Seminar Nasional Teknologi Informasi dan Multimedia 2016STMIK AMIKOM Yogyakarta, 6-8 Februari 2016

ISSN : 2302-3805

3.3-91

Abstrak

Metode Trend Moment merupakan salah satu metodedalam model sistem pengambilan keputusan, dimanamemiliki salah satu manfaat, contohnya dalam halbagaimana mengetahui proyeksi keuntungan dankerugian penjualan terhadap suatu objek barang yangakan terjadi pada tahun selanjutnya.

Dengan mengetahui forecast atau perkiraan penjualandengan model Trend Moment, juga dapat membantuseorang pengambil dan penentu keputusan, yaituseorang manajer, dalam memutuskan, menentukan,suatu dasar penyusunan anggaran penjualan sertajumlah produksi barang yang nantinya akan disediakanoleh perusahaan pada tahun berikutnya. Dalampembahasan ini akan dihasilkan perancanganforecasting penjualan barang menggunakan metodeperamalan trend moment.

Kata kunci:Metode Trend Moment, Sistem Pendukungdan Pengambilan Keputusan, Forecast Penjualan

1. Pendahuluan

Pemanfaatan teknologi informasi dalam berbagaikajian sektor, salah satunya dalam bidang ekonomibisnis perdagangan dan industri, memiliki hubunganketerkaitan yang sangat kompleks dalampengembangannya, khususnya di penghujung tahun2015 ini.Perdagangan, penjualan merupakan kegiatan yangdilakukan manusia sejak awal peradabannya. Sejalandengan perkembangan manusia, cara dan sarana yangdigunakan untuk berdagang senantiasa berubah.

Beberapa perusahaan berupaya untuk selalu dapatmempertahankan hasil penjualan produksi yangdihasilkannya secara terus menerus.

Sebut saja makanan dan minuman ringan yang seringkita konsumsi sehari hari, bila dikaji lebih dalam, berasaldari beberapa nama nama merk perusahaan yang

mengalami pasang surut dalam proses kerjanya, salahsatunya proses dimana menggunakan cara ataupunmetode, untuk bagaimana menyeimbangkan danmemperhitungkan, serta memprediksi antara hasilproduksi dengan laba keuntungan serta kerugian yangdimiliki dari hasil penjualan yang akan terjadi dipasaran, pada hitungan hari, bulan, bahkan dalamhitungan pertahun, apakah sesuai dengan targetpencapaian yang diinginkan atau tidak.

Dalam mencapai tujuan tersebut, perusahaan perlumengikuti perkembangan dunia perindustrian, dalambidang teknologi informasi maupun dalam bidangmanajemen. Pengembangan ilmu dan teknologi, sertapemanfaatan komputer pada berbagai bidang saat inimerupakan suatu keharusan.

Computer Based Information System (Sistem InformasiBerbasis Komputer), yang salah satunya adalah SistemPendukung Keputusan (Decission Support System),menyediakan dukungan informasi yang interaktif bagimanajer dan praktisi bisnis, selama proses pengambilankeputusan. Sistem Pendukung Keputusan menggunakanbeberapa model analitis, database, penilaian danpandangan pembuat keputusan, serta proses desainpemodelan berbasis komputer, secara interaktif,sebagai alat bantu (tools) bagi sebuah pembuatankeputusan bisnis yang semi terstruktur[1].

Definisi dari suatu Sistem Pendukung Keputusan jugadapat diartikan sebagai sistem berbasis komputer, yangdipergunakan dalam membantu para pengambilkeputusan, untuk memecahkan masalah-masalah rumitatau sulit bila dilakukan dengan kalkulasi manual,namun dapat dilakukan dengan data dan modelanalisis[1].

Sistem Pendukung Keputusan dapat didefinisikan pulasebagai sistem interaktif berbasis komputer, dalammembantu pengambil keputusan memanfaatkan data dan

Sistem Pendukung Keputusan adalah sistem interaktifberbasis komputer yang membantu pengambil keputusanmemanfaatkan data dan model untuk menyelesaikanmasalah yang tidak terstruktur.

SINERGISME METODE TREND MOMENT SEBAGAI MODELPENDUKUNG KEPUTUSAN DALAM PERANCANGAN

VISUAL FORECASTING PENJUALAN

Moyo Hady Poernomo

Magister Teknik Informatika STMIK AMIKOM YogyakartaJl Ring road Utara, Condongcatur, Sleman, Yogyakarta 55281

Email : moyohadi@gmail.com

Seminar Nasional Teknologi Informasi dan Multimedia 2016STMIK AMIKOM Yogyakarta, 6-8 Februari 2016

ISSN : 2302-3805

3.3-92

pemodelan dalam menyelesaikan masalah yang tidakterstruktur[1].

Pengertian Sistem Pendukung Keputusan juga sebagaisekumpulan model model, yang didasari dari prosedur-prosedur dalam memproses data dan penilaian gunamembantu seorang manajer dalam pengambilankeputusan[1].

Sistem Pendukung Keputusan dapat disimpulkan pulasebagai sistem yang dapat diperluas untuk mampumendukung analisis data serta pemodelan keputusan,berorientasi terhadap perencanaan masa depan, dandigunakan pada interval yang tidak reguler dan takterencana[2].

Sistem Pendukung Keputusan sebagai sistem berbasiskomputer yang terdiri dari beberapa komponen yangsaling berinteraksi : sistem bahasa (mekanisme untukmemberikan komunikasi antar pengguna dan komponensistem pendukung keputusan yang lain), sistempengetahuan (repositori pengetahuan domain masalahyang, sebagai data atau sebagai prosedur) dan sistempemrosesan masalah (hubungan antara komponenlainnya terdiri dari satu atau lebih kapabilitasmanipulasi masalah umum yang diperlukan untukpengambilan keputusan)[2].

Sistem Pendukung Keputusan dapat memakai model,dibangun dalam proses yang interaktif, mendukungseluruh tingkat pengambilan keputusan dan dapat berisikomponen pengetahuan (knowledge)[2]

Proses pengambilan keputusan terdiri dari beberapatahapan yaitu pengumpulan data, pengolahan data danpenyimpanan dari data yang telah diproses.Pengambilan keputusan yang tepat akan memberikanpeningkatan efektifitas dan efisiensi kerja, sumber daya,waktu dan keuntungan bagi perusahaan[2].

Ada beberapa faktor utama yang diidentifikasikansebagai teknik dan metode peramalan :

a) Horizon waktuBerhubungan dengan masing masing metodeperamalan. Pertama adalah cakupan dimasa yangakan datang, kedua adalah jumlah periode untukperamalan yang diinginkan.

b) Pola dataMerupakan pola yang ditemukan dalam data itusendiri yang diramalkan akan berkelanjutan.

c) Jenis dari modelMerupakan suatu deret dimana waktu digambarkansebagai unsur yang penting untuk menentukkanperubahan perubahan dalam pola.

d) BiayaTerdapat beberapa unsur biaya yang menjadicakupan didalam penggunaan prosedur peramalan,yaitu, biaya pengembangan, penyimpanan (storage)

Data, operasi pelaksanaan dan kesempatan dalampenggunaan teknik teknik lainnya.

e) Ketepatan metode peramalanTingkat ketepatan yang dibutuhkan sangat eratkaitannya dengan detailnya perincian yangdibutuhkan dalam suatu peramalan.

f) Kemudahan dalam penerapanMetode-metode yang dapat dimengerti dan mudahdiaplikasikan sudah merupakan suatu prinsip umumbagi pengambilan keputusan

Seorang pengambil keputusan terkadang dihadapkanpada permasalahan forecasting (memproyeksikan,memperkirakan, meramalkan) suatu penjualan barang ,di masa yang akan datang dengan didasari oleh datayang telah direcord sebelumnya. Peramalan berhubungandengan keputusan manajer, dalam menentukan jumlahproduksi penjualan barang yang harus disediakan olehperusahaan. Planning production yang ditetapkan olehmanajer, akan mempengaruhi tingkat produksi daninventori guna mencapai tingkat efektifitas yangmaksimal. Dalam melakukan perancangan perencanaanproduksi penjualan barang, pihak pengambil keputusanperusahaan dapat mengadopsi penerapan metode dalammemproyeksikan besarnya data penjualan barangdiwaktu yang akan datang, disebut sebagai metodeperamalan.

Peramalan (Forecasting) adalah seni dan ilmumemprediksi peristiwa – peristiwa masa depan, denganpengambilan data historis dan memproyeksikannya kemasa depan, dengan menggunakan beberapa bentukmodel matematis. Kemudian peramalan dapatdikatakanan sebagai suatu kegiatan penerapan modelyang telah dikembangkan pada waktu yang akandatang[4].

Beberapa teknik teknik dalam model peramalan adalahsebagai berikut :

a) Teknik peramalan untuk data stationerData stationer merupakan data yang tidak berubahdari waktu ke waktu dan bersifat stabil untuk nilairata-ratanya. Seperti situasi yang berkembang ketikaada peningkatan pola data yang mempengaruhinyamaka teknik ini akan relatif stabil.

Teknik permalan stasioner digunakan jika, datastabil, dan lingkungan yang berpengaruh relativetetap, contohnya angka kerusakan perbulan padapemasangan bagian-bagian mesin elektronik ,memiliki rata-rata produksi yang sama, kumpulanpenjualan produk atau layanan dalam perkembanganproses kehidupan dan jumlah hasil penjualan daritingkat usaha yang konstan.Kemudian peramalandata stasioner membutuhkan model yang sangatsederhana, disebabkan adanya keterbatasan datauntuk memudahkan dalam penjelasan danpelaksanaan., misalnya jasa bisnis dalam suatu

Seminar Nasional Teknologi Informasi dan Multimedia 2016STMIK AMIKOM Yogyakarta, 6-8 Februari 2016

ISSN : 2302-3805

3.3-93

perusahaan masih tergolong baru, dan memiliki datahistoris yang minim.

b) Teknik peramalan untuk data trendTrend adalah suatu gerakan yang cenderung naik(growth)atau turun (decline) dalam jangka panjang,yang diperoleh dari rata-rata perubahan dari vwaktuke waktu dan nilainya cukup rata atau mulus(smooth). Dengan kata lain runtun waktu dikatakanmemiliki tren jika nilai rata-ratanya berubahsewaktu-waktu, sehingga diharapkan untukmenambah atau mengurangi, selama periode untukramalan yang diinginkan. Kekuatan yang dapatmempengaruhi tren adalah perubahan populasi,harga, teknologi dan produktivitas.Metode Trend Moment adalah salah satu metodeyang di gunakan dalam melakukan forecastpenjualan, yang nantinya akan di jadikan dasar untukpenjualan pada tahun berikutnya. Teknik peramalandata trend digunakan apabila daya produksimeningkat, misalnya pertambahan jumlah pendudukdalam suatu wilayah mendorong permintaankebutuhan barang dan jasa (barang elektronik(gadget), barang barang konsumsi, bahan bahanmentah), disisi transportasi terjadi penurunanpenggunaan tiket kapal laut yang mengalamipenurunan, disebabkan adanya sarana alternatiflainnya yaitu pesawat terbang. Kemudian daya belidolar yang mempengaruhi perekonomian (inflasi),misalnya gaji, biaya produksi, dan harga.

Pada metode Trend Moment ini, terdapat gabungandari analisis statistik berupa analisis trend danmetode moment [5]. Dalam penerapan metode TrendMoment, dapat di lakukan dengan menggunakandata historis dari satu variabel, adapun rumus yangdi gunakan dalam penyusunan dari metode Y = a + bX (1) [6]

Metode Trend Moment berbeda dengan metodelainnya, untuk penentuan data historis X padapenggunaannya, tidak harus berjumlah genap atauganjil, karena nilai parameter X selalu dimulaidengan nilai 0 sebagai urutan yang pertama[6].

c) Teknik peramalan untuk data musimanRangkaian musiman didefinisikan sebelumnyasebagai runtun waktu, dengan pola pergantian yangberulang dari tahun ke tahun.Satu cara untuk mengembangkan peramalanmusiman, melibatkan pemilihan metodedekomposisi perkalian, atau pembagian, dankemudian mengestimasi indeks musiman dari sejarah/ histori rangkaian. Indeks ini kemudian digunakanuntuk memasukkan musiman, pada ramalan ataumenghilangkan efek dari nilai yang diobservasi.Proses terakhir diarahkan sebagai pengaturan datamusiman. Teknik peramalan data musiman

digunakan apabila suatu musim mempengaruhivariable terhadap suatu minat tertentu, misalnyaadanya kegiatan musim kemarau dan musim dingin(panen, pakaian musim dingin musim panas)memerlukan konsumsi listrik yangmaksimal.Penjualan tiket pada musim libur hariraya.

d) Teknik peramalan untuk data siklisEfek siklis didefinisikan sebelumnya sebagaifluktuasi bergelombang disekitar Tren. Pola siklissulit untuk dimodelkan karena pola mereka secaratipikal tidak stabil/ tetap. Fluktuasi sepertigelombang yang naik–turun disekitar Trend jarangterulang di interval waktu yang tetap dan besarnyafluktuasi cenderung bervariasi. Metode dekomposisidapat diperluas untuk menganalisis data siklis.Akan tetapi, karena sifat yang tidak teratur darisiklus, penganalisaan komponen siklis darirangkaian, sering memerlukan penemuan kejadianyang kebetulan atau kepemimpinan indikatorekonomi.Teknik peramalan siklis digunakan apabila,adanya pergantian mode atau suatu selera akanproduk tertentu (fashion, makanan, minuman,musik),perubahan dalam penduduk (kelaparan,bencana alam).

Hasil yang diharapkan dalam pembahasan ini, yaitubagaimana mensinergikan penggunaan metode trendmoment, dalam perancangan data visual sebagai salahsatu proses yang termasuk didalam pembangunanaplikasi decision support system (DSS), secara ringkas,sederhana, mudah dipahami. Khususnya tentangbagaimana cara untuk memproyeksikan, memperkirakan,meramalkan penjualan yang terjadi saat ini, atau yangakan terjadi pada fase bulan dan tahun berikutnya,terhadap suatu objek barang dengan contoh ilustrasi.

2. Pembahasan

Peramalan dengan model metode trend moment,menggunakan cara-cara perhitungan statistika danmatematika tertentu, untuk mengetahui fungsi garislurus sebagai pengganti garis putus-putus yang dibentukoleh data historis perusahaan[7]. Dengan demikianpengaruh unsur subyektif dapat dihindarkan. Persamaantrend dengan metode moment adalah sebagai berikut :

Y= a +bx (1)Dimana:Y : nilai trena : bilangan konstantb : slope atau koefisien kecondongan garis trendx : indeks waktu (x = 0,1,2,..n).

Sedangkan untuk menghitung nilai a dan b :∑Yi = n.a+b∑ Xi (2)∑XiYi =a ∑ Xi+b∑Xi² (3)

Seminar Nasional Teknologi Informasi dan Multimedia 2016STMIK AMIKOM Yogyakarta, 6-8 Februari 2016

ISSN : 2302-3805

3.3-94

Dimana:∑Yi : Jumlah kumulatif dan historisn : Banyaknya periode waktu (bulan)∑Xi : Jumlah Kumulatif waktuPerhitungan akternatif nilai a dan b := ∑ ( )( )∑ ( ) (4)

= ( ) − ( ) (5)

Dimana :( ) : Rata rata permintaan per periode waktu.( ) : Rata rata jumlah penjualan.

Berdasarkan contoh ilustrasi data berikut ini, tentangbagaimana menghitung prediksi penjualan tahun 2016dengan metode Trend Moment.

TAHUN (X) PENJUALAN (Y)2012 1452013 1502014 1652015 1702016 ?

Tabel 1.Tabel Data Penjualan Tahun 2013 - 2015

Data data tersebut dianalisis dengan metode TrendMoment dengan cara sebagai berikut :

TAHUNPENJUALAN(Yi) Xi Xi *Yi

2012 145 0 0 02012 150 1 150 12014 165 2 330 42015 170 3 510 9

630 6 990 14

Tabel 2.Tabel Perhitungan Trend Moment

Dari perhitungan tersebut didapatkan dua persamaan,yaitu:

∑Yi = n.a+b∑ Xi→ 630 = 4.a + 6.b

∑XiYi =a ∑ Xi+b∑Xi²→ 990 = 6.a + 14.b

Tahapan selanjutnya, dari dua persamaan tersebut, dicarinilai a dan b dengan cara eleminasi, untuk mendapatkanfungsi persamaan trend. Nilai a, b dan fungsi persamaantrend yang dihasilkan adalah sebagai berikut:b = 9a = 144sehingga persamaan trendnya adalah :

= 144 + 9XDengan persamaan tersebut di atas, diramalkanpenjualan th 2016 yang memiliki angka tahun X=4.sehingga penjualan tahun 2016 diramalkan akan sebesar180 unit yang dihitung dengan cara sbb:

2007 = 144 + 9(4) = 180.

Dari hasil ilustrasi perhitungan contoh kasus diatas,apabila diimplementasikan kedalam bentuk konseprancangan aplikasi visual, tahapan tahapan yangdilakukan meliputi, desain perancangan data flowdiagram, dimana terdapat beberapa proses, gambar 1 danGambar 2. Dimana user (pengguna) sebagai penggunamelakukan proses dalam melakukan action inputan data,penjualan dan jumlah barang beserta proyeksi peramalansebagai hasil dari forecasting, untuk tahun penjualanberikutnya. Tahapan selanjutnya dimana desainrancangan database yang diperlihatkan pada gambar 3,terdapat Tabel barang yang terdiri dari beberapa field, idbarang, nama barang, kemudian stok yangmengidentifikasikan jumlah barang.Tabel Penjualan yang terdiri dari field id penjualan, idbarang, tahun, bulan, jumlah, tabel peramalan sebagaihasil proyeksi forecasting terdiri dari id ramal log, idperamalan,id barang, tahun, bulan, kemudianjumlah.Tabel ramal log terdiri dari id ramal, tanggal dantahun ramal.

Gambar 1. Rancangan Data Flow Diagram level 0

Seminar Nasional Teknologi Informasi dan Multimedia 2016STMIK AMIKOM Yogyakarta, 6-8 Februari 2016

ISSN : 2302-3805

3.3-95

Gambar 2.Rancangan Data Flow Diagram level 1

Gambar 3.Tabel Rancangan database

3. Kesimpulan

Sistem Pendukung Keputusan dengan menggunakanmetode proyeksi peramalan penjualan suatu barang,,salah satunya adalah Trend Moment, dapat menjadi suatualat bantu (tools), dalam pengambilan keputusan seorangpengambil keputusan dengan menggunakan sistemkomputerisasi.

Hasil aktivitas akan forecasting atau peramalan,melakukan minimasi, ketidakpastian, yang mungkindapat terjadi di masa yang akan datang. Aktivitasperamalan tidak selalu diartikan sebagai aktivitas yangbertujuan untuk mengukur, permintaan penjualan padamasa yang akan datang secara lebih pasti dansempurna.Melainkan untuk menghindari ataumengurangi kemungkinan terjadinya hal yangberlawanan antara keadaan yang sungguh sungguhterjadi di kemudian hari, dengan apa yang menjadi hasilperamalan.Salah satu factor penting dalammempertimbangkan suatu kegiatan peramalan, denganmenggunakan teknik dan metode tertentu, adalah denganmemperhatikan siklus hidup suatu produk yangdihasilkan untuk jangka panjang, yang akan datang.Pembahasan pada paper ini dibatasi sampai pada tahap

rancangan sistem. Penelitian selanjutnya akan dilakukanimplementasi dan pengujian terhadap sistem.

Daftar Pustaka[1] Turban E.,”Decision Support Systems and Expert Systems and

Intelligent System, 6th Edition, Prentice Hall International, Inc.,New Jersey, 2001

[2] Fiati, R., Sistem Pendukung Keputusan Peramalan PenjualanBarang, Tesis, Magister Ilmu Komputer Program PascasarjanaUniversitas Gadjah Mada Yogyakarta,2009

[3] Roy Sumaryono, “Penerapan Metode Trend MomentDalam Forecast Penjualan Beton Readymix di PT. X,Mojokerto,” Media Mahardhika Vol. 13 No. 1 September 2014

[5] Arief Soma Darmawan, “Sistem Pendukung Keputusan PeramalanPenjualan Batik di Pekalongan dengan Metode Trend Moment,”Jurnal Ilmiah ICTech vol. X , no. 2, Mei 2012.

[6] Rival Zunaidhi, Wahyu S.J Saputra , Ni Ketut Sari, “AplikasiPeramalan Penjualan Menggunakan Regresi Linier, VOL. VIINomor 3, ISSN : 1978-0087

[7] Citra Paramita, Dul Muid, “Analisis Perbandingan MetodePeramalan Penjualan Bahan bakar Minyak dengan StandarKesalahan Peramalan (SKP) Pada PT.Pertamina (Persero) RegionJaTeng dan DIY” Jurnal Universitas Diponegoro, Semarang, JawaTengah

Biodata Penulis

Moyo Hady Poernomo, memperoleh gelar SarjanaKomputer (S.Kom), Jurusan Teknik Informatika SekolahTinggi Informatika dan Komputer (STIKI) Malang, lulustahun 2006. Saat ini dalam tahap menempuh ProgramPasca Sarjana Magister Teknik Informatika STMIKAMIKOM Yogyakarta.

[4] Silvanaaulidah, SP, MP, “Peramalan(Forecasting) Permintaan,”Lab of Agribusiness Analysis and Management UniversitasBrawijaya, 2012

Seminar Nasional Teknologi Informasi dan Multimedia 2016STMIK AMIKOM Yogyakarta, 6-8 Februari 2016

ISSN : 2302-3805

3.3-96