Tugas 3 Jurnal Telematika

APLIKASI PERENCANAAN PEMBELIAN BARANG PADA

PERUSAHAAN MANGGALA MOTOR  DENGAN MENGGUNAKAN METODE ARIMA

Tujuan

Aplikasi dibuat dengan menggunakan metode ARIMA (Autoregressive-Integrated-Moving Average). Hasil dari aplikasi ini berupa informasi mengenai jumlah penjualan yang mungkin terjadi pada periode berikutnya. Melalui peramalan terhadap penjualan pada periode mendatang ini, diharapkan perusahaan  akan mempunyai persediaan barang yang mencukupi.

Metodologi Penelitian

Metode ARIMA (Autoregressive-Integrated-Moving

Average)

Model-model Autoregressive/Integreated/ moving Average (ARIMA) telah dipelajari secara mendalam oleh George Box dan Gwilym Jenkins pada tahun 1976, dan nama mereka sering disinonimkan dengan proses ARIMA yang diterapkan untuk analisis deret berkala, peramalan dan pengendalian.

Menurut Box dan Jenkins [3], prosedur untuk membangun model ARIMA terdiri dari:

 Identifikasi model sementara dengan menggunakan data masa lalu untuk mendapatkan model dari

ARIMA

 Penaksiran atau estimasi parameter dari model ARIMA dengan menggunakan data masa lalu.

 Pengujian dilakukan untuk menentukan model yang paling memenuhi untuk melakukan penerapan peramalan.

 Penerapan, yaitu peramalan nilai data deret berkala yang akan datang menggunakan model yang telah diuji.

DESAIN SISTEM

Proses-proses yang terdapat pada Gambar 1 merupakan proses yang terdapat pada peramalan dengan menggunakan metode ARIMA. Proses-proses tersebut terdiri dari proses Identifikasi, Penaksiran Parameter, Pengujian Parameter, dan Penerapan Model Peramalan.

Proses identifikasi diawali dengan perhitungan Autocorrelation Function (ACF) untuk mengetahui apakah data yang digunakan dalam peramalan bersifat stasioner. Jika data tidak bersifat stasioner maka data tersebut akan dilakukan differencing. Jika data sudah stasioner dilanjutkan dengan identifikasi model sementara dari hasil perhitungan Autocorrelation Function (ACF), dan Partial Autocorrelation Function (PACF).

Yulia, Aplikasi Perencanaan Pembelian Barang pada Perusahaan Manggala Motor  dengan Menggunakan Metode Arima 127

Hasil dari model sementara yang telah diidentifikasi sebelumnya, proses selanjutnya adalah penaksiran parameter. Proses penaksiran parameter yaitu menentukan model AR, MA, dan model ARMA, proses pengujian model dilakukan dengan menghitung MSE (Mean Square Error) dari masingmasing model. Hasil MSE  inilah dapat ditentukan model yang paling optimal.

Hasil Pengujian Model Sementara menunjukan model tersebut jika layak digunakan dalam peramalan, maka dilakukan proses peramalan dengan menggukan data penjualan perusahaan Manggala Motor. Hasil dari proses peramalan akan diperoleh informasi mengenai jumlah permintaan yang mungkin terjadi untuk periode yang akan datang.

 

Gambar 1.Flowchart Sistem ARIMA

Gambar 1.Flowchart Sistem ARIMA

 Proses penerapan ini yaitu mengecek data tersebut intermittent atau tidak, jika data intermittent maka dilakukan proses peramalan Croston [4], jika tidak maka data peramalan menggunakan metode model ARIMA. Pada proses peramalan Croston, nilai MSE dihitung dan dibandingkan dengan model ARIMA, jika nilai MSE Croston lebih kecil dibandingkan dengan Model Croston, jika tidak maka model yang digunakan adalah model ARIMA. Proses ini dapat dilihat pada Gambar 6 (keterangan: Z_l adalah model ARIMA dan P adalah rata-rata interarrival dari permintaan). 

Kesimpulan

Aplikasi dapat memberikan informasi mengenai jumlah permintaan yang mungkin akan terjadi pada periode mendatang.

Hasil pengujian yang dilakukan model yang paling banyak digunakan untuk melakukan peramalan yaitu model Autoregressive Model (AR), yaitu model ARIMA (2,0,0) dan ARIMA (1,0,0). Hasil ini dapat berbeda pada kasus lain.

DAFTAR PUSTAKA

1.    Rangkuti, F., 2005, Great sales forecasting for marketing. Jakarta: Gramedia Pustaka Utama.

2.    Bowerman, B.L. and O’Connell, R.T., 1993, Time series and forcasting: An applied approach (3rd ed.). Boston: Duxbury Press.

3.    Box, G.E.P. and Jenkins, G.M., 2008, Time series analysis forcasting and control (Wiley Series in Probability and Statistic). Oakland, California.

4.    Croston, J. D., 1972, Forecasting and stock control for intermitten demands, Operational Research Quarterly.

Sumber : http://www.e-jurnal.com/2014/09/aplikasi-perencanaan-pembelian-barang.html