PERAMALAN PENJUALAN UNTUK PERENCANAAN PENGADAAN …

PERAMALAN PENJUALAN UNTUK PERENCANAAN PENGADAAN PERSEDIAAN BUAH DURIAN DI

RUMAH DURIAN HARUM BINTARO, JAKARTA

Sri Ajeng

PROGRAM STUDI AGRIBISNIS FAKULTAS SAINS DAN TEKNOLOGI

UNIVERSITAS ISLAM NEGERI SYARIF HIDAYATULLAH

JAKARTA 2011 M/1432 H

PERAMALAN PENJUALAN UNTUK PERENCANAAN PENGADAAN PERSEDIAAN BUAH DURIAN DI

RUMAH DURIAN HARUM BINTARO, JAKARTA

Sri Ajeng

106092002999

Skripsi

Sebagai Salah Satu Syarat untuk Memperoleh Gelar

Sarjana Pertanian pada Program Studi Agribisnis

PROGRAM STUDI AGRIBISNIS

FAKULTAS SAINS DAN TEKNOLOGI UNIVERSITAS ISLAM NEGERI

SYARIF HIDAYATULLAH JAKARTA

2011 M/1432 H

PERNYATAAN

DENGAN INI SAYA MENYATAKAN BAHWA SKRIPSI INI BENAR-

BENAR HASIL KARYA SENDIRI YANG BELUM PERNAH DIAJUKAN

SEBAGAI SKRIPSI ATAU KARYA ILMIAH PADA PERGURUAN TINGGI

ATAU LEMBAGA MANAPUN.

Jakarta, Juli 2011

Sri Ajeng

106092002999

Curriculum Vitae Personal Information

Name

Sri Ajeng

Address Pondok Benda Indah Block J no.11, RT 06 RW 015,

Pamulang, 15416, Tangerang Selatan, Banten

Mobile Phone (+62) 8567577317

Email [email protected]

Nationality Indonesia

Date of Birth October, 03 1988

Gender Female

Education Background

Dates 2006 – 2011

University Islamic State University Syarif Hidayatullah Jakarta

Majors Agribusiness

GPA 3,30 / 4,00

Dates 2003 – 2006

Principal subjects Natural Sciences

Senior High School SMAN 1 Cisauk

Working Experiences Company PT. TESCO Indonesia

Year 2010 Position Purchasing Support Staff

Scope Works - Handling the Purchase Order - Handling invoices - Administration works (correspondences, taking

note, etc) - Support the “after sales service” works

Company

Balai Pengujian Mutu dan Sertifikasi Hasil Pertanian dan Hasil Hutan, Dinas Pertanian DKI Jakarta (internship)

Year 2010 Position Assistant Analyst

Scope Works - Assisting on the laboratory works (testing seeds sample process, etc)

- Administration works (taking note, filing, recapitulation, etc)

Activities Organizational Experiwences - Agribusiness Student union,

minister of spiritual department (2008-2009) - Litbang Most Event

(Science and Technology Faculty Student union Event),Secretary (2008)

-Science and Technology Faculty Student union, active

member of household affairs bureau (2007-2008)

Training / Seminar / Course data Name of Training English for Adults : High Intermediate Levels

Provider / Year LIA Ciputat / 2008-2009 Name of Training Entrepreneurship Development for Campus Community

Provider / Year Kementrian Negara KUKM/ 2009 Name of Course Heritage Emergency Response Teams Provider / Year Badan Pelestarian Pustaka Indonesia / 2009

RINGKASAN

SRI AJENG, Peramalan Penjualan untuk Perencanaan Pengadaan Persediaan di Rumah Durian Harum Bintaro, Jakarta. (Di bawah bimbingan TASWA SUKMADINATA dan IWAN AMINUDIN).

Persediaan bila ditentukan terlalu besar akan menghadapi berbagai resiko

seperti besarnya beban bunga yang harus ditanggung, memperbesar biaya penyimpanan dan pemeliharaan di gudang, memperbesar kemungkinan kerugian karena kerusakan dan turunnya kualitas bahan, sehingga semua ini akan memperkecil keuntungan yang akan didapat perusahaan. Pengantisipasian permasalahan tersebut dilakukan prediksi terhadap kemungkinan-kemungkinan terjadinya penurunan atau kenaikan penjualan pada periode yang akan datang dengan diperolehnya informasi yang akurat sehingga perusahaan dapat mempersiapkan strategi-strategi yang akan ditempuh menghadapi kondisi tersebut. Terkait dengan pemenuhan kebutuhan pasar, walaupun Rumah Durian Harum telah mampu memenuhi kebutuhan pasar, tetapi jika menghadapi kondisi pasar yang berubah-ubah, maka perushaan membutuhkan adanya suatu peramalan penjualan untuk perencanaan pengadaan persediaan sehingga nantinya biaya yang ditimbulkan akibat penetuan persediaan dapat diminimalkan.

Tujuan penelitian ini adalah: 1) Melakukan peramalan penjualan buah durian Rumah Durian Harum satu tahun kedepan. 2) Merekomendasikan alternatif pengendaliaan persediaan buah durian yang optimal berdasarkan hasil ramalan.

Penelitian ini dilaksanakan di Rumah Durian Harum yang berlokasi di Jl. Bintaro Utama sektor 3A no.45,Bintaro Jaya. Penentuan lokasi ini dilakukan secara sengaja (purposive), dengan pertimbangan bahwa Rumah Durian Harum adalah salah satu retail besar yang memasarkan buah durian baik produk segar maupun olahan sepanjang tahun. Data yang digunakan adalah data primer dan data sekunder. Peramalan penjualan buah durian dilakukan dengan menghitung tingkat penjualan menggunakan metode time series sedangkan perencanaan pengadaan persediaan buah durian menggunakan metode Economic Order Quantity (EOQ) dan Safety Stock (SS).

Penggunaan metode peramalan yang terdiri atas metode double moving average, metode double eksponensial smoothing, metode dekomposisi, metode indeks musiman dan metode winter’s. Metode peramalan time series yang dipilih adalah metode peramalan yang memiliki MSE (mean standar error) terkecil yaitu metode winter’s untuk buah durian medan 722629, buah monthong Thailand 2747612 dan buah frozen durian 219518.

Berdasarkan perencanaan penjualan buah durian periode Maret 2011 hingga Februari 2012, kemudian dibuat suatu perencanaan pengadaan persediaan buah durian menggunakan EOQ menghasilkan untuk buah durian medan sebesar 203,79 kg, buah durian monthong Thailand 158,83 kg dan durian frozen monthong 227,71 kg. Besarnya frekuensi pemesanan untuk buah durian medan sebanyak 122 kali, buah durian monthong Thailand sebanyak 95 kali dan durian frozen monthong 137 kali. Persediaan pengaman (safety stock) dengan asumsi

tingkat pelayanan sebesar 90% dikarenakan adanya konsep service to customer, dihasilkan persediaan pengaman untuk buah durian medan sebesar 38,96 kg, buah durian monthong sebesar 51,86 kg dan durian frozen monthong 37,27 kg.

v

KATA PENGANTAR

Alhamdulillah penulis panjatkan puji dan syukur kehadirat Allah SWT,

karena berkat rahmat dan hidayah Nya, penulis dapat menyelesaikan Skripsi yang

berjudul : Peramalan Penjualan untuk Perencanaan Pengadaan Persedian Buah

Durian di Rumah Durian Harun Bintaro, Jakarta. Shalawat dan salam semoga

tercurah kepada junjungan kita Nabi Muhammnad SAW beserta keluarga dan sahabat

yang telah membawa umat manusia menuju jalan kebaikan.

Pada kesempatan ini, penulis ingin mengucapkan terima kasih kepada pihak-

pihak yang telah memberi banyak bantuan baik dalam bentuk dukungan moril

maupun materi selama penulis melaksanakan kegiatan penelitian hingga dalam

penulisan skripsi ini. Secara khusus penulis ingin menyampaikan terima kasih

kepada:

1. Bapak dan Ibu tercinta yang tidak henti-hentinya memanjatkan doa kepada yang

Maha Kuasa demi kebaikan anaknya tercinta serta adik-adik penulis Intan dan Rio

yang memberi semangat. Bulek Nila serta Mamak yang selalu memberikan

nasehat serta dukungan moril kepada penulis.

2. Dr. Taswa Sukmadinata, M.Si dan Ir. Iwan Aminudin, M.Si selaku dosen

pembimbing yang telah membantu mengarahkan, menyumbangkan tenaga dan

pikirannya demi terselesaikannya skripsi ini.

vi

3. Rizki Adi Puspita Sari, MM selaku penguji I dan Ir. Junaidi, M.Si selaku penguji

II yang telah memberikan banyak masukan sehingga skripsi ini menjadi lebih

baik.

4. Drs. Acep Muhib, MM dan Rizki Adi Puspita Sari, MM selaku Ketua dan

Sekretaris Program Studi Agribisnis yang telah memberikan suatu komitmen,

dorongan, dan program pendidikan sesuai kebutuhan mahasiswanya.

5. Dosen – dosen Agribisnis yang telah memberikan kesempatan kepada penulis

untuk menimba ilmu pengetahuan.

6. Dr. Syopiansyah Jaya Putra, M.Sis selaku Dekan Fakultas Sains dan Teknologi

Universitas Islam Negeri (UIN) Syarif Hidayatullah Jakarta.

7. Pak Lie Fie Min dan Pak Sadino yang telah memberikan izin kepada penulis

untuk melakukan penilitian di Rumah Durian Harum.

8. Mba Tya dan karyawan Rumah Durian Harum outet Bintaro Jaya yang telah

membantu penulis memberikan data-data yang dibutuhkan.

9. Kak Mughni yang telah bersedia meluangkan waktu kepada penulis untuk

berdiskusi serta membantu penulis dalam pengerjaan skripsi.

10. Sahabat tercinta Finna yang selalu menemani penulis dari SMP hingga kini.

Semoga persahabatan kita terus berlanjut hingga beranak cucu.

11. The Princess yaitu Rifa ”Aurora’’ Maulidah, Andhieka ”Rapunzel” Ulfa, Wiwin

”Mulan” Iswardani, Rinrin ”Snow White” Rindyani, Yuniawati ”Cinderella”,

Regina ”Ariel” Sari dan Fajar ”Jasmine” Khoirunnisa atas kebersamaan,

vii

kehangatan dan kekeluargaan yang terjalin selama kuliah. Ayo kita laksanakan

Princess Holidays yang belum terlaksana dari kapan tahu.

12. Seluruh teman jurusan Agribisnis angkatan 2006 yang sama-sama berjuang

dalam masa perkuliahan ini. Sukses selalu untuk kita semua.

13. Budhew, Mizz Orange, Sheshe dan semua kakak dan adik kelas yang tidak bisa

disebutkan satu persatu atas kesediaan mendengar keluhan dan memberikan

nasehat-nasehatnya.

14. Seluruh pihak yang telah membantu dan namanya tidak dapat disebutkan satu per

satu. Terima kasih atas dukungan dan motivasinya, Semoga Allah SWT

membalas segala kebaikan yang telah diberikan kepada penulis.

Akhir kata, penulis berharap semoga skripsi ini dapat bermanfaat dalam

pengembangan Ilmu Pengetahuan Amin…..

Wassalamu’alaikum. Wr. Wb.

Jakarta, Juni 2011

Penulis

DAFTAR ISI

Halaman

DAFTAR ISI ............................................................................................................... viii

DAFTAR TABEL ....................................................................................................... xi

DAFTAR GAMBAR .................................................................................................. xii

DAFTAR LAMPIRAN .............................................................................................. xiii

BAB I PENDAHULUAN.......................................................................................... 1

1.1 Latar Belakang ............................................................................................. 1

1.2 Rumusan Masalah ........................................................................................ 3

1.3 Tujuan ........................................................................................................... 3

1.4 Manfaat Penelitian ....................................................................................... 3

1.5 Ruang Lingkup Penelitian ........................................................................... 4

BAB II TINJAUAN PUSTAKA .............................................................................. 5

2.1 Buah Durian ................................................................................................. 5

2.2 Pengertian Bisnis Retail .............................................................................. 7

2.3 Konsep Peramalan ....................................................................................... 8 2.3.1 Jenis-Jenis Peramalan ........................................................................ 9 2.3.2 Identifikasi Pola Data Penjualan ....................................................... 10 2.3.2 Metode Peramalan ............................................................................. 13

2.4 Pesediaan ..................................................................................................... 19 2.4.1 Jenis-Jenis Persediaan ........................................................................ 19 2.4.2 Fungsi Persediaan .............................................................................. 20 2.4.3 Biaya Persediaan ................................................................................ 21

2.5 Pengendalian Pesediaan .............................................................................. 24

2.6 Model Pengendalian Persedian Economic Order Quantity (EOQ) ......... 24

2.7 Penelitian Terdahulu ................................................................................... 25

2.8 Kerangka Pemikiran Konseptual ............................................................... 27

ix

BAB III Metodologi Penelitian ............................................................................... 30

3.1 Lokasi dan Waktu Penelitian ...................................................................... 30

3.2 Jenis dan Sumber Data ................................................................................ 30

3.3 Metode Pengolahan dan Analisis Data ..................................................... 31

3.3.1 Identifikasi Pola Penjualan ................................................................ 31 3.3.2 Metode Time Series ........................................................................... 32 3.4.3 Pemilihan Metode Peramalan ........................................................... 36

3.4 Pengendalian Persediaan ............................................................................. 37 3.4.1 Economic Order Quantity (EOQ) ........................................... 37

3.4.2 Safety Stock (SS) ....................................................................... 40

3.5 Definisi Operasional.................................................................................... 41

BAB IV Gambaran Umum Perusahaan ................................................................ 43

4.1 Sejarah Umum Perusahaan ......................................................................... 43

4.2 Struktur Organisasi dan Ketenagakerjaan.................................................. 44

4.3 Jenis Produk ................................................................................................. 46 4.3.1 Buah Durian Segar ............................................................................. 46 4.3.2 Produk Olahan .................................................................................... 50 4.3.3 Produk Pelengkap .............................................................................. 51

4.4 Penyimpanan dan Penangan Mutu Produk ................................................ 51

4.5 Sistem Pengendalian Persediaan ................................................................ 52 4.5.1 Penetuan Tingkat Persediaan Buah Durian ...................................... 53 4.5.2 Prosedur Pembelian Buah Durian ..................................................... 54

4.6 Volume Penjualan ....................................................................................... 55

BAB V Hasil dan Pembahasan ................................................................................ 57

5.1 Identifikasi Pola Data Penjualan Buah Durian .......................................... 57 5.1.1 Pola Penjualan Buah Durian Medan ................................................. 58 5.1.2 Pola Penjualan Buah Durian Monthong Thailand ........................... 59 5.1.3 Pola Penjualan Buah Durian Frozen Monthong .............................. 60

5.2 Metode Peramalan Penjualan Buah Durian ............................................... 62 5.2.1 Metode Double Moving Average ...................................................... 62 5.2.2 Metode Doubke Eksponensial Smoothing ........................................ 63 5.2.3 Metode Dekomposisi ......................................................................... 65 5.2.4 Metode Winter’s ................................................................................. 67 5.2.5 Metode Indeks Musiman ................................................................... 68

5.3 Pemilihan Metode Peramalan ..................................................................... 69

x

5.4 Ramalan Penjualan Buah Durian ............................................................... 70

5.5 Penerapaan Peramalan untuk Pengendalian Persediaan Buah Durian ..... 72 5.5.1 Proyeksi Persediaan Buah Durian dengan EOQ .............................. 72 5.5.2 Titik Pemesanan Kembali dan Persediaan Pengaman ..................... 75

BAB VI KESIMPULAN DAN SARAN .................................................................. 78

6.1 Kesimpulan .................................................................................................. 78

6.2 Sarans ........................................................................................................... 79

DAFTAR PUSTAKA ................................................................................................. 80

LAMPIRAN ................................................................................................................ 82

DAFTAR TABEL

Halaman

1. Nilai Gizi Buah Durian .............................................................................................. 6

2. Karakteristik Buah Durian ......................................................................................... 48

3. Nilai MSE Perhitungan Metode Double Moving Average ...................................... 63

4. Nilai MSE Perhitungan Metode Double Eksponensial Smoothing ......................... 64

5. Nilai MSE Perhitungan Metode Decomposition Additive ....................................... 65

6. Nilai MSE Perhitungan Metode Decomposition Multipicative ............................... 66

7. Nilai MSE Perhitungan Metode Winter’s ................................................................. 67

8. Nilai MSE Perhitungan Metode Indeks Musiman ................................................... 68

9. Perbandingkan Nilai MSE Perhitungan Metode Peramalan yang digunakan ........ 70

10. Ramalan Penjualan Buah Durian Maret 2011 – Februari 2012 dengan Metode Perhitungan Winter’s.................................................................................................. 71

11. Perhitungan Tingkat Pemesanan Optimal Berdasarkan Metode EOQ .................. 73

12. Proyeksi Total Biaya Persediaan Ruamh Durian Harum Periode Maret 2011

sampai Februari 2012 ................................................................................................. 74

13. Perhitungan Titik Pemesanan Kembali berdasarkan Metode EOQ ........................ 75

14. Perhitungan Persediaan Pengaman ........................................................................... 76

DAFTAR GAMBAR

Halaman

1. Jalur Distribusi Barang Dagangan .................................................................... 8

2. Pola data metode time series ............................................................................. 12

3. Kerangka Pemikiran Konseptual ....................................................................... 29

4. Struktur Organisasi Toko Rumah Durian Harum ............................................ 44

5. Alur Pemesanan Rumah Durian Harum ........................................................... 54

6. Grafik Penjualan Bulanan Buah Durian Medan Periode Maret 2009 hingga Februari 2011 ......................................................................................... 58

7. Grafik Penjualan Bulanan Buah Durian Monthong Thailand Periode Maret 2009 hingga Februari 2011 .................................................................... 60

8. Grafik Penjualan Bulanan Buah Durian Frozen Monthong Periode Maret 2009 hingga Februari 2011 ............................................................................... 61

DAFTAR LAMPIRAN

1. Perkembangan Penjualan Buah Durian .................................................................... 83

2. Uji ADF Statistik ........................................................................................................ 85

3. Metode Double Moving Average Buah Durian Medan ........................................... 88

4. Metode Double Moving Average Buah Durian Monthong Thailand ...................... 90

5. Metode Double Moving Average Buah Durian Frozen Monthong ......................... 92

6. Metode Double Exponential Smoothing Buah Durian Medan ................................ 94

7. Metode Double Exponential Smoothing Buah Durian Monthong Thailand .......... 96

8. Metode Double Exponential Smoothing Buah Durian Frozen Monthong ............. 98

9. Metode Decomposition Buah Durian Medan ........................................................... 100

10. Metode Decomposition Buah Durian Monthong Thailand ..................................... 106

11. Metode Decomposition Buah Durian Frozen Monthong ........................................ 112

12. Metode winter’s Buah Durian Medan....................................................................... 118

13. Metode winter’s Buah Durian Monthong Thailand ................................................. 124

14. Metode winter’s Buah Durian Frozen Monthong .................................................... 130

15. Perhitungan Peramalan Penjualan Medan dengan Least Square ............................ 136

16. Perhitungan Peramalan Penjualan Monthong Thailand dengan Least Square....... 137

17. Perhitungan Peramalan Penjualan Frozen Monthong dengan Least Square.......... 138

18. Perhitungan Indeks Musiman Medan ....................................................................... 139

19. Perhitungan Indeks Musiman Monthong Thailand .................................................. 147

20. Perhitungan Indeks Musiman Frozen Monthong ..................................................... 155

21. Surat Keterangan Penelitian ...................................................................................... 163

BAB I PENDAHULUAN

1.1 Latar Belakang

Setiap perusahaan, baik itu perusahaan manufaktur maupun perusahaan

perdagangan haruslah menjaga persediaan yang cukup agar kegiatan operasi

perusahaannya dapat berjalan dengan lancar. Hal yang perlu diperhatikan

adalah bahan baku yang dibutuhkan hendaknya cukup tersedia sehingga dapat

menjamin kelancaran produksi. Penting bagi setiap jenis perusahaan untuk

mengadakan perencanaan atas persediaan, karena dapat membantu efisiensi

penggunaan dalam persediaan.

Persediaan bila ditentukan terlalu besar akan menghadapi berbagai resiko

seperti besarnya beban bunga yang harus ditanggung, memperbesar biaya

penyimpanan dan pemeliharaan di gudang, memperbesar kemungkinan

kerugian karena kerusakan dan turunnya kualitas bahan, sehingga semua ini

akan memperkecil keuntungan yang akan didapat perusahaan. Demikian pula

sebaliknya, bila persediaan terlalu kecil akan mempunyai efek yang menekan

keuntungan, karena kemungkinan kekurangan bahan baku mengakibatkan

perusahaan tidak bisa bekerja dengan luas produksi yang optimal (Sutrisno,

2003:96).

Pengantisipasian permasalahan tersebut dilakukan prediksi terhadap

kemungkinan-kemungkinan terjadinya penurunan atau kenaikan penjualan

pada periode yang akan datang dengan diperolehnya informasi yang akurat

2

sehingga perusahaan dapat mempersiapkan strategi-strategi yang akan

ditempuh menghadapi kondisi tersebut (Rangkuti, 2007:1).

Peramalan tidak hanya dilakukan untuk menentukan jumlah produk yang

akan diproduksi dan dijual tetapi bermanfaat pula untuk perencanaan

persediaan barang jadi. Ketersedian barang jadi menjadi penting, sebagai salah

satu alat untuk mengantisipasi keadaan pasar sehingga produk senantiasa

tersedia dan dapat memenuhi konsumen.

Rumah Durian Harum merupakan salah satu pelaku usaha dalam bisnis

ritel yang berfokus memasarkan produk durian baik segar maupun olahannya.

Keunggulan yang dimiliki oleh Rumah Durian Harum adalah kemampuan

untuk menyediakan buah durian sepanjang tahun dan konsep service to

customer. Sejak didirikannya pada bulan Mei 2007, dari tahun ke tahun

Rumah Durian Harum terus melakukan ekpansi. Rumah Durian Harum kini

telah memiliki delapan outlet yakni, di Jalan Raya Panjang, Cipondoh, Buncit,

Lebak Bulus, Serpong (Bumi Serpong Damai), Kalimalang, Cimone dan

Bintaro Jaya.

Rumah Durian Harum Bintaro dalam menjaga komitmennya untuk

menyediakan buah durian sepanjang tahun masih belum bisa dipenuhi karena

beberapa jenis durian dalam satu tahun masih ada yang tidak tersedia seperti

data Lampiran 1.Berdasarkan hal tersebut, penulis tertarik untuk membahas

perencanaan persediaan yang terdapat pada Rumah Durian Harum dalam

sebuah penelitian dengan judul “Peramalan Penjualan untuk Perencanaan

3

Pengadaan Persediaan Buah Durian di Rumah Durian Harum Bintaro,

Jakarta”.

1.2 Rumusan Masalah

1. Bagaimana ramalan penjualan buah durian Rumah Durian Harum satu

tahun kedepan?

2. Bagaimana Alternatif pengadaan persediaan buah durian yang optimal

di masa yang akan datang berdasarkan hasil ramalan?

1.3 Tujuan

1. Melakukan peramalan penjualan buah durian Rumah Durian Harum

satu tahun kedepan.

2. Merekomendasikan alternatif pengendaliaan persediaan buah durian

yang optimal berdasarkan hasil ramalan.

1.4 Manfaat Penelitian

1. Bagi perusahaan, sebagai suatu masukan bagi pihak manajemen dalam

pengambilan kebijakan pengendalian persediaan berdasarkan peramalan

penjualan.

2. Bagi peneiliti, untuk menambah wawasan ilmu pengetahuan dan

menerapkan serta membandingkan antara teori yang dipelajari dengan

4

kenyataan yang ada di dunia nyata, serta sebagai salah satu syarat

kelulusan studi program sarjana strata satu (S-1) program studi agribisnis.

3. Bagi pembaca, sebagai informasi tentang pengadaan persediaan dan

peramalan penjualan buah durian maupun masukkan bagi penelitian

selanjutnya.

1.5 Ruang Lingkup

Penelitian ini hanya akan melakukan peramalan penjualan berdasarkan

data time series dan merekomendasikan alternatif pengendalian persediaan

berdasarakan ramalan pada beberapa jenis buah durian yaitu Medan,

Monthong Thailand dan frozen Monthong selama satu tahun. Hal ini

dikarenakan ketiga jenis buah durian tersebut paling tinggi tingkat

penjualannya dan paling sering frekuensi ketersediaannya tetapi memiliki

biaya persediaan yang besar. Batasan ini dilakukan karena keterbatasan yang

dimiliki peneliti dalam hal waktu, biaya, dan tenaga.

BAB II TINJAUAN PUSTAKA

2.1 Buah Durian

Durian merupakan tanaman pohon asli nusantara, dengan pusat keragaman

di Pulau Kalimantan. Kata “durian” mengacu pada bentuk kulit buahnya yang

berduri sehingga diberi nama duri dengan akhiran an, jadilah kata durian. Kata ini

terutama dipergunakan untuk menyebut buah yang kulitnya berduri tajam. Durian

dikenal dengan nama yang berberda di beberapa daerah, yaitu duren (Jawa,

Betawi, Gayo), kadu (Sunda), duriang (Manado), duliang (Toraja), dan rulem

(Pulau Seram Timur) (Sobir dan Napitulu, 2010:6).

Pada awalnya durian merupakan tanaman hutan di Indonesia lalu

berkembang menjadi tanaman perkarangan selanjutnya di kebunkan. Sedangkan

di Thailand karena jauh dari pusat keragaman, durian berkembang secara cepat

menjadi tanaman budidaya komersial. Seiring perkembangan teknologi dan

budidaya pertanian, di Indonesia durian mulai dibudidayakan secara intesif

sehingga kualitasnya meningkat. Hal ini menjadi penting terutama karena

Indonesia memiliki varietas durian yang sangat beragam.

Indonesia sangat kaya dengan varietas durian unggul yang tersebar

disetiap daerah. Masing-masing daerah memiliki nama khas untuk durian

unggulannya misalnya, durian perwira karena jadi pesanannya perwira, durian

sicamat karena pesanannya pak camat atau durian selat karena berasal dari Desa

Selat di Jambi. Berdasarkan data dari Direktorat Perbenihan dan Sarana

Pertanian, Direktorat Jenderal Hortikultura hingga tahun 2009 sudah ditetapkan

6

sebanyak 71 varietas unggul nasional yang tersebar di Sumatera 14 varietas, Jawa

12 varietas, Kalimantan 21 varietas, Bali 1 varietas, Sulawesi 5 varietas, NTB 6

varietas, dan Maluku 3 varietas. Jumlah ini sangat banyak dibanding Thailand

yang memiliki 4 varietas unggul yaitu monthong, kradum, chanee, dan

pongmanea sedangkan Malaysia hanya mempunyai 1 varietas yaitu D24 (Sobir

dan Napitulu, 2010:7).

Buah Durian merupakan salah satu buah yang sangat digemari oleh banyak

orang. Selain karena rasanya yang sangat lezat dan aromanya yang harum,

ternyata buah durian merupakan salah satu makanan sehat karena memiliki

banyak manfaat bagi kesehatan tubuh. Buah durian mempunyai kandungan gizi

yang cukup tinggi yaitu vitamin B, C, E dan zat besi. Tabel 1 menunjukkan nilai

gizi buah durian per 100 gram daging buah.

Tabel 1. Nilai Gizi Buah Durian

No. Zat Gizi Jumlah Satuan

1. Air 65 gram

2. Protein 2,5 gram

3. Lemak 3 gram

4. Karbohidrat 28 gram

5. Kalsium 7,4 miligram

6. Fosfor 4,4 miligram

7. Besi 1,3 miligram

8. Vitamin A 175 miligram

9. Vitamin C 53 miligram

Sumber : Setiadi (2008:6)

7

Pada Tabel 1 dapat diketahui bahwa tiap 100 gram daging buah

mengandung 65 gram air, 2,5 gram protein, 3 gram lemak, 28 gram karbohidrat,

7,4 miligram kalsium, 4,4 miligram fosfor, 1,3 miligram besi, 175 miligram

vitamin A, serta 53 miligram vitamin C. Fosfor dan zat besi yang terdapat dalam

durian ternyata 10 kali lebih banyak daripada buah pisang sehingga baik untuk

tubuh jika dimakan tanpa berlebihan karena menghasilkan energi sebesar kurang

lebih 520 kJ (Setiadi, 2008:6).

2.2 Pengertian Bisnis Retail

Berbagai cara dan usaha bisa dijadikan sebagai strategi untuk memasarkan

sebuah produk. Salah satu strategi yang sudah dijalankan masyarakat dari dulu

hingga sekarang adalah pemasaran dengan sistem retail atau eceran. Sebagian

besar pelaku usaha memilih untuk menggunakan strategi pemasaran ini, sebab

peluang pasar yang paling potensial datang dari konsumen akhir, yang rata-rata

membeli suatu produk untuk keperluan mereka sehari-hari. Tak heran bila saat ini

perkembangan bisnis retail juga sangat pesat, dari toko kelontong, minimarket,

hingga bisnis retail yang sudah besar seperti Matahari, Alfamart, Indomart, dan

Hero banyak dicari para konsumen.

Ritel berasal dari bahasa Perancis, ritellier, yang berarti memotong atau

memecah sesuatu. Usaha ritel atau eceran (retailing) dapat dipahami sebagai

semua kegiatan yang terlibat dalam penjualan barang atau jasa secara langsung

kepada konsumen akhir untuk penggunaan pribadi dan bukan penggunaan bisnis

8

(Utami, 2006: 4). Ritel juga merupakan perangkat dari aktivitas-aktivitas bisnis

yang melakukan penambahan nilai terhadap produk-produk dan layanan

penjualan kepada para konsumen untuk penggunaan atau konsumsi perorangan

maupun keluarga. Hal ini akan membentuk suatu jalur distribusi, antara produsen

ke konsumen akhir seperti terilustrasikan pada Gambar 1.

Gambar 1. Jalur Distribusi Barang Dagangan

Sumber : Utami (2006:5)

Dari ilustrasi Gambar 1 dapat dipahami bahwa produsen mendistribusikan

produknya ke pedagang besar yang mana kemudian pedagang besar

mendistibusikannya lagi ke ritel yang tujuan akhirnya adalah konsumen terakhir

yang langsung menggunakan produk tersebut untuk kebutuhan sehari-hari.

2.3 Konsep Peramalan

Peramalan (forecasting) merupakan seni atau ilmu memprediksi peristiwa-

peristiwa di masa depan (Render dan Heizer, 2001:136). Peramalan dapat

didefinisikan sebagai suatu proses memperkirakan secara sistematis tentang apa

yang paling mungkin terjadi di masa depan berdasarkan informasi masa lalu dan

sekarang yang dimiliki agar kesalahannya dapat diperkecil (Mulyono dalam

Elawati 2010:19). Kesalahan atau error merupakan selisih antara yang terjadi

dengan hasil perkiraan. Peramalan tidak memberikan jawaban yang pasti tentang

apa yang akan terjadi, tetapi berusaha mecari sedekat mungkin dengan yang akan

9

terjadi. Peramalan memerlukan pengambilan data historis dan

memproyeksikannya ke masa depan dengan beberapa bentuk model matematis.

Metode peramalan dapat bersifat objektif (proyeksi dengan metode

kuantitatif maupun kualitatif) atau subjektif (menggunakan informasi yang

bersifat intuitif berdasarkan pengalaman sebelumnya). Ramalan penjualan

merupakan proses aktivasi memperkirakan produk yang akan dijual dimasa

mendatang dalam keadaan tertentu dibuat berdasarkan data-data yang pernah

terjadi atau mungkin akan terjadi (Nafarin dalam Khaerunnisah, 2008:9).

2.3.1 Jenis-jenis Peramalan

Berdasarkan sifat peramalannya dapat dibedakan atas 2 macam (Mulyono,

2000:3-4), yaitu :

1. Peramalan kualitatif, yaitu peramalan yang didasarkan atas data kualitatif

pada masa lalu. Hasil ramalan yang dibuat sangat tergantung pada orang

yang menyusunnya. Hal ini penting karena hasil peramalan tersebut

ditentukan berdasarkan pemikiran yang bersifat intuisi, pendapat, dan

pengetahuan serta pengalaman dari penyusunnya. Biasanya peramalan

secara kualitatif ini didasarkan atas hasil penyelidikan, seperti Delphi, S-

Curve, dan decision trees.

2. Peramalan kuantitatif, yaitu peramalan yang didasarkaan atas data

kuantitatif pada masa lalu. Hasil Peramalan yang dibuat sangat tergantung

pada metode yang dipergunakan dalam peramalan tersebut. Penggunaan

metode yang berbeda akan diperoleh hasil peramalan yang berbeda.

10

Render dan Heizer (2001:46) menyatakan jika dilihat dari jangka waktu

ramalan yang telah disusun, maka peramalan dapat dibedakan 3 macam,yaitu :

1. peramalan jangka pendek, yaitu peramalan yang memiliki rentang waktu

kurang dari tiga bulan. Peramalan jangka pendek digunakan untuk

merencanakan pembelian, penjadwalan kerja, jumlah tenaga kerja,

penugasan dan tingkat produksi.

2. Peramalan jangka menengah. Peramalan jangka menengah biasanya

berjangka tiga bulan hingga tiga tahun. Peramalan ini sangat bermanfaat

dalam perencanaan penjualan, perencanaan dan penganggaran produksi,

penganggaran kas, dan menganalisis berbagai rencana operasi.

3. Peramalan jangka panjang, yakni peramalan yang memiliki rentang waktu

biasanya tiga tahun atau lebih; digunakan dalam merencanakan produk

baru, pengeluaran modal, lokasi fasilitas, atau ekspansi, dan penelitian

serta pengembangan.

Adapun yang perlu diperhatikan dari penggunaan metode-metode tersebut,

adalah baik tidaknya metode yang dipergunakan, sangat ditentukan oleh

perbedaan atau penyimpangan antara hasil ramalan dengan kenyaataan yang

terjadi.

2.3.2 Identifikasi Pola Data Penjualan

Firdaus (2006:2) menyatakan peramalan dapat dilakukan, dengan sebelumnya

mengidentifikasi pola data deret waktu. Identifikasi data menekankan pada

bagaimana perilaku data sepanjang periode pengamatan. Jika pola data di masa

11

lalu telah diketahui maka dapat ditetapkan metode peramalan untuk

memperkirakan ramalan di masa yang akan datang.

Identifikasi pola data dapat dilakukan dengan visualisasi plot data secara

grafik dan uji akar unit (ADF). Identifikasi pola data penjualan bertujuan untuk

mengetahui komponen unsur-unsur yang ada seperti trend, stasioner, musiman

dan siklus. Trend adalah komponen data deret waktu yang menunjukkan

peningkatan atau penurunan dalam jangka panjang selama periode waktu yang

diamati. Unsur variasi musiman adalah fluktuasi data yang berulang setiap

beberapa hari, minggu atau bulanan karena faktor cuaca, hari raya dll. Siklus

adalah fluktuasi seperti gelombang di sekitar trend, dengan kata lain pola

musiman dalam jangka waktu yang lebih panjang berulang biasanya setiap lima

sampai sepuluh tahun. Unsur stasioner adalah fluktuasi data dimana relatif

konstan walaupun ada kenaikan atau penurunan, jika dirata-ratakan masih berada

pada titik rata-rata. Pola data penjualan lebih jelas dipaparkan pada Gambar 2.

Cara selanjutnya dengan menggunakan uji akar unit (ADF). Uji ini

merupakan pengujian yang populer, dikembangkan oleh David Dickey dan

Wayne Fuller dengan sebutan Augmented Dickey-Fuller (ADF) Test. Suatu deret

waktu dikatakan stasioner apabila memiliki nilai ADF lebih besar dari pada nilai

kritis. (Insukindro, 1994:42).

12

Gambar 2. Pola data metode time series; (a) stasioner, (b) musiman, (c) sklus dan (d) trend Sumber : Herjanto (2008:80)

Dari Gambar 2 jelas terlihat bahwa (a) data berfluktuasi (bergerak) di

sekitar nilai rata-rata yang konstan. Deret seperti ini adalah stasioner terhadap

nilai rata-ratanya. Suatu deret waktu dipengaruhi oleh fakor musiman yang terjadi

secara berulang, misalnya harian, mingguan, bulanan, atau kuartalan seperti

terlihat pada (b). Bilamana datanya dipengaruhi oleh fluktuasi ekonomi jangka

panjang, seperti yang berhubungan dengan siklus bisnis (c) dan apabila terjadi

13

kecenderungan (menaik atau menurun) dalam jangka panjang dalam data dikatan

pola data tersebut mengandung unsur trend (d).

2.3.3 Metode Peramalan

Berdasarkan Mulyono (2000:91) metode kuantitaif yang digunakan dalam

perkiraan, pada dasarnya dapat dikelompokkan dalam 2 jenis, yaitu metode time

series dan metode kausal (regresi).

1) Metode time series

Metode peramalan time series didasarkan atas penggunaan analisa pola

hubungan variabel yang akan diperkirakan dengan variabel waktu yang

merupakan data deret waktu (time series). Tujuan metode time series ialah

menemukan pola dalam data deret waktu dan mengekstrapolasikan data tersebut

ke masa depan. Metode-metode yang digunakan dalam peramalan times series

terdiri dari beberapa metode yaitu :

a. Metode Naïve

Menurut Firdaus (2006:4) metode ini didasarkan pada asumsi bahwa periode

saat ini merupakan prediktor terbaik dari masa mendatang. Metode ini merupakan

metode sederhana karena perhitungan peramalannya dengan menggunakan data

yang lewat (pass data) yang dijadikan sebagai peramalan waktu mendatang.

Metode naïve cocok pada pola data stasioner.

b. Metode rata-rata bergerak sederhana (moving average)

Metode ini menetapkan bahwa ramalan periode mendatang merupakan nilai

rataan dengan menggunakan nilai dari periode yang terlama dan memasukkan

14

nilai dari periode terbaru dari sekelompok data yang terlama dan memasukkan

nilai periode terbaru dari sekelompok data yang jumlahnya konstan. Prosedur

moving average yang berarti jika observasi baru telah tersedia, rata-rata yang baru

dapat dihitung dengan menghilangkan data yang tertua dan menggantinya dengan

yang terbaru.

Metode rata-rata bergerak sederhana cocok untuk pola data stasioner dan

berusaha menghilangkan data musiman dan trend. Jika moving average

digunakan, pemilihan n perlu memperhatikan periode data. Nilai n yang optimal

dapat dicari dengan trial and error (coba-coba). Hal ini dimaksudkan untuk

menghindari nilai penyimpangan yang besar dari fluktuasi data yang telah

memberikan pengaruh terhadap ramalan yang dihasilkan. Jika periode data

bulanan, paling tidak digunakan n=12. Jika n makin besar pengaruh penghalusan

makin terasa (Firdaus, 2006:128).

c. Metode Pelicinan Eksponensial Tunggal (Single Eksponensial Smoothing)

Metode ini sangat baik diterapkan pada serial data yang memiliki pola

stasioner dan kemungkinan tidak efektif dalam menangani peramalan dengan

kecendrungan data yang dimiliki komponen trend dan pola musiman. Hal ini

dikarenakan jika diterapkan pada serial data yang memiliki trend yang konstan,

ramalan yang akan dibuat akan selalu berada di belakang trend. Selain itu, metode

eksponensial ini juga memberikan bobot yang relatif lebih tinggi pada nilai

pengamatan terbaru dibanding periode sebelumnya.

15

Metode ini menggunakan α sebagai koefisien pelicinan. Handoko (2008:280)

menyatakan nilai-nilai α rendah akan menyebabkan jarak yang lebih lebar dengan

trend, karena hal itu memberikan bobot yang lebih kecil pada permintaan

sekarang. Nilai α yang rendah cocok digunakan bila data bersifat stabil. Nilai-nilai

α yang lebih tinggi berguna dimana perubahan-perubahan yang sesungguhnya

cenderung terjadi karena lebih responsive terhadap fluktuasi permintaan. Mencari

nilai α yang tepat umumnya dapat ditentukan dengan pengujian trial and error

(coba-coba) terhadap α yang berbeda-beda untuk menemukan nilai α yang akan

menghasilkan nilai kesalahan terkecil.

d. Metode Pelicinan Eksponensial Ganda (Double Eksponensial Smoothing)

Metode Double Eksponensial Smoothing memiliki dasar pemikiran yang

sama dengan rata-rata bergerak linier. Berkaitan dengan hal tersebut, penerapan

metode double eksponensial smoothing ini cukup baik untuk deret data yang

memiliki unsur trend. Metode double eksponensial smoothing memproses time

series yakni dengan mengekstrapolasikan data atas dasar trend terkahir yang

terbentuk, sehingga ramalan yang akan terlihat nantinya cenderung ke suatu arah

yakni sesuai dengan trend terkahir.

e. Metode Perhitungan Indeks Musiman

Perhitungan indeks musiman dalam Handoko (2008:278) dapat dihitung

dengan mencari nilai rata-rata berbagai rasio kuartal nyata terhadap nilai garis

trend untuk setiap periode. Peramalan model ini merupakan estimasi penjualan

yang hanya memasukan komponen trend dan musiman tanpa memperhatikan

pengaruh silikal. Rangkuti (2007:13) menyatakan indeks musiman perlu

16

dilakukan untuk mengetahui secara jelas apakah data time series yang dimiliki

mengandung unsur musiman atau tidak.

f. Metode Dekomposisi

Salah satu pendekatan dalam analisis data runtut waktu adalah berusaha

untuk mengidentifikasi faktor-faktor komponen yang mempengaruhi nilai-nilai

periodik dalam satu serial. Proses identifikasi ini disebut dekomposisi. Setiap

komponen diidentifikasi sehingga data runtut waktu dapat diproyesikan ke masa

yang akan datang dan dapat digunakan untuk peramalan jangka pendek maupun

jangka panjang (Arsyad, 1994:207).

Subagyo (1994:31) mengatakan bahwa metode dekomposisi adalah salah

satu metode peramalan yang didasarkan pada kenyataan bahwa biasanya apa yang

telah terjadi akan berulang atau terjadi kembali dengan pola yang sama, artinya

yang dulu selalu naik pada waktu yang akan datang biasanya akan naik, yang

biasanya berkurang akan berkurang juga, yang biasanya berfluktuatif akan

berfluktuatif juga dan yang biasanya tidak teratur maka akan tidak teratur juga.

g. Metode Winter’s

Metode ini digunakan ketika data menunjukan adanya trend dan perilaku

musiman . Metode exponentian smoothing yang telah dibahas sebelumnya dapat

digunakan untuk hampir segala jenis data stasioner atau non – stasioner sepanjang

data tersebut tidak mengandung faktor musiman. Tetapi bilamana terdapat

musiman, metode ini dijadikan cara untuk meramalkan data yang mengandung

faktor musiman, namun metode ini sendiri tidak dapat mengatasi masalah tersebut

17

dengan baik. Meskipun demikian, metode ini dapat menangani faktor musiman

secara langsung (Makridakis, 1999:40).

h. Metode Box Jenkis (ARIMA)

Metode peramalan Box-Jenkis merupakan suatu prosedur iterative memilih

model terbaik untuk series yang stasioner dari suatu kelompok model time series

linier (Mulyono, 2000:147). ARIMA merupakan singkatan dari autoegressive

integrated moving average. Metode ini tidak menggunakan variabel independen,

melainkan menggunakan nilai-nilai sekarang dan nilai-nilai masa lampau dari

variabel dependen. Metode ARIMA adalah metode yang tepat untuk mengatasi

terlalu rumitnya data deret waktu (terdapat variasi dari pola data) dan situasi

peramalan lainnya.

Firdaus (2006:19), prosedur ARIMA terdiri dari beberapa tahapan yaitu

identifikasi, estimasi, evaluasi model dan peramalan. Penjelasan dengan tahap

tersebut adalah sebagai berikut :

1. Indentifikasi. Pada tahap ini dilakukan identifikasi terhadap tiga hal, yaitu

terhadap pola data; apakah terdapat unsur musiman atau tidak. Kedua,

identifikasi terhadap kestasioneran data. Ketiga, identifikasi terhadap pola

atau perilaku ACF dan PACF.

2. Estimasi model. Pada tahap estimasi, pertama-tama dihitung nilai estimasi

awal untuk parameter-parameter dari model tentatif, untuk menghitung

estimasi awal biasanya digunakan nilai 0 atau 1 sebagai koefisien estimasi

untuk masing-masing parameter.

18

3. Evaluasi mode. Setelah diperoleh persamaan untuk model tentatif, dilakukan

pengujian kedekatan model dengan data. Uji ini dilakukan dengan menguji

nilai residual, signifikasi dan hubungan-hubungan antara parameter. Nilai

residual merupakan nilai yang diperoleh dari selisih antara nilai skyual

dengan nilai ramalan. Jika terdapat hasil uji yang tidak diterima atau tidak

memenuhi syarat, maka model harus diperbaiki dan langkah-langkah

sebelumnya diulang kembali. Uji diagnostik untuk evaluasi model terdapat 6

kriteria, yaitu residual peramalan bersifat acak, model parsimonius

(sederhana), parameter yang diperoleh berbeda nyata dengan nol, proses

iterasi harus convergence dan memiliki nilai MSE terkecil.

2) Metode Kausal (Regresi)

Metode peramalan kausal didasarkan atas penggunaan analisa pola hubungan

antara variabel yang diperkirakan (dependen) dengan variabel lain yang

mempengaruhinya (independen), yang bukan waktu yang disebut metode korelasi

atau sebab akibat (causal method). Metode ini sering disebut metode regresi.

Metode regresi adalah suatu penyederhanaan pola hubungan suatu variabel

dengan suatu variabel lain (Mulyono, 2000:53). Kriteria yang digunakan untuk

menunjukkan keakuratannya yaitu nilai R-Square (Rangkuti, 2007:19). Semakin

besar nilai R-Square berarti model semakin akurat dalam meramalkan. Untuk

pengujian regresi dilakukan dengan membandingkan nilai ρ dengan tingkat α

yang akan digunakan. Nilai α yang digunakan 0,05 dengan derajat kepercayaan 95

persen. Jika ρ lebih kecil dari α maka variabel tersebut signifikan (Muhidin dan

19

Abdurrahman, 2007:198). Hal tersebut menunjukkan bahwa variabel tersebut

berpengaruh nyata terhadap variabel dependen.

2.4 Persediaan

Chopra dan Meindl dalam Elawati (2010:14) menyatakan persediaan

merupakan seluruh bahan baku, bahan setengah jadi, dan barang jadi yang

terdapat dalam suatu penyediaan. Berbeda dengan Shore dalam Zulfikarijah

(2005:4) mendefinisikan bahwa persediaan sebagai sumberdaya menganggur yang

memiliki nilai potensial, definisi tersebut memasukan perlengkapan dan tenaga

kerja yang menganggur sebagai persediaan.

2.4.1 Jenis-jenis Persediaan

Indrajit dan Djokopranoto (2003:4) mengklasifikasikan barang persediaan

sebagai berikut:

1. Bahan baku (raw material) adalah bahan mentah yang belum diolah, yang

akan diolah menjadi barang jadi, sebagai hasil utama dari barang yang

bersangkutan.

2. Barang setengah jadi (semi final product) adalah hasil olahan bahan

mentah sebelum menjadi barang jadi yang sebagian akan diolah lebih

lanjut menjadi barang jadi dan sebagian kadang-kadang dijual seperti apa

adanya untuk menjadi bahan baku perusahaan lain.

20

3. Barang jadi (finished product) adalah barang yang sudah selesai

diproduksi atau diolah, yang merupakan hasil utama perusahaan yang

bersangkutan dan siap untuk dipasarkan atau dijual.

4. Barang umum dan suku cadang (general material and spare parts) adalah

segala jenis barang atau suku cadang yang digunakan untuk operasi

menjalankan perusahaan/pabrik dan untuk memelihara peralatan yang

digunakan.

5. Barang untuk proyek (work in progress) adalah barang-barang yang

ditumpuk menunggu pemasangan dalam proyek baru.

6. Barang dagangan (commodities) adalah barang yang dibeli, sudah

merupakan barang jadi dan disimpan digudang menunggu penjualan

kembali dengan keuntungan tertentu.

2.4.2 Fungsi Persediaan

Handoko (2008:335), menyatakan efensiensi operasional suatu organisasi

dapat ditingkatkan karena berbagai fungsi penting persediaan. Fungsi-fungsi

persediaan tersebut adalah sebagai berikut:

1. Fungsi Decoupling

Fungsi Decoupling adalah memungkinkan operasi-operasi perusahaan

internal dan eksternal mempunyai kebebasan (independence). Fungsi ini

memungkinkan perusahaan dapat memenuhi permintaan langganan tanpa

tergantung pada supplier.

21

2. Fungsi Economic Lot Sizing

Fungsi Economic Lot Sizing yaitu fungsi yang menyimpan persediaan

sehingga perusahaan dapat memproduksi dan membeli sumber daya dalam

kuantitas yang dapat mengurangi biaya per unit. Persediaan “lot size” ini perlu

mempertimbangkan “penghematan-penghematan” (potongan pembelian, biaya

pengangkutan per unit lebih murah dan sebagainya) karena perusahaan

melakukan pembelian dalam kuantitas yang lebih besar, dibandingkan dengan

biaya-biaya yang timbul karena besarnya persediaan (biaya sewa gudang,

investasi, resiko, dan sebagainya).

3. Fungsi Antisipasi

Fungsi antisipasi merupakan fungsi yang berguna bagi perusahaan dalam

menghadapi ketidakpastian jangka waktu pengiriman dan permintaan akan

barang-barang selama periode pemesanan kembali sehingga memerlukan

persediaan pengaman.

2.4.3 Biaya Persediaan

Menurut Tampubolon (2004:194) biaya persediaan terdiri dari :

1. Biaya penyimpanan (Holding cost atau carrying costs)

Biaya penyimpanan merupakan biaya yang timbul di dalam menyimpan

persediaan, di dalam usaha mengamankan persediaan dari kerusakan,

keusangan atau keausan, dan kehilangan. Biaya-biaya yang termasuk sebagai

biaya penyimpanan sebagai berikut :

22

a. Biaya fasilitas-fasilitas penyimpanan (termasuk penerangan, pendingin

ruangan dan sebagainya).

b. Biaya modal (opportunity cost of capital) yaitu alternative pendapatan

atas dana yang diinvestasikan dalam persediaan.

c. Biaya keusangan.

d. Biaya penghitungan fisik.

e. Biaya asuransi persediaan.

f. Biaya pajak persediaan.

g. Biaya pencuriaan, pengrusakan atau perampokan.

h. Biaya penanganan persediaan.

2. Biaya pemesanan atau pembeliaan (ordering costs atau procurement cost)

Biaya pemesanan adalah biaya-biaya yang timbul selama proses

pemesanan sampai barang tersebut dapat dikirim pemasok. Biaya-biaya

yang termasuk biaya pemesanan yaitu :

a. Pemrosesan pesanan dan biaya ekspedisi

b. Upah

c. Biaya telepon

d. Pengeluaran surat menyurat

e. Biaya pengepakan dan penimbangan

f. Biaya pemeriksaan penerimaan

g. Biaya pengiriman ke gudang

h. Biaya utang lancar

23

3. Biaya Penyiapan (manufacturing) atau set-up cost

Biaya penyiapan merupakan biaya-biaya yang timbul di dalam

menyiapkan mesin dan peralatan untuk dipergunakan dalam proses

konversi. Biaya-biaya yang termasuk biaya penyiapan adalah :

a. Biaya mesin-mesin menganggur

b. Biaya persiapan tenaga kerja langsung

c. Biaya penjadwalan

d. Biaya ekspedisi

4. Biaya kehabisan atau kekurangan bahan (shortage costs)

Biaya kehabisan atau kekurangan bahan adalah biaya yang timbul akibat

kehabisan persediaan karena kesalahan perhitungan. Biaya-biaya yang

termasuk biaya kekurangan bahan adalah :

a. Kehilangan penjualan

b. Kehilangan langganan

c. Biaya pemesanan khusus

d. Biaya ekspedisi

e. Selisih harga

f. Terganggunya operasi

g. Tambahan pengeluaran kegiatan manajerial.

24

2.5. Pengendalian persediaan

Pengedalian persediaan berupa mengatur dan mengontrol persediaan untuk

kebutuhan selama periode tertentu. Fungsi pengendalian untuk komoditas

pertanian sangat penting, baik yang dilakukan oleh produsen, lembaga perantara

pemasaran, konsumen maupun yang dilakukan suatu badan pemerintahan yang

berwenang (Said dan Intan; 2001:95-99).

Menurut Assauri (2004:177), tujuan dari pengendalian persediaan secara rinci

dapat dinyatakan sebagai usaha untuk :

1. Menjaga agar perusahaan tidak kehabisan persediaan sehingga produksi

terhenti.

2. Menjaga supaya pembentukkan persediaan oleh perusahaan tidak terlalu

besar atau berlebihan, sehingga biaya yang timbul dari persediaan tidak

terlalu besar.

3. Menjaga agar pembelian secara kecil-kecilan dapat dihindari karena ini

akan berakibat biaya pemesanan menjadi besar.

2.6 Model Pengendalian Persediaan Economic Order Quantity (EOQ)

EOQ merupakan salah satu teknik pengendalian persediaan tertua dan paling

terkenal. Teknik ini relatif mudah digunakan, tetapi didasarkan pada asumsi

(Render dan Heizer, 2001:320) :

a. Tingkat permintaan diketahui dan bersifat konstan.

b. Lead time diketahui dan bersifat konstan.

25

c. Persediaaan diterima dengan segera, dengan kata lain, persediaan yang

dipesan tiba dalam bentuk kumpulan produk pada satu waktu.

d. Tidak mungkin diberikan diskon.

e. Biaya variabel yang muncul hanya biaya pemasangan atau pesanan dan

biaya penahanan atau penyimpanan persediaan sepanjang waktu.

f. Keadaan kehabisan (kekurangan) dapat dihindari sama sekali bila

pemesanan dilakukan dengan tepat.

2.7 Penelitian Terdahulu

Khaerunnisa (2009) melakukan penelitian mengenai Analisis Peramalan

Penjualan unrtuk Perencanaan Pengendalian Persediaan Kecap Manis Sate PT.

Korma Jaya Utama (KJU). Hasil penelitian menunjukan pola data penjualan kecap

manis sate periode Januari 2003 hingga Desember 2007 pola stasioner dan pola

musimam. Berdasarkan pola data tersebut didapatkan nilai penjualan yang relatif

konstan berada disekitar garis rata-rata. Pola musiman disebabkan oleh perilaku

sales (agen) dan pengaruh hari besar keagamaan.

Berdasarkan pengolahan data, metode peramalan penjualan yang terbaik

yaitu metode indek musiman dengan nilai MSE terkecil yaitu 153086792

sedangkan penggunakan metode EPQ menghasilkan prediksi produksi sebesar

115.020,34 botol, kemudian dikonversikan ke dalam hari kerja dihasilkan jumlah

produksi sebesar 3.995,15 botol/produksi.

26

Perusahaan menerapkan persediaan berupa persediaan pengaman yakni

31.795,28 botol memerlukan biaya sebesar Rp. 470.252,19, sedangkan dengan

perhitungan EPQ dengan presentase tingkat pelayanan 99,9 persen perusahaan

dapat memenuhi permintaan pelanggan, dihasilkan persediaan pengaman 28.922,8

botol memerlukan biaya Rp. 427.776,21. Dengan selisih sebesar 42.475,98 maka,

metode EPQ lebih optimal dibandingkan dengan metode yang diterapkan

perusahaan.

Penelitian mengenai Analisis Perencanaan Pengadaan Persediaan Tuna pada

PT. Tridaya Eramina Bahari Muara Baru Jakarta oleh Elawati (2010). Sistem

pengadaan bahan baku yang dilakukan PT. Tridaya Eramina Bahari belum

optimal. Hal ini dapat dilihat dari belum adanya perencanaan dalam pengadaan

persediaan bahan baku dengan menggunakan metode tertentu sehingga

penggunaan bahan baku belum tertata baik dan biaya persediaan bahan baku

belum minimum. Analisis perbandingan antara metode perusahaan dengan metode

EOQ, menunjukkan pengendalian persediaan bahan baku dengan menggunakan

metode EOQ lebih efisien. Peramalan permintaan (volume ekspor) tuna loin untuk

tahun 2010 dilakukan dengan menggunakan metode time series. Berdasarkan nilai

MAD terkecil didapatkan metode peramalan terbaik untuk digunakan yaitu

Dekomposisi Aditif dengan indeks musiman 12. Perencanaan persediaan bahan

baku perusahaan tahun 2010 dengan menggunakan metode EOQ yang didasarkan

pada proyeksi kebutuhan bahan baku berdasarkan hasil ramalan permintaan

27

(volume ekspor), diperoleh besarnya kuantitas pemesanan sebesar 1.139 kg per

pesanan dengan nilai frekuensi pemesanan sebesar 377 kali pemesanan.

2.8 Kerangka Pemikiran Konseptual

Pertama kali yang dilakukan dalam penelitian mengenai peramalan penjualan

untuk perencanaan pengadaan buah durian di Rumah Durian Harum adalah

menentukan objek penelitian yang akan diteliti berdasarkan jenis buah durian.

Jenis buah durian yang akan dijadikan objek penelitian diambil berdasarkan

tingkat penjualan tertinggi dan frekuensi ketersedian paling sering tetapi memiliki

biaya persediaan yang besar. Kemudian setelah mengetahui jenis buah durian

yang akan diteliti maka tahap berikutnya adalah ramalan penjualan meliputi

identifikasi pola data penjualan selama 2 tahun terakhir periode yang kemudian

akan dilakukan peramalan. Peramalan dilakukan menggunakan metode time

series yang terdiri atas metode moving average, metode ekpsonensial smoothing,

metode dekomposisi, metode winter’s dan indeks musiman yang turut

mempengaruhi penjualan. Berdasarkan beberapa metode peramalan yang akan

digunakan kemudian dipilih metode peramalan yang paling akurat. Salah satu

kriteria yang digunakan dalam memilih metode peramalan adalah kesalahan

peramalannya (nilai error) yang terkecil. Akurasi peramalan yang digunakan

adalah Mean Standard Error (MSE)

Perubahan tingkat penjualan di masa yang akan datang dengan prediksi

penjualan akan mempengaruhi pengendalian persediaan. Kebutuhan persediaan

28

yang optimal akan diprediksi menggunakan Economic Order Quantity (EOQ) dan

Safety Stock (SS). Hal ini dikarenakan tingkat permintaan telah diketahui

berdasarkan ramalam penjualan dan diasumsikan konstan 1 tahun kedepan. Lead

time diketahui dan bersifat konstan yaitu 1 hari serta persediaan diterima dengan

segera.

Hasil penelitian nanti akan memperlihatkan jumlah buah durian yang

dibutuhkan satu tahun kedepan. Peramalan jumlah buah durian yang dihasilkan

menggambarkan pula berapa persediaan bauh yang optimal sehingga dapat

meminimalisirkan biaya. Secara garis besar, uraian diatas merupakan suatu

kerangka pemikiran konseptual skripsi ini digambarkan pada Gambar 3.

29

Rumah Durian Harum

Gambar 3. Kerangka Pemikiran Konseptual

Keterangan

: sasaran penelitian : kegiatan penelitian

: arah kegiatan penelitian : alat penelitian

Identifikasi Pola Penjualan

Ramalan Penjualan 1 tahun kedepan

Perencanaan Pengadaan Persediaan

Rekomendasi Perencanaan Pengadaan Persedian

Penentuan Objek Penelitian Berdasarkan Jenis Buah Durian

Peramalan Penjualan

Metode Time Series 1) metode double moving

average 2) metode double

eksponensial smoothing 3) metode dekomposisi 4) metode winter’s 5) metode indeks musiman

Pemilihan metode peramalan terbaik

EOQ Safety stock

Visualisasi Grafik Uji Akar Unit

(ADF)

MSE

BAB III METODOLOGI PENELITIAN

3.1. Lokasi dan Waktu Penelitian

Penelitian ini dilaksanakan di Rumah Durian Harum yang berlokasi di Jl.

Bintaro Utama sektor 3A no.45,Bintaro Jaya. Penentuan lokasi ini dilakukan

secara sengaja (purposive), dengan pertimbangan bahwa Rumah Durian Harum

adalah salah satu retail besar yang memasarkan buah durian baik produk segar

maupun olahan sepanjang tahun. Penelitian ini dilaksanakan mulai bulan

Desember 2010 sampai Februari 2011.

3.2. Jenis dan Sumber Data

Jenis data dalam penelitian ini adalah data primer dan sekunder. Data primer

diperoleh melalui wawancara menggunakan daftar pertanyaan. Data sekunder

diperoleh dari data pola penjualan buah durian selama 2 tahun terakhir periode

Maret 2009 hingga Februari 2011 dan pengendalian persediaan buah durian yang

diterapkan oleh Rumah Durian Harum serta data penunjang yang diperoleh

melalui literatur, dokumen dan informasi dari berbagai instansi terkait seperti

BPS, dan perpustakaan-perpustakaan instansi terkait. Data yang dibutuhkan yaitu

gambaran umum perusahaan, persediaan dan penjualan buah durian Rumah

Durian Harum.

31

3.3. Metode Pengolahan dan Analisis Data

Data dan informasi yang diperoleh kemudian diolah menggunakan program

Microsoft Excel, Minitab 15 dan Eview 4.1.Volume penjualan 1 tahun yang akan

datang dapat dilihat dari pola penjualan periode sebelumnya. Berdasarkan

penjualan tersebut kemudian data diolah menggunakan metode peramalan time

series. Pemilihan metode peramalan yang terakurat kemudian dapat

memproyeksikan sejumlah persediaan dengan metode EOQ dan SS.

3.3.1. Identifikasi Pola Penjualan

Identifikasi pola data dilakukan dengan visualisasi plot data secara grafik

dan pengujian menggunakan uji akar unir (ADF). Identifikasi pola data bertujuan

untuk mengetahui komponen unsur-unsur yang ada seperti trend, stasioner,

musiman dan siklus.

Uji akar unit merupakan pengujian yang dikembangkan oleh David Dickey

dan Wayne Fuller dengan sebutan Augmented Dickey-Fuller (ADF) Test.

Beberapa model yang dapat dipilih untuk melakukan Uji ADF (Nachrowi dan

Usman, 2006:355) sebagai berikut :

ΔYt = δYt-1 + ut (tanpa intercept) (1)

ΔYt = β + δYt-1 + ut (dengan intercept) (2)

ΔYt = β1 + β2t + δYt-1 + ut (intercept dengan trend waktu) (3)

Dimana :

ΔYt = first difference dari variabel yang digunakan

t = variabel trend

32

Hipotesis untuk pengujian ini adalah :

H0 : δ = 0 (terdapat unit root, tidak stasioner)

H1 : δ ≠ 0 (tidak terdapat unit root, stasioner)

Prosedur menentukan apakah data satsioner atau tidak adalah dengan cara

membandingkan antara nilai statistik DF dengan nilai kritisnya yaitu distribusi

statistik, Runtun waktu yang diamati stasioner jika memiliki nilai ADF lebih besar

dari nilai kritis. Beberapa piranti lunak ekonometrika seperti EViews, SPlus, dan

R menyediakan nilai kritis ini setiap kali kita melakukan running data.

3.3.2. Metode Time Series

Penelitian ini akan menggunakan metode peramalan time series. Metode ini

terdiri atas beberapa metode diantaranya metode naïve, metode rata-rata bergerak

ganda (double moving average), metode dekomposisi, metode Double

Eksponensial Smoothing, metode winter’s dan Metode Indeks Musiman.

1. Metode rata-rata bergerak ganda/double moving average (Arsyad,1994:82)

M’(n)t =

Keterangan :

n = jumlah periode (orde) yang diikutkan dalam panjang

moving average

33

M’t = nilai moving average dari moving average pada periode t

= nilai ramalan penjualan untuk p periode mendatang

at = nilai moving average pada periode t

bt = nilai trend moving average pada periode t

p = jumlah periode mendatang yang akan diramalkan

2. Metode Dekomposisi

Penulisan matematis dari pendekatan metode ini sebagai berikut (Firdaus,

2006: 14):

Yt = f (Xt , Ct , It, Et)

A. Dekomposisi Aditif

Model ini dipilih bila gelombang-gelombang kecil (swing) dari variasi

musiman bersifat konstan sepanjang waktu. Penulisan modelnya sebagai

berikut:

Yt = Xt + Ct + It + Et

B. Dekomposisi Multiplikatif

Model ini dipilih bila gelombang-gelombang kecil (swing) dari variasi

musiman meningkat secara proporsional dengan bertambahnya waktu.

Penulisan modelnya sebagai berikut:

Yt = Xt x Ct x It x Et

Keterangan :

Xt = nilai aktual penjualan buah durian terpilih pada periode t

34

Ct = komponen siklus pada periode t

It = komponen musiman pada periode t

Et = komponen kesalahan atau error pada periode t

3. Metode Double Eksponensial Smoothing (Subagyo, 1994:24)

Metode ini dapat dirumuskan sebagai berikut :

Keterangan :

= nilai pemulusan baru data aktual penjualan

= nilai aktual pada periode t

= koefisien pemulusan (smoothing) (0< <1)

= nilai perkiraan trend

= koefisien pemulusan (smoothing) untuk trend (0< <1)

p = jumlah periode penjualan mendatang yang akan diramalkan


4. Metode Winter’s

Model ini dapat dirumuskan sebagai berikut (Subagyo, 1994: 26):

35

Keterangan :

= nilai pemulusan baru data aktual

= nilai aktual penjualan pada periode t

= koefisien pemulusan (smoothing) (0< <1)

= nilai perkiraan trend

= koefisien pemulusan (smoothing) untuk trend (0< <1)

= nilai perkiraan musiman

= koefisien pemulusan (smoothing) untuk musiman (0< <1)

p = jumlah periode penjualan mendatang yang akan diramalkan

= panjang variabel musiman


5. Metode Indeks Musiman

Persamaan dalam indeks musiman dapat dihitung melalui :

Y = a+ b X

a = ∑Y

n

b = ∑XY

∑X2

ŕ = Yt

Y

ŕ (rata-rata) = ∑ ŕ

n

36

ŷ t+1 = (Y) (ŕ (rata-rata)

keterangan :

a, b = konstanta

n = banyaknya data

Y = penjualan aktual

X = pengkodean dari titik tengah periode

ŕ = rasio penjualan

Yt = nilai garis trend

ŷ t+1 = nilai ramalan periode mendatang

3.3.3. Pemilihan Metode Peramalan

Pemilihan metode peramalan terakurat perlu dipertimbangkan beberapa

faktor yakni forecasting power dari metode tersebut yaitu menguji nilai

kesalahannya. Ukuran akurasi yang sering digunakan adalah nilai mean squared

error (MSE). Metode ini mengavaluasi akurasi peramalan dengan

mengkuadratkan nilai kesalahan peramalan (error). Hasilnya dijumlahkan dan

dibagi dengan jumlah obsevarsi. Metode peramalan yang memiliki nilai MSE

paling kecil mengandung pengertian bahwa semakin kecil nilai MSE suatu

peramalan, maka hasil ramalan tersebut semakin mendekati aktualnya

(forescasting power semakin kuat (Firdaus, 2006:4). Nilai MSE dirumuskan

sebagai berikut:

37

Keterangan :

yi = nilai variabel

ŷi = nilai ramalan

(yi- ŷi) = kesalahan ramalan (error)

n = banyaknya observasi

3.4. Pengendalian Persediaan

3.4.1 Economic Order Quantity (EOQ)

Model persediaan EOQ dapat dilakukan dengan cara grafik dan tabel, atau

dengan formula (rumus). Cara tabel dan grafik, atau menggunakan pengujian uji

coba untuk mengetahui jumlah pesanan yang paling ekonomis. Caranya dimulai

dengan menghitung biaya-biaya yang timbul pada setiap kemungkinan frekuensi

pesanan yaitu pemesanan dan jumlah pesanan yang paling ekonomis, yaitu

memberikan biaya total terendah dapat diketahui dengan membandingkan biaya

total dari setiap frekuensi pesanan.

Rumus EOQ yang biasa digunakan adalah (Handoko, 2008:340)

EOQ = HSD2

Dimana:

D : penggunaan atau permintaan yang diperkirakan per periode waktu.

S : Biaya pemesanan ( persiapan pesanan dan penyiapan mesin ) per

pesanan

H : Biaya penyimpanan per unit per tahun.

38

Adapun asumsi yang perlu diperhatikan pada model EOQ adalah sebagai

berikut (Handoko, 2008 : 341):

1. Permintaan akan produk adalah konstan, seragam dan diketahui

(deterministik).

2. Harga per unit produk adalah konstan.

3. Biaya penyimpanan per unit per tahun (H) adalah konstan.

4. Biaya pemesanan per pesanan (S) adalah konstan.

5. Waktu antara pesanan dilakukan dan barang-barang diterima (leadtime)

adalah konstan.

6. Tidak terjadi kekurangan barang atau back order.

Komponen biaya yang harus diketahui untuk menentukan kuantitas pesanan

ekonomis adalah sebagai berikut :

Biaya pemesanan pertahun = frekuensi pesanan x biaya pemesanan

= SQD

Frekuensi pemesanan merupakan permintaan pertahun dibagi dengan jumlah

pesanan dalam satu tahun, sehingga jumlah frekuensi pesananan yang paling

ekonomis adalah :

F’ = *Q

D

Sedangkan untuk mengetahui banyaknya pemesanan dilakukan dengan

membagi jumlah hari kerja dengan frekuensi pemesanan yang paling ekonomis,

dengan rumus :

39

T’ = esananfrekuensip

jaJumlahhari ker

Biaya penyimpanan pertahun:

= persediaan rata-rata x biaya penyimpanan

= HQ2

EOQ terjadi bila biaya pemesanan = biaya penyimpanan

xSQD

= xHQ2

2SD = HQ2

Q2 = HSD2

Q* = HSD2

Q* adalah EOQ, yaitu pemesanan yang memberikan biaya total persediaan

terendah, EOQ juga dapat diperoleh dari fungsi biaya total (TC), yaitu dengan

membuat turunan pertama fungsi biaya total terhadap Q sama dengan nol, sebagai

berikut :

TC = xSQD

+ xHQ2

dQ

dTC = -

2QDS

+ 2H

= 0

2SD = HQ2

Keterangan :

D = jumlaj kebutuhan barang (kg/tahun)

40

S = biaya pemesanan atau biaya setup (rupiah/pemesanan)

h = biaya pemesanan (% terhadap nilai barang)

C = harga barang (rupiah/unit)

H = h x C = biaya penyimpanan (rupiah/kg/tahun)

Q = jumlah pemesanan (unit/pesanan)

F = frekuensi pemesanan (kali/tahun)

T = jarak waku antar pesanan (tahun,hari)

TC = biaya total persediaan (rupiah/tahun)

3.4.2. Safety Stock (SS)

Persediaan pengaman apabila penggunaan persediaan melebih dari

perkiraan. Safety stock sering disebut dengan buffer stock. Semakin besar safety

stock maka semakin kecil kemungkinan terjadi stock out. Menentukan besarnya

persediaan pengaman dengan pendekatan timgkat pelayanan (service level).

Tingkat pelayanan dapat didefinisikan sebagai probabilitas permintaan tidak akan

melebihi persediaan selama jangka waktu tenggang (Rangkuti,2007:11). Rumus

SS yang biasa digunakan adalah :

SS = z Lt ( d)

Dimana :

SS = Safety Stock

Z = tngkat pelayanan

Lt = masa tenggang

( d) = standar deviasi dari penjualan buah durian

41

3.5 Definisi Operasional

Definisi operasional adalah suatu definisi yang diberikan kepada suatu

variabel dengan cara memberikan arti, atau menspesifikasikan kegiatan, ataupun

memberikan suatu operasional yang diperlukan untuk mengukur variabel tersebut

(Nazir, 2005:126). Definisi operasional yang digunakan dalam penelitian ini

adalah :

1. Data time series adalah data penjualan bulanan buah durian medan, buah

durian monthong thailand, dan buah durian frozen monthong.

2. Permalan penjualan adalah aktivitas memperkirakan jumlah buah duah

durian yang akan dijual dalam rentang waktu satu tahun kedepan

berdasarkan data time series.

3. Stasioner adalah pola data yang horizontal, data berfluktuasi di sekitar

nilai rata-rata konstan dan data tidak memiliki kecendrungan (trend).

4. Biaya pemesanan adalah biaya-biaya yang terkait langsung dangan

kegiatan pemesanan dan pembelian bahan yang dilakukan perusahaan.

Biaya pemesanan dihitung dalam satuan Rupiah (Rp).

5. Biaya penyimpanan adalah biaya yang timbul karena adanya buah durian

yang disimpan oleh perusahaan. Biaya penyimpanan dihitung dalam

satuan Rupiah (Rp).

6. Jumlah permintaan adalah banyaknya kebutuhan buah durian yang

diperlukan untuk dipasarkan dalam satu periode. Jumlah permintaan

dihitung dalam satuan kilogram (Kg).

42

7. Harga buah durian yaitu harga yang ditentukan oleh suppllier, dimana

harga sewaktu-waktu dapat berubah tergantung kebijakan suppllier yang

diukur dalam satuan rupiah (Rp) .

BAB IV GAMBARAN UMUM PERUSAHAAN

4.1 Sejarah Umum Perusahaan

Rumah Durian Harum pertama kali didirikan pada bulan Mei tahun 2007

oleh kelompok kerja dan bertempat di Jalan Raya Panjang No. 29, Jakarta Barat.

Sesuai dengan namanya Rumah Durian Harum bergerak dibidang pemasaran

buah durian baik dalam bentuk fresh maupun olahannya seperti eskrim dan jus.

Rumah Durian Harum dari tahun ke tahun terus melakukan pengembangan

usaha. Sekarang tercatat telah memiliki delapan cabang, dimana salah satunya

beralamat di Jl. Bintaro Utama Sektor 3A No. 45, Bintaro Jaya pada Maret tahun

2009. Setiap cabang memiliki kewenangannya masing-masing dalam menjalankan

usaha, namun tetap saling bekerja sama dalam pengadaan persediaan buah dan

pertukaran sumber daya manusia.

Visi dari Rumah Durian Harum adalah menyediakan buah durian berkualitas

tinggi sepanjang tahun. Untuk mencapai visinya perusahaan membentuk misi

sebagai berikut :

a. Memperluas hubungan dengan supplier.

b. Selalu berusaha menjaga kualitas buah durian yang dipasarkan.

44

4.2 Struktur Organisi dan Ketenagakerjaan

Struktur organisasi dibuat perusahaan agar koordinasi antara pusat dan

cabang serta masing-masing bagian berjalan lancar dan memudahkan dalam

melakukan kegiatan atau pekerjaan sehingga akitivitas perusahaan dapat lebih

terarah dan dapat mempermudah pencapaian tujuan perusahaan. Bagan umum

struktur organisasi Rumah Durian Harum disajikan pada Gambar 4.

Gambar 4. Struktur Organisasi Toko Rumah Durian Harum Sumber : ( Rumah Durian Harum, 2010)

Gambar 4 memaparkan bahwa pemilik hanya berada di pusat untuk

mengawasi jalannya usaha dibantu oleh kepala toko untuk memimpin kinerja toko

dan karyawan. Setiap cabang memiliki kepala toko masing-masing dibantu oleh

PEMILIK

KEPALA TOKO

ADMINISTRASI KASIR DRIVER PRAMUSAJI

45

bagian administrasi, kasir, driver dan pramusaji yang jumlahnya tergantung dari

kebutuhan toko. Tugas dari masing-masing bagian adalah sebagai berikut:

1. Pemilik Perusahaan

Pemilik perusahaan mempunyai wewenang untuk melakukan kegiatan

perusahaan terutama merencanakan strategi, mengambil keputusan, mengawasi

jalannya usaha, menetapkan kebijakan yang berhubungan dengan pemasok, serta

menentukan visi dan misi perusahaan.

2. Pimpinan Toko

Pimpinan toko bertanggung jawab untuk memimpin kinerja masing-masing

toko, mengawasi kinerja para karyawan serta menciptakan ketertiban, ketenangan,

dan gairah kerja karyawan, memantau ketersediaan pasokan barang, melakukan

pemesanan barang kepada pemasok, dan melakukan monitoring, serta evaluasi

akan segala kegiatan pemasaran yang berlangsung kepada pemilik perusahaan.

3. Bagian Administrasi

Bagian administrasi adalah mencatat, menyusun laporan keuangan,

mengkoordinir pengendalian keuangan, serta melaporkan pendapatan dan

pengeluaran perusahaan kepada pemilik perusahaan.

4. Bagian Kasir

Bagian kasir bertugas untuk menyambut kedatangan konsumen, membantu

konsumen dengan memberikan informasi jenis atau karakteristik produk yang

dipilih, serta membantu konsumen dalam transaksi pembelian.

46

5. Bagian Pramusaji

Bagian pramusaji tugasnya adalah melakukan sortir durian dan penataan

pada display, melayani pesanan konsumen, memberikan informasi kepada

konsumen tentang jenis atau karakteristik durian, membantu konsumen memilih

durian yang sesuai dengan selera konsumen, serta mengantarkan durian pilihan ke

meja penyajian.

6. Bagian Driver

Bagian driver bertugas untuk mengambil pesanan buah durian di pusat

ataupun gudang serta mengantarkan pesanan konsumen yang memesan melalui

system delivery.

Rumah Durian Harum cabang Bintaro memiliki jumlah tenaga kerja sebanyak

6 orang teridiri dari 1 orang wanita dibagian administrasi, sedangkan 5 orang

lainnya pria untuk kasir, delivery dan pramusaji. Jam kerja yang berlaku di

Rumah Durian Harum yaitu setiap hari dimulai pukul 10.00 – 22.00 WIB dengan

waktu istirahat 1 jam. Setiap karyawan berhak memiliki libur seminggu sekali

dimana harinya dibebaskan kepada karyawan, dengan ketentuan kecuali hari

weekend (sabtu dan minggu).

4.3 Jenis Produk

4.3.1 Buah Durian Segar

Rumah Durian Harum cabang Bintaro memasarkan buah durian baik lokal

maupun impor. Durian lokal yang dipasarkan ada 6 jenis yaitu Medan, Monthong

47

Lokal, Monosobo, Jepara, Semarang dan Bayumas. Durian Impor terdapat 8 jenis

antara lain, Kradum, Chanee, Monthong Thailand, Malaysia, Nokyib, Kanyao,

dan Pongmanee.

Seluruh buah durian baik lokal maupun impor yang dipasarkan Rumah Durian

Harum semuanya dalam keadaan fresh, tetapi untuk jenis durian Monthong

Thailand selain dalam keadaan fresh juga dipasarkan dalam keadaan beku yang

dikenal dengan nama durian frozen monthong. Durian frozen monthong diimpor

dalam keadaan beku, sehingga mendapatkan perlakuan lebih yaitu dengan

memasukkan ke dalam cool room (ruang pendingin) di bawah suhu 0 derajat

Celcius sehingga durian tersebut mengalami pembekuan. Cool room merupakan

teknologi yang digunakan Rumah Durian Harum agar buah durian dapat bertahan

hingga waktu yang lama. Tidak ada tambahan pengemasan untuk durian yang

dipasarkan dalam keadaan fresh, tetapi untuk Frozen Monthong digunakan jaring

khusus buah untuk memudahkan pengambilan dari dalam frezer.

Durian Monthong Thailand yang membeku ini dikenal dengan sebutan

Monthong Salju atau Monthong Frozen. Sebutan Monthong Salju ini dikarenakan

lapisan kulit durian dilapisi biang es yang membeku dan daging buah yang dingin

ketika dimakan. Karakteristik buah durian di Rumah Durian Harum, dapat

dijelaskan sebagai berikut:

48

Tabel 2. Karakteristik Buah Durian

Jenis Durian Kriteria

Durian Medan Berat 1,5 – 2,5 kilogram, bentuk lonjong, daging sedang dan

tipis, kondisi sedang dan lembek, warna kuning dan putih,

tekstur lembut, rasa manis sekali namun kadang-kadang

pahit, biji besar, aroma harum tajam.

Durian Monthong

Lokal

Berat 2 – 5 kilogram, daging tebal, bentuk buah lancip,

kondisi kering sedang tidak lembek, warna daging kuning

tua dan kuning muda, serat lembut, rasa durian manis (brix

20-29%), biji kecil, aroma harum sedang.

Durian Petruk /

Jepara

Berat 1 – 2,5 kilogram, daging berwarna kuning tebal,

berserat halus agak lembek, bentuk bulat lonjong, bijinya

kecil, kulit tipis (3mm), warna kulit hijau kekuningan,

durinya kecil dan rapat, aroma harum menyengat.

Durian Semarang Berat 1,5 – 2,5 kilogram, daging tebal berwarna kuning

gading, tekstur pulen, bentuk bulat lonjong, isinya tidak

terlalu kecil, rasa manis.

Durian Banyumas Berat 1,5 – 2,5 kilogram, daging tebal, biji sedang, aroma

harum sedang, rasa manis legit.

Durian Palembang Berat 1 – 2 kilogram, daging berwarna putih, duri jarang,

bentuk bulat lonjong, biji kecil-kecil, daging tipis,

rasa manis, aroma harum sedang.

49

Durian Kradium Berat 1,5 – 2,5 kilogram, daging sedang, bentuk bulat,

kondisi sedang dan lembek, warna daging kuning tua,

tekstrur lembut, rasa manis (brix 20-29%), aroma harum

sedang (daging kuning yang menggoda).

Durian Chanee Berat 2 - 5 kilogram, daging tebal, bentuk lonjong, kondisi

kering sedang, warna kuning tua dan kuning muda, serat

sedang dan lembut, rasa manis, aroma harum sedang.

Durian Monthong

Thailand

Berat 2 – 5 kilogram, daging tebal, bentuk bulat lancip,

kondisi kering sedang tidak lembek, warna kuning muda,

serat sedang dan lembut, rasa manis (brix 20 -29%) tidak

legit, aroma harum sedang.

Durian Malaysia Berat 1 – 2,5 kilogram, daging sedang, kondisi kering,

warna kuning muda dan putih, serat lembut, rasa manis

namun kadang-kadang pahit, aroma harum sedang. (Legit

dan Lembut)

Durian Nokyib Berat 2 – 4 kilogram, daging sedang, bentuk bulat lancip,

kondisi kering sedang, warna kuning tua, serat lembut, rasa

manis (brix 20-29%), aroma harum sedang. (Durian kelas 1)

Durian Kanyao Berat 1,5 – 3 kilogram, daging sedang, bentuk bulat, warna

kuning tua, serat lembut, rasa manis sekali (brix > 29%),

aroma harum sedang. (Rajanya durian Thailand)

50

Durian Pongmanea Berat 1,5 – 3 kilogram, daging sedang, bentuk lonjong,

kondisi sedang, warna kuning tua dan kuning muda, tekstur

lembut, rasa manis (brix 20-29%), aroma buah harum

sedang.

Sumber : (Rumah Durian Harum, 2010)

Buah durian di Rumah Durian Harum tersedia sepanjang musim, namun

disetiap bulannya jenis buah durian yang ditawarkan berbeda-beda, tergantung

kepada musim jenis durian tersebut. Tidak semua durian yang ada pada Tabel 2

tersedia setiap saat, namun yang hampir musim setiap bulannya adalah durian

Medan. Apabila musim durian segar tidak menentu maka Rumah Durian Harum

mengandalkan teknologi dalam penyimpanan buah duriannya, seperti durian

Monthong Frozen yang disimpan di dalam cool room (ruang pendingin) sehingga

buah durian dapat bertahan hingga waktu yang lama.

4.4.2 Produk Olahan

Produk durian yang sudah tidak layak dikonsumsi oleh konsumen atau telah

turun kualitasnya maka buah durian tersebut akan diolah menjadi produk olahan

durian. Kriteria buah durian yang telah turun kualitasnya dapat dilihat dari tekstur

buah yang lembek, aroma buah masam, dan rasa durian yang tidak manis. Rumah

Durian Harum menciptakan beberapa variasi produk olahan durian, seperti:

a. Bahan durian

b. Jus durian

c. Ice cream durian

51

d. Dodol atau lempuk durian

e. Keripik durian

f. Kolak durian

g. Serabi durian

Eskrim durian hadir dalam 3 ukuran; cup berisi 120 gram, 220 gram, sampai

750 gram. Variasi produk olahan durian ini bertujuan untuk memberi varian rasa

dan bentuk yang berbeda-beda sesuai dengan kebutuhan, selera dan lifestyle

konsumen. Pilihan produk olahan ini juga diperuntukan bagi konsumen yang tidak

menyukai bau durian.

4.4.3 Produk Pelengkap

Rumah Durian Harum tidak hanya menjual produk durian saja, namun

menyediakan produk pelengkap juga seperti aneka minuman, aneka makanan

ringan (snack), manisan buah, permen, dan kelapa kopyor. Tujuan dari produk

pelengkap ini adalah untuk memberikan variasi pilihan produk kepada konsumen.

dan menarik lebih banyak konsumen.

4.5 Penyimpanan dan Penanganan Mutu Produk

Buah yang dipesan dari supplier merupakan buah yang tingkat

kematangannya kurang lebih 80% pada saat dipanen. Hal ini dikarenakan buah

durian pada tingkat kematangan 80% dapat disimpan hingga 2-3 minggu. Buah

durian tersebut langsung disimpan di gudang pusat. Penyimpanan di gudang

bertujuan untuk menghindarkan buah dari pengaruh fisik lingkungan yang buruk

52

seperti angin, panas dan hujan karena akan berpengaruh pada visual buah.

Persediaan yang disimpan di dalam gudang disusun sedemikian rupa

menggunakan sistem First In First Out (FIFO). Selanjutnya didistribusikan sesuai

dengan kebutuhan masing-masing toko. Ketika sampai di toko pesanan

dimasukkan ke dalam gudang toko dengan kapasitas kurang lebih 40 dus dengan

rincian durian medang 25 kg/dus dan durian monthong 16 kg/dus. Daya simpan

optimal untuk buah durian dalam keadaan fresh yaitu selama 10 hari sedangkan

30 hari untuk buah durian dalam keadaan beku.

Pelayanan konsumen sangat diperhatikan dengan konsep service to customer,

dimana pelayan akan terus mencarikan durian sampai sesuai dengan keinginan

pelanggan sehingga menyebabkan penurunan kualitas dari buah durian. Buah

durian yang telah menurun kualitasnya, daging buahnya akan di-wrapping

kemudian dijual kembali dengan harga Rp. 40.000,-/box. Jika tidak laku dalam

waktu dua hari setelah dimasukan kedalam pendingin maka kondisi buah durian

akan berair sehingga tidak layak dipajang lagi. Durian yang sudah di-wrapping

diolah menjadi bahan durian kemudian dijual lagi dengan harga Rp. 30.000,-/kg

agar tidak banyak mengalami kerugian.

4.6. Sistem Pengendalian Persediaan

Sistem pengendalian buah durian yang dilakukan Rumah Durian Harum

Bintaro pada umumnya masih sederhana yaitu dengan menyesuaikan ketersediaan

buah durian yang ada di gudang toko setiap hari. Pengadaan persediaan akan

53

dilakukan apabila stok dalam gudang telah terjual antara 70-80 persen, atau

apabila stok hanya tersisa 30-20%.

Tahapan sistem pengendalian persediaan buah durian Rumah Durian Harum

Bintaro antara lain : tahap identifikasi persediaan, tahap pemesanan, tahap

pengangkutan, tahap penyimpanan dan tahap penjualan. Tahap pertama adalah

identifikasi persediaan dengan melihat kebutuhan dan ketersediaan stok setiap

hari. Identifikasi juga dapat memudahkan toko untuk menentukan jumlah buah

yang harus dipesan.

Setelah kebutuhan diketahui, maka pihak toko akan menghubungi gudang

atau pusat setelah itu barang akan dikirm oleh gudang atau pusat pada hari

berikutnya. Sebelumnya pihak gudang atau pusat telah melakukan pemesanan

kepada pihak supplier. Buah yang sudah dipesan akan dikirim menggunakan

mobil box atau mobil bak tertutup dan disimpan di gudang pusat. Hari berikutnya

buah dikirim ke toko yang mengajukan pemesanan kemudian diperiksa jumlah

dan jenis buah sesuai pesanan kemudian dimasukkan kedalam gudang toko untuk

disimpan. Jika buah durian yang diletakkan di display hampir habis terjual, maka

persediaan buah yang disimpan di gudang dikeluarkan untuk dijual. Tahap

penjualan ini merupakan tahapan terkahir dalam sistem pengendalian persediaan.

4.6.1. Penentuan Tingkat Persediaan Buah Durian

Rumah Durian Harum selama ini belum menggunakan metode atau cara

perhitungan tertentu dalam menentukan tingkat persediaan yang harus dimiliki

atau yang harus dipesan kepada pihak pusat atau gudang. Pesanan ditentukan

54

berdasarkan penilaian kepala toko. Kepala toko membuat perkiraan penjualan tiap

harinya.

Kondisi ini dapat menyebabkan frekuensi pemesanan dan besarnya pesanan

yang tidak diperhitungkan dengan baik dapat menyebabkan penumpukan

persediaan. Penumpukan persediaan yang melebihi permintaan akan memberikan

efek yang negatif bagi perusahaan, salah satunya adalah kerugian besarnya tingkat

kerusakan buah yang nantinya membuat perusahaan rugi.

4.6.2. Prosedur Pembelian Buah Durian

Rumah Durian Harum Bintaro dalam memperoleh buah durian dimulai

dengan penentuan tingkat kebutuhan tiap harinya yang dilakukan oleh kepala

toko. Kepala toko akan meminta bagian administrasi untuk menghubungi pusat

atau gudang untuk melakukan pemesanan. Jika pihak pusat tidak dapat memenuhi

pemesanan maka kekurangannya akan dipenuhi gudang. Pihak pusat sebelumnya

telah melakukan pemesanan kepada pihak supplier seperti diilustrasikan pada

Gambar 5. Pihak pusat juga melakukan pemesanan setiap hari untuk mencukupi

kebutuhan tiap outlet.

Order

Order via telepon

Gambar 5. Alur Pemesanan Rumah Durian Harum Sumber : (Data Primer diolah,2011)

Supplier Pusat

Rumah Durian Harum Bintaro

55

Dari Gambar 5 terlihat bahwa pusat memesan langsung kepada supplier

setiap harinya untuk memenuhi kebutuhannya sendiri dan juga kebutuhan cabang.

Supplier akan mengirimkan buah durian sesuai dengan pemesanan pusat. Rumah

Durian Harum Bintaro akan memesan kepada pihak pusat sesuai dengan

kebutuhan yang ditentukan oleh kepala toko. Pihak pusat tidak akan mengirimkan

pesanan, tetapi pihak Rumah Durian Harum Bintaro sendiri yang langsung

mengambilnya di pusat satu hari setelah pemesanan.

Pesanan outlet akan diambil pada kesokan harinya menggunakan sepeda

motor atau mobil tergantung jumlah pesanan. Barang yang telah diterima

dilakukan penginputan data penerimaannya oleh adminsitrasi kemudian disiapkan

untuk dipanjang pada rak display atau disimpan di dalam gudang toko. Hal ini

dapat meminimalisir terjadinya kehilangan penjualan dikarenakan

ketidaktersediaan persediaan.

4.7 Volume Penjualan

Sistem pemakaian bahan baku yang dilakukan oleh Rumah Harum Durian

menggunakan sistem FIFO (First In First Out), bahan baku yang pertama kali

masuk akan digunakan lebih dahulu untuk proses produksi. Jumlah pemakaian

bahan baku setiap bulannya terdapat pada Lampiran 2. Penjualan buah durian

mengalami kenaikan dan penurunan yang tidak sama. Penjualan tertinggi buah

Medan terjadi pada bulan Maret sampai September 2009 sebesar 14.116 kg, hal

ini dikarenakan pada rentang waktu tersebut Rumah Durian Harum tetap dapat

56

menyediakan durian Medan padahal pasokan durian lokal mulai berkurang atau

kosong dipasaran. Buah durian monthong Thailand penjualan tertingginya terjadi

pada bulan Maret sampai September 2009 sebesar 37.253,04 kg, hal ini

dikarenakan permintaan konsumen meningkat. Durian frozen monthong pada

bulan Oktober 2010 sampai Februari 2011 mengalami penjualan terbesar sebesar

6.225,82 kg, hal ini dikarenakan pada rentang waktu tersebut supply durian impor

khususnya durian monthong Thailand mengalami penurunan bahkan kosong

sehingga konsumen penikmat durian monthong Thailand beralih ke durian frozen

yang tak lain adalah durian monthong Thailand yang dibekukan.

BAB V HASIL DAN PEMBAHASAN

5.1 Identifikasi Pola Penjualan Buah Durian

Sebelum melakukan peramalan penjualan buah durian terlebih dahulu

diketahui data historis penjualan buah durian selama kurung waktu 2 tahun. Hal

ini akan membantu menghasilkan prediksi penjualan di tahun depan yang

mendekati data aktualnya. Data penjualan buah durian yang akan digunakan

dalam perhitungan metode time series 2 tahun terakhir dimulai dari Maret 2009

sampai Februari 2011. Jenis buah durian yang akan diramalkan penjualannya

untuk 1 tahun kedepan adalah durian medan, durian monthong dan durian frozen

monthong. Deret waktu data penjualan ketiga jenis buah durian yang disajikan

merupakan data bulanan perusahan. Deret waktu data penjualan buah durian akan

menggambarkan pola data yang membantu menentukan komponen unsur pola

data yang terkandung dalam data penjualan buah durian. Panjang dari deret waktu

sebanyak 24 deret waktu atau 2 tahun.

Pola data penjualan diidentifikasikan dengan mengamati secara visual plot

data penjualan yang diperoleh dari program minitab 15. Berdasarkan plot data

penjualan ketiga jenis buah durian diperoleh sebaran datanya, sehingga dapat

diketahui unsur-unsur yang terdapat pada data penjualan. Plot data penjualan

tersebut akan diketahui apakah data stasioner atau tidak, memiliki unsur musiman,

unsur trend dan siklus atau tidak.

58

5.1.1 Pola Penjualan Buah Durian Medan

Berdasarkan plot penjualan buah durian medan periode Maret 2009 –

Februari 2011, maka data penjualan buah durian medan merupakan data tidak

stasioner. Data dikatakan staisoner bila memiliki rata-rata dan kecendrungan

bergerak menuju rata-rata (Kennedy, 2000:274) sedangkan pola data penjualan

buah durian medan terlihat dari sebaran data penjualan buah durian medan tidak

berada pada garis rata-rata mean seperti dipaparkan pada Gambar 6.

Gambar 6. Grafik Penjualan Bulanan Buah Durian Medan Periode Maret 2009-Februari 2011

Sumber : (Data primer diolah, 2011)

Gambar 6 memaparkan bahwa pola data penjualan buah durian medan

merupakan data trend dan musiman terlihat dari pola pergerakan berulang pada

bulan Juli, Agustus dan September sebagaimana terlihat pada gambar yang diberi

lingkaran berwarna hijau. Hal ini dipengaruhi oleh kelebihan Rumah Durian

59

Harum untuk menyediakan jenis buah ini disaat buah lokal sedang tidak panen

musim (Juli) dan pihak supplier yang tidak bisa memenuhi tingkat kebutuhan

Rumah Durian Harum (Agustus dan September). .

Indentifikasi komponen unsur yang terkandung dalam pola data penjualan

buah durian medan selain plot time series juga menggunakan uji akar unit atau

ADF (Augmented Dickey-Fuller). Hasil uji ADF menghasilkan bahwa nilai

statistik penjualan buah durian medan lebih kecil dari nilai kritis MacKinnon pada

derajat kepercayaan 1% dan 5% yaitu sebesar -2,979052 sehingga jelas bahwa

pola penjualan buah durian medan tidak stasioner, untuk lebih jelas

perhitungannya disajikan pada Lampiran 3.

5.1.2 Pola Penjualan Buah Durian Monthong Thailand

Buah Durian Monthong Thailand data penjualan yang tidak stasioner,

penjelasan mengenai ini disajikan pada Gambar 7. Selain menggunakan plot time

series, mengidentifikasikan komponen unsur yang terkandung dalam deret data

penjualan buah durian Monthong Thailand yaitu dengan menggunakan uji akar

unit atau ADF (Augmented Dickey-Fuller). Hasil uji ADF menghasilkan bahwa

nilai statistik penjualan buah durian Monthong Thailand lebih kecil dari nilai

kritis MacKinnon pada derajat kepercayaan berapapun yaitu -2,547350 sehingga

pola datanya tidak stasioner sama halnya dengan pola data buah durian medan,

untuk lebih jelas perhitungannya dipaparkan pada Lampiran 3.

60

24222018161412108642

10000

8000

6000

4000

2000

0

Bulan

Penju

alan

P lot Time SeriesPenjualan Buah Durian Monthong Thailand Periode Mar 2009-Feb 2011

Gambar 7. Grafik Penjualan Bulanan Buah Durian Monthong Thailand

Periode Maret 2009-Februari 2011 Sumber : (Data primer diolah, 2011)

Berdasarkan Gambar 7, plot penjualan buah durian monthong Thailand

periode Maret 2009 – Februari 2011 merupakan data trend dan musiman pada

Gambar 7. Hal ini dipengaruhi oleh pihak supplier yang tidak bisa memenuhi

tingkat kebutuhan Rumah Durian Harum.

5.1.3 Pola Penjualan Buah Durian Frozen Monthong

Buah Durian frozen monthong sama halnya dengan buah durian medan dan

monthong Thailand memiliki data penjualan yang tidak stasioner, pada Gambar

8. Berdasarkan plot penjualan buah durian frozen monthong periode Maret 2009

hingga Februari 2011 terlihat pola data penjualannya merupakan data trend dan

musiman. Hal ini dipengaruhi oleh perilaku konsumen ketika buah monthong

61

Thailand sedang tidak memiliki persediaan, mereka beralih ke durian frozen

monthong yang tak lain adalah mothong Thaliand yang dibekukan.

24222018161412108642

2500

2000

1500

1000

500

0

Bulan

Penj

uala

n

Plot Time SeriesPenjualan Durian Frozen Monthong Periode Mar 2009-Feb 2011

Gambar 8. Grafik Penjualan Bulanan Buah Durian Frozden Monthong

Periode Maret 2009-Februari 2011 Sumber : (Data primer diolah, 2011)

Pengidentifikasikan komponen unsur yang terkandung dalam deret data

penjualan buah durian frozen monthong selain menggunakan plot time series

yaitu dengan menggunakan uji akar unit atau ADF (Augmented Dickey-Fuller).

Hasil uji ADF menghasilkan bahwa nilai statistik penjualan buah durian frozen

monthong lebih kecil dari nilai kritis MacKinnon pada derajat kepercayaan

berapapun yaitu -1,650026 sehingga jelas bahwa pola data penjualannya tidak

stasioner, untuk lebih jelas perhitungannya dipaparkan pada Lampiran 3.

62

5.2 Metode Peramalan Penjualan Buah Durian

Hasil identifikasi pada pola data penjualan buah durian telah memberikan

informasi bahwa pola data penjualan ketiga jenis buah durian yaitu trend dan

musiman. Berdasarkan pola data yang ada, maka metode peramalan time series

yang sesuai untuk diterapkan diantaranya double moving average, double

eksponesial smoothing, dekomposisi, indeks musiman dan winter’s.

Metode peramalan time series yang terpilih nantinya akan menjadi acuan

prediksi penjualan buah durian pada periode 1 tahun kedepan. Perhitungan

disesuaikan dengan rumus, ketentuan yang berlaku dan dengan melihat tingkat

error dari selisih antara nilai aktual dan nilai ramalan sehingga akan menghasilkan

nilai kesalahan. Nilai kesalahan akan menjadi parameter terhadap pemilihan

metode peramalan time series yang terbaik untuk mengestimasikan penjualan

buah durian pada periode 1 tahun kedepan.

5.2.1 Metode Double Moving Average

Salah satu cara untuk meramalkan periode mendatang yang memiliki trend

linier adalah dengan menggunakan model rata-rata bergerak ganda. Model ini

sebagaimana namanya, kelompok pertama beregerak dihitung, dan kemudian

kelompok kedua dhitung rata-rata bergerak hasil pada kelompok pertama

(Sugiarto dan Harjono, 2000:80). Banyaknya data yang diikutsertakan pada

ramalan disebut ordo. Penentuan ordo yang sesuai dengan memberikan pengaruh

terhadap ramalan yang dihasilkan. Ordo yang dicoba adalah 2 untuk menganalisa

pola dua harian dan 7 untuk pola mingguan. Berikut nilai MSE dan hasil ramalan

63

permintaan buah durian yang dipasarkan oleh Rumah Durian Harum dari tiap ordo

pada Tabel 4.

Tabel 4. Nilai MSE Perhitungan Metode Double Moving Average

Sumber : (Data Primer diolah, 2011)

Berdasarkan Tabel 4 dapat diketahui bahwa buah durian medan dengan

pola 2 harian memiliki MSE terkecil, sedangkan untuk buah durian mothong

Thailand dan frozen monthong menunjukkan bahwa pola 7 harian yang memiliki

MSE terkecil untuk perhitungannya disajikan pada Lampiran 4,5 dan 6.

5.2.2 Metode Doubke Eksponensial Smoothing

Metode ini memproses data permintaan buah durian dengan

mengekstrapolasi data atas trend terakhir pada data permintaan buah durian.

Metode ini menggunakan dua koefisien pemulusan diantaranya adalah koefisien

pemulusan α dan β. Koefisien pemulusan α menunujukkan nilai koefisein

terhadap pemulusan model double eksponensial smoothing dan koefisien

pemulusan β menunjukkan nilai koefisien terhadap trend. Penggunaan ini

memiliki kelemahan yakni tingkat kerumitan dan kompleksitas yang cukup tinggi.

Hal ini dapat dilihat dari penentuan nilai koefisien pemulusan α dan β yang

No. Ordo Durian Medan Durian Monthong Thailand

Durian Frozen Monthong

1. 2 3880427,8 9250885,9 721289,7

2. 7 2138859,9 29148752,2 1089304,7

64

optimal dengan cara trial and error agar dapat menghasilkan nilai kesalahan

terkecil.

Program komputer Eviews 4.1 memberikan fasilitas untuk membantu

peramalan model double eksponensial smoothing sehingga mempermudah proses

peramalan karena mampu mencari nilai pemulusan α dan β yang optimal berikut

nilai MSE dari ketiga jenis buah durian yang dihasilkan dari perhitungan model

double eksponensial smoothing berdasarkan nilai koefisien α dan β yang optimal

terlihat pada Tabel 5.

Tabel 5. Nilai MSE Perhitungan Metode Double Eksponensial Smoothing


Berdasarakan Tabel 5 dapat diketahui bahwa buah durian medan dengan

koefisien α sebesar 0,03 dan β sebesar 0,00 memiliki MSE terkecil, untuk buah

durian mothong Thailand koefisien α 0,646 dan β sebesar 0,00 memiliki nilai

MSE yang terkecil sedangkan frozen monthong menunjukkan bahwa koefisien α

0,416 dan β sebesar 0,00 memiliki MSE terkecil untuk perhitungannya disajikan

pada Lampiran 7,8 dan 9.

Jenis Durian Α Β MSE

Medan 0,03 0,00 1467326

Monthong Thailand 0,646 0,00 6924399

Frozen Monthong 0,416 0,00 394421

65

5.2.3 Metode Dekomposisi

5.2.3.1 Metode Dekomposisi Aditif

Metode dekomposisi aditif merupakan dekomposisi yang dipilih bila

gelombang-gelombang kecil (swing) dari variasi musiman bersifat konstan

sepanjang waktu. Langkah awal metode ini adalah dengan menentukan panjang

musiman (seasonal length) pada data permintaan buah durian. Besarnya panjang

musiman akan dimasukan dalam perhitungan rata-rata bergerak (moving average).

Hal ini bertujuan untuk menghilangkan musiman dan acakan dalam data. Berikut

nilai MSE yang dihasilkan dari perhitungan model additive decomposition dapat

dlilihat pada Tabel 6.

Tabel 6. Nilai MSE Perhitungan Metode Decomposition Additive


Berdasarkan Tabel 6 diketahui bahwa buah durian medan dengan length

12 length 12 memiliki MSE terkecil sebesar 110225, buah durian monthong

Thailand dengan length 12 memiliki MSE terkecil sebesar 4533146 serta buah

durian frozen monthong dengan length 12 memiliki MSE terkecil sebesar 386354.

Perhitungannya disajikan pada Lampiran 10,11 dan 12.

Length. Durian Medan Durian Monthong Thailand


3. 1345436 7953166 406962

6. 1146955 8518440 399822

12. 1102251 4533146 386354

66

5.2.3.2 Metode Dekomposisi Multipikatif

Metode dekomposisi multipikatikat merupakan dekomposisi yang dipilih

bila gelombang-gelombang kecil (swing) dari variasi musiman meningkat secara

proposional dengan bertambahnya waktu. Langkah awal metode ini adalah

dengan menentukan panjang musiman (seasonal length) pada data permintaan

buah durian. Besarnya panjang musiman akan dimasukan dalam perhitungan rata-

rata bergerak (moving average). Hal ini bertujuan untuk menghilangkan musiman

dan acakan dalam data. Beriku nilai MSE yang dihasilkan dari perhitungan model

additive decomposition dapat dlilihat pada Tabel 7.

Tabel 7. Nilai MSE Perhitungan Metode Decomposition Multipicative


Tabel 7 memaparkan bahwa buah durian medan dengan length 3 length

memiliki MSE terkecil sebesar 1363075, buah durian monthong Thailand dengan

length 3 memiliki MSE terkecil sebesar 8091224 serta buah durian frozen

monthong dengan length 12 memiliki MSE terkecil sebesar 467580.


Length. Durian Medan Durian Monthong Thailand


3. 1363075 8091224 467580

6. 15421982 11417548 526474

12. 2037079 49355830 470165

67

5.2.4 Metode Winter’s

Metode winter’s merupakan suatu pendekatan pemulusan eksponensial

(eksponensial smoothing) yang dapat menangani data musiman. Pendekatan dari

metode tersebut adalah anggapan terhadap data yang memiliki trend linear dan

variasi sehingga dalam penerapan metode winter’s memerlukan tiga parameter

untuk memuluskan unsur-unsur yang berkaitan dengan pola data, yaitu unsur

stasioner, unsur trend (kecendrungan), dan unsure musiman. Pencarian nilai

parameter α, β dan γ digunakan program Eviews 4.1 untuk mempermudah

pencarian nilai parameter tersebut. Hal ini dapat dilihat pada Tabel.8.

Tabel 8. Nilai MSE Perhitungan Metode Winter’s


Jenis Durian

Length Α β γ MSE

Medan

3 0,41 0,00 0,00 3677279

6 0,41 0,00 0,00 1094716

12 0,41 0,00 0,00 722629

Monthong Thailand

3 1,00 0,00 0,00 10078323

6 1,00 0,00 0,00 9225869

12 1,00 0,00 0,00 2747612

Frozen Monthong

3 0,91 0,00 0,00 349445

6 0,91 0,00 0,00 321318

12 0,91 0,00 0,00 219518

68

Berdasarkan Tabel 8 diketahui bahwa buah durian medan dengan length

12 length memiliki MSE terkecil sebesar 722629, buah durian monthong

Thailand dengan length 12 memiliki MSE terkecil sebesar 2747612 serta buah

durian frozen monthong dengan length 12 memiliki MSE terkecil sebesar 219518.


5.2.5 Metode Indeks Musiman

Metode ini merupakan estimasi penjualan atas dasar analisa runtun waktu

yang hanya memasukan komponen trend dan musiman. Perhitungan ini dilakukan

perbulan, artinya perhitungan dilakukan pada bulan yang sama namun di tahun

yang berbeda. Nilai aktual yang dimiliki dibagi dengan nilai ramalan yang ada.

Nilai ramalan diperoleh dari persamaan yang dihitung dengan menggunakan

metode least suare. Kemudian didapatkan rasio penjualan nyata terhadap trend.

Hasil rasio yang didapat lalu dirata-ratakan dengan banyaknya data yang

diikutsertakan. Berdasarkan perhitungan indeks musiman didapatkan nilai MSE

yang dapat dilihat pada Tabel 9. Perhitungan dengan metode least square

dilampirkan pada Lampiran 18, 19 dan 20 sedangkan metode indeks musiman

dilampirkan pada Lampiran 20, 21 dan 22.

Tabel 9. Nilai MSE Perhitungan Metode Indeks Musiman


No. Jenis Buah MSE

1. Durian Medan 1428966,9

2. Durian Monthong Thailand 7478580,5

3. Durian Frozen Monthong 400092,4

69

Tabel 9 memaparkan bahwa buah durian medan memiliki MSE sebesar

1428966,9, buah durian monthong Thailand memiliki MSE sebesar 7478580,5

serta buah durian frozen monthong memiliki MSE sebesar 400092,4.

5.3 Pemilihan Metode Peramalan

Pemilihan metode peramalan untuk buah durian dilakukan dengan

membandingkan nilai MSE pada beberapa metode. Pemilihan metode berdasarkan

nilai MSE terkecil. Nilai MSE diperoleh dari selisih antara nilai aktual dengan

nilai ramalan yang dikuadratkan kemudian dibagi dengan banyaknya deret waktu.

Beberapa metode yang digunakan antara lain : metode double moving

average¸metode double ekpsonensial smoothing, metode winter’s, metode indeks

musiman dan metode dekomposisi.

Berdasarkan hasil metode peramalan kuantiatif yang digunakan

menunjukan bahwa metode perhitungan winter’s merupakan metode permalan

terbaik, karena menghasilkan nilai MSE terkecil dibandingkan dengan model-

model lain. Semakin kecil nilai MSE suatu peramalan, maka hasil ramalan

tersebut akan mendekati nilai aktualnya. Hasil perhitungan beberapa metode

peramalan penjualan buah durian dapat disajikan pada Tabel 10.

70

Tabel 10. Perbandingkan Nilai MSE Perhitungan Metode Peramalan yang digunakan


Tabel 10 memaparkan nilai MSE berdasarkan perhitungan metode

peramalan yang digunakan. Nilai MSE terkecil diperoleh menggunakan metode

peramalan Winter’s untuk ketiga jenis buah durian. Besarnya nilai MSE untuk

masing-masing jenis durian, yaitu durian medan sebesar 722629, durian

monthong Thailand memiliki MSE sebesar 2747612 serta buah durian frozen

monthong memiliki MSE sebesar 219518.

5.4 Ramalan Penjualan Buah Durian

Metode peramalan yang terpilih kemudian dijadikan perencanaan untuk

meramalkan besarnya penjualan untuk periode berikutnya. Peramalan penjualan

buah durian menghasilkan nilai prediksi penjualan untuk satu tahun mendatang

periode Maret 2011 – Februari 2012. Hasil ramalan yang diperoleh untuk bulan

No. Metode Peramalan Durian Medan

Durian Monthong Thailand


1. Double Moving Average

2138859,9 9250885,9 721289,7

2. Double Eksponensial Smoothing

1467326 6924399 394421

3. Dekomposisi Adiktif 1102251 4533146 386354

4. Dekomposisi Multipikatif

1363075 8091224 467580

5. Winter’s 722629 2747612 219518

6. Indeks Musiman 1428966,9 7478580,5 400092,4

71

Maret 2011 – Februari 2012 dapat diramalkan bahwa pola yang ada untuk 12

bulan mendatang disajikan dalam Tabel 11.

Tabel 11. Ramalan Penjualan Buah Durian Maret 2011 – Februari 2012 dengan Metode Perhitungan Winter’s.

Periode Data

(Bulan)

Durian Medan (Kg)

Durian Monthong Thailand

(Kg)


(Kg)

Maret '11 1.464,49 0 2.364,12 April 1.977,43 0 2.039,43 Mei 389,82 2.597,80 1.858,72 Juni 1.295,92 2.657,40 2.264,88 Juli 2.886,98 3.856,96 2.238,15 Agustus 1.946,91 3.257,44 2.224,97 September 1.588,64 2.765,76 2.421,90 Oktober 1.827,48 0 2.785,79 November 1.928,36 0 3.801,40 Desember 3.546,83 0 3.827,45 Januari '12 3.183,48 0 4.006,57 Februari 2.881,40 0 3.640,56

Total 24.917,74 15.135,36 31.109,82 Rata-rata 2.076,48 1.261,28 2.828,17 Standar Deviasi 897,94 1.591,37 821,73


Berdasarkan hasil peramalan pada Tabel 11, total penjualan buah durian

selama Maret 2011 sampai Februari 2012 yakni buah durian medan sebesar

24,917.74 kg dengan rata-rata penjualan 2.076,48 kg dan standar deviasi 897,94 ,

buah durian monthong Thailand sebesar 15.135,36 1 kg dengan rata-rata

penjualan 1.261,28 kg dan standar deviasi 1.591,37 serta buah durian frozen

72

monthong sebesar 31.109,82 kg dengan rata-rata penjualan 2.828,17 kg dan

standar deviasi sebesar 821,73.

5.5 Penerapan Metode Peramalan untuk Pengendalian Persediaan Buah Durian

Tingkat permintaan pasar yang merupakan tingkat penjualan di masa yang

akan datang, diperolah dari hasil peramalan dengan menggunakan metode

peramalan yang menghasilkan nilai MSE terkecil. Perbandingan beberapa metode

menghasilkan metode peramalan dengan MSE terkecil yakni metode perhitungan

winter’s. Hasil peramalan tersebut selanjutnya digunakan untuk menghitung

jumlah dan frekuensi buah durian yang optimal berdasarkan penerapan Economic

Order Quantity(EOQ) dan persediaan pengaman.

5.5.1 Proyeksi Persediaan Buah Durian dengan Metode EOQ

Pengadaan persediaan bahan baku dengan metode EOQ menjelaskan

bagaimana perusahaan dapat memesan produk dalam jumlah pemesanan dan

frekuensi pemesanan yang optimal dengan biaya persediaan yang minimal.

Frekuensi yang tidak terjadwal dengan baik dan jumlah pemesanan yang tidak

tentu menjadi salah satu faktor penyebab belum efisiennya biaya persediaan.

Penerapan metode EOQ dapat dijadikan sebagai alternatif cara untuk mencapai

biaya persediaan yang lebih efisien.

Perhitungan perencanaan persediaan bahan baku satu tahun mendatang

dengan menggunakan metode EOQ memerlukan asumsi biaya persediaan yang

akan terjadi pada periode tersebut. Asumsi biaya persediaan diasumsikan tidak

73

memiliki perbedaan dengan tahun lalu. Perhitungan perencanaan pengadaan

bahan baku dengan menggunakan metode EOQ dapat dilihat pada Tabel 12.

Tabel 12. Perhitungan Tingkat Pemesanan Optimal Berdasarkan Metode EOQ


Berdasarkan hasil perhitungan metode EOQ pada Tabel 12, diperoleh

kuantitas pemesanan optimal untuk buah durian medan sebesar 203,79 kg, buah

durian monthong Thailand 158,83 kg dan durian frozen monthong 227,71 kg.

setelah diketahui kuantitas pemesanan optimal, maka dapat dihitung frekuensi

pemesanan optimal selama satu tahun, yaitu membagi jumlah proyeksi kebutuhan

bahan baku berdasarkan hasil ramalan dengan nilai EOQ. Besarnya frekuensi

pemesanan untuk buah durian medan sebanyak 122 kali, buah durian monthong

Thailand sebanyak 95 kali dan durian frozen monthong 137 kali.

Setelah diketahui kuantitas pemesanan optimal dan frekuensi pemesanan

optimal, maka dapat dihitung proyeksi total biaya untuk periode satu tahun.

Proyeksi total biaya persediaan bahan baku periode Maret 2011 sampai Februari

2012 lebih lengkap pada Tabel 13.

Jenis Proyeksi Biaya Proyeksi Pemakaian Proyeksi Biaya EOQ

Durian Pemesanan (Rp) Buah Durian(Kg)

Penyimpanan (Rp) (Kg)

(1) (2) (3) √2(1) (2)/(3)

Medan 35.000 24.917,74 42.000,00 203,79 Montong 35.000 15.135,48 42.000,00 158,83 Frozen 35.000 31.109,82 42.000,00 227,71

74

Berdasarkan Tabel 13, diperoleh biaya persediaan selama satu tahun

untuk buah durian medan sebesar Rp. 8.549.590 atau sebesar Rp. 343,88/kg,

buah monthong Thailand sebesar Rp. 6.660.430 atau sebesar Rp. 441,41/kg dan

buah durian frozen monthong sebesar Rp. 9.579.430 atau sebesar Rp. 306,91/kg.

5.5.2 Titik Pemesanan Kembali dan Persediaan Pengaman

Titik pemesanan merupakan batas dari jumlah persediaan yang ada di toko

saat pesanan harus dilakukan kembali. Hal ini bertujuan agar perusahaan dapat

mengetahui kapan waktu yang tepat untuk melakukan pemesanan. Titik

pemesanan kembali dapat ditentukan dengan cara menghitung rata-rata pemakaian

bahan baku per hari selama waktu tunggu. Perhitungan titik pemesanan kembali

berdasarkan metode EOQ disajikan pada Tabel 14. Rata-rata pemakaian per hari

ditentukan dengan cara membagi total kebutuhan per tahun dengan jumlah hari

dalam setahun.

Tabel 14. Perhitungan Titik Pemesanan Kembali berdasarkan Metode EOQ


Berdasarkan Tabel 14 di atas, perusahaan harus segera melakukan

pemesanan pada saat persediaan di toko sudah mencapai tingkat untuk buah

durian medan 68,27 kg, durian monthong Thailand 41,47 kg dan durian frozen

monthong 85,23 kg. Hal ini berarti bahwa pada saat persediaan buah durian

Jenis Durian Waktu Tunggu (Hari)

Rata-Rata Pemakaian/Hari

(kg)

Titik Pemesanan Kembali (kg)

Medan 1 68,27 68,27 Monthong Thailand 1 41,47 41,47 Frozen Thailand 1 85,23 85,23

75

benar-benar habis, pesanan buah durian yang dipesan 1 hari sebelumnya sudah

tiba di toko. Pada saat inilah persediaan yang tadinya sudah habis akan segera

terisi lagi dengan buah durian yang telah sudah diterima sesuai dengan pesanan

hingga jumlah kuantitas persediaan optimal terpenuhi kembali.

Pada kenyataannya, jumlah pemakaian bahan baku setiap bulan tidak

benar-benar konstan. Jumlah pemakaian bisa saja meningkat untuk memenuhi

permintaan, pada saat itulah dibutuhkan persediaan pengaman. Persediaan

pengaman merupakan persediaan tambahan yang dilakukan untuk menjaga

kelangsungan pernjualan dari kemngkinan terjadinya kekurangan persediaan.

Persediaan pengaman digunakan untuk menghadapi permintaan yang

bervariasi dengan menyediakan sejumlah persediaan selama waktu tenggang.

Persediaan tambahan ini muncul untuk menjaga kelancaran penjualan serta

menghindari kekurangan buah durian akibat adanya permintaan lebih besar dari

prediksi awal atau terjadi masalah.

Analisis persediaan pengaman membandingkan tingkat pelayanan dengan

cara membandingkan rata-rata tingkat penjualan terhadap persediaan perusahaan.

Asumsi tingkat pelayanan Rumah Durian Harum menentukan tingkat pelayanan

sebesar 90% dikarenakan adanya konsep service to customer, sehingga nilai

policy faktor (K) pada frequency level of service 90% adalah 1,3(tabel z) artinya

90% perusahaan mampu memenuhi permintaan dari pelanggan, sehingga 10%

tingkat kehabisan.

Perhitungan safety stock yang dibutuhkan yakni waktu tunggu rata-rata

dari penjualan rata-rata dan standar deviasi dari penjualan buah durian. Penjualan

76

rata-rata per bulan durian medan sebesar 2.076,48 kg, durian monthong Thailand

1.261,28kg, durian frozen monthong 2.828,17 kg. perhitungan persediaan

pengaman yang optimal dengan tingkat pelayanan 90% diperoleh persediaan

pengaman untuk penjualan buah durian dapat dilihat pada Tabel 15.

Tabel 15. Perhitungan Persediaan Pengaman


Berdasarkan Tabel 15 diperoleh persediaan pengaman untuk buah durian

medan sebesar 38,96 kg, buah durian monthong sebesar 51,86 kg dan durian

frozen monthong 37,27 kg.

Jenis Durian

Tingkat Pelayanan

90% (tabel z)

Lead Time

Standar Deviasi SS

(hari) (Kg) (1) (2) (3) (1) √(2) (3)

Medan 1,3 1 897,94 38,96 Montong Thailand 1,3 1 1.591,37 51,86 Frozen Monthong 1,3 1 821,73 37,27

74

Tabel 13. Proyeksi Total Biaya Persediaan Rumah Durian Harum Periode Maret 2011 sampai Februari 2012

Variabel Satuan Notasi Durian Medan Durian Monthong

Thailand

Durian Frozen

Monthong

Frekuensi Pemesanan Kali (1) 122 95 137

Jumlah/Pemesanan Kg (2) 203,79 158,83 227,83

Biaya Pesan Rp/Pesanan (3) 35.000 35.000 35.000

Biaya Penyimpanan Rp/Kg/Tahun (4) 42.000 42.000 42.000

Biaya Pesan Per Tahun Rp (5) = (1) x (3) 4.270.000 3.325.000 4.795.000

Biaya Simpan Per Tahun Rp (6) = (2)x(4)x0,5 4.279.590 3.335.430 4.784.430

Biaya Total Persediaan Rp (7) = (5)+(6) 8.549.590 6.660.430 9.579.430

Biaya Persediaan Rata-rata Rp/Kg/Tahun (8) = (7):(1x2) 343,88 441,41 306,91


BAB VI KESIMPULAN DAN SARAN

6.1 Kesimpulan

Berdasarkan hasil pembahasan pada bab sebelumnya maka penulis

menarik kesimpulan sebagai berikut :

1. Metode peramalan time series dengan nilai MSE yang terkecil yang sesuai

dengan peramalan penjualan buah durian yaitu metode winter’s. Metode

winter’s memiliki nilai MSE terkecil yaitu untuk buah durian medan 722629,

buah monthong Thailand 2747612 dan buah frozen durian 219518. Nilai

ramalan yang dihasilkan metode winter’s untuk periode ke 25 hingga ke 36

untuk buah durian medan, masing-masing diramalkan sebesar 1.464,49 kg,

1.977,43 kg, 89,82 kg, 1.295,92 kg, 2.886,98 kg, 1.946,91 kg, 1.588,64 kg,

1.827,48 kg, 1.928,36 kg, 3.546,83 kg, 3.183,48 kg, dan 2.881,40 kg.

Periode ke 25 hingga ke 36 untuk buah durian monthong Thailand, masing-

masing diramalkan sebesar 0 kg, 0 kg, 2.597,80 kg, 2.657,40 kg, 3.856,96 kg,

3.257,44 kg, 2.765,76 kg, 0 kg, 0 kg, 0 kg, 0 kg, 0 kg, dan 15.135,36 kg.

Periode ke 25 hingga ke 36 untuk buah durian frozen monthong, masing-

masing diramalkan sebesar 2.364,122 kg, 2.039,43 kg, 1.858,72 kg, 2.264,88

kg, 2.238,15 kg, 2.224,97 kg, 2.421,90 kg, 2.785,79 kg, 3.801,40 kg, 3.827,45

kg, 4.006,57 kg dan 3.640,56 kg.

2. Pengadaan persediaan buah durian perusahaan periode Maret 2011 hingga

Februari 2012 menggunakan EOQ yang didsarkan pada proyeksi kebutuhan

79

buah durian hasil ramalan penjualan, diperoleh kuantitas pemesanan optimal

untuk buah durian medan sebesar 203,79 kg, buah durian monthong Thailand

158,83 kg dan durian frozen monthong 227,71 kg. Besarnya frekuensi

pemesanan untuk buah durian medan sebanyak 122 kali, buah durian

monthong Thailand sebanyak 95 kali dan durian frozen monthong 137 kali.

6.2 Saran

1. Perencanaan penjualan buah durian menggunakan metode time series terutama

metode winter’s diharapkan agar selalu diterapkan oleh perusahaan. Hal

tersebut akan membantu perusahaan untuk membuat perencanaan lebih baik.

2. Perlu dilakukan penelitian lebih lanjut mengenai faktor-faktor yang

mempengaruhi penjualan buah durian yang terjadi di Rumah Durian Harum,

agar kecendrungan penurunan penjualan perusahaan dapat diatasi.

LAMPIRAN

83

Lampiran 1. Perkembangan Penjualan Buah Durian, Tahun 2009- 2011

Bulan

Jenis Durian (Kg) Monthong Thailand Medan

Monthong Frozen Malaysia Kanyao Chanee Kradum

Maret '09 174,56 1.968,15 * * * 366,93 778,62 April 768 3.329,26 * * * 1.763,22 851,80 Mei 4.257 118,59 * 2.529,74 1.372,54 928,37 256.93 Juni 6.487,70 898,97 * 327,04 3.067,43 0 0 Juli 9.527.30 3.560,53 * 0 83,68 0 0 Agustus 9.019,16 2.300,99 * 0 0 0 0 September 7.019,32 1.939,51 * 0 0 0 Oktober 295,41 2.653,59 992,15 605,78 0 0 0 November 73,63 329,62 2.036,62 2.703,59 0 0 0 Desember 840,82 2.596,77 1.796,53 0 0 0 0 Januari '10 153,66 2.693,02 1.144,70 0 0 0 0 Februari 0 1.804,34 0 0 0 0 0 Maret 0 370,66 1.315,98 4.524,25 0 52 0 April 887,5 0 514,02 1.090,50 282,99 628,25 115,67 Mei 5.005,95 0 0 0 0 0 0 Juni 3.310,85 996,36 659,73 0 0 0 0 Juli 3.086,77 1.481,48 453,69 0 105,84 0 0 Agustus 2.812,28 825,43 274,74 0 0 0 0 September 4.245,16 434,92 516,02 0 0 0 0 Oktober 5,317,50 163,07 99,05 0 0 0 0 November 500,61 2.653,36 933,23 0 0 0 0 Desember 1.117,98 3.587,70 1.072,83 0 0 0 0 Januari '11 579,45 2.729,30 1.930,30 0 0 0 0 Februari 0 2.978.38 2.190,41 0 0 0 0

total 65.480,61 37.435,62 13.739,59 11.780,90 4.912,48 3.738,77 2.003,02

Ket :

*belum ada penjualan

84

Bulan

Jenis Durian (Kg)

Pongmane Banyumas Monthong

Lokal Semarang Jepara Nokyib Maret '09 * * * * * * April * * * 398,23 * * Mei 728,56 * * 0 * 192 Juni 0 * * 0 * 0 Juli 0 * * 0 * 0 Agustus 0 * * 0 * 0 September 0 * 258,08 0 * 0 Oktober 0 * 114,13 0 * 0 November 0 * 0 0 * 0 Desember 0 * 81,31 0 * 0 Januari '10 0 974,02 0 0 * 0 Februari 0 243,54 66,57 0 * 0 Maret 0 0 462,53 0 * 0 April 894,20 0 0 0 * 0 Mei 0 0 0 0 * 0 Juni 0 0 0 0 * 0 Juli 0 0 0 0 * 0 Agustus 0 0 0 0 * 0 September 0 0 0 0 * 0 Oktober 0 0 0 0 369,49 0 November 0 0 0 0 0 0 Desember 0 0 0 0 0 0 Januari '11 0 0 0 0 0 0 Februari 0 0 0 0 0 0

total 1.622,76 1.217,56 982,62 398,23 369,49 192

Ket :

*belum ada penjualan

85

Lampiran 2. Uji ADF Statistik

Null Hypothesis: DUREN_MEDAN has a unit root Exogenous: Constant Lag Length: 1 (Fixed)

t-Statistic Prob.* Augmented Dickey-Fuller test statistic -2.979052 0.0526 Test critical values: 1% level -3.769597

5% level -3.004861 10% level -2.642242

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation Dependent Variable: D(DUREN_MEDAN) Method: Least Squares Date: 06/07/11 Time: 14:13 Sample(adjusted): 3 24 Included observations: 22 after adjusting endpoints

Variable Coefficient Std. Error t-Statistic Prob. DUREN_MEDAN(-1) -0.791812 0.265793 -2.979052 0.0077 D(DUREN_MEDAN(-

1)) 0.146014 0.224982 0.649001 0.5241

C 1255.525 495.5811 2.533439 0.0203 R-squared 0.366304 Mean dependent var -15.94909 Adjusted R-squared 0.299599 S.D. dependent var 1439.472 S.E. of regression 1204.694 Akaike info criterion 17.15196 Sum squared resid 27574447 Schwarz criterion 17.30074 Log likelihood -185.6716 F-statistic 5.491411 Durbin-Watson stat 1.521292 Prob(F-statistic) 0.013118

86

Null Hypothesis: DUREN_MONTHONG has a unit root Exogenous: Constant Lag Length: 1 (Fixed)


5% level -3.004861 10% level -2.642242


Augmented Dickey-Fuller Test Equation Dependent Variable: D(DUREN_MONTHONG) Method: Least Squares Date: 06/07/11 Time: 14:15 Sample(adjusted): 3 24 Included observations: 22 after adjusting endpoints

Variable Coefficient Std. Error t-Statistic Prob. DUREN_MONTHON

G(-1) -0.438379 0.172092 -2.547350 0.0197

D(DUREN_MONTHONG(-1))

0.379836 0.212887 1.784213 0.0904

C 1259.409 690.2885 1.824467 0.0838 R-squared 0.274710 Mean dependent var -34.90909 Adjusted R-squared 0.198364 S.D. dependent var 2440.962 S.E. of regression 2185.494 Akaike info criterion 18.34320 Sum squared resid 90751313 Schwarz criterion 18.49197 Log likelihood -198.7751 F-statistic 3.598213 Durbin-Watson stat 2.092227 Prob(F-statistic) 0.047300

87

Null Hypothesis: DUREN_FROZEN has a unit root Exogenous: Constant Lag Length: 1 (Fixed)


5% level -3.004861 10% level -2.642242


Augmented Dickey-Fuller Test Equation Dependent Variable: D(DUREN_FROZEN) Method: Least Squares Date: 06/07/11 Time: 14:06 Sample(adjusted): 3 24 Included observations: 22 after adjusting endpoints

Variable Coefficient Std. Error t-Statistic Prob. DUREN_FROZEN(-1) -0.391023 0.236980 -1.650026 0.1154 D(DUREN_FROZEN(

-1)) 0.097747 0.254340 0.384317 0.7050

C 335.1921 190.7056 1.757641 0.0949 R-squared 0.140491 Mean dependent var 99.56409 Adjusted R-squared 0.050017 S.D. dependent var 638.0503 S.E. of regression 621.8890 Akaike info criterion 15.82952 Sum squared resid 7348174. Schwarz criterion 15.97830 Log likelihood -171.1248 F-statistic 1.552826 Durbin-Watson stat 1.972333 Prob(F-statistic) 0.237344

88

Lampiran 3. Metode Double Moving Average Buah Durian Medan

Periode Permintan MA (2) Double a b at +b.pt Error Squared

Data Buah MA (2) Error (Kg)

Maret '09 1968.15 April 3329.26 2648.705 Mei 118.59 1723.925 2186.315 1261.535 -924.78 Juni 898.97 508.78 1116.3525 -98.7925 -1215.145 336.755 562.215 316085.7062 Juli 3560.53 2229.75 1369.265 3090.235 1720.97 -1313.938 4874.4675 23760433.41 Agustus 2300.99 2930.76 2580.255 3281.265 701.01 4811.205 -2510.215 6301179.346 September 1939.51 2120.25 2525.505 1714.995 -810.51 3982.275 -2042.765 4172888.845 Oktober 2653.59 2296.55 2208.4 2384.7 176.3 904.485 1749.105 3059368.301 November 329.62 1491.605 1894.0775 1089.1325 -804.945 2561 -2231.38 4979056.704 Desember 2596.77 1463.195 1477.4 1448.99 -28.41 284.1875 2312.5825 5348037.819 Januari '10 2693.02 2644.895 2054.045 3235.745 1181.7 1420.58 1272.44 1619103.554 Februari 1804.34 2248.68 2446.7875 2050.5725 -396.215 4417.445 -2613.105 6828317.741 Maret 370.66 1087.5 1668.09 506.91 -1161.18 1654.3575 -1283.698 1647879.272 April 0 185.33 636.415 -265.755 -902.17 -654.27 654.27 428069.2329 Mei 0 0 92.665 -92.665 -185.33 -1167.925 1167.925 1364048.806 Juni 996.36 498.18 249.09 747.27 498.18 -277.995 1274.355 1623980.666 Juli 1481.48 1238.92 868.55 1609.29 740.74 1245.45 236.03 55710.1609 Agustus 825.43 1153.455 1196.1875 1110.7225 -85.465 2350.03 -1524.6 2324405.16 September 434.92 630.175 891.815 368.535 -523.28 1025.2575 -590.3375 348498.3639 Oktober 163.07 298.995 464.585 133.405 -331.18 -154.745 317.815 101006.3742 November 2653.36 1408.215 853.605 1962.825 1109.22 -197.775 2851.135 8128970.788 Desember 3587.7 3120.53 2264.3725 3976.6875 1712.315 3072.045 515.655 265900.079 Januari '11 2729.3 3158.5 3139.515 3177.485 37.97 5689.0025 -2959.703 8759838.889 Februari 2978.38 2853.84 3006.17 2701.51 -304.66 3215.455 -237.075 56204.55563 2396.85

Total Error

1795.1175 81488983.77

MSE 3880427.799

89

Periode Permintan MA (7) Double a b at +b.pt Error Squared Data Buah MA (7) Error

(Kg)

Maret '09 1968.15 April 3329.26 Mei 118.59 Juni 898.97 Juli 3560.53 Agustus 2300.99 September 1939.51 Oktober 2653.59 2096.1988 November 329.62 1891.3825 Desember 2596.77 1799.8213 Januari '10 2693.02 2121.625

Februari 1804.34 2234.7963 Maret 370.66 1836.0625 April 0 1548.4388 1905.3544 1191.5231 -713.8313 Mei 0 1306 1427.2194 1184.7806 -242.4388 477.69188 -477.6919 228189.5274 Jni 996.36 1098.8463 1706.5129 491.17964 -1215.333 942.34188 54.018125 2917.957829 Juli 1481.48 1242.8288 1626.9425 858.715 -768.2275 -724.1536 2205.6336 4864819.451 Agustus 825.43 1021.4113 1469.7691 573.05339 -896.7157 90.4875 734.9425 540140.4783 September 434.92 739.14875 1256.1052 222.19232 -1033.913 -323.6623 758.58232 575447.1384 Oktober 163.07 533.99 1070.0948 -2.114821 -1072.21 -811.7205 974.79054 950216.5885 November 2653.36 819.3275 965.93607 672.71893 -293.2171 -1074.324 3727.6845 13895631.47 Desember 3587.7 1267.79 1043.5588 1492.0213 448.4625 379.50179 3208.1982 10292535.78 Januari '11 2729.3 1608.9525 1041.5369 2176.3681 1134.8313 1940.4838 788.81625 622231.0763

Februari 2978.38 1856.705 1136.2692 2577.1408 1440.8716 3311.1994 -332.8194 110768.7364 4018.0123

Total Error

11642.155 32082898.2

MSE 2138859.88

90

Lampiran 4. Metode Double Moving Average Buah Durian Monthong Thailand


Data Buah MA (2) Error

(Kg)

Maret '09 174.56

April 768.00 471.28

Mei 4,257.00 2512.5 1491.89 3533.11 2041.22

Juni 6,487.70 5372.35 3942.425 6802.275 2859.85 5574.33 913.37 834244.7569

Juli 9,527.30 8007.5 6689.925 9325.075 2635.15 9662.125 -134.825 18177.78063

Agustus 9,019.16 9273.23 8640.365 9906.095 1265.73 11960.225 -2941.065 8649863.334

September 7,019.32 8019.24 8646.235 7392.245 -1253.99 11171.825 -4152.505 17243297.78

Oktober 295.41 3657.365 5838.3025 1476.4275 -4361.875 6138.255 -5842.845 34138837.69

November 73.63 184.52 1920.9425 -1551.9025 -3472.845 -2885.4475 2959.0775 8756139.651

Desember 840.82 457.225 320.8725 593.5775 272.705 -5024.7475 5865.5675 34404882.1

Januari '10 153.66 497.24 477.2325 517.2475 40.015 866.2825 -712.6225 507830.8275

Februari 0.00 76.83 287.035 -133.375 -420.41 557.2625 -557.2625 310541.4939

Maret 0.00 0 38.415 -38.415 -76.83 -553.785 553.785 306677.8262

April 887.50 443.75 221.875 665.625 443.75 -115.245 1002.745 1005497.535

Mei 5,005.95 2946.725 1695.2375 4198.2125 2502.975 1109.375 3896.575 15183296.73

Juni 3,310.85 4158.4 3552.5625 4764.2375 1211.675 6701.1875 -3390.3375 11494388.36

Juli 3,086.77 3198.81 3678.605 2719.015 -959.59 5975.9125 -2889.1425 8347144.385

Agustus 2,812.28 2949.525 3074.1675 2824.8825 -249.285 1759.425 1052.855 1108503.651

September 4,245.16 3528.72 3239.1225 3818.3175 579.195 2575.5975 1669.5625 2787438.941

Oktober 5,317.50 4781.33 4155.025 5407.635 1252.61 4397.5125 919.9875 846377.0002

November 500.61 2909.055 3845.1925 1972.9175 -1872.275 6660.245 -6159.635 37941103.33

Desember 1,117.98 809.295 1859.175 -240.585 -2099.76 100.6425 1017.3375 1034975.589

Januari '11 579.45 848.715 829.005 868.425 39.42 -2340.345 2919.795 8525202.842

Februari 0.00 289.725 569.22 10.23 -558.99 907.845 -907.845 824182.544

-548.76

Total Error

-4917.4275 194268604.2

MSE 9250885.912

91



(Kg)

Maret '09 174.56

April 768.00

Mei 4,257.00

Juni 6,487.70

Juli 9,527.30

Agustus 9,019.16

September 7,019.32 5,321.86

Oktober 295.41 5,339.13

November 73.63 5,239.93

Desember 840.82 4,751.91

Januari '10 153.66 3,847.04

Februari 0.00 2,486.00

Maret 0.00 1,197.55 4,026.20 -1631.10551 -5657.308163

April 887.50 321.57 3,311.88 -2668.727143

-5980.602857

-7288.413673 8,175.91 66845564.4

Mei 5,005.95 994.51 2,691.22 -702.1987755

-3393.414694 -8649.33 13655.28 186466671.9

Juni 3,310.85 1,456.97 2,150.79 763.1444898 -1387.648163

-4095.613469 7406.463469 54855701.12

Juli 3,086.77 1,777.82 1,725.92 1829.714082 103.7910204 -624.5036735 3711.273673 13773552.28

Agustus 2,812.28 2,157.62 1,484.58 2830.665714 1346.088571 1933.505102 878.774898 772245.3213

September 4,245.16 2,764.07 1,524.30 4003.843878 2479.542041 4176.754286 68.40571429 4679.341747

Oktober 5,317.50 3,523.72 1,856.61 5190.82 3334.208571 6483.385918 -1165.885918 1359289.975

November 500.61 3,468.45 2,306.16 4630.726939 2324.562449 8525.028571 -8024.418571 64391293.41

Desember 1,117.98 2,913.02 2,580.24 3245.805102 665.5673469 6955.289388 -5837.309388 34074180.89

Januari '11 579.45 2,522.82 2,732.50 2313.140408 -419.3620408 3911.372449 -

3331.922449 11101707.21

Februari 0.00 2,081.85 2,775.94 1387.772449 -1388.163673 1893.778367 -

1893.778367 3586396.505

-0.39122449

Total Error 13642.79673 437231282.3

MSE

29148752.15

92

Lampiran 5. Metode Double Moving Average Buah Durian Frozen Monthong



(Kg)

Maret '09 0.00

April 0.00 0

Mei 0.00 0 0 0 0

Juni 0.00 0 0 0 0 0 0 0

Juli 0.00 0 0 0 0 0 0 0

Agustus 0.00 0 0 0 0 0 0 0

September 0.00 0 0 0 0 0 0 0

Oktober 992.15 496.075 248.0375 744.1125 496.075 0 992.15 984361.6225

November 2,036.62 1514.385 1005.23 2023.54 1018.31 1240.1875 796.4325 634304.7271

Desember 1,796.53 1916.575 1715.48 2117.67 402.19 3041.85 -1245.32 1550821.902

Januari '10 1,144.70 1470.615 1693.595 1247.635 -445.96 2519.86 -1375.16 1891065.026

Februari 0.00 572.35 1021.4825 123.2175 -898.265 801.675 -801.675 642682.8056

Maret 1,315.98 657.99 615.17 700.81 85.64 -775.0475 2091.0275 4372396.006

April 514.02 915 786.495 1043.505 257.01 786.45 -272.43 74218.1049

Mei 0.00 257.01 586.005 -71.985 -657.99 1300.515 -1300.515 1691339.265

Juni 659.73 329.865 293.4375 366.2925 72.855 -729.975 1389.705 1931279.987

Juli 453.69 556.71 443.2875 670.1325 226.845 439.1475 14.5425 211.4843062

Agustus 274.74 364.215 460.4625 267.9675 -192.495 896.9775 -622.2375 387179.5064

September 516.02 395.38 379.7975 410.9625 31.165 75.4725 440.5475 194082.0998

Oktober 99.05 307.535 351.4575 263.6125 -87.845 442.1275 -343.0775 117702.171

November 933.23 516.14 411.8375 620.4425 208.605 175.7675 757.4625 573749.4389

Desember 1,072.83 1003.03 759.585 1246.475 486.89 829.0475 243.7825 59429.90731

Januari '11 1,930.30 1501.565 1252.2975 1750.8325 498.535 1733.365 196.935 38783.39423

Februari 2,190.41 2060.355 1780.96 2339.75 558.79 2249.3675 -58.9575 3475.986806

2898.54

Total Error

903.2125 15147083.43

MSE 721289.6874

93



(Kg)

Maret '09 0.00

April 0.00

Mei 0.00

Juni 0.00

Juli 0.00

Agustus 0.00

September 0.00 482.53

Oktober 992.15 597.00

November 2,036.62 597

Desember 1,796.53 728.598

Januari '10 1,144.70 780

Februari 0.00 780

Maret 1,315.98 845.973 601.28 855.91 254.63

April 514.02 891.342 745.70 814.30 68.60 1110.55 -596.53 355843.27

Mei 0.00 819.601 721.40 838.60 117.20 882.89 -882.89 779502.57

Juni 659.73 667.541 783.64 908.30 124.66 955.80 -296.07 87658.33

Juli 453.69 497.793 824.33 958.36 134.03 1032.96 -579.27 335558.08

Agustus 274.74 476.646 834.23 804.97 -29.26 1092.38 -817.64 668538.03

September 516.02 583.929 806.11 528.96775 -277.1465 775.72 -259.70 67442.53

Oktober 99.05 645.361 719.07 276.51675 -442.5525 251.82125 -152.77 23339.05

November 933.23 813.00 615.40 337.89675 -277.4985 -166.03575 1099.27 1208385.19

Desember 1,072.83 903.33 556.48 611.38075 54.9035 60.39825 1012.43 1025018.05

Januari '11 1,930.30 933.78 550.93 739.78975 188.8575 666.28425 1264.02 1597735.82

Februari 2,190.41 1002.37 629.73 996.266 366.532 928.64725 1261.76 1592045.24

1362.798

Total Error 4484.70475 5446523.346

MSE

1089304.669

94

Lampiran 6. Metode Double Exponential Smoothing Buah Durian Medan

* NOTE * Zero values of Yt exist; MAPE calculated only for non-zero Yt. Data medan Length 24 Smoothing Constants Alpha (level) 0.0300000 Gamma (trend) 0.0000001 Accuracy Measures MAPE 182 MAD 1070 MSD 1467326 Time medan Smooth Predict Error 1 1968.15 1738.42 1731.32 236.83 2 3329.26 1782.15 1734.30 1594.96 3 118.59 1728.24 1778.03 -1659.44 4 898.97 1699.37 1724.12 -825.15 5 3560.53 1751.21 1695.25 1865.28 6 2300.99 1763.70 1747.08 553.91 7 1939.51 1764.98 1759.58 179.93 8 2653.59 1787.64 1760.85 892.74 9 329.62 1739.90 1783.51 -1453.89 10 2596.77 1761.61 1735.78 860.99 11 2693.02 1785.55 1757.48 935.54 12 1804.34 1782.12 1781.43 22.91 13 370.66 1735.77 1777.99 -1407.33 14 0.00 1679.70 1731.65 -1731.65 15 0.00 1625.31 1675.58 -1675.58 16 996.36 1602.45 1621.19 -624.83 17 1481.48 1594.82 1598.32 -116.84 18 825.43 1567.74 1590.70 -765.27 19 434.92 1529.76 1563.62 -1128.70 20 163.07 1484.76 1525.63 -1362.56 21 2653.36 1515.82 1480.64 1172.72 22 3587.70 1573.98 1511.70 2076.00 23 2729.30 1604.64 1569.85 1159.45 24 2978.38 1641.85 1600.52 1377.86 Forecasts Period Forecast Lower Upper 25 1637.73 -983.76 4259.22 26 1633.61 -989.07 4256.29 27 1629.49 -994.40 4253.37 28 1625.36 -999.74 4250.47 29 1621.24 -1005.11 4247.59 30 1617.12 -1010.48 4244.73 31 1613.00 -1015.88 4241.88 32 1608.88 -1021.29 4239.05 33 1604.75 -1026.73 4236.24 34 1600.63 -1032.17 4233.44 35 1596.51 -1037.64 4230.66 36 1592.39 -1043.12 4227.90

95

3632282420161284

5000

4000

3000

2000

1000

0

-1000

Periode (Bulan)

Penj

uala

n (K

g) Alpha (level) 0.0300000Gamma (trend) 0.0000001

Smoothing Constants

MAPE 182MAD 1070MSD 1467326

Accuracy Measures

ActualFitsForecasts95.0% PI

Variable

Smoothing Plot for medanDouble Exponential Method

96

Lampiran 7. Metode Double Exponential Smoothing Buah Durian Monthong Thailand

* NOTE * Zero values of Yt exist; MAPE calculated only for non-zero Yt. Data monthong Length 24 Smoothing Constants Alpha (level) 0.646000 Gamma (trend) 0.000000 Accuracy Measures MAPE 485 MAD 1855 MSD 6924399 Time monthong Smooth Predict Error 1 174.56 1556.63 4078.72 -3904.16 2 768.00 1005.61 1439.21 -671.21 3 4257.00 3064.44 888.19 3368.81 4 6487.70 5234.30 2947.02 3540.68 5 9527.30 7966.01 5116.88 4410.42 6 9019.16 8604.78 7848.59 1170.57 7 7019.32 7539.00 8487.35 -1468.03 8 295.41 2818.07 7421.58 -7126.17 9 73.63 1003.60 2700.65 -2627.02 10 840.82 856.87 886.17 -45.35 11 153.66 361.03 739.45 -585.79 12 0.00 86.24 243.61 -243.61 13 0.00 -11.04 -31.19 31.19 14 887.50 527.85 -128.46 1015.96 15 5005.95 3379.13 410.43 4595.52 16 3310.85 3293.45 3261.71 49.14 17 3086.77 3118.37 3176.03 -89.26 18 2812.28 2879.07 3000.95 -188.67 19 4245.16 3720.00 2761.64 1483.52 20 5317.50 4710.42 3602.57 1714.93 21 500.61 1949.31 4592.99 -4092.38 22 1117.98 1370.70 1831.89 -713.91 23 579.45 817.99 1253.28 -673.83 24 0.00 248.00 700.56 -700.56 Forecasts Period Forecast Lower Upper 25 130.58 -4413.1 4674.3 26 13.15 -5547.5 5573.8 27 -104.27 -6776.2 6567.6 28 -221.69 -8059.2 7615.9 29 -339.12 -9375.6 8697.4 30 -456.54 -10713.7 9800.6 31 -573.96 -12066.5 10918.6 32 -691.39 -13429.8 12047.0 33 -808.81 -14800.7 13183.1 34 -926.23 -16177.4 14325.0 35 -1043.65 -17558.6 15471.3 36 -1161.08 -18943.3 16621.2

97

3632282420161284

20000

10000

0

-10000

-20000

Periode (Bulan)

Penj

uala

n (K


Smoothing Constants

MAPE 485MAD 1855MSD 6924399

Accuracy Measures


Variable

Smoothing Plot for monthongDouble Exponential Method

98

Lampiran 8. Metode Double Exponential Smoothing Buah Durian frozen Monthong

* NOTE * Zero values of Yt exist; MAPE calculated only for non-zero Yt. Data frozen Length 24 Smoothing Constants Alpha (level) 0.416000 Gamma (trend) 0.000000 Accuracy Measures MAPE 82 MAD 471 MSD 394421 Time frozen Smooth Predict Error 1 0.00 53.76 92.06 -92.06 2 0.00 60.43 103.48 -103.48 3 0.00 64.32 110.14 -110.14 4 0.00 66.60 114.03 -114.03 5 0.00 67.92 116.31 -116.31 6 0.00 68.70 117.64 -117.64 7 0.00 69.15 118.41 -118.41 8 992.15 482.15 118.86 873.29 9 2036.62 1157.84 531.86 1504.76 10 1796.53 1452.57 1207.55 588.98 11 1144.70 1353.53 1502.28 -357.58 12 0.00 819.49 1403.24 -1403.24 13 1315.98 1055.06 869.20 446.78 14 514.02 859.02 1104.77 -590.75 15 0.00 530.70 908.73 -908.73 16 659.73 613.41 580.41 79.32 17 453.69 576.00 663.12 -209.43 18 274.74 479.71 625.71 -350.97 19 516.02 523.84 529.42 -13.40 20 99.05 376.16 573.56 -474.51 21 933.23 636.93 425.87 507.36 22 1072.83 847.30 686.65 386.18 23 1930.30 1326.86 897.01 1033.29 24 2190.41 1715.13 1376.57 813.84 Forecasts Period Forecast Lower Upper 25 1764.84 609.843 2919.84 26 1814.55 552.936 3076.17 27 1864.26 484.799 3243.73 28 1913.98 408.066 3419.89 29 1963.69 324.726 3602.65 30 2013.40 236.261 3790.54 31 2063.11 143.778 3982.45 32 2112.82 48.108 4177.54 33 2162.54 -50.122 4375.19 34 2212.25 -150.431 4574.93 35 2261.96 -252.447 4776.37 36 2311.67 -355.878 4979.22

99

Double Exponential Smoothing Plot for frozen

3632282420161284

5000

4000

3000

2000

1000

0

Periode (Bulan)

Penj

uala

n (K


Smoothing Constants

MAPE 82MAD 471MSD 394421

Accuracy Measures


Variable

Smoothing Plot for frozenDouble Exponential Method

100

Lampiran 9. Metode Decomposition Buah Durian Medan

Time Series Decomposition for medan * NOTE * Zero values of Yt exist; MAPE calculated only for non-zero Yt. Additive Model Data medan Length 24 NMissing 0 Fitted Trend Equation Yt = 1713 - 2.31454*t Seasonal Indices Period Index 1 -44.701 2 349.202 3 -304.501 Accuracy Measures MAPE 175 MAD 1044 MSD 1345436 Time medan Trend Seasonal Detrend Deseason Predict Error 1 1968.15 1710.53 -44.701 257.62 2012.85 1665.83 302.32 2 3329.26 1708.22 349.202 1621.04 2980.06 2057.42 1271.84 3 118.59 1705.90 -304.501 -1587.31 423.09 1401.40 -1282.81 4 898.97 1703.59 -44.701 -804.62 943.67 1658.89 -759.92 5 3560.53 1701.28 349.202 1859.25 3211.33 2050.48 1510.05 6 2300.99 1698.96 -304.501 602.03 2605.49 1394.46 906.53 7 1939.51 1696.65 -44.701 242.86 1984.21 1651.95 287.56 8 2653.59 1694.33 349.202 959.26 2304.39 2043.53 610.06 9 329.62 1692.02 -304.501 -1362.40 634.12 1387.52 -1057.90 10 2596.77 1689.70 -44.701 907.07 2641.47 1645.00 951.77 11 2693.02 1687.39 349.202 1005.63 2343.82 2036.59 656.43 12 1804.34 1685.07 -304.501 119.27 2108.84 1380.57 423.77 13 370.66 1682.76 -44.701 -1312.10 415.36 1638.06 -1267.40 14 0.00 1680.44 349.202 -1680.44 -349.20 2029.65 -2029.65 15 0.00 1678.13 -304.501 -1678.13 304.50 1373.63 -1373.63 16 996.36 1675.82 -44.701 -679.46 1041.06 1631.11 -634.75 17 1481.48 1673.50 349.202 -192.02 1132.28 2022.70 -541.22 18 825.43 1671.19 -304.501 -845.76 1129.93 1366.69 -541.26 19 434.92 1668.87 -44.701 -1233.95 479.62 1624.17 -1189.25 20 163.07 1666.56 349.202 -1503.49 -186.13 2015.76 -1852.69 21 2653.36 1664.24 -304.501 989.12 2957.86 1359.74 1293.62 22 3587.70 1661.93 -44.701 1925.77 3632.40 1617.23 1970.47 23 2729.30 1659.61 349.202 1069.69 2380.10 2008.82 720.48 24 2978.38 1657.30 -304.501 1321.08 3282.88 1352.80 1625.58

101

Forecasts Period Forecast 25 1610.28 26 2001.87 27 1345.85 28 1603.34 29 1994.93 30 1338.91 31 1596.40 32 1987.99 33 1331.97 34 1589.45 35 1981.04 36 1325.02

3632282420161284

4000

3000

2000

1000

0

Index

med

an

MAPE 175MAD 1044MSD 1345436

Accuracy Measures

ActualFitsTrendForecasts

Variable

Time Series Decomposition Plot for medanAdditive Model length 3

102

* NOTE * Zero values of Yt exist; MAPE calculated only for non-zero Yt. Additive Model Data medan Length 24 NMissing 0 Fitted Trend Equation Yt = 2013 - 26.3440*t Seasonal Indices Period Index 1 -675.51 2 -811.84 3 -629.30 4 443.28 5 1237.41 6 435.97 Accuracy Measures MAPE 124 MAD 910 MSD 1146955 Time medan Trend Seasonal Detrend Deseason Predict Error 1 1968.15 1986.87 -675.51 -18.72 2643.66 1311.36 656.79 2 3329.26 1960.53 -811.84 1368.73 4141.10 1148.69 2180.57 3 118.59 1934.18 -629.30 -1815.59 747.89 1304.88 -1186.29 4 898.97 1907.84 443.28 -1008.87 455.69 2351.12 -1452.15 5 3560.53 1881.50 1237.41 1679.03 2323.12 3118.91 441.62 6 2300.99 1855.15 435.97 445.84 1865.02 2291.12 9.87 7 1939.51 1828.81 -675.51 110.70 2615.02 1153.30 786.21 8 2653.59 1802.46 -811.84 851.13 3465.43 990.62 1662.97 9 329.62 1776.12 -629.30 -1446.50 958.92 1146.82 -817.20 10 2596.77 1749.78 443.28 846.99 2153.49 2193.05 403.72 11 2693.02 1723.43 1237.41 969.59 1455.61 2960.85 -267.83 12 1804.34 1697.09 435.97 107.25 1368.37 2133.06 -328.72 13 370.66 1670.74 -675.51 -1300.08 1046.17 995.23 -624.57 14 0.00 1644.40 -811.84 -1644.40 811.84 832.56 -832.56 15 0.00 1618.06 -629.30 -1618.06 629.30 988.75 -988.75 16 996.36 1591.71 443.28 -595.35 553.08 2034.99 -1038.63 17 1481.48 1565.37 1237.41 -83.89 244.07 2802.78 -1321.30 18 825.43 1539.02 435.97 -713.59 389.46 1974.99 -1149.56 19 434.92 1512.68 -675.51 -1077.76 1110.43 837.17 -402.25 20 163.07 1486.34 -811.84 -1323.27 974.91 674.50 -511.43 21 2653.36 1459.99 -629.30 1193.37 3282.66 830.69 1822.67 22 3587.70 1433.65 443.28 2154.05 3144.42 1876.93 1710.77 23 2729.30 1407.30 1237.41 1322.00 1491.89 2644.72 84.58 24 2978.38 1380.96 435.97 1597.42 2542.41 1816.93 1161.45 Forecasts Period Forecast

103

25 679.11 26 516.43 27 672.62 28 1718.86 29 2486.65 30 1658.86 31 521.04 32 358.37 33 514.56 34 1560.80 35 2328.59 36 1500.80 * NOTE * Zero values of Yt exist; MAPE calculated only for non-zero Yt. Additive Model

3632282420161284

4000

3000

2000

1000

0

Index

med

an

MAPE 124MAD 910MSD 1146955

Accuracy Measures


Variable


104

Data medan Length 24 NMissing 0 Fitted Trend Equation Yt = 2240 - 44.4625*t Seasonal Indices Period Index 1 -770.12 2 -974.32 3 -967.37 4 -109.12 5 333.20 6 -373.28 7 94.05 8 1013.41 9 -1166.90 10 1101.13 11 1279.95 12 539.38 Accuracy Measures MAPE 150 MAD 820 MSD 1102251 Time medan Trend Seasonal Detrend Deseason Predict Error 1 1968.15 2195.23 -770.12 -227.08 2738.27 1425.11 543.04 2 3329.26 2150.77 -974.32 1178.49 4303.58 1176.45 2152.81 3 118.59 2106.31 -967.37 -1987.72 1085.96 1138.94 -1020.35 4 898.97 2061.85 -109.12 -1162.88 1008.09 1952.72 -1053.75 5 3560.53 2017.39 333.20 1543.14 3227.33 2350.58 1209.95 6 2300.99 1972.92 -373.28 328.07 2674.27 1599.64 701.35 7 1939.51 1928.46 94.05 11.05 1845.46 2022.51 -83.00 8 2653.59 1884.00 1013.41 769.59 1640.18 2897.41 -243.82 9 329.62 1839.54 -1166.90 -1509.92 1496.52 672.64 -343.02 10 2596.77 1795.07 1101.13 801.70 1495.64 2896.21 -299.44 11 2693.02 1750.61 1279.95 942.41 1413.07 3030.56 -337.54 12 1804.34 1706.15 539.38 98.19 1264.96 2245.53 -441.19 13 370.66 1661.69 -770.12 -1291.03 1140.78 891.56 -520.90 14 0.00 1617.22 -974.32 -1617.22 974.32 642.90 -642.90 15 0.00 1572.76 -967.37 -1572.76 967.37 605.39 -605.39 16 996.36 1528.30 -109.12 -531.94 1105.48 1419.17 -422.81 17 1481.48 1483.84 333.20 -2.36 1148.28 1817.03 -335.55 18 825.43 1439.37 -373.28 -613.94 1198.71 1066.09 -240.66 19 434.92 1394.91 94.05 -959.99 340.87 1488.96 -1054.04 20 163.07 1350.45 1013.41 -1187.38 -850.34 2363.86 -2200.79 21 2653.36 1305.99 -1166.90 1347.37 3820.26 139.09 2514.27 22 3587.70 1261.52 1101.13 2326.18 2486.57 2362.66 1225.04 23 2729.30 1217.06 1279.95 1512.24 1449.35 2497.01 232.29 24 2978.38 1172.60 539.38 1805.78 2439.00 1711.98 1266.40 Forecasts

105

Period Forecast 25 358.01 26 109.35 27 71.84 28 885.62 29 1283.48 30 532.54 31 955.41 32 1830.31 33 -394.46 34 1829.11 35 1963.46 36 1178.43

3632282420161284

4000

3000

2000

1000

0

Index

med

an

MAPE 150MAD 820MSD 1102251

Accuracy Measures


Variable


106

Lampiran 10. Metode Decomposition Buah Durian Monthong Thailand

* NOTE * Zero values of Yt exist; MAPE calculated only for non-zero Yt. Additive Model Data monthong Length 24 NMissing 0 Fitted Trend Equation Yt = 4181 - 116.231*t Seasonal Indices Period Index 1 124.559 2 -77.718 3 -46.841 Accuracy Measures MAPE 518 MAD 2427 MSD 7953166 Time monthong Trend Seasonal Detrend Deseason Predict Error 1 174.56 4065.01 124.559 -3890.45 50.00 4189.57 -4015.01 2 768.00 3948.78 -77.718 -3180.78 845.72 3871.06 -3103.06 3 4257.00 3832.55 -46.841 424.45 4303.84 3785.71 471.29 4 6487.70 3716.32 124.559 2771.38 6363.14 3840.88 2646.82 5 9527.30 3600.09 -77.718 5927.21 9605.02 3522.37 6004.93 6 9019.16 3483.86 -46.841 5535.30 9066.00 3437.02 5582.14 7 7019.32 3367.63 124.559 3651.69 6894.76 3492.19 3527.13 8 295.41 3251.40 -77.718 -2955.99 373.13 3173.68 -2878.27 9 73.63 3135.17 -46.841 -3061.54 120.47 3088.32 -3014.69 10 840.82 3018.94 124.559 -2178.12 716.26 3143.49 -2302.67 11 153.66 2902.70 -77.718 -2749.04 231.38 2824.99 -2671.33 12 0.00 2786.47 -46.841 -2786.47 46.84 2739.63 -2739.63 13 0.00 2670.24 124.559 -2670.24 -124.56 2794.80 -2794.80 14 887.50 2554.01 -77.718 -1666.51 965.22 2476.30 -1588.80 15 5005.95 2437.78 -46.841 2568.17 5052.79 2390.94 2615.01 16 3310.85 2321.55 124.559 989.30 3186.29 2446.11 864.74 17 3086.77 2205.32 -77.718 881.45 3164.49 2127.60 959.17 18 2812.28 2089.09 -46.841 723.19 2859.12 2042.25 770.03 19 4245.16 1972.86 124.559 2272.30 4120.60 2097.42 2147.74 20 5317.50 1856.63 -77.718 3460.87 5395.22 1778.91 3538.59 21 500.61 1740.40 -46.841 -1239.79 547.45 1693.56 -1192.95 22 1117.98 1624.17 124.559 -506.19 993.42 1748.73 -630.75 23 579.45 1507.94 -77.718 -928.49 657.17 1430.22 -850.77 24 0.00 1391.71 -46.841 -1391.71 46.84 1344.87 -1344.87

107

Forecasts Period Forecast 25 1400.03 26 1081.53 27 996.17 28 1051.34 29 732.84 30 647.48 31 702.65 32 384.14 33 298.79 34 353.96 35 35.45 36 -49.90

3632282420161284

10000

8000

6000

4000

2000

0

Index

mon

thon

g MAPE 518MAD 2427MSD 7953166

Accuracy Measures


Variable

Time Series Decomposition Plot for monthongAdditive Model length 3

108

* NOTE * Zero values of Yt exist; MAPE calculated only for non-zero Yt. Additive Model Data monthong Length 24 NMissing 0 Fitted Trend Equation Yt = 4082 - 108.295*t Seasonal Indices Period Index 1 1518.17 2 -614.12 3 -1391.40 4 742.32 5 179.53 6 -434.50 Accuracy Measures MAPE 455 MAD 2395 MSD 8518440 Time monthong Trend Seasonal Detrend Deseason Predict Error 1 174.56 3973.75 1518.17 -3799.19 -1343.61 5491.92 -5317.36 2 768.00 3865.46 -614.12 -3097.46 1382.12 3251.33 -2483.33 3 4257.00 3757.16 -1391.40 499.84 5648.40 2365.76 1891.24 4 6487.70 3648.87 742.32 2838.83 5745.38 4391.19 2096.51 5 9527.30 3540.57 179.53 5986.73 9347.77 3720.10 5807.20 6 9019.16 3432.28 -434.50 5586.88 9453.66 2997.78 6021.38 7 7019.32 3323.98 1518.17 3695.34 5501.15 4842.15 2177.17 8 295.41 3215.69 -614.12 -2920.28 909.53 2601.56 -2306.15 9 73.63 3107.39 -1391.40 -3033.76 1465.03 1715.99 -1642.36 10 840.82 2999.10 742.32 -2158.28 98.50 3741.42 -2900.60 11 153.66 2890.80 179.53 -2737.14 -25.87 3070.33 -2916.67 12 0.00 2782.51 -434.50 -2782.51 434.50 2348.01 -2348.01 13 0.00 2674.21 1518.17 -2674.21 -1518.17 4192.38 -4192.38 14 887.50 2565.92 -614.12 -1678.42 1501.62 1951.79 -1064.29 15 5005.95 2457.62 -1391.40 2548.33 6397.35 1066.22 3939.73 16 3310.85 2349.33 742.32 961.52 2568.53 3091.65 219.20 17 3086.77 2241.03 179.53 845.74 2907.24 2420.56 666.21 18 2812.28 2132.74 -434.50 679.54 3246.78 1698.24 1114.04 19 4245.16 2024.44 1518.17 2220.72 2726.99 3542.61 702.55 20 5317.50 1916.15 -614.12 3401.35 5931.62 1302.02 4015.48 21 500.61 1807.85 -1391.40 -1307.24 1892.01 416.45 84.16 22 1117.98 1699.56 742.32 -581.58 375.66 2441.88 -1323.90 23 579.45 1591.26 179.53 -1011.81 399.92 1770.79 -1191.34 24 0.00 1482.97 -434.50 -1482.97 434.50 1048.47 -1048.47 Forecasts Period Forecast

109

25 2892.84 26 652.26 27 -233.32 28 1792.11 29 1121.02 30 398.70 31 2243.07 32 2.49 33 -883.09 34 1142.34 35 471.25 36 -251.07

* NOTE * Zero values of Yt exist; MAPE calculated only for non-zero Yt. Additive Model Data monthong Length 24 NMissing 0 Fitted Trend Equation Yt = 3288 - 44.7570*t Seasonal Indices

3632282420161284

10000

8000

6000

4000

2000

0

Index

mon

thon

g MAPE 455MAD 2395MSD 8518440

Accuracy Measures


Variable

Time Series Decomposition Plot for monthongAdditive Model legth 6

110

Period Index 1 -1269.08 2 -475.24 3 3416.17 4 1691.73 5 1438.36 6 1146.13 7 4381.06 8 -2340.55 9 -2598.52 10 -1730.17 11 -2016.60 12 -1643.29 Accuracy Measures MAPE 142 MAD 1539 MSD 4533146 Time monthong Trend Seasonal Detrend Deseason Predict Error 1 174.56 3243.06 -1269.08 -3068.50 1443.64 1973.99 -1799.43 2 768.00 3198.31 -475.24 -2430.31 1243.24 2723.07 -1955.07 3 4257.00 3153.55 3416.17 1103.45 840.83 6569.72 -2312.72 4 6487.70 3108.79 1691.73 3378.91 4795.97 4800.52 1687.18 5 9527.30 3064.04 1438.36 6463.26 8088.94 4502.39 5024.91 6 9019.16 3019.28 1146.13 5999.88 7873.03 4165.40 4853.76 7 7019.32 2974.52 4381.06 4044.80 2638.26 7355.59 -336.27 8 295.41 2929.77 -2340.55 -2634.36 2635.96 589.21 -293.80 9 73.63 2885.01 -2598.52 -2811.38 2672.15 286.49 -212.86 10 840.82 2840.25 -1730.17 -1999.43 2570.99 1110.09 -269.27 11 153.66 2795.49 -2016.60 -2641.83 2170.26 778.89 -625.23 12 0.00 2750.74 -1643.29 -2750.74 1643.29 1107.45 -1107.45 13 0.00 2705.98 -1269.08 -2705.98 1269.08 1436.90 -1436.90 14 887.50 2661.22 -475.24 -1773.72 1362.74 2185.98 -1298.48 15 5005.95 2616.47 3416.17 2389.48 1589.78 6032.63 -1026.68 16 3310.85 2571.71 1691.73 739.14 1619.12 4263.44 -952.59 17 3086.77 2526.95 1438.36 559.82 1648.41 3965.31 -878.54 18 2812.28 2482.20 1146.13 330.08 1666.15 3628.32 -816.04 19 4245.16 2437.44 4381.06 1807.72 -135.90 6818.50 -2573.34 20 5317.50 2392.68 -2340.55 2924.82 7658.05 52.13 5265.37 21 500.61 2347.92 -2598.52 -1847.31 3099.13 -250.59 751.20 22 1117.98 2303.17 -1730.17 -1185.19 2848.15 573.00 544.98 23 579.45 2258.41 -2016.60 -1678.96 2596.05 241.81 337.64 24 0.00 2213.65 -1643.29 -2213.65 1643.29 570.37 -570.37 Forecasts Period Forecast 25 899.82 26 1648.90 27 5495.55 28 3726.35 29 3428.23 30 3091.24 31 6281.42 32 -484.95 33 -787.68 34 35.92 35 -295.27

111

36 33.28

3632282420161284

10000

8000

6000

4000

2000

0

Index

mon

thon

g MAPE 142MAD 1539MSD 4533146

Accuracy Measures


Variable

Time Series Decomposition Plot for monthongAdditive Model length 12

112

Lampiran 11. Metode Decomposition Buah Durian Frozen Monthong

* NOTE * Zero values of Yt exist; MAPE calculated only for non-zero Yt. Additive Model Data frozen Length 24 NMissing 0 Fitted Trend Equation Yt = 30 + 50.7*t Seasonal Indices Period Index 1 93.0028 2 -48.7589 3 -44.2439 Accuracy Measures MAPE 121 MAD 523 MSD 406962 Time frozen Trend Seasonal Detrend Deseason Predict Error 1 0.00 81.08 93.0028 -81.08 -93.00 174.09 -174.09 2 0.00 131.75 -48.7589 -131.75 48.76 82.99 -82.99 3 0.00 182.42 -44.2439 -182.42 44.24 138.17 -138.17 4 0.00 233.08 93.0028 -233.08 -93.00 326.09 -326.09 5 0.00 283.75 -48.7589 -283.75 48.76 234.99 -234.99 6 0.00 334.42 -44.2439 -334.42 44.24 290.17 -290.17 7 0.00 385.08 93.0028 -385.08 -93.00 478.09 -478.09 8 992.15 435.75 -48.7589 556.40 1040.91 386.99 605.16 9 2036.62 486.42 -44.2439 1550.20 2080.86 442.17 1594.45 10 1796.53 537.08 93.0028 1259.45 1703.53 630.09 1166.44 11 1144.70 587.75 -48.7589 556.95 1193.46 538.99 605.71 12 0.00 638.42 -44.2439 -638.42 44.24 594.17 -594.17 13 1315.98 689.08 93.0028 626.90 1222.98 782.09 533.89 14 514.02 739.75 -48.7589 -225.73 562.78 690.99 -176.97 15 0.00 790.42 -44.2439 -790.42 44.24 746.17 -746.17 16 659.73 841.08 93.0028 -181.35 566.73 934.09 -274.36 17 453.69 891.75 -48.7589 -438.06 502.45 842.99 -389.30 18 274.74 942.42 -44.2439 -667.68 318.98 898.17 -623.43 19 516.02 993.08 93.0028 -477.06 423.02 1086.09 -570.07 20 99.05 1043.75 -48.7589 -944.70 147.81 994.99 -895.94 21 933.23 1094.42 -44.2439 -161.19 977.47 1050.17 -116.94 22 1072.83 1145.08 93.0028 -72.25 979.83 1238.09 -165.26 23 1930.30 1195.75 -48.7589 734.55 1979.06 1146.99 783.31 24 2190.41 1246.42 -44.2439 943.99 2234.65 1202.17 988.24 Forecasts Period Forecast 25 1390.09

113

26 1298.99 27 1354.17 28 1542.09 29 1450.99 30 1506.17 31 1694.09 32 1602.99 33 1658.17 34 1846.09 35 1754.99 36 1810.17

3632282420161284

2500

2000

1500

1000

500

0

Index

froz

en


Accuracy Measures


Variable

Time Series Decomposition Plot for frozenAdditive Model length 3

Time Series Decomposition for frozen * NOTE * Zero values of Yt exist; MAPE calculated only for non-zero Yt. Additive Model Data frozen

114

Length 24 NMissing 0 Fitted Trend Equation Yt = 12 + 52.2*t Seasonal Indices Period Index 1 33.443 2 7.124 3 10.487 4 231.292 5 11.472 6 -293.818 Accuracy Measures MAPE 123 MAD 517 MSD 399822 Time frozen Trend Seasonal Detrend Deseason Predict Error 1 0.00 64.01 33.443 -64.01 -33.44 97.46 -97.46 2 0.00 116.16 7.124 -116.16 -7.12 123.29 -123.29 3 0.00 168.32 10.487 -168.32 -10.49 178.80 -178.80 4 0.00 220.47 231.292 -220.47 -231.29 451.76 -451.76 5 0.00 272.62 11.472 -272.62 -11.47 284.09 -284.09 6 0.00 324.77 -293.818 -324.77 293.82 30.95 -30.95 7 0.00 376.92 33.443 -376.92 -33.44 410.36 -410.36 8 992.15 429.07 7.124 563.08 985.03 436.19 555.96 9 2036.62 481.22 10.487 1555.40 2026.13 491.71 1544.91 10 1796.53 533.37 231.292 1263.16 1565.24 764.66 1031.87 11 1144.70 585.52 11.472 559.18 1133.23 597.00 547.70 12 0.00 637.67 -293.818 -637.67 293.82 343.86 -343.86 13 1315.98 689.83 33.443 626.15 1282.54 723.27 592.71 14 514.02 741.98 7.124 -227.96 506.90 749.10 -235.08 15 0.00 794.13 10.487 -794.13 -10.49 804.61 -804.61 16 659.73 846.28 231.292 -186.55 428.44 1077.57 -417.84 17 453.69 898.43 11.472 -444.74 442.22 909.90 -456.21 18 274.74 950.58 -293.818 -675.84 568.56 656.76 -382.02 19 516.02 1002.73 33.443 -486.71 482.58 1036.17 -520.15 20 99.05 1054.88 7.124 -955.83 91.93 1062.01 -962.96 21 933.23 1107.03 10.487 -173.80 922.74 1117.52 -184.29 22 1072.83 1159.18 231.292 -86.35 841.54 1390.48 -317.65 23 1930.30 1211.34 11.472 718.96 1918.83 1222.81 707.49 24 2190.41 1263.49 -293.818 926.92 2484.23 969.67 1220.74 Forecasts Period Forecast 25 1349.08 26 1374.91 27 1430.43 28 1703.38 29 1535.71 30 1282.57 31 1661.99

115

32 1687.82 33 1743.33 34 2016.29 35 1848.62 36 1595.48

3632282420161284

2500

2000

1500

1000

500

0

Index

froz

en


Accuracy Measures


Variable


Time Series Decomposition for frozen * NOTE * Zero values of Yt exist; MAPE calculated only for non-zero Yt. Additive Model Data frozen Length 24 NMissing 0 Fitted Trend Equation Yt = 182 + 38.6*t

116

Seasonal Indices Period Index 1 446.37 2 -339.87 3 -770.71 4 -34.85 5 -243.47 6 -546.42 7 -634.76 8 281.14 9 1304.20 10 1036.62 11 338.39 12 -836.66 Accuracy Measures MAPE 114 MAD 407 MSD 386354 Time frozen Trend Seasonal Detrend Deseason Predict Error 1 0.00 220.29 446.37 -220.29 -446.37 666.67 -666.67 2 0.00 258.85 -339.87 -258.85 339.87 -81.02 81.02 3 0.00 297.42 -770.71 -297.42 770.71 -473.29 473.29 4 0.00 335.98 -34.85 -335.98 34.85 301.13 -301.13 5 0.00 374.54 -243.47 -374.54 243.47 131.07 -131.07 6 0.00 413.10 -546.42 -413.10 546.42 -133.32 133.32 7 0.00 451.66 -634.76 -451.66 634.76 -183.09 183.09 8 992.15 490.22 281.14 501.93 711.01 771.37 220.78 9 2036.62 528.78 1304.20 1507.84 732.42 1832.98 203.64 10 1796.53 567.35 1036.62 1229.18 759.91 1603.96 192.57 11 1144.70 605.91 338.39 538.79 806.31 944.30 200.40 12 0.00 644.47 -836.66 -644.47 836.66 -192.19 192.19 13 1315.98 683.03 446.37 632.95 869.61 1129.41 186.57 14 514.02 721.59 -339.87 -207.57 853.89 381.72 132.30 15 0.00 760.15 -770.71 -760.15 770.71 -10.55 10.55 16 659.73 798.72 -34.85 -138.99 694.58 763.87 -104.14 17 453.69 837.28 -243.47 -383.59 697.16 593.81 -140.12 18 274.74 875.84 -546.42 -601.10 821.16 329.42 -54.68 19 516.02 914.40 -634.76 -398.38 1150.78 279.64 236.38 20 99.05 952.96 281.14 -853.91 -182.09 1234.10 -1135.05 21 933.23 991.52 1304.20 -58.29 -370.97 2295.72 -1362.49 22 1072.83 1030.08 1036.62 42.75 36.21 2066.70 -993.87 23 1930.30 1068.65 338.39 861.65 1591.91 1407.04 523.26 24 2190.41 1107.21 -836.66 1083.20 3027.07 270.55 1919.86 Forecasts Period Forecast 25 1592.14 26 844.46 27 452.19 28 1226.61 29 1056.55 30 792.16 31 742.38 32 1696.84 33 2758.46 34 2529.44

117

35 1869.78 36 733.29

3632282420161284

3000

2500

2000

1500

1000

500

0

-500

Index

froz

en


Accuracy Measures


Variable


118

Lampiran 12. Metode winter’s Buah Durian Medan

* NOTE * Zero values of Yt exist; MAPE calculated only for non-zero Yt. Additive Method Data medan Length 24 Smoothing Constants Alpha (level) 0.41 Gamma (trend) 0.00 Delta (seasonal) 0.00 Accuracy Measures MAPE 146 MAD 1597 MSD 3677279 Time medan Smooth Predict Error 1 1968.15 3094.39 2452.57 -484.42 2 3329.26 2735.23 2093.41 1235.85 3 118.59 1904.29 1262.47 -1143.88 4 898.97 1008.02 366.20 532.77 5 3560.53 1065.91 424.09 3136.44 6 2300.99 1014.21 372.39 1928.60 7 1939.51 1377.66 735.84 1203.67 8 2653.59 1710.62 1068.80 1584.79 9 329.62 1022.74 380.92 -51.30 10 2596.77 574.44 -67.39 2664.16 11 2693.02 1506.19 864.37 1828.65 12 1804.34 918.30 276.47 1527.87 13 370.66 1117.45 475.63 -104.97 14 0.00 913.86 272.04 -272.04 15 0.00 -535.32 -1177.14 1177.14 16 996.36 -479.96 -1121.78 2118.14 17 1481.48 227.93 -413.89 1895.37 18 825.43 -332.61 -974.43 1799.86 19 434.92 -21.94 -663.76 1098.68 20 163.07 267.97 -373.85 536.92 21 2653.36 -849.53 -1491.35 4144.71 22 3587.70 422.53 -219.30 3807.00 23 2729.30 1822.85 1181.03 1548.27 24 2978.38 1120.00 478.18 2500.20 Forecasts Period Forecast Lower Upper 25 1075.99 -2836.4 4988.33 26 915.44 -3262.7 5093.55 27 -422.20 -4916.0 4071.62 28 -849.48 -5699.2 4000.27 29 -1010.02 -6247.7 4227.65 30 -2347.67 -7998.7 3303.37 31 -2774.94 -8859.6 3309.71 32 -2935.49 -9470.0 3598.98

119

33 -4273.13 -11270.5 2724.26 34 -4700.40 -12171.4 2770.56 35 -4860.95 -12814.2 3092.33 36 -6198.59 -14641.5 2244.27

3632282420161284

5000

0

-5000

-10000

-15000

Periode (Bulan)

Penj

uala

n (K

g) Alpha (level) 0.41Gamma (trend) 0.00Delta (seasonal) 0.00

Smoothing Constants

MAPE 146MAD 1597MSD 3677279

Accuracy Measures


Variable

Winters' Method Plot for medanAdditive Method length 3

Winters' Method for medan * NOTE * Zero values of Yt exist; MAPE calculated only for non-zero Yt. Additive Method Data medan

120

Length 24 Smoothing Constants Alpha (level) 0.41 Gamma (trend) 0.00 Delta (seasonal) 0.00 Accuracy Measures MAPE 151 MAD 830 MSD 1094716 Time medan Smooth Predict Error 1 1968.15 1199.66 1289.33 678.82 2 3329.26 1929.94 2019.61 1309.65 3 118.59 1799.60 1889.27 -1770.68 4 898.97 2411.97 2501.64 -1602.67 5 3560.53 2444.80 2534.47 1026.06 6 2300.99 2320.48 2410.15 -109.16 7 1939.51 1545.81 1635.48 304.03 8 2653.59 2122.42 2212.09 441.50 9 329.62 1636.14 1725.81 -1396.19 10 2596.77 2402.05 2491.72 105.05 11 2693.02 3135.04 3224.71 -531.69 12 1804.34 2372.04 2461.71 -657.37 13 370.66 1372.60 1462.27 -1091.61 14 0.00 1377.00 1466.67 -1466.67 15 0.00 108.37 198.04 -198.04 16 996.36 1365.52 1455.19 -458.83 17 1481.48 1867.32 1956.99 -475.51 18 825.43 1127.36 1217.03 -391.60 19 434.92 236.89 326.56 108.36 20 163.07 733.28 822.94 -659.87 21 2653.36 -204.57 -114.90 2768.26 22 3587.70 2268.77 2358.43 1229.27 23 2729.30 3462.69 3552.36 -823.06 24 2978.38 2580.23 2669.90 308.48 Forecasts Period Forecast Lower Upper 25 2066.46 33.77 4099.15 26 2518.42 347.65 4689.19 27 1851.12 -483.68 4185.92 28 3189.47 669.74 5709.19 29 3879.39 1158.11 6600.67 30 3334.38 398.34 6270.43 31 2604.47 -556.86 5765.80 32 3056.43 -338.61 6451.47 33 2389.13 -1246.42 6024.68 34 3727.48 -154.12 7609.08 35 4417.40 285.20 8549.60 36 3872.39 -514.17 8258.95 Winters' Method Plot for medan

121

3632282420161284

8000

6000

4000

2000

0

Periode (Kg)

Penj

uala

n (K


Smoothing Constants

MAPE 151MAD 830MSD 1094716

Accuracy Measures


Variable


Winters' Method for medan * NOTE * Zero values of Yt exist; MAPE calculated only for non-zero Yt. Additive Method Data medan Length 24 Smoothing Constants Alpha (level) 0.41

122

Gamma (trend) 0.00 Delta (seasonal) 0.00 Accuracy Measures MAPE 110 MAD 666 MSD 722629 Time medan Smooth Predict Error 1 1968.15 1390.52 1404.12 564.03 2 3329.26 2134.72 2148.32 1180.94 3 118.59 1031.29 1044.89 -926.30 4 898.97 1557.60 1571.20 -672.23 5 3560.53 2873.05 2886.65 673.88 6 2300.99 2209.27 2222.87 78.12 7 1939.51 1883.03 1896.63 42.88 8 2653.59 2139.45 2153.05 500.54 9 329.62 2445.55 2459.15 -2129.53 10 2596.77 3190.91 3204.51 -607.74 11 2693.02 2578.39 2591.99 101.03 12 1804.34 2317.73 2331.33 -526.99 13 370.66 847.97 861.57 -490.91 14 0.00 1159.65 1173.25 -1173.25 15 0.00 -909.00 -895.40 895.40 16 996.36 364.21 377.81 618.55 17 1481.48 2208.88 2222.48 -741.00 18 825.43 965.00 978.60 -153.17 19 434.92 543.93 557.53 -122.61 20 163.07 732.50 746.10 -583.03 21 2653.36 594.34 607.94 2045.42 22 3587.70 3051.43 3065.03 522.67 23 2729.30 2902.37 2915.97 -186.67 24 2978.38 2523.76 2537.36 441.02 Forecasts Period Forecast Lower Upper 25 1464.49 -166.56 3095.54 26 1977.43 235.59 3719.28 27 389.82 -1483.64 2263.29 28 1295.92 -725.93 3317.77 29 2886.98 703.40 5070.56 30 1946.91 -409.00 4302.82 31 1588.64 -948.04 4125.32 32 1827.48 -896.73 4551.69 33 1928.36 -988.84 4845.56 34 3546.83 432.20 6661.46 35 3183.48 -132.23 6499.19 36 2881.40 -638.42 6401.22

123

3632282420161284

7000

6000

5000

4000

3000

2000

1000

0

-1000

-2000

Periode (Bulan)

Penj

uala

n (K


Smoothing Constants


Accuracy Measures


Variable


124

Lampiran 13. Metode winter’s Buah Durian Monthong Thailand

* NOTE * Zero values of Yt exist; MAPE calculated only for non-zero Yt. Additive Method Data monthong Length 24 Smoothing Constants Alpha (level) 1 Gamma (trend) 0 Delta (seasonal) 0 Accuracy Measures MAPE 560 MAD 2487 MSD 10078323 Time monthong Smooth Predict Error 1 174.56 -2631.52 -388.7 563.24 2 768.00 -30.62 2212.2 -1444.22 3 4257.00 1017.05 3259.9 997.11 4 6487.70 4213.12 6456.0 31.73 5 9527.30 6282.52 8525.4 1001.94 6 9019.16 9776.35 12019.2 -3000.03 7 7019.32 8975.28 11218.1 -4198.81 8 295.41 6814.14 9057.0 -8761.57 9 73.63 544.46 2787.3 -2713.67 10 840.82 29.75 2272.6 -1431.78 11 153.66 635.64 2878.5 -2724.82 12 0.00 402.71 2645.6 -2645.55 13 0.00 -43.88 2199.0 -2198.97 14 887.50 -205.18 2037.7 -1150.16 15 5005.95 1136.55 3379.4 1626.56 16 3310.85 4962.07 7204.9 -3894.07 17 3086.77 3105.67 5348.5 -2261.74 18 2812.28 3335.82 5578.7 -2766.38 19 4245.16 2768.40 5011.2 -766.09 20 5317.50 4039.98 6282.8 -965.32 21 500.61 5566.55 7809.4 -7308.78 22 1117.98 456.73 2699.6 -1581.60 23 579.45 912.80 3155.6 -2576.19 24 0.00 828.50 3071.3 -3071.34 Forecasts Period Forecast Lower Upper 25 2199.0 -3893.4 8291.4 26 4236.6 -4379.3 12852.6 27 6728.5 -4937.5 18394.6 28 8927.5 -5995.8 23850.8 29 10965.2 -7312.0 29242.3 30 13457.1 -8225.9 35140.0 31 15656.0 -9463.6 40775.6

125

32 17693.7 -10882.2 46269.5 33 20185.6 -11859.9 52231.0 34 22384.5 -13139.9 57909.0 35 24422.2 -14588.2 63432.6 36 26914.1 -15587.4 69415.6

3632282420161284

70000

60000

50000

40000

30000

20000

10000

0

-10000

-20000

Periode (Bulan)

Penj

uala

n (K

g) Alpha (level) 1Gamma (trend) 0Delta (seasonal) 0

Smoothing Constants

MAPE 560MAD 2487MSD 10078323

Accuracy Measures


Variable

Winters' Method Plot for monthongAdditive Method length 3

Winters' Method for monthong * NOTE * Zero values of Yt exist; MAPE calculated only for non-zero Yt. Additive Method

126

Data monthong Length 24 Smoothing Constants Alpha (level) 1 Gamma (trend) 0 Delta (seasonal) 0 Accuracy Measures MAPE 583 MAD 2249 MSD 9225869 Time monthong Smooth Predict Error 1 174.56 -2396.36 -318.3 492.88 2 768.00 -750.67 1327.4 -559.37 3 4257.00 1527.62 3605.7 651.34 4 6487.70 4854.46 6932.5 -444.81 5 9527.30 7002.58 9080.6 446.67 6 9019.16 9265.79 11343.8 -2324.67 7 7019.32 8333.95 10412.0 -3392.67 8 295.41 6094.09 8172.1 -7876.72 9 73.63 1055.03 3133.1 -3059.44 10 840.82 671.09 2749.1 -1908.32 11 153.66 1355.70 3433.7 -3280.09 12 0.00 -107.85 1970.2 -1970.19 13 0.00 -685.21 1392.8 -1392.83 14 887.50 -925.23 1152.8 -265.31 15 5005.95 1647.12 3725.2 1280.79 16 3310.85 5603.41 7681.5 -4370.61 17 3086.77 3825.73 5903.8 -2817.01 18 2812.28 2825.26 4903.3 -2091.02 19 4245.16 2127.07 4205.1 40.05 20 5317.50 3319.93 5398.0 -80.47 21 500.61 6077.12 8155.2 -7654.55 22 1117.98 1098.07 3176.1 -2058.14 23 579.45 1632.86 3710.9 -3131.46 24 0.00 317.94 2396.0 -2395.98 Forecasts Period Forecast Lower Upper 25 1392.8 -4118.1 6903.7 26 2545.6 -5248.0 10339.2 27 5383.3 -5169.3 15935.9 28 8058.8 -5440.1 21557.7 29 10651.7 -5881.0 27184.5 30 12468.3 -7145.2 32081.7 31 13861.1 -8860.9 36583.2 32 15013.9 -10834.5 40862.4 33 17851.6 -11135.3 46838.5 34 20527.1 -11606.7 52660.9 35 23120.0 -12167.0 58407.0 36 24936.5 -13508.4 63381.5

127

3632282420161284

70000

60000

50000

40000

30000

20000

10000

0

-10000

-20000

Periode (Bulan)

Penj

uala

n (K


Smoothing Constants

MAPE 583MAD 2249MSD 9225869

Accuracy Measures


Variable

Winters' Method Plot for monthongAdditive Method legth 6

Winters' Method for monthong * NOTE * Zero values of Yt exist; MAPE calculated only for non-zero Yt. Additive Method Data monthong Length 24

128

Smoothing Constants Alpha (level) 1 Gamma (trend) 0 Delta (seasonal) 0 Accuracy Measures MAPE 310 MAD 1200 MSD 2747612 Time monthong Smooth Predict Error 1 174.56 2047.69 1722.07 -1547.51 2 768.00 1032.45 706.83 61.17 3 4257.00 4689.15 4363.52 -106.52 4 6487.70 4642.22 4316.60 2171.10 5 9527.30 8012.88 7687.26 1840.04 6 9019.16 9253.41 8927.78 91.38 7 7019.32 8853.10 8527.48 -1508.16 8 295.41 4310.96 3985.33 -3689.92 9 73.63 -2106.50 -2432.13 2505.76 10 840.82 883.33 557.71 283.11 11 153.66 345.40 19.77 133.89 12 0.00 -95.47 -421.10 421.10 13 0.00 -1204.37 -1530.00 1530.00 14 887.50 857.89 532.27 355.23 15 5005.95 4808.65 4483.02 522.93 16 3310.85 5391.17 5065.55 -1754.70 17 3086.77 4836.03 4510.41 -1423.64 18 2812.28 2812.88 2487.25 325.03 19 4245.16 2646.22 2320.60 1924.56 20 5317.50 1536.80 1211.17 4106.33 21 500.61 2915.59 2589.96 -2089.35 22 1117.98 1310.31 984.69 133.29 23 579.45 622.56 296.93 282.52 24 0.00 330.32 4.69 -4.69 Forecasts Period Forecast Lower Upper 25 -1530.00 -4471.2 1411.2 26 -997.73 -5157.2 3161.7 27 2597.80 -3034.1 8229.7 28 2657.40 -4546.9 9861.7 29 3856.96 -4966.5 12680.4 30 3257.44 -7210.2 13725.1 31 2765.76 -9361.0 14892.5 32 -268.23 -14063.5 13527.0 33 -2995.76 -18466.0 12474.5 34 -2511.68 -19661.5 14638.1 35 -3332.73 -22165.4 15499.9 36 -3907.48 -24425.5 16610.5

129

3632282420161284

20000

10000

0

-10000

-20000

-30000

Periode (Bulan)

Penj

uala

n (K


Smoothing Constants

MAPE 310MAD 1200MSD 2747612

Accuracy Measures


Variable

Winters' Method Plot for monthongAdditive Method length 12

130

Lampiran 14. Metode winter’s Buah Durian Frozen Monthong

* NOTE * Zero values of Yt exist; MAPE calculated only for non-zero Yt. Additive Method Data frozen Length 24 Smoothing Constants Alpha (level) 0.91 Gamma (trend) 0.00 Delta (seasonal) 0.00 Accuracy Measures MAPE 74 MAD 434 MSD 349445 Time frozen Smooth Predict Error 1 0.00 56.10 56.10 -56.10 2 0.00 -73.06 -73.06 73.06 3 0.00 -18.65 -18.65 18.65 4 0.00 88.51 88.51 -88.51 5 0.00 -70.14 -70.14 70.14 6 0.00 -18.39 -18.39 18.39 7 0.00 88.53 88.53 -88.53 8 992.15 -70.14 -70.14 1062.29 9 2036.62 884.47 884.47 1152.15 10 1796.53 2023.11 2023.11 -226.58 11 1144.70 1738.81 1738.81 -594.11 12 0.00 1186.09 1186.09 -1186.09 13 1315.98 196.93 196.93 1119.05 14 514.02 1137.16 1137.16 -623.14 15 0.00 558.03 558.03 -558.03 16 659.73 140.41 140.41 519.32 17 453.69 534.88 534.88 -81.19 18 274.74 448.92 448.92 -174.18 19 516.02 380.60 380.60 135.42 20 99.05 425.72 425.72 -326.67 21 933.23 116.37 116.37 816.86 22 1072.83 949.90 949.90 122.93 23 1930.30 983.66 983.66 946.64 24 2190.41 1833.03 1833.03 357.38 Forecasts Period Forecast Lower Upper 25 2248.43 1185.21 3311.65 26 2170.32 742.28 3598.36 27 2158.25 287.55 4028.94 28 2248.43 -99.14 4596.00 29 2170.32 -671.17 5011.81 30 2158.25 -1186.66 5503.15 31 2248.43 -1605.67 6102.53 32 2170.32 -2196.73 6537.38

131

33 2158.25 -2724.34 7040.83 34 2248.43 -3151.52 7648.38 35 2170.32 -3748.34 8088.99 36 2158.25 -4280.17 8596.66

3632282420161284

10000

7500

5000

2500

0

-2500

-5000

Periode (Bulan)

Penj

uala

n (K


Smoothing Constants


Accuracy Measures


Variable

Winters' Method Plot for frozenAdditive Method length 3

Winters' Method for frozen * NOTE * Zero values of Yt exist; MAPE calculated only for non-zero Yt. Additive Method

132

Data frozen Length 24 Smoothing Constants Alpha (level) 0.91 Gamma (trend) 0.00 Delta (seasonal) 0.00 Accuracy Measures MAPE 69 MAD 446 MSD 321318 Time frozen Smooth Predict Error 1 0.00 -81.47 -81.47 81.47 2 0.00 -113.74 -113.74 113.74 3 0.00 281.21 281.21 -281.21 4 0.00 115.41 115.41 -115.41 5 0.00 -39.43 -39.43 39.43 6 0.00 -319.15 -319.15 319.15 7 0.00 61.55 61.55 -61.55 8 992.15 -100.87 -100.87 1093.02 9 2036.62 1185.22 1185.22 851.40 10 1796.53 2050.09 2050.09 -253.56 11 1144.70 1769.54 1769.54 -624.84 12 0.00 885.34 885.34 -885.34 13 1315.98 169.95 169.95 1146.03 14 514.02 1106.43 1106.43 -592.41 15 0.00 858.78 858.78 -858.78 16 659.73 167.39 167.39 492.34 17 453.69 565.61 565.61 -111.92 18 274.74 148.17 148.17 126.57 19 516.02 353.62 353.62 162.40 20 99.05 395.00 395.00 -295.95 21 933.23 417.13 417.13 516.10 22 1072.83 976.88 976.88 95.95 23 1930.30 1014.38 1014.38 915.92 24 2190.41 1532.27 1532.27 658.14 Forecasts Period Forecast Lower Upper 25 2221.45 1129.93 3312.97 26 2115.04 649.00 3581.08 27 2406.49 486.01 4326.97 28 2496.59 86.54 4906.64 29 2446.77 -470.34 5363.88 30 2131.18 -1302.75 5565.10 31 2221.45 -1735.22 6178.12 32 2115.04 -2368.23 6598.32 33 2406.49 -2606.03 7419.01 34 2496.59 -3047.07 8040.24 35 2446.77 -3629.40 8522.95 36 2131.18 -4478.58 8740.93

133

3632282420161284

10000

7500

5000

2500

0

-2500

-5000

Periode (Waktu)

Penj

uala

n (K


Smoothing Constants


Accuracy Measures


Variable


Winters' Method Plot for frozen Winters' Method for frozen * NOTE * Zero values of Yt exist; MAPE calculated only for non-zero Yt.

134

Additive Method Data frozen Length 24 Smoothing Constants Alpha (level) 0.91 Gamma (trend) 0.00 Delta (seasonal) 0.00 Accuracy Measures MAPE 89 MAD 363 MSD 219518 Time frozen Smooth Predict Error 1 0.00 -53.88 72.13 -72.13 2 0.00 -444.20 -318.20 318.20 3 0.00 -335.36 -209.35 209.35 4 0.00 261.31 387.32 -387.32 5 0.00 -117.87 8.13 -8.13 6 0.00 -138.46 -12.45 12.45 7 0.00 69.81 195.81 -195.81 8 992.15 255.50 381.51 610.64 9 2036.62 1826.81 1952.81 83.81 10 1796.53 1929.12 2055.13 -258.60 11 1144.70 1872.91 1998.92 -854.22 12 0.00 729.57 855.58 -855.58 13 1315.98 186.62 312.62 1003.36 14 514.02 774.99 900.99 -386.97 15 0.00 242.13 368.13 -368.13 16 659.73 313.28 439.29 220.44 17 453.69 487.16 613.16 -159.47 18 274.74 328.86 454.86 -180.12 19 516.02 361.88 487.88 28.14 20 99.05 751.37 877.37 -778.32 21 933.23 1058.71 1184.72 -251.49 22 1072.83 855.91 981.91 90.92 23 1930.30 1117.76 1243.76 686.54 24 2190.41 1376.50 1502.51 687.90 Forecasts Period Forecast Lower Upper 25 2364.12 1475.19 3253.05 26 2039.43 845.49 3233.37 27 1858.72 294.68 3422.75 28 2264.88 302.14 4227.61 29 2238.15 -137.54 4613.84 30 2224.97 -571.61 5021.55 31 2421.90 -800.40 5644.20 32 2785.79 -865.38 6436.95 33 3801.40 -280.78 7883.59 34 3827.45 -687.28 8342.19 35 4006.57 -941.85 8954.99 36 3640.56 -1742.40 9023.53

135

3632282420161284

10000

7500

5000

2500

0

Periode (Bulan)

Penj

uala

n (K


Smoothing Constants


Accuracy Measures


Variable


136

Lampiran 15. Perhitungan Peramalan Penjualan Medan dengan Least Square

Periode Permintaan Data Buah

(Bulan) (Kg)

Y X XY X2 y= 1,683.92 -2.06 X

Maret '09 1,968.15 -23 -45,267.45 529 1,731.32 April 3,329.26 -21 -69,914.46 441 1,727.20 Mei 118.59 -19 -2,253.21 361 1,723.07 Juni 898.97 -17 -15,282.49 289 1,718.95 Juli 3,560.53 -15 -53,407.95 225 1,714.83 Agustus 2,300.99 -13 -29,912.87 169 1,710.71 September 1,939.51 -11 -21,334.61 121 1,706.59 Oktober 2,653.59 -9 -23,882.31 81 1,702.46 November 329.62 -7 -2,307.34 49 1,698.34 Desember 2,596.77 -5 -12,983.85 25 1,694.22 Januari '10 2,693.02 -3 -8,079.06 9 1,690.10 Februari 1,804.34 -1 -1,804.34 1 1,685.98 Maret 370.66 1 370.66 1 1,681.86 April 0.00 3 0.00 9 1,677.73 Mei 0.00 5 0.00 25 1,673.61 Juni 996.36 7 6,974.52 49 1,669.49 Juli 1,481.48 9 13,333.32 81 1,665.37 Agustus 825.43 11 9,079.73 121 1,661.25 September 434.92 13 5,653.96 169 1,657.12 Oktober 163.07 15 2,446.05 225 1,653.00 November 2,653.36 17 45,107.12 289 1,648.88 Desember 3,587.70 19 68,166.30 361 1,644.76 Januari '11 2,729.30 21 57,315.30 441 1,640.64 Februari 2,978.38 23 68,502.74 529 1,636.52 40,414.00 0.00 -9,480.24 4,600.00 40,414.00

a 1,683.92

jadi y= 1,683.92 -2.06 X

b -2.06

137

Lampiran 16. Perhitungan Peramalan Penjualan Monthong Thailand dengan Least Square


(Bulan) (Kg) Y X XY X2 jadi Y= 2,728.36 - 58.71 X

Maret '09 174.56 -23 -4,014.88 529 4,078.72 April 768.00 -21 -16,128.00 441 3,961.30 Mei 4,257.00 -19 -80,883.00 361 3,843.88 Juni 6,487.70 -17 -110,290.90 289 3,726.45 Juli 9,527.30 -15 -142,909.50 225 3,609.03 Agustus 9,019.16 -13 -117,249.08 169 3,491.61 September 7,019.32 -11 -77,212.52 121 3,374.19 Oktober 295.41 -9 -2,658.69 81 3,256.76 November 73.63 -7 -515.41 49 3,139.34 Desember 840.82 -5 -4,204.10 25 3,021.92 Januari '10 153.66 -3 -460.98 9 2,904.49 Februari 0.00 -1 0.00 1 2,787.07 Maret 0.00 1 0.00 1 2,669.65 April 887.50 3 2,662.50 9 2,552.22 Mei 5,005.95 5 25,029.75 25 2,434.80 Juni 3,310.85 7 23,175.95 49 2,317.38 Juli 3,086.77 9 27,780.93 81 2,199.96 Agustus 2,812.28 11 30,935.08 121 2,082.53 September 4,245.16 13 55,187.08 169 1,965.11 Oktober 5,317.50 15 79,762.50 225 1,847.69 November 500.61 17 8,510.37 289 1,730.26 Desember 1,117.98 19 21,241.62 361 1,612.84 Januari '11 579.45 21 12,168.45 441 1,495.42 Februari 0.00 23 0.00 529 1,377.99

65,480.61 0.00 -270,072.83 4,600.00 65,480.61

a 2,728.36

jadi y= 2,728.36 - 58.71 X

b -58.71

138

Lampiran 17. Perhitungan Peramalan Penjualan Frozen Monthong dengan Least Square


(Bulan) (Kg)

Y X XY X2 jadi Y= 663.75 + 24.86 X

Maret '09 0.00 -23 0.00 529 92.06 April 0.00 -21 0.00 441 141.77 Mei 0.00 -19 0.00 361 191.49 Juni 0.00 -17 0.00 289 241.20 Juli 0.00 -15 0.00 225 290.91 Agustus 0.00 -13 0.00 169 340.62 September 0.00 -11 0.00 121 390.33 Oktober 992.15 -9 -8,929.35 81 440.05 November 2,036.62 -7 -14,256.34 49 489.76 Desember 1,796.53 -5 -8,982.65 25 539.47 Januari '10 1,144.70 -3 -3,434.10 9 589.18 Februari 0.00 -1 0.00 1 638.89 Maret 1,315.98 1 1,315.98 1 688.61 April 514.02 3 1,542.06 9 738.32 Mei 0.00 5 0.00 25 788.03 Juni 659.73 7 4,618.11 49 837.74 Juli 453.69 9 4,083.21 81 887.45 Agustus 274.74 11 3,022.14 121 937.17 September 516.02 13 6,708.26 169 986.88 Oktober 99.05 15 1,485.75 225 1,036.59 November 933.23 17 15,864.91 289 1,086.30 Desember 1,072.83 19 20,383.77 361 1,136.01 Januari '11 1,930.30 21 40,536.30 441 1,185.73 Februari 2,190.41 23 50,379.43 529 1,235.44 15,930.00 0.00 114,337.48 4,600.00 15,930.00

a 663.75

jadi Y= 663.75 - 24.86 X

b 24.86

139

Lampiran 18. PERHITUNGAN INDEKS MUSIMAN MEDAN

Perhitungan Musiman untuk Bulan Maret

Tahun Bulan Y X Y' = 1,683.92 -2.06 X

Rasio Penjualan Nyata Terhadap Trend e = Y - Y' e2

2009 Maret 1,968.15 -23 1,731.32 1.14 236.83 56,089.46

2010 Maret 370.66 1 1,681.86 0.22 -

1,311.20 1,719,234.28

total

1.36

rata-rata 0.68

1-0.68 = 0.32 berati 32% dibawah trend setiap tahun

Prediksi Maret 2011 Tahun Bulan X Y= 1,683.92 -2.06 X Y x 0.68

2011 Maret 25 1632.42 1,107.74

Perhitungan Musiman untuk Bulan April

Tahun Bulan Y X Y' = 1,683.92 -2.06 X Rasio Penjualan

Nyata Terhadap Trend e = Y - Y' e2 2009 April 3,329.26 -21 1,727.20 1.93 1,602.06 2,566,608.99

2010 April 0.00 3 1,677.73 0.00 -

1,677.73 2,814,791.04

total

1.93

rata-rata 0.96


140

Prediksi April 2011 Tahun Bulan X Y= 1,683.92 -2.06 X Y x 0.96

2011 April 27 1628.3 1,569.32

Perhitungan Musiman untuk Bulan Mei


Nyata Terhadap Trend e = Y - Y' e2

2009 Mei 118.59 -19 1,723.07 0.07 -

1,604.48 2,574,369.48

2010 Mei 0.00 5 1,673.61 0.00 -

1,673.61 2,800,977.32

total

0.07

rata-rata 0.03


Prediksi Mei 2011 Tahun Bulan X Y= 1,683.92 -2.06 X Y x 0.03

2011 Mei 29 1624.18 55.89

141

Perhitungan Musiman untuk Bulan Juni

Tahun Bulan Y X Y' = 1,683.92 -2.06 X


2009 Juni 898.97 -17 1,718.95 0.52 -819.98 672,371.03 2010 Juni 996.36 7 1,669.49 0.60 -673.13 453,104.29

total 1.12 rata-rata 0.56


Prediksi Juni 2011 Tahun Bulan X Y= 1,683.92 -2.06 X Y x 0.56

2011 Juni 31 1620.06 907.06

Perhitungan Musiman untuk Bulan Juli


Nyata Terhadap Trend e = Y - Y' e2 2009 Juli 3,560.53 -15 1,714.83 2.08 1,845.70 3,406,606.67 2010 Juli 1,481.48 9 1,665.37 0.89 -183.89 33,814.93


1-1.48 = -0.48 berati 48% secara normal diatas

perhitungan trend bulan tersebut

Prediksi Juli 2011 Tahun Bulan X Y= 1,683.92 -2.06 X Y x 1.48

2011 Juli 33 1615.94 2,396.36

142

Perhitungan Musiman untuk Bulan Agustus


Nyata Terhadap Trend e = Y - Y' e2 2009 Agustus 2,300.99 -13 1,710.71 1.35 590.28 348,432.07 2010 Agustus 825.43 11 1,661.25 0.50 -835.82 698,589.27


1-0.92 = 0.08 berati 8% dibawah trend dalam setiap tahun

Prediksi Agustus 2011 Tahun Bulan X Y= 1,683.92 -2.06 X Y x 0.92

2011 Agustus 35 1611.82 1,484.43

Perhitungan Musiman untuk Bulan September


Nyata Terhadap Trend e = Y - Y' e2 2009 September 1,939.51 -11 1,706.59 1.14 232.92 54,253.21

2010 September 434.92 13 1,657.12 0.26 -

1,222.20 1,493,784.29 total 1.40

rata-rata 0.70


143

Prediksi Septmber 2011

Tahun Bulan X Y= 1,683.92 -2.06 X Y x 0.70 2011 September 37 1607.7 1,124.54

Perhitungan Musiman untuk Bulan Oktober


Nyata Terhadap Trend e = Y - Y' e2 2009 Oktober 2,653.59 -9 1,702.46 1.56 951.13 904,638.84

2010 Oktober 163.07 15 1,653.00 0.10 -

1,489.93 2,219,899.87 total 1.66

rata-rata 0.83


Prediksi Oktober 2011 Tahun Bulan X Y= 1,683.92 -2.06 X Y x 0.83

2011 Oktober 39 1603.58 1,328.83

144

Perhitungan Musiman untuk Bulan November

Tahun Bulan Y X Y' = 1,683.92 -2.06 X


2009 November 329.62 -7 1,698.34 0.19 -

1,368.72 1,873,402.98 2010 November 2,653.36 17 1,648.88 1.61 1,004.48 1,008,978.07

total 1.80 rata-

rata 0.90


Prediksi November 2011

Tahun Bulan X Y= 1,683.92 -2.06 X Y x 0.90 2011 November 41 1599.46 1,442.13

Perhitungan Musiman untuk Bulan Desember


Nyata Terhadap Trend e = Y - Y' e2 2009 Desember 2,596.77 -5 1,694.22 1.53 902.55 814,594.20 2010 Desember 3,587.70 19 1,644.76 2.18 1,942.94 3,775,019.13



145


Prediksi Desember 2011

Tahun Bulan X Y= 1,683.92 -2.06 X Y x 1.86 2011 Desember 43 1595.34 2,962.56

Perhitungan Musiman untuk Bulan Januari


Nyata Terhadap Trend e = Y - Y' e2 2010 Januari 2,693.02 -3 1,690.10 1.59 1,002.92 1,005,849.67 2011 Januari 2,729.30 21 1,640.64 1.66 1,088.66 1,185,186.45

total 3.26 rata-

rata 1.63



Prediksi Januari 2012 Tahun Bulan X Y= 1,683.92 -2.06 X Y x 1.63

2012 Januari 45 1591.22 2,591.28

146

Perhitungan Musiman untuk Bulan Februari

Tahun Bulan Y X Y' = 1,683.92 -2.06 X


2010 Februari 1,804.34 -1 1,685.98 1.07 118.36 14,009.66 2011 Februari 2,978.38 23 1,636.52 1.82 1,341.86 1,800,600.43

total 2.89 rata-

rata 1.45



Prediksi Desember 2011

Tahun Bulan X Y= 1,683.92 -2.06 X Y x 1.45 2012 Februari 47 1587.1 2,293.48

∑e2

: 34,295,205.63

MSE=∑e2/24 : 1,428,966.90

147

Lampiran 19. Perhitungan Indeks Musiman Monthong


Tahun Bulan Y X Y'= 2,728.36 - 58.71 X


2009 Maret 174.56 -23 4,078.72 0.04

-3,904.16 15,242,487.95

2010 Maret 0.00 1 2,669.65 0.00

-2,669.65 7,127,016.52

total

0.04 rata-

rata 0.02

1-0.02= 0.98 berati 98% dibawah trend setiap tahun

Prediksi Maret 2011 Tahun Bulan X Y'= 2,728.36 - 58.71 X Y x 0.02

2011 Maret 25 1260.61 26.98


Tahun Bulan Y X Y'= 2,728.36 - 58.71 X Rasio Penjualan

Nyata Terhadap Trend e = Y - Y' e2 2009 April 768.00 -21 1,727.20 0.44 -959.20 920,057.01 2010 April 887.50 3 1,677.73 0.53 -790.23 624,469.62

total

0.97

rata-rata 0.49


148

Prediksi April 2011 Tahun Bulan X Y'= 2,728.36 - 58.71 X Y x 0.49

2011 April 27 1143.19 556.53


Tahun Bulan Y X Y'= 2,728.36 - 58.71 X Rasio Penjualan e = Y - Y' e2

2009 Mei 4,257.00 -19 3,843.88 1.11 413.12 170,670.65 2010 Mei 5,005.95 5 2,434.80 2.06 2,571.15 6,610,805.50

total

3.16

rata-rata 1.58



Prediksi Mei 2011 Tahun Bulan X Y'= 2,728.36 - 58.71 X Y x 1.58

2011 Mei 29 1025.77 1,622.50

149


Tahun Bulan Y X Y'= 2,728.36 - 58.71 X


2009 Juni 6,487.70 -17 3,726.45 1.74 2,761.25 7,624,479.52 2010 Juni 3,310.85 7 2,317.38 1.43 993.47 986,985.91 total 3.17

rata-rata 1.58



Prediksi Juni 2011 Tahun Bulan X Y'= 2,728.36 - 58.71 X Y x 1.58

2011 Juni 31 908.35 1,439.59



Nyata Terhadap Trend e = Y - Y' e2 2009 Juli 9,527.30 -15 3,609.03 2.64 5,918.27 35,025,907.70 2010 Juli 3,086.77 9 2,199.96 1.40 886.81 786,440.16 total 4.04

rata-rata 2.02



150

Prediksi Juli 2011 Tahun Bulan X Y'= 2,728.36 - 58.71 X Y x 2.02

2011 Juli 33 790.93 1,598.85



Nyata Terhadap Trend e = Y - Y' e2 2009 Agustus 9,019.16 -13 3,491.61 2.58 5,527.55 30,553,830.54 2010 Agustus 2,812.28 11 2,082.53 1.35 729.75 532,531.53 total 3.93

rata-rata 1.97



Prediksi Agustus 2011 Tahun Bulan X Y'= 2,728.36 - 58.71 X Y x 1.97

2011 Agustus 35 673.51 1,324.63

151


Tahun Bulan Y X Y'= 2,728.36 - 58.71 X


2009 September 7,019.32 -11 3,374.19 2.08 3,645.13 13,287,008.57 2010 September 4,245.16 13 1,965.11 2.16 2,280.05 5,198,630.52 total 4.24

rata-rata 2.12



Prediksi Septmber 2011 Tahun Bulan X Y'= 2,728.36 - 58.71 X Y x 2.12

2011 September 37 556.09 1,179.07




2009 Oktober 295.41 -9 3,256.76 0.09 -

2,961.35 8,769,606.34 2010 Oktober 5,317.50 15 1,847.69 2.88 3,469.81 12,039,605.88 total 2.97

rata-rata 1.48

1-1.48 = -0.48 berarti 48% secara normal diatas


152

Prediksi Oktober 2011 Tahun Bulan X Y'= 2,728.36 - 58.71 X Y x 1.48

2011 Oktober 39 438.67 651.12




2009 November 73.63 -7 3,139.34 0.02 -

3,065.71 9,398,572.55

2010 November 500.61 17 1,730.26 0.29 -

1,229.65 1,512,047.75 total 0.31

rata-rata 0.16

1-0.16= 0.84 berati 84% dibawah trend dalam setiap tahun

Prediksi November 2011

Tahun Bulan X Y'= 2,728.36 - 58.71 X Y x 0.16 2011 November 41 321.25 50.24

153


Tahun Bulan Y X Y'= 2,728.36 - 58.71 X


2009 Desember 840.82 -5 3,021.92 0.28

-2,181.10 4,757,180.52

2010 Desember 1,117.98 19 1,612.84 0.69 -494.86 244,886.95 total 0.97

rata-rata 0.49


Prediksi Desember 2011 Tahun Bulan X Y'= 2,728.36 - 58.71 X Y x 0.49

2011 Desember 43 203.83 99.00




2010 Januari 153.66 -3 2,904.49 0.05 -

2,750.83 7,567,083.32 2011 Januari 579.45 21 1,495.42 0.39 -915.97 838,996.59 total 0.44

rata-rata 0.22


154

Prediksi Januari 2012 Tahun Bulan X Y'= 2,728.36 - 58.71 X Y x 0.22

2012 Januari 45 86.41 19.03




2010 Februari 0.00 -1 2,787.07 0.00 -

2,787.07 7,767,760.49

2011 Februari 0.00 23 1,377.99 0.00 -

1,377.99 1,898,869.12 total 0.00

rata-rata 0.00

1-0.00= 1.00 berati 100% secara normal diatas


Prediksi Desember 2011 Tahun Bulan X Y'= 2,728.36 - 58.71 X Y x 0.00

2012 Februari 47 -31.01 0.00

∑e2

: 179,485,931.20

MSE=∑e2/24 : 7,478,580.47

Lampiran 20. PERHITUNGAN INDEKS MUSIMAN FROZEN


Tahun Bulan Y X Y'= 663.75 + 24.86 X


2009 Maret 0.00 -23 92.06 0.00 -92.06 8,475.52 2010 Maret 1,315.98 1 688.61 1.91 627.37 393,598.17

total

1.91

rata-rata 0.96

1-0.96= 0.04 berati 4% dibawah trend setiap tahun

Prediksi Maret 2011 Tahun Bulan X Y'= 663.75 + 24.86 X Y x 0.96

2011 Maret 25 1285.25 1,228.11


Tahun Bulan Y X Y'= 663.75 + 24.86 X


2009 April 0.00 -21 141.77 0.00 -141.77 20,100.02 2010 April 514.02 3 738.32 0.70 -224.30 50,309.56

Total

0.70

rata-rata 0.35


Prediksi April 2011 Tahun Bulan X Y'= 663.75 + 24.86 X Y x 0.35

2011 April 27 1334.97 464.71


Tahun Bulan Y X Y'= 663.75 + 24.86 X


2009 Mei 0.00 -19 191.49 0.00 -191.49 36,667.08 2010 Mei 0.00 5 788.03 0.00 -788.03 620,991.08

Total

0.00

rata-rata 0.00

1-0.00 = 1.00 berati 100% secara normal diatas


Prediksi Mei 2011 Tahun Bulan X Y'= 663.75 + 24.86 X Y x 0.00

2011 Mei 29 1384.69 0.00


Tahun Bulan Y X Y'= 663.75 + 24.86 X


2009 Juni 0.00 -17 241.20 0.00 -241.20 58,176.69 2010 Juni 659.73 7 837.74 0.79 -178.01 31,688.21

Total 0.79 rata-

rata 0.39


Prediksi Juni 2011 Tahun Bulan X Y'= 663.75 + 24.86 X Y x 0.39

2011 Juni 31 1434.41 564.81


Tahun Bulan Y X Y'= 663.75 + 24.86 X


2009 Juli 0.00 -15 290.91 0.00 -290.91 84,628.86 2010 Juli 453.69 9 887.45 0.51 -433.76 188,151.00

Total 0.51 rata-

rata 0.26


Prediksi Juli 2011 Tahun Bulan X Y'= 663.75 + 24.86 X Y x 0.26

2011 Juli 33 1484.13 379.36


Tahun Bulan Y X Y'= 663.75 + 24.86 X


2009 Agustus 0.00 -13 340.62 0.00 -340.62 116,023.58 2010 Agustus 274.74 11 937.17 0.29 -662.43 438,807.83

Total 0.29 rata-

rata 0.15


Prediksi Agustus 2011

Tahun Bulan X Y'= 663.75 + 24.86 X Y x 0.15 2011 Agustus 35 1533.85 224.83


Tahun Bulan Y X Y'= 663.75 + 24.86 X


2009 September 0.00 -11 390.33 0.00 -390.33 152,360.86 2010 September 516.02 13 986.88 0.52 -470.86 221,706.94

Total 0.52 rata-

rata 0.26


Prediksi Septmber 2011 Tahun Bulan X Y'= 663.75 + 24.86 X Y x 0.26

2011 September 37 1583.57 414.01


Tahun Bulan Y X Y'= 2,728.36 - 58.71 X


2009 Oktober 992.15 -9 440.05 2.25 552.10 304,818.57 2010 Oktober 99.05 15 1,036.59 0.10 -937.54 878,980.52

Total 2.35 rata-

rata 1.18



Prediksi Oktober 2011 Tahun Bulan X Y'= 663.75 + 24.86 X Y x 1.18

2011 Oktober 39 1633.29 1,919.28


Tahun Bulan Y X Y'= 2,728.36 - 58.71 X


2009 November 2,036.62 -7 489.76 4.16 1,546.86 2,392,781.48 2010 November 933.23 17 1,086.30 0.86 -153.07 23,430.90

Total 5.02 rata-

rata 2.51

1-2.51= -1.51 berarti 151% secara normal diatas


Prediksi November 2011 Tahun Bulan X Y'= 663.75 + 24.86 X Y x 2.51

2011 November 41 1683.01 4,222.26


Tahun Bulan Y X Y'= 663.75 + 24.86 X


2009 Desember 1,796.53 -5 539.47 3.33 1,257.06 1,580,199.52 2010 Desember 1,072.83 19 1,136.01 0.94 -63.18 3,992.16

Total 4.27 rata-

rata 2.14



Prediksi Desember 2011 Tahun Bulan X Y'= 663.75 + 24.86 X Y x 2.14

2011 Desember 43 1732.73 3,703.33


Tahun Bulan Y X Y'= 663.75 + 24.86 X


2010 Januari 1,144.70 -3 589.18 1.94 555.52 308,600.16 2011 Januari 579.45 21 1,185.73 0.49 -606.28 367,569.92

Total 2.43 rata-

rata 1.22



Prediksi Januari 2012 Tahun Bulan X Y'= 663.75 + 24.86 X Y x 1.22

2012 Januari 45 1782.45 2,167.06


Tahun Bulan Y X Y'= 663.75 + 24.86 X


2010 Februari 0.00 -1 638.89 0.00 -638.89 408,185.58 2011 Februari 2,190.41 23 1,235.44 1.77 954.97 911,972.67

Total 1.77 rata-

rata 0.89

1-0.89= 0.11 berati 11% secara normal diatas


Prediksi Februari 2012 Tahun Bulan X Y'= 663.75 + 24.86 X Y x 0.89

2012 Februari 47 1832.17 1,624.20

∑e2

: 9,602,216.84

MSE=∑e2/24 : 400,092.37

PERAMALAN PENJUALAN UNTUK PERENCANAAN PENGADAAN …

Documents

Transcript of PERAMALAN PENJUALAN UNTUK PERENCANAAN PENGADAAN …