PROSIDING SEMMAU 2021
SISTEM PREDIKSI PENJUALAN MAKANAN DAN MINUMAN
PADA KAFE DENGAN MENGGUNAKAN METODE
TRIPLE EXPONENTIAL SMOOTHING
Dewi Andelawati1.
Marlinda Vasty Overbeek2 1,2Program Studi Informatika.
Fakultas Teknik dan Informatika.
Universitas Multimedia Nusantara.
Tangerang.
Email : 1dewiandellawati@gmail.
com, 2marlinda.
vasty@umn.
ABSTRACT
The food service operation based primarily on the sale of food and beverages.
Raw material inventory provides flexibility in procurement, without sufficient inventory the company must always prepare sufficient funds for each time to buy the necessary raw materials.
Many forecasting methods can be used to predict, one of which is the time series forecasting Time series models are used to predict the future using historical data.
In other words, time series models look at what happened at a certain time and use past data to predict.
This study aims to predict future sales stock using previous historical data and pay attention to the accuracy of prediction errors or MAPE at Mie Setan Noodle and Dimsum Tangerang The prediction system is built using Brown's triple exponential smoothing algorithm which has one parameter.
The system for predicting stock based on sales data or historical data was successfully created.
The results showed that the system built using alpha 0.
5 had an error percentage of around 22%.
Keywords: Cafy.
Sales Prediction System.
Exponential Smoothing.
Triple Exponential Smoothing PROSIDING SEMMAU 2021
PENDAHULUAN
Seiring perkembangan jaman bisnis makanan dan minuman semakin berdampak pada ekonomi yang semakin meningkat.
Ekonomi Indonesia pada tahun 2020 tumbuh 5,05 persen .
Pertumbuhan ekonomi sendiri dipengaruhi dari beberapa bisnis makanan dan minuman yang mengalami peningkatan salah satunya yaitu, kafe.
Perekonomian Indonesia memiliki banyak bagian penting salah satunya, kafe sebagai usaha yang menyajikan makanan maupun minuman kepada pelanggan dan menetapkan tarif yang sudah Restoran suatu operasi layanan makanan yang mendatangkan keuntungan dengan basis utamanya yaitu penjualan makanan dan minuman kepada orang-orang dan tamu dalam kelompok kecil.
Persediaan bahan baku memberikan fleksibelitas dalam pengadaan, tanpa persediaan yang cukup perusahaan harus selalu menyiapkan dana yang cukup untuk setiap waktu membeli bahan baku yang diperlukan .
Teori tersebut memberikan pengertian bahwa pembelian yang sedikit-sedikit akan menyebabkan biaya pemesanan membengkak, namun sebaliknya jika perusahaan dapat mengatur jumlah pembelian dan frekuensi pemesanan dilakukan dengan teratur maka akan didapatkan biaya yang lebih rendah.
Permasalahan pada kafe Mie Setan Noodle and Dimsum adalah pemesanan barang tambahan yang berangsur setiap hari yang membuat terjadinya membengkak.
Andelawati.
Desember 2.
Barang yang di pesan memiliki kendala jarak karena barang stok yang di pesan dikirimkan melalui jalur darat dari daerah Malang ke Tangerang dan memakan waktu dua hari.
Penting sekali untuk para karyawan membuat daftar pesanan sebelum kehabisan barang yang di stok.
Karena proses pemesanan memakan waktu sehingga mengakibatkan salah satu menu bahkan beberapa menu tidak dapat dijual karena stok untuk penjualan tidak terpenuhi.
Hal ini terjadi disebabkan karena kesulitan untuk menentukan stok penjualan kedepannya berdasarkan stok yang ada .
Penyelesaian masalah akan dilakukan dengan menggunakan salah satu metode Deret Berkala yaitu Metode Exponential Smoothing.
Exponential smoothing dapat diterapkan pada data deret waktu, baik untuk menghasilkan data presentasi smoothing atau membuat peramalan .
Metode Exponential Smoothing memiliki pengembangan yaitu metode Triple Exponetial Smoothing.
Metode Triple Exponential Smoothing memiliki kelebihan yaitu dalam analisi dilakukan tiga kali pemulusan sehingga diperoleh hasil peramalan yang baik .
Pada penelitian sebelumnya Astuti et al.
melakukan penelitian untuk peramalan penjualan menentukan bahan baku pupuk dengan menggunakan metode Triple Exponential Smoothing, dengan menggunakan tiga parameter yaitu alpha, beta dan Data yang dipakai mulai dari tahun 2013 Ae Pengujian nilai error .
kurasi peramala.
pada bulan januari 2016 menunjukkan hasil bagus pada pupuk subsidi yaitu 14,63%, sedangkan untuk pupuk non subsidi yaitu 34,42%.
Aplikasi yang dibuat tidak dapat digunakan sebagai sistem peramalan penjualan menentukan kebutuhan bahan baku non subsidi.
Hal ini membuktikan bahwa penggunaan metode Triple Exponential Smoothing menggunakan tiga parameter terhadap data pada bahan baku pupuk masih memiliki kekurangan harus dilakukan pengecekan secara berkala untuk memeriksa data yang dimasukan sudah benar atau terjadi kesalahan.
Untuk mendapat peramalan penjualan yang akurat harus memiliki banyak data penjualan setiap bulannya.
II.
LANDASAN TEORI
Prediksi Forecasting adalah memperkirakan suatu niali dimasa depan dengan menggunakan data masa lalu.
Peramalan juga dapat diartikan sebagai ilmu untuk memperkirakan kejadian pada masa yang akan datang .
Exponential Smoothing Analisis exponential smoothing merupakan salah satu analisis deret waktu yang menggunakan nilai ratarata dari nilai beberapa tahun untuk melihat hasil Deret berkala .
ime serie.
sekumpulan data yang dicatat selama periode tertentu, umunya berupa data mingguan, bulanan, atau tahunan.
Data yang dikumpulkan dari waktu ke waktu .
Triple Exponential Smoothing Triple Exponential Smoothing adalah model adaptif terkenal digunakan untuk waktu pemodelan series ditandai dengan trend dan musiman .
Untuk menerapkan peramalan dengan metode Triple Exponential Smoothing sebagai berikut.
Mencari nilai dari Single Exponential Smoothing menggunakan S t = aY t ( 1- .
S t a.
Mencari nilai dari Double Exponential Smoothing menggunakan persamaan S t = aS t ( 1- .
S t a.
Mencari nilai Triple Exponential Smoothing menggunakan persamaan S t = aS t ( 1- .
) S t a.
Mencari nilai parameter pemulusan total, menggunakan persamaan a t = 3S t - 3S t S t a.
Menentukan nilai tren .
Menentukan nilai pemulusan kuadratik .
lope tambaha.
menggunakan persamaan a.
Menentukan nilai peramalan ke-m, menggunakan F t m = ( at bt .
) 0.
5 C t .
Dimana:
S t = nilai pemulusan tunggal St = nilai pemulusan ganda St = nilai pemulusan rangkap tiga PROSIDING SEMMAU 2021 a = parameter pemulusan eksponensial 0 Ae 1 at bt ct = konstanta pemulusan Ft m = hasil peramalan periode ke depan yang akan Menghitung MAPE (Mean Absoute Percentage Erro.
Mean Absolute Percentage Error merupakan ukuran kesalahan relative.
MAPE biasanya lebih berarti dibandingkan dengan MAD (Mean Absolute Deviatio.
karena MAPE menyatakan persentase kesalahan hasil peramalan terhadap permintaan aktual selama periode tertentu yang akan memberikan informasi persentase kesalahan terlalu tinggi atau telalu rendah, dengan kata lain MAPE merupakan rata-rata kesalahan mutlak selama periode tertentu yang kemudian dikalikan 100% agar mendapatkan hasil secara persentase .
bertujuan untuk memperoleh informasi oleh tempat yang terkait maupun data yang dibutuhkan dalam penelitian ini.
Perancangan Sistem Pada tahap ini perancangan akan dibuat dengan menggunakan Context Diagram.
Data Flow Diagram.
Flowchart, ntity Relationship Diagram.
Database Schema.
Struktur Tabel dan Rancangan AntarMuka.
Implementasi Pada tahap ini hasil rancangan yang telah mengimplementasikan ke dalam Bahasa pemprograman yang telah ditentukan yaitu, menggunakan Bahasa Pemrograman PHP Laravel.
Evaluasi Pada tahap ini akan dilakukan pengujian terhadap sistem aplikasi yang telah dibuat.
Seperti pengujian akurasi dan wawancara.
Simpulan Pada tahap ini akan dijelaskan mengenai kesimpulan dari seluruh rancangan yang dibuat.
Dan akan dijelaskan mengenai pokok simpulan analisis yang sudah dilakukan perhitungan, baik maupun perhitungan manual.
METODOLOGI PENELITIAN
Tahapan-tahapan yang akan dilakukan dalam metodologi penelitian dapat dilihat pada gambar IV.
HASIL DAN ANALISIS
Implementasi Sistem Pada implementasi, web dibangun menggunakan Bahasa pemrograman PHP laravel.
Tampilan aplikasi pada sistem sebagai berikut.
Tampilan Halaman Daftar Menu Gambar 1 Tahapan Penelitian Adapun penjelasan metode penelitian dari Gambar 1 setiap tahapan terbagi ke dalam setiap subbab-subbab Identifikasi masalah Pada tahap ini masalah-masalah yang ada akan diidentifikasi terlebih dahulu sesuai dengan data yang ada.
Setelah masalah diidentifikasi dengan data yang ada, kemudian akan mencari solusi dari masalah yang ada.
Kajian Literatur Pada tahap ini akan dijelaskan landasan teori yang berisi pengetahuan tentang riset-riset yang terkait dengan metode yang dipakai oleh peneliti dalam area penelitian.
Pengumpulan data Pada tahap ini, penelitian melakukan pengumpulan data.
Pengumpulan data tersebut Gambar 2 Halaman Daftar Menu Gambar 2 menjelaskan implementasi halaman daftar menu.
Di halaman ini terdapat nama menu, kode menu serta stok.
User dapat menambahkan data baru pada halaman ini.
User dapat mengedit data, dan stok pada penjualan.
Jika user ingin menambahkan menu baru dapat menekan tombol Auadd postAy.
Jika user mau melihat data dapat menekan tombol AuviewAy.
Jika user ingin mengedit menu dapat menekan tombol AueditAy.
Maka menu yang diubah akan tersimpan kedalam database.
Tampilan Halaman Add Post
PROSIDING SEMMAU 2021
Gambar 3 Halaman Tambah Menu Pada Gambar 3 menjelaskan untuk melakukan tambahan menu pada data penjualan yang disimpan oleh user.
Terdapat form nama, kode menu, stok serta tombol submit.
Jika ingin menambahkan menu user harus mengisi semua kolom tersedia.
Jika sudah mengisi semua kolom yang tersedia user diwajibkan menekan tombol submit.
Data yang telah di submit akan masuk kedalam tabel daftar menu.
Tampilan Halaman Edit Menu Gambar 4 Halaman Edit Menu Pada Gambar 4 di Halaman edit menu tidak beda jauh seperti halaman tambah menu.
Terdapat form nama, kode menu, stok serta tombol submit.
Jika ingin edit menu user harus mengisi semua kolom tersedia.
Tampilan Laporan Penjualan Gambar 5 Halaman Laporan Penjualan Berdasarkan Gambar 5 menjelaskan mengenai prediksi penjualan.
Terdapat kode penjualan, kode menu, nama menu, bulan, tahun, stok, dan stok terjual.
User dapat mengetahui stok yang terjual yang sesuai tahun dan bulan pada halaman ini.
Jika bulan dan tahun digabungkan menjadi date maka akan menimbulkan data yang tidak sesuai.
Tampilan Prediksi Penjualan Gambar 6 Halaman Prediksi Penjualan Pada Gambar 6 prediksi penjualan menampilkan mengenai prediksi stok barang.
Di halaman ini terdapat nama menu, prediksi penjualan, dan akurasi.
User dapat mengetahui stok untuk kedepannya.
Dan user dapat melihat mana saja menu yang paling banyak diminati.
Proses prediksi bekerja sesuai data stok penjualan dan histori penjualan yang paling Setelah di proses maka akan langsung dilakukan perhitungan prediksi dan hasilnya akan ditampilkan dalam daftar prediksi.
Uji Coba Perhitungan Manual Uji coba manual berfungsi sebagai perbandingan dari hasil peramalan menggunakan prediksi penjualan yang telah dilakukan perhitungan manual.
Berikut tabel yang digunakan untuk uji coba perhitungan.
Tabel 1 Data Penjualan Mie Setan Data Penjualan Mie Setan Pada Tabel 1 menjelaskan bahwa data tersebut akan dipakai untuk mencari pemulusan ketiga, prediksi dan error.
Tabel 2 Mencari alpha terkecil PROSIDING SEMMAU 2021 Dilakukan inisialisasi pada Tabel 2 di nilai awal, di karenakan pada data awal tidak mempunyai histori data sebelumnya.
Menggunakan alpha 0.
5 karena merupakan error terkecil.
Mencari nilai pemulusan pertama (S .
dimulai dari periode pertama, menggunakan persamaan .
S t = aY t ( 1- .
S t S 1 = 2166 S 2 = .
5 x 1.
x 2166 = 1703.
S 3 = .
5 x 1.
= 1536.
S 4 = 1258.
S 5 = 1029.
S 6 = 944.
S 7 = 924.
S 8 = 889.
S 9 = 874.
S 10 = 881.
S 11 = 964.
Menghitung nilai pemulusan kedua (S).
Untuk persamaan .
dan menggunakan nilai pemulusan pertama sebagai nilai awal.
S t = aS t .
- .
S t S 1 = 2166 S 2 = aS 2 ( 1- .
S 1 = .
5 x 1703.
Ae 0.
x 2166 = 1934.
S3 = aS 3 ( 1- .
S 2 = .
5 x 1536.
Ae 0.
= 1735.
S 4 = 1497.
S 5 = 1263.
S 6 = 1103.
S 7 = 1014.
S 8 = 952.
S 9 = 913.
S 10 = 897.
S 11 = 931.
Menghitung nilai pemulusan ketiga (S) Pada tahap ini menggunakan persamaan .
S t = aS t ( 1- .
) S t S 1 = 2166 S 2 = aS 2 ( 1- .
) S 1 = .
5 x 1934.
Ae 0.
x 2166 = 2050.
S 3 = aS 3 ( 1- .
) S 2 = .
5 x 1735.
Ae 0.
= 1893.
S4 = 1695.
S 5 = 1479.
S 6 = 1291.
S 7 = 1152.
S 8 = 1052.
S 9 = 982.
S 10 = 940.
Tabel 3 Tabel Perhitungan Exponential Smoothing Tabel 3 Menjelaskan hasil perhitungan dari pemulusan pertama, pemulusan kedua hingga pemulusan ketiga.
Tabel 4 Perhitungan slope dan prediksi Berdasarkan hasil hitungan Tabel 4 dapat dilakukan prediksi stok barang untuk 1 bulan yang kan Pada perhitungan dapat menggunakan persamaan .
Prediksi periode ke-12 .
= .
untuk bulan Maret 2020 menggunakan persamaan .
Ft m = ( a t b t .
) 0.
5 C t .
2 F 11 1 = ( a t b t .
) 0.
5 C t .
2 F11 = 1036.
= 1184.
Setelah selesai dan mendapatkan nilai hasil prediksi pada periode terakhir dapat dilakukan perhitungan error atau tingkat kesalahan yaitu MAPE dengan cara di absolutkan nilai aktual dengan dikurang nilai peramalan dan dibagi dengan nilai aktual serta jumlah kan dari setiap t dan dibagikan dengan banyaknya data pengamatan atau nilai n, maka hasil akhir atau total MAPE bisa Untuk menghitung nilai MAPE dapat menggunakan persamaan .
Ft = at bt Xt = data aktual t3 = .
0 Ae 836.
/ 1370 = 0.
t4 = .
Ae 992.
/ 981 = 0.
t5 = .
Ae 640.
/ 800 = 0.
t6 = .
Ae 498.
/ 859 = 0.
t7 = .
Ae 723.
/ 905 = 0.
t8 = .
Ae 917.
/ 855 = 0.
t9 = .
Ae 899.
/ 860 = 0.
t10 = .
Ae 906.
/ 889 = 0.
t11 = .
8 Ae 144.
/ 1048
PROSIDING SEMMAU 2021
= 0.
ttotal = 2.
22140824 MAPE = .
22140824 / .
x 100% = 22.
Hasil akhir prediksi yang didapatkan dari perhitungan manual mendapatkan nilai MAPE pada menu mie setan yaitu 22.
2140824% jika dibulatkan menjadi 22% dimana angka 22% adalah total keseluruhan error untuk data 11 bulan sebelumnya atas prediksi periode ke-12 atau periode Maret 2020 dengan hasil prediksi yaitu 1184.
765625, jika dibulatkan menjadi 1185.
kurang lengkap.
Disarankan untuk penelitian selanjutnya menambahkan harga untuk menu, mencari laba dan rugi menggunakan metode tambahan seperti metode winter ataupun regresi linear.
Agar perhitungan terintegrasi dan akurasi yang didapat akan jauh lebih baik dari sebelumnya.
Dalam penelitian ini tidak hanya mencari MAPE yang terkecil, tetapi harus mencari akurasi yang sebaik mungkin.
Gambar 7 Hasil Prediksi Gambar 7 menunjukkan hasil program yang telah dibuat.
Hasil dari perhitungan manual sama dengan yang sudah diolah oleh program.
Evaluasi Sistem Prediksi Penjualan Uji coba sistem prediksi penjualan dilakukan dengan menggunakan data sebanyak 11 bulan Dimulai dari bulan April 2019 sampai dengan bulan Februari 2020.
Data untuk prediksi digunakan data pada bulan April 2019 sampai dengan bulan Februari 2020.
Adapun hasil uji coba perhitungan manual Triple Exponential Smoothing yang dilakukan berdasarkan data menu Mie Setan Noodle and Dimsum memiliki skor MAPE yaitu 10% pada mie angel, 16% pada mie iblis dan 22% pada mie indikator menjelaskan bahwa nilai pada kriteria MAPE tersebut baik.
Penggunaan MAPE pada evaluasi hasil prediksi dapat menghindari pengukuran akurasi terhadap besarnya nilai aktual dan nilai .
SIMPULAN Sistem untuk melakukan prediksi stok penjualan berdasarkan data penjualan atau histori sebelumnya berhasil dibuat.
Perhitungan menggunakan alpha terbaik yaitu sebesar 0.
Dari hasil persentase kesalahan MAPE yang merupakan akurasi peramalan menggunakan metode triple exponential smoothing.
Rata-rata persentase kesalahan dari seluruh produk menu yang dilakukan prediksi adalah 23%.
Peramalan pada menu makanan Mie Setan memiliki persentase error sebesar 22% dan prediksi penjualan di bulan Maret 2020 sebanyak 1185 menu.
Dengan Jumlah prediksi menu sebanyak 7 Menu.
Adapun peramalan pada Mie Tarik memiliki akurasi paling minimum yaitu sebesar 64%.
Dikarenakan sedikitnya stok yang terjual pada setiap bulannya dan histori dari menu tersebut yang kurang lengkap.
Berdasarkan MAPE yang dihitung terdapat jumlah prediksi barang untuk bulan Maret 2020 sebesr 6 item pada menu Mie Tarik.
Dari hasil penelitian ini, bahwa data pada restoran Mie Setan Noodle and Dimsum terbatas dan masih .
DAFTAR PUSTAKA