 bulan moving average. sebenarnya perkembangan dari metode
3 Bulan Moving MAE= MSE =17.243.400 moving average, dalam metoda exponential
Average 2.005 smoothing nilai 1/n diganti dengan α. Besar
5 Bulan Moving MAE= MSE= 22.363.998 α yang paling cocok bisa dipilih secara error
Average 2.337 sampai menghasilkan α yang paling baik.
Sumber : Data Primer Setelah Diolah 2015. sebelum menghasilkan α yang paling baik
maka harus mencari errornya dulu dengan
Tabel 7 menunjukan bahwa Forcast 3 bulan mengukur mean squered error dan mean
moving average menghasilkan error yang absolute error, α yang menghasilkan error
lebih rendah dari pada forcast 5 bulan. terkecil yang dipilih, terlihat pada Tabel 8.
Tabel 8. Single Exponential Smooting α = 0,1 ; α = 0,5 ; α =0,9.
Forcast Forcast Forcast
Periode Permintaan
α 0,1 α 0,5 α 0,9
November 2014 51.366
Desember 2014 52.262 51.366 51.366 51.366
Januari 2015 47.513 51.456 51.814 52.172
Februari 2015 39.402 51.061 49.664 47.979
Maret 2015 44.221 49.895 44.533 40.260
April 2015 34.225 49.238 44.377 43.825
Mei 2015 34.907 47.818 39.815 35.185
Juni 2015 35.333 46.527 37.104 34.935
Juli 2015 23.538 45.407 41.815 35.293
Agustus 2015 36.633 43.220 32.677 24.714
September
2015 31.835 42.561 34.655 35.441
Oktober 2015 30.669 41.489 33.245 32.196
November 2015 33.046 40.407 31.957 30.822
Desember 2015 31.850 39.671 32.502 32.824
Januari 2016 31.855 38.889 32.176 31.947
Februari 2016 32.250 38.185 32.015 31.864

103
 Maret 2016 31.985 37.592 32.133 32.211
April 2016 32.058 37.031 32.059 32.008
Mei 2016 32.048 36.534 32.058 32.053
Juni 2016 32.052 36.085 32.053 32.048
Juli 2016 32.053 35.682 32.053 32.052
Agustus 2016 32.051 35.319 32.053 32.053
September 2016 32.048 34.992 32.052 32.051
Oktober 2016 32.052 34.698 32.050 32.048
November 2016 32.053 34.433 32.051 32.052
Desember 2016 32.051 34.195 32.052 32.053
Sumber : Data Primer Setelah Diolah, 2015.

Tabel 8 menunjukkan bahwa

peramalan single exponential smooting Gambar 1. Permintaan Produk Roti pada
α = 0,1 ; α = 0,5 ; α = 0,9 pada bulan Industri “Tiara Rizki” pada Bulan
Desember 2014 sampai Desember 2016 November 2014 Sampai Desember
jelas tertera pada Tabel 8. Data permintaan
pada periode bulan November sebesar 2016.
51.366 bungkus. Untuk bulan november
belum bisa membuat forecast, dan juga
forcast bulan desember belum mempunyai
cukup data. Dalam hal ini boleh ditentukan
secara bebas, biasanya data terakhir yang
paling mudah dipakai. Sehingga forcast
untuk bulan desember sebesar 51.366
bungkus sama dengan nilai permintaan pada
bulan pertama, jelas terlihat pada Tabel 9.
Tabel 9 menunjukkan bahwa nilai α 0.9
Gambar 1. menunjukkan bahwa data
memiliki nilai mean absolute error sebesar permintaaan produk roti pada bulan
2.912 dan mean squared error 24.087.750, November 2014 sampai bulan Desember
yang dimana mean absolute error dan mean 2016 hasil data ramalan yang diperoleh
squared errornya paling kecil. Maka berfluktuasi. Data ramalan bulan November
Metode single exponential smoothing 2014 sampai bulan Desember 2016
dengan nilai α 0.9 yang harus dipilih. mununjukan bahawa permintaan roti
mengalami Penurunan secara garis linear.
Tabel 10. Perbandingan Error antara α = 0,1
; α = 0,5 ; α = 0,9. KESIMPULAN DAN SARAN
Forcast MAE MSE
α = 0,1 8.365 85.744.075
Kesimpulan
α = 0,5 2.986 29.574.932
α = 0.9 2.912 24.087.750 Hasil ramalan atau perkiraan roti pada
Sumber : Data Primer Setelah Diolah, 2015. industri “Tiara Rizki” dengan metode single
Tabel 10 menunjukkan bahwa Forcast moving average (rata-rata bergerak) untuk
error terkecil yaitu α = 0.9 yang dimana periode bulan September sebesar 31.835
Mean Absolute error sebesar 2.912 dan bungkus, dengan Mean Absolute Error
Mean Square error sebesar 24.087.750. 2005 dan Mean Squared Error 17.243.400.
Jelas bahwa hasil pemulusan menggunakan Dari hasil ramalan dibulan September dapat
single exponensial smooting α = 0.9 yang dihasilkan pula hasil peramalan atau
menghasilkan error terkecil dari α = 0,1 dan perkiraan pada tahun 2016.
α =0,5. Sehingga metode single exponensial Hasil perhitungan ramalan permintaan
smoothing cocok untuk meramalkan data dengan Exponential smoothing yaitu nilai α
yang berfluktuasi. 0.9 memiliki nilai mean absolute error

104
sebesar 2.912 dan mean squared error Gasperz, 2005. Production Planning and Inventory
24.087.750, yang dimana mean absolute Control, Gramedia Pustaka Utama, Jakarta,
2005
error dan mean squared errornya paling
kecil. Maka Metoda single exponential Markidakis, 2005, Metode dan Aplikasi Peramalan,
smoothing dengan nilai α 0.9 yang lebih Penerbit Binarupa Aksara, Jakarta.
cocok digunakan untuk meramalakan hal-
Nasapi M, dkk. 2014. Peramalan Permintaan Susu
hal yang fluktuasinya secara random atau Pasteurisasi Menggunakan Metode Jaringan
tidak teratur. Syaraf Tiruan dan Time Series (Studi Kasus
Hasil data peramalan mengalami di Koperasi Susu SAE Pujon, Malang).
fluktuasi yang menyebabkan gerakan data Jurnal EECCIS Vol.6 (1), Hal : 1-12.
berkala tidak teratur yang disebabkan oleh Nasution, H dan Prasetyawan. 2008. Perencanaan
peristiwa-peristiwa yang terjadi pada seperti dan Pengendalian Produksi, Graha Ilmu,
permintaan roti “Tiara Rizki” di reseller Yogyakarta.
yang tiba-tiba naik, dan banyaknya
Raharja, A. dkk. 2010. Penetapan Metode
persaingan roti yang sehingga permintaan Exponential Smoothing untuk Peramalan
roti “Tiara Rizki” pun menurun. Penggunaan Waktu Telepon Di PT.
Telkomsel Divre3 Surabaya. SISFO-Jural
Saran Sistem Informasi. Vol. 1 No. 4, Hal : 1-10.

Industri sebaiknya menetapkan metode Subagyo, P. 2013. Forcasting, Konsep dan Aplikasi.
Edisi Ketiga, BPFE.Yogyakarta.
single moving average 3 bulan dalam
menentukan peramalan, karena dari
pengujian diatas metode ini yang paling Surihadi, A.A. 2009. Penerapan Metode Singel
mendekati aktual dan memiliki mean Moving Average dan Exponential Smooting
dalam Peramalan Permintaan Produk
absolute error serta mean squared error Meubel Jenis Coffee Table pada Java
terkecil. Pimpinan industri roti “Tiara Furniture Klaten. Skripsi. 2009 . Universitas
Rizki” diharapkan untuk bisa melatih Sebelas Maret.
karyawan dalam menetapkan metode single
moving average 3 bulan guna untuk Soekartawi, 2000. Pengantar Agroindustri. PT Raja
Grafindo Persada. Jakarta.
mempermudah dalam meramalkan
permintaan untuk periode yang akan datang, Winyalna, 2014. Peramalan Forecasting.
seperti peramalan yang sudah dijelaskan. http:wordpress. Peramalan forecasting/com.
.Diakses pada tangga 6 Mei 2015
DAFTAR PUSTAKA
Wenda B, dkk. 2015. Usulan Pemesanan Sepatu
Keselamatan Dengan Model Economic
Arie, Salvador. 2010. Studi Analisis Peramalan
Order Quantity. Jurnal Teknik Industri
dengan Metode Deret berkala. Jurnal Widya
Itenas No. 01. Vol 03. Hal : 1-9
teknikal Vol.18 (2):1-6.

105