LAPORAN KERJA PRAKTEK_FULL
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
<strong>LAPORAN</strong> <strong>KERJA</strong> <strong>PRAKTEK</strong><br />
ANALISIS PERAMALAN PENJUALAN PRODUK SUPLEMEN<br />
PT. GREEN WORLD GLOBAL PADA E-MARKETPLACE<br />
(Studi Kasus : Stokis Alam Sutera)<br />
OLEH<br />
TAUFIK RYAN KUNCORO<br />
NIM : 2014100061<br />
PRODI MATEMATIKA<br />
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM<br />
UNIVERSITAS PAMULANG<br />
TANGERANG SELATAN<br />
2017
<strong>LAPORAN</strong> <strong>KERJA</strong> <strong>PRAKTEK</strong><br />
ANALISIS PERAMALAN PENJUALAN PRODUK SUPLEMEN<br />
PT. GREEN WORLD GLOBAL PADA E-MARKETPLACE<br />
(Studi Kasus : Stokis Alam Sutera)<br />
Sebagai Syarat Untuk Mengajukan Tugas Akhir<br />
OLEH<br />
TAUFIK RYAN KUNCORO<br />
NIM : 2014100061<br />
PRODI MATEMATIKA<br />
FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM<br />
UNIVERSITAS PAMULANG<br />
TANGERANG SELATAN<br />
2017<br />
i
LEMBAR PENGESAHAN<br />
<strong>LAPORAN</strong> <strong>KERJA</strong> <strong>PRAKTEK</strong><br />
ANALISIS PERAMALAN PENJUALAN PRODUK SUPLEMEN<br />
PT. GREEN WORLD GLOBAL PADA E-MARKETPLACE<br />
(Studi Kasus : Stokis Alam Sutera)<br />
Oleh :<br />
TAUFIK RYAN KUNCORO<br />
NIM : 2014100061<br />
Laporan Kerja Praktek ini telah diperiksa dan disetuji oleh :<br />
Dosen Pembimbing<br />
Pembimbing Instansi<br />
(Aden, S.Si., M.Pd.)<br />
NIDN : 0411118401<br />
(Fadillah Armansyah)<br />
Mengesahkan,<br />
Ketua Program Studi Matematika<br />
Fakultas MIPA Universitas Pamulang<br />
(Hendro Waryanto, S.Si., M.M.)<br />
NIDN : 0405057102<br />
ii
KATA PENGANTAR<br />
Bismillahirrahmaanirrahim<br />
Assalamu’alaikum Wr.Wb<br />
Puji syukur penulis ucapkan kepada Tuhan Yang Maha Esa Allah SWT<br />
yang telah melimpahkan rahmat, taufik, serta hidayah-Nya sehingga penulis dapat<br />
melaksanakan kegiatan Kerja Praktek serta dapat menyelesaikan laporannya tepat<br />
waktu dan tanpa adanya halangan yang berarti. Shalawat serta salam senantiasa<br />
tercurah kepada Nabi Muhammad SAW yang telah memberikan perubahan dan<br />
membuka mata umat manusia dengan adanya pencerahan hidup.<br />
Laporan Kerja Praktek ini dilaksanakan di PT. Green World Global<br />
Indonesia yang berjudul “Analisis Peramalan Penjualan Produk Suplemen Pt.<br />
Green World Global Pada E-marketplace Di Stokis Alam Sutera”. Laporan ini<br />
penulis susun untuk memenuhi salah satu persyaratan dalam menyelesaikan<br />
pendidikan pada Program Studi Matematika. Selain itu, laporan ini diharapkan<br />
dapat memberikan informasi dan meningkatkan ilmu pengetahuan bagi para<br />
pembacanya.<br />
Penulis menyadari bahwa laporan kerja praktek ini dapat diselesaikan<br />
berkat bimbingan, bantuan serta sumbangan saran dari berbagai pihak. Oleh<br />
karena itu, dalam kesempatan ini penulis mengucapkan banyak terima kasih<br />
kepada :<br />
1. Bapak Dr.H. Dayat Hidayat MM selaku Rektor Universitas Pamulang<br />
2. Bapak Ir. Dadang Kurnia, MM selaku Dekan fakultas MIPA Matematika.<br />
3. Bapak Hendro Waryanto, S.Si, MM selaku Kaprodi Matematika.<br />
4. Bapak Aden, S.Si, M.Pd, selaku pembimbing dalam penyusunan laporan<br />
kerja praktek ini. Yang telah membimbing dengan penuh kesabaran<br />
sehingga laporan kerja praktek ini dapat terselesaikan.<br />
5. Bapak Fadillah Armansyah selaku owner Stokis Green World Alam<br />
Sutera.<br />
iii
6. Ibu Yenny Wibowo selaku pembimbing serta pemberi informasi dan data<br />
selama kerja praktek.<br />
7. Kedua Orang tua tercinta terima kasih atas do’a, dukungan, perhatian,<br />
kasih sayang dan pengorbanan selama ini. Terima kasih atas kasih sayang<br />
dan motivasinya.<br />
8. Semua rekan-rekan khususnya Program Studi Matematika Reguler C<br />
angkatan 2014 terima kasih atas kebersamaannya dan dukungan selama<br />
ini.<br />
9. Semua pihak yang tidak dapat penulis sebutkan satu persatu di sini. Yang<br />
telah ikut membantu dalam menyelesikan laporan ini.<br />
Penulis menyadari bahwa dalam penyusunan laporan kerja praktek ini masih<br />
banyak kekurangan. Oleh karena itu, penulis mengharapkan kritik dan saran yang<br />
bersifat membangun sehingga laporan ini dapat bermanfaat bagi semua pihak.<br />
Wassalamu’alaikum Wr.Wb<br />
Tangerang, 31 Agustus 2017<br />
Penulis,<br />
Taufik Ryan Kuncoro<br />
iv
DAFTAR ISI<br />
LEMBAR PENGESAHAN .................................................................................... ii<br />
KATA PENGANTAR ........................................................................................... iii<br />
DAFTAR ISI ........................................................................................................... v<br />
DAFTAR GAMBAR ........................................................................................... viii<br />
DAFTAR TABEL .................................................................................................. ix<br />
DAFTAR LAMPIRAN ........................................................................................... x<br />
BAB I PENDAHULUAN ....................................................................................... 1<br />
1.1 Latar Belakang ......................................................................................... 1<br />
1.2 Identifikasi Masalah ................................................................................. 3<br />
1.3 Rumusan Masalah .................................................................................... 3<br />
1.4 Batasan Masalah ....................................................................................... 3<br />
1.5 Tujuan Penelitian ...................................................................................... 4<br />
1.6 Manfaat Penelitian .................................................................................... 4<br />
1.7 Sistematika Penulisan ............................................................................... 4<br />
BAB II TINJAUAN PUSTAKA ............................................................................. 6<br />
2.1 Peramalan ................................................................................................. 6<br />
2.1.1 Langkah-Langkah Peramalan ........................................................... 9<br />
2.1.2 Prinsip Peramalan.............................................................................. 9<br />
2.1.3 Metode-metode Peramalan.............................................................. 11<br />
2.1.4 Menghitung Kesalahan Peramalan .................................................. 15<br />
2.2 Metode Rataan Bergerak (Moving Average) .......................................... 16<br />
2.3 Metode Penghalusan Eksponensial (exponential smoothing) ................ 17<br />
2.4 Definisi E-marketplace ........................................................................... 19<br />
2.4.1 Perbedaan Toko Online dan E-marketplace ................................... 25<br />
v
2.4.2 Interaksi dalam E-marketplace ....................................................... 27<br />
2.4.3 Manfaat Situs E-marketplace dalam Mendukung Bisnis ................ 27<br />
BAB III METODOLOGI PENELITIAN.............................................................. 29<br />
3.1 Metodologi Penelitian ............................................................................ 29<br />
3.2 Waktu Penelitian .................................................................................... 30<br />
3.3 Tempat Penelitian ................................................................................... 30<br />
3.3.1 Sejarah PT. Green World Global Indonesia .................................... 30<br />
3.3.2 Visi dan Misi PT. Green World Global Indonesia .......................... 32<br />
3.3.3 Struktur Organisasi ......................................................................... 34<br />
3.4 Populasi dan Sampel .............................................................................. 34<br />
3.4.1 Populasi Penelitian .......................................................................... 34<br />
3.4.2 Sampel Penelitian ............................................................................ 34<br />
3.5 Metode Pengumpulan Data .................................................................... 34<br />
3.6 Metode Pengolahan Data ........................................................................ 35<br />
3.6.1 Metode Rataan Bergerak ................................................................. 38<br />
3.6.2 Metode Penghalusan Eksponensial ................................................. 39<br />
3.7 Desain Penelitian .................................................................................... 40<br />
BAB IV HASIL DAN PEMBAHASAN .............................................................. 42<br />
4.1 Hasil Data Penelitian .............................................................................. 42<br />
4.2 Hasil Perhitungan ................................................................................... 43<br />
4.2.1 Hasil Perhitungan pada Tokopedia ................................................. 43<br />
4.2.2 Hasil Perhitungan pada Bukalapak ................................................. 45<br />
4.2.3 Hasil Perhitungan pada Blibli ......................................................... 47<br />
4.2.4 Hasil Perhitungan pada E-marketplace ........................................... 49<br />
4.3 Pembahasan ............................................................................................ 51<br />
4.3.1 Pembahasan Hasil Perhitungan pada Tokopedia ............................ 51<br />
vi
4.3.2 Pembahasan Hasil Perhitungan pada Bukalapak ............................ 51<br />
4.3.3 Pembahasan Hasil Perhitungan pada Blibli .................................... 52<br />
4.3.4 Pembahasan Hasil Perhitungan pada E-marketplace ...................... 52<br />
BAB V KESIMPULAN DAN SARAN ................................................................ 54<br />
5.1 Kesimpulan ............................................................................................. 54<br />
5.2 Saran ....................................................................................................... 55<br />
DAFTAR PUSTAKA ........................................................................................... 56<br />
LAMPIRAN .......................................................................................................... 57<br />
vii
DAFTAR GAMBAR<br />
Gambar 1 Pola Komponen Time Series ............................................................... 14<br />
Gambar 2 Metode-metode Peramalan .................................................................. 14<br />
Gambar 3 Struktur Organisasi PT. Green World Global Indonesia..................... 34<br />
Gambar 4 Desain Alur Penelitian ........................................................................ 41<br />
Gambar 5 Pola data penjualan pada Tokopedia ................................................... 43<br />
Gambar 6 Pola data penjualan pada Bukalapak ................................................... 45<br />
Gambar 7 Pola data penjualan pada Blibli ........................................................... 47<br />
Gambar 8 Pola data penjualan pada E-marketplace ............................................ 49<br />
viii
DAFTAR TABEL<br />
Tabel 1 Tipe Peramalan Berdasarkan Kegunaan ................................................... 8<br />
Tabel 2 Data Penjualan Produk Green World pada e-marketplace ..................... 42<br />
Tabel 3 Analisa Kesalahan Peramalan Penjualan di Tokopedia .......................... 44<br />
Tabel 4 Ramalan penjualan produk suplemen Green World pada tokopedia<br />
dengan metode Double Exponentian Smoothing ............................... 44<br />
Tabel 5 Analisa Kesalahan Peramalan Penjualan di Bukalapak .......................... 45<br />
Tabel 6 Ramalan penjualan produk suplemen Green World pada bukalapak<br />
dengan metode Double Exponentian Smoothing ............................... 46<br />
Tabel 7 Analisa Kesalahan Peramalan Penjualan di Blibli .................................. 47<br />
Tabel 8 Ramalan penjualan produk suplemen Green World pada blibli dengan<br />
metode Moving Average..................................................................... 48<br />
Tabel 9 Analisa Kesalahan Peramalan Penjualan di E-marketplace ................... 49<br />
Tabel 10 Ramalan penjualan produk suplemen Green World pada e-marketplace<br />
dengan metode Double Exponentian Smoothing ............................... 50<br />
ix
DAFTAR LAMPIRAN<br />
Lampiran 1 Perhitungan kesalahan ramalan di tokopedia dengan metode Rataan<br />
Bergerak<br />
Lampiran 2 Perhitungan kesalahan ramalan di tokopedia dengan metode<br />
Penghalusan Eksponensial Tunggal<br />
Lampiran 3 Perhitungan kesalahan ramalan di tokopedia dengan metode<br />
Penghalusan Eksponensial Ganda<br />
Lampiran 4 Perhitungan kesalahan ramalan di bukalapak dengan metode Rataan<br />
Bergerak<br />
Lampiran 5 Perhitungan kesalahan ramalan di bukalapak dengan metode<br />
Penghalusan Eksponensial Tunggal<br />
Lampiran 6 Perhitungan kesalahan ramalan di bukalapak dengan metode<br />
Penghalusan Eksponensial Ganda<br />
Lampiran 7 Perhitungan kesalahan ramalan di blibli dengan metode Rataan<br />
Bergerak<br />
Lampiran 8 Perhitungan kesalahan ramalan di blibli dengan metode Penghalusan<br />
Eksponensial Tunggal<br />
Lampiran 9 Perhitungan kesalahan ramalan di blibli dengan metode Penghalusan<br />
Eksponensial Ganda<br />
Lampiran 10 Perhitungan kesalahan ramalan pada e-marketplace dengan metode<br />
Rataan Bergerak<br />
Lampiran 11 Perhitungan kesalahan ramalan pada e-marketplace dengan metode<br />
Penghalusan Eksponensial Tunggal<br />
Lampiran 12 Perhitungan kesalahan ramalan pada e-marketplace dengan metode<br />
Penghalusan Eksponensial Ganda<br />
Lampiran 13 Surat Permohonan Kerja Praktek<br />
Lampiran 14 Surat Balasan dari Instansi<br />
Lampiran 15 Daftar Absensi<br />
Lampiran 16 Daftar Penilaian<br />
x
BAB I<br />
PENDAHULUAN<br />
1.1 Latar Belakang<br />
Perkembangan dalam era globalisasi berjalan dengan pesat. Inovasiinovasi<br />
baru terus dilahirkan guna mempermudah pekerjaan manusia.<br />
Dalam bidang teknologi dan informasi ditandai dengan adanya jaringan<br />
internet yang saat ini telah tersebar ke seluruh dunia. Pengguna internet dari<br />
hari ke hari semakin meningkat, bahkan internet telah dijadikan sebagai<br />
gaya hidup. Semua aktivitas sehari-hari yang dilakukan tidak terlepas dari<br />
internet, tak terkecuali dalam melakukan aktivitas jual-beli. Prosedur<br />
berdagang atau mekanisme jual-beli di internet ini biasanya disebut E-<br />
commerce (Electronic Commerce). E-commerce didefinisikan sebagai<br />
proses pembelian dan penjualan antara dua belah pihak di dalam suatu<br />
perusahaan dengan adanya pertukaran barang, jasa, atau informasi melaui<br />
media internet.<br />
Ternyata tidak mudah dalam mengimplementasikan e-commerce<br />
dikarenakan banyaknya faktor yang terkait dan teknologi yang harus<br />
dikuasai. Dengan demikian ada tiga kategori dasar atau jenis-jenis e-<br />
commerce yaitu Businness to Consumer (B2C), Businness to Businness<br />
(B2B) dan Consumer to Consumer (C2C).<br />
Perkembangan internet yang semakin maju merupakan salah satu<br />
faktor pendorong berkembangnya e-commerce. Perkembangan e-commerce<br />
membawa banyak perubahan terhadap sektor aktivitas bisnis yang selama<br />
ini dijalankan di dunia nyata. Kemajuan teknologi ini juga memudahkan<br />
perusahaan dalam bertransaksi dengan konsumen, konsumen tidak perlu<br />
bertemu secara langsung dengan pihak perusahaan seperti halnya datang ke<br />
mall/toko, cukup dengan menggunakan internet transaksi dapat dilakukan<br />
dimana saja dan kapan saja. Selain itu, pengusaha dapat menjangkau target<br />
1 Universitas Pamulang
2<br />
pasar yang jauh lebih luas dengan biaya yang lebih murah jika dibandingkan<br />
dengan menggunakan cara biasa secara offline.<br />
Salah satu jenis e-commerce yang saat ini mulai berkembang pesat<br />
di Indonesia adalah e-commerce jenis e-marketplace. E-marketplace yang<br />
ada di Indonesia diantaranya yaitu tokopedia.com, bukalapak.com,<br />
blibli.com, zalora, elevenia, lazada, dan sebagainya.<br />
E-marketplace merupakan bagian dari e-commerce. Menurut Brunn,<br />
Jensen, & Skovgaard (2002), e-marketplace adalah wadah komunitas bisnis<br />
interaktif secara elektronik yang menyediakan pasar dimana perusahaan<br />
dapat ambil andil dalam B2B e-commerce dan atau kegiatan e-business lain.<br />
E-marketplace dapat dikatakan sebagai gelombang kedua pada e-commerce<br />
dan memperluas kombinasi dari bisnis konsumen (B2B, C2B dan C2C) ke<br />
dalam B2B. Inti penawaran dari e-marketplace adalah mempertemukan<br />
pembeli dan penjual sesuai dengan kebutuhan dan menawarkan efisiensi<br />
dalam bertransaksi.<br />
Penggunaan e-marketplace pada perusahaan berdampak positif bagi<br />
beberapa aspek. PT. Green World Global sebagai salah satu perusahaan<br />
penyedia produk suplemen herbal kini juga sudah merambah ke penjualan<br />
online. Ada banyak anggota dari Green World yang mulai menjual produk<br />
pada e-marketpalce.<br />
Atas dasar latar belakang diatas, penulis melakukan analisa<br />
sistematis tentang penjualan produk suplemen Green World pada e-<br />
marketplace yang dilakukan di Stokis Alam Sutera. Dengan data yang<br />
diperoleh dari Stokis Green World Alam Sutera dari bulan Januari 2016<br />
dengan menggunakan metode peramalan dan software Minitab 18. Sehingga<br />
dapat diketahui perkiraan penjualan produk kedepan pada e-marketplace di<br />
Stokis Green World Alam Sutera.<br />
Universitas Pamulang
3<br />
1.2 Identifikasi Masalah<br />
Dari latar belakang di atas, maka masalah yang dapat diidentifikasi<br />
adalah :<br />
1. Penyebaran pola data penjualan pada e-marketplace.<br />
2. Efisiensi penjualan produk pada e-marketplace.<br />
3. Potensi perkembangan metode penjualan pada e-marketplace.<br />
1.3 Rumusan Masalah<br />
Sesuai dengan latar belakang diatas, maka permasalahan yang akan<br />
dibahas dalam laporan ini adalah:<br />
1. Bagaimana pola data penjualan produk suplemen Green World pada<br />
e-marketplace dari Januari 2016 sampai Juli 2017 ?<br />
2. Bentuk metode peramalan kuantitatif apakah yang paling sesuai<br />
untuk meramalkan jumlah penjualan produk suplemen Green World<br />
pada e-marketplace dari Januari 2016 sampai Juli 2017 ?<br />
3. Bagaimana peramalan penjualan produk suplemen Green World<br />
pada e-marketplace untuk 15 bulan mendatang dengan menggunakan<br />
metode kuantitatif terbaik ?<br />
1.4 Batasan Masalah<br />
Batasan masalah untuk data yang digunakan dalam analisis<br />
peramalan penjualan produk Green World adalah:<br />
1. Laporan ini hanya menggunakan data penjualan dari e-marketplace<br />
dari Januari 2016 – Juli 2017 di Stokis Alam Sutera.<br />
2. Metode yang digunakan adalah Metode Rataan Bergerak dan<br />
Metode Penghalusan Eksponensial.<br />
3. Data yang digunakan berasal dari ststistik data penjualan di e-<br />
marketplace Stokis Alam Sutera yaitu tokopedia.com,<br />
bukalapak.com, dan blibli.com.<br />
Universitas Pamulang
4<br />
1.5 Tujuan Penelitian<br />
Tujuan dari penulisan laporan kerja praktek ini adalah sebagai<br />
berikut:<br />
1. Untuk mengetahui Bagaimana pola data penjualan produk suplemen<br />
Green World pada e-marketplace dari Januari 2016 - Juli 2017.<br />
2. Untuk mengetahui metode peramalan kuantitatif apakah yang paling<br />
sesuai untuk meramalkan jumlah penjualan produk suplemen Green<br />
World pada e-marketplace dari Januari 2016 sampai Juli 2017.<br />
3. Untuk mengetahui peramalan penjualan produk suplemen Green<br />
World pada e-marketplace untuk 15 bulan mendatang dengan<br />
menggunakan metode kuantitatif terbaik.<br />
1.6 Manfaat Penelitian<br />
Laporan kerja praktek ini diharapkan dapat memberi manfaat bagi<br />
semua pihak. Adapun manfaat penulisan laporan ini adalah:<br />
1. Memberikan informasi tentang bagaimana pola penjualan produk<br />
suplemen Green World pada e-marketplace.<br />
2. Memberikan informasi tentang penjualan produk suplemen Green<br />
World pada e-marketplace di masa yang akan datang.<br />
3. Sebagai referensi dalam menentukan metode penjualan, terutama<br />
penjualan produk pada e-marketplace.<br />
1.7 Sistematika Penulisan<br />
Sistematika penulisan laporan kerja praktek ini akan mengikuti<br />
penulisan sebagai berikut :<br />
BAB I<br />
PENDAHULUAN<br />
Pada bab ini berisi tentang latar belakang masalah,<br />
identifikasi masalah, perumusan masalah, pembatasan<br />
masalah, tujuan penelitian, manfaat penelitian dan<br />
sistematika penulisan.<br />
Universitas Pamulang
5<br />
BAB II<br />
TINJAUAN PUSTAKA<br />
Bab ini menguraikan tentang pengertian dan teori-teori yang<br />
digunakan sebagai landasan atau dasar dari analisa ini.<br />
BAB III<br />
METODOLOGI PENELITIAN<br />
Yang berisi tentang metode penelitian, tempat dan waktu<br />
penelitian, deskripsi lokasi penelitian, metode pengumpulan<br />
data, metode pengolahan data dan alur penelitian.<br />
BAB IV<br />
HASIL DAN PEMBAHASAN<br />
Bab ini menguraikan tentang hasil analisa data penjualan<br />
produk suplemen Green World pada e-marketplace dengan<br />
metode peramalan menggunakan software Minitab 18.<br />
BAB V<br />
KESIMPULAN DAN SARAN<br />
Kesimpulan dari hasil penelitan serta saran yang berupa<br />
keakuratan dari penelitian dan daftar pustaka serta lampiran.<br />
DAFTAR PUSTAKA<br />
LAMPIRAN<br />
Universitas Pamulang
6<br />
BAB II<br />
TINJAUAN PUSTAKA<br />
2.1 Peramalan<br />
Menurut Heizer dan Render (2006), peramalan adalah seni, ilmu<br />
untuk memperkirakan kejadian di masa depan. Hal ini dilakukan dengan<br />
melibatkan pengambilan data masa lalu dan menempatkannya ke masa<br />
mendatang dengan suatu bentuk model matematik atau prediksi intuisi<br />
bersifat subyektif, atau menggunakan kombinasi model matematik yang<br />
disesuaikan dengan pertimbangan yang baik. Forecasting berkaitan dengan<br />
upaya memperkirakan apa yang terjadi di masa depan, berbasis pada metode<br />
ilmiah (ilmu dan teknologi) serta dilakukan secara matematis. Walaupun<br />
demikian, kegiatan forecasting tidaklah semata-mata berdasarkan prosedur<br />
ilmiah atau terorganisir, karena ada kegiatan forecasting yang menggunakan<br />
intuisi (perasaan) atau lewat diskusi informal dalam sebuah grup (Santoso,<br />
2009).<br />
Menurut Sugiarto dan Harihono (2000), peramalan merupakan studi<br />
terhadap data historis untuk menemukan hubungan, kecenderungan dan pola<br />
sistematis. Dalam dunia bisnis, hasil peramalan mampu memberikan<br />
gambaran tentang masa depan perusahaan yang memungkinkan manajemen<br />
membuat perencanaan, menciptakan peluang bisnis maupun mengatur pola<br />
investasi. Ketepatan hasil peramalan bisnis akan meningkatkan peluang<br />
tercapainya investasi yang menguntungkan. Semakin tinggi akurasi yang<br />
dicapai peramalan, maka semakin meningkat pula peran peramalan dalam<br />
perusahaan, karena hasil dari suatu peramalan dapat memberikan arah bagi<br />
perencanaan perusahaan, perencanaan produk dan pasar, perencanaan<br />
penjualan, perencanaan produksi dan keuangan.<br />
Dikaitkan dengan perencanaan perusahaan, hasil peramalan<br />
lingkungan ekonomi dan pasar memungkinkan perencana perusahaan<br />
mengarahkan kebijakan perusahaan ke sektor-sektor yang memberikan<br />
6<br />
Universitas Pamulang
7<br />
peluang keuntungan tertinggi. pemanfaatan hasil peramalan dalam<br />
perencanaan produk dan pasar pada umumnya digunakan dalam menyusun<br />
sasaran perusahaan maupun untuk penyusunan anggaran promosi, serta<br />
anggaran penjualan yang diperlukan untuk mencapai sasaran tersebut. Hasil<br />
peramalan produk dan pasar dapat dimanfaatkan perusahaan untuk<br />
memasuki pasar baru ataupun menarik diri dari pasar yang semakin tidak<br />
menguntungkan. Sebagai contoh, hasil peramalan terhadap peluang suatu<br />
produk akan memungkinkan dibuatnya perencanaan terperinci bagi setiap<br />
sektor yang mendukung produk tersebut.<br />
Salah satu aspek yang paling sering disalahpahami dalam peramalan<br />
adalah ketidakpastian. Umumnya manajer perusahaan percaya bahwa<br />
semakin banyak sumber daya dan waktu yang diberikan kepada peramalan,<br />
semakin rendah derajat ketidakpastian yang didapat. Tetapi dalam banyak<br />
situasi, semata mata menggunakan lebih banyak waktu dan tenaga dalam<br />
peramalan justru akan memberikan hasil berlawanan. Proses peramalan<br />
masa depan itu sendiri justru membuka kemungkinan-kemungkinan baru<br />
dan hal ini sering berarti semakin banyaknya ketidakpastian yang harus<br />
dipertimbangkan. Dalam kasus seperti ini, tujuan utama peramalan adalah<br />
menjadikan para pengambil keputusan dan pembuat kebijakan memahami<br />
ketidakpastian di masa mendatang, sehingga ketidakpastian dan risiko yang<br />
mungkin muncul dapat dipertimbangkan pada waktu membuat perencanaan<br />
atau keputusan-keputusan yang berorientasi ke masa depan. Dengan<br />
melakukan peramalan, para perencana dan pengambil keputusan akan dapat<br />
mempertimbangkan alternatif-alternatif strategi yang lebih luas daripada<br />
tanpa peramalan. Dengan demikian, berbagai rencana strategi dan aksi dapat<br />
dikembangkan untuk menghadapi berbagai kemungkinan yang dapat terjadi<br />
di masa mendatang (Sugiarto dan Hariono, 2000).<br />
Menurut Heizer dan Render (2006), peramalan biasanya berdasarkan<br />
horizon waktu masa depan yang dicakupnya. Horizon waktu terbagi atas<br />
beberapa kategori :<br />
Universitas Pamulang
8<br />
1. Peramalan jangka pendek. Peramalan ini mencakup jangka waktu<br />
hingga satu (1) tahun tetapi umumnya kurang dari tiga (3) bulan.<br />
Peramalan ini digunakan untuk merencanakan pembelian,<br />
penjadwalan kerja, jumlah tenaga kerja, penugasan keja dan tingkat<br />
populasi.<br />
2. Peramalan jangka menengah. Peramalan jangka menengah, atau<br />
intermediate umumnya mencakup hitungan bulanan hingga tiga (3)<br />
tahun. Peramalan ini berguna untuk merencanakan penjualan,<br />
perencanaan dan anggaran produksi, anggaran kas dan menganalisis<br />
bermacam-macam rencana operasi.<br />
3. Peramalan jangka panjang. Umumnya untuk perencanaan masa tiga<br />
(3) tahun atau lebih. Peramalan jangka panjang digunakan untuk<br />
merencanakan produk baru, pembelanjaan modal, lokasi atau<br />
pengembangan fasilitas, serta penelitian dan pengembangan<br />
(litbang).<br />
Berikut ini merupakan tipe peramalan berdasarkan kegunaan<br />
(Alfatah,1998):<br />
Tabel 1 Tipe Peramalan Berdasarkan Kegunaan<br />
tipe peramalan<br />
berdasarkan kegunaan<br />
tipe peramalan<br />
berdasarkan rincian hasil<br />
jangkauan waktu<br />
peramalan<br />
peramalan fasilitas output maksimum yang waktu perencanaan<br />
diharapkan (volume dolar) fasilitas dan waktu<br />
konstruksi ditambah<br />
waktu pengembangan<br />
fasilitas<br />
peramalan perencanaan volume produk sesuai beberapa siklus<br />
produksi<br />
dengan tipe yang dipilih pembuatan atau paling<br />
sedikit satu siklus<br />
permintaan dengan<br />
penjualan musiman<br />
peramalan produk satuan produk yang dijual tenggang waktu (waktu<br />
tunggu) ditambah paling<br />
sedikit satu siklus<br />
pembuatan<br />
Universitas Pamulang
9<br />
2.1.1 Langkah-Langkah Peramalan<br />
Menurut Sugiarto dan Harihono (2000), hampir semua<br />
metode peramalan formal dilakukan dengan cara mengekstrapolasi<br />
kondisi masa lalu untuk kondisi masa mendatang. Hal ini didasarkan<br />
pada asumsi bahwa kondisi masa lalu sama dengan kondisi masa<br />
mendatang. Atas dasar logik ini, maka langkah-langkah dalam<br />
metode peramalan adalah :<br />
Langkah 1<br />
Langkah 2<br />
Langkah 3<br />
Langkah 4<br />
: Mengumpulkan data<br />
: Menyeleksi dan memilih data<br />
: Memilih model peramalan<br />
: Menggunakan metode terpilih untuk peramalan<br />
Menurut Heizer dan Render (2006), Peramalan (forecasting)<br />
adalah istilah yang sangat populer di dunia bisnis, yang pada<br />
dasarnya adalah kegiatan yang berhubungan dengan meramalkan<br />
atau memproyeksikan hal-hal yang terjadi di masa lampau ke masa<br />
depan. Ramalan permintaan (demand forecasting) menyangkut<br />
peramalan permintaan mendatang berdasarkan permintaan yang lalu<br />
atau berdasarkan perhitungan tertentu. Ramalan permintaan<br />
mencakup dua kegiatan (Indrajit dan Djokopranoto, 2003), yaitu :<br />
1. Mengidentifikasikan peubah-peubah yang mempengaruhi<br />
permintaan.<br />
2. Mengembangkan persamaan-persamaan yang menyatakan<br />
hubungan antara peubah-peubah tersebut dalam bentuk<br />
perhitungan matematik.<br />
2.1.2 Prinsip Peramalan<br />
Pada dasarnya peramalan merupakan sebuah perdiksi yang<br />
tentunya tidak memiliki akurasi 100%. Menurut Arnold dan<br />
Chapman (2004) terdapat empat karakteristik peramalan. Adapun<br />
Universitas Pamulang
10<br />
karakteristik atau prinsip peramalan tersebut adalah sebagai berikut<br />
ini:<br />
1. Peramalan biasanya salah. Peramalan mencoba untuk melihat<br />
masa depan yang belum diketahui dan biasanya salah dalam<br />
beberapa asumsi atau perkiraan. Kesalahan (error) harus<br />
diprediksi dan hal itu tidak dapat dielakan.<br />
2. Setiap peramalan seharusnya menyertakan estimasi kesalahan<br />
(error). Oleh karena peramalan diprediksikan akan menemui<br />
kesalahan, pertanyaan sebenarnya adalah “seberapa besar<br />
kesalahan tersebut”. Setiap peramalan seharusnya<br />
menyertakan estimasi kesalahan yang dapat diukur sebagai<br />
tingkat kepercayaan, dapat berupa persentase (plus atau<br />
minus) dari peramalan sebagai rentang nilai minimum dan<br />
maksimum.<br />
3. Peramalan akan lebih akurat untuk kelompok atau grup.<br />
Perilaku dari individual item dalam sebuah grup adalah acak<br />
bahkan ketika grup tersebut berada dalam keadaan stabil.<br />
Sebagai contoh, meramalkan secara akurat seorang murid<br />
dalam suatu kelas lebih sulit daripada meramalkan untuk<br />
rata-rata keseluruhan kelas. Dengan kata lain, peramalan<br />
lebih akurat untuk dilakukan pada kelompok atau grup<br />
daripada individual item.<br />
4. Peramalan lebih akurat untuk jangka waktu yang lebih dekat.<br />
Peramalan untuk jangka panjang biasanya akan memilki<br />
tingkat kesalahan yang lebih tinggi, dikarenakan tidak<br />
diketahui kejadian-kejadian yang akan terjadi dimasa<br />
mendatang. Oleh karena itu, lebih baik meramalkan untuk<br />
jangka yang lebih pendek dengan melakukan pendekatan<br />
situasi yang terjadi pada saat peramalan dilakukan.<br />
Universitas Pamulang
11<br />
2.1.3 Metode-metode Peramalan<br />
Dalam melakukan peramalan tedapat berbagai cara. Apabila<br />
dilihat berdasarkan sifat-sifat peramalan, maka peramalan dibedakan<br />
atas dua macam (Makridakis & Wheelwright, 1999):<br />
a. Peramalan kualitatif<br />
Hasil peramalan kualitatif didasarkan pada pengamatan<br />
kejadian-kejadian di masa sebelumnya yang digabungkan<br />
dengan intuisi maupun ketajaman perasaan si peramal dalam<br />
menghasilkan suatu informasi yang diperkirakan bakal terjadi<br />
di masa mendatang. Pada umumnya hasil peramalan<br />
kualitatif berbentuk informasi kualitatif, walaupun tidak<br />
selalu demikian.<br />
Beberapa model peramalan yang digolongkan sebagai<br />
model kualitatif adalah :<br />
1) Dugaan Manajemen (management estimate)<br />
Merupakan metode peramalan semata-mata berdasarkan<br />
pertimbangan manajemen. Metode ini cocok dalam<br />
situasi yang sangat sensitif terhadap intuisi dari satu atau<br />
sekelompok kecil orang yang karena pengalamannya<br />
mampu memberikan opini yang kritis dan relevan.<br />
2) Riset Pasar (market research)<br />
Merupakan merode peramalan berdasarkan hasil survei<br />
pasar. Metode ini menjaring informasi dari pelanggan<br />
yang berkaitan dengan rencana pembelian produk di<br />
masa yang akan datang.<br />
3) Metode Kelompok Terstruktur (structured groups<br />
methods)<br />
Merupakan metode peramalan berdasarkan proses<br />
konvergensi dari opini beberapa orang atau ahli secara<br />
interaktif dan membutuhkan fasilisator untuk<br />
menyimpulkan hasil dari peramalan.<br />
Universitas Pamulang
12<br />
4) Analogi Historis (historical analogy)<br />
Merupakan teknik peramalan berdasarkan pola data masa<br />
lalu dari produk yang disamakan secara analogi.<br />
b. Peramalan kuantitatif<br />
Yaitu peramalan berdasarkan atas dasar kuantitatif pada<br />
masa lampau. Hasil peramalan kuantitatif secara relatif lebih<br />
disukai, karena memberikan pandangan yang lebih nyata dan<br />
lebih obyektif dalam besaran nilai hasil peramalannya. Metode<br />
peramalan kuantitatif sendiri dibadakan menjadi dua, yaitu<br />
metode deret berkala dan metode kausal.<br />
1) Metode kausal<br />
Metode peramalan kausal mengembangkan suatu<br />
model sebab-akibat antara permintaan yang diramalkan<br />
dengan variabel-variabel lain yang dianggap berpengaruh.<br />
Pada metode kausal ini dibagi menjadi tiga bagian yaitu :<br />
a) Metode korelasi regresi<br />
Peramalan ini digunakan untuk :<br />
(1) Peramalan penjualan<br />
(2) Peramalan keuntungan<br />
(3) Peramalan permintaan<br />
(4) Peramalan keadaan ekonomi<br />
Metode ini sangat cocok digunakan untuk peramalan<br />
jangka pendek, data yang digunakan kumpulan dari<br />
data beberapa tahun.<br />
b) Metode ekonometrik<br />
Peramalan ini digunakan untuk :<br />
(1) Peramalan penjualan menurut kelas produksi<br />
(2) Peramalan keadaan ekonomi masyarakat yang<br />
meliputi permintaan, harga, dan penawaran.<br />
Universitas Pamulang
13<br />
Metode ini sangat cocok untuk peramalan jangka<br />
pendek dan panjang. Data yang digunakan merupakan<br />
kumpulan data beberapa tahun.<br />
c) Metode input output<br />
Peramalan ini digunakan untuk :<br />
(1) Peramalan penjualan perusahaan<br />
(2) Peramalan produksi dari sektor dan sub sektor<br />
industri<br />
Metode ini sangat cocok untuk peramalan jangka<br />
panjang. Data yang digunakan merupakan kumpulan<br />
data 10-15 tahun.<br />
2) Metode deret berkala (Time Series)<br />
Metode deret berkala (Time Series), yaitu metode<br />
kuantitatif yang didasarkan atas penggunaan analisa pola<br />
hubungan antar variabel yang akan diperkirakan dengan<br />
variabel waktu. Metode ini merupakan metode peramalan<br />
yang memperkirakan penjualan/permintaan periode yang<br />
akan datang dengan menggunakan data histori. Time series<br />
didasarkan pada waktu berurutan atau berjarak sama<br />
(mingguan, bulanan, kuartalan, dan lainnya).<br />
Menganalisis Time Series berarti membagi data masa<br />
lalu menjadi komponen-komponen dan kemudian<br />
memproyeksikannya ke masa depan. Time series<br />
mempunyai empat (4) komponen : tren, musim, siklus dan<br />
variasi acak. Rinciannya sebagai berikut :<br />
a) Tren merupakan pergerakan data sedikit demi sedikit<br />
meningkat atau menurun. Perubahan pendapatan,<br />
populasi, penyebaran umur, atau pandangan budaya<br />
dapat mempengaruhi pergerakan tren.<br />
b) Musim adalah pola data yang berulang pada kurun<br />
waktu tertentu seperti hari, minggu, bulan, atau kuartal.<br />
Universitas Pamulang
14<br />
c) Siklus adalah pola dalam data yang terjadi setiap<br />
beberapa tahun. Siklus ini biasanya terkait pada siklus<br />
bisnis dan merupakan satu hal penting dalam analisis<br />
dan perencanaan bisnis jangka pendek. Memprediksi<br />
siklus bisnis sulit, karena dapat dipengaruhi oleh<br />
kejadian politik ataupun kerusuhan internasional.<br />
d) Variasi acak merupakan satu titik khusus dalam data,<br />
yang disebabkan oleh peluang dan situasi yang tidak<br />
biasa. Variasi acak tidak mempunyai pola khusus, jadi<br />
tidak dapat diprediksi.<br />
Gambar 1 Pola Komponen Time Series<br />
Berikut ini gambaran metode peramalan yang telah disebutkan<br />
diatas:<br />
Gambar 2 Metode-metode Peramalan<br />
Universitas Pamulang
15<br />
2.1.4 Menghitung Kesalahan Peramalan<br />
Keakuratan keseluruhan dari setiap model peramalan dapat<br />
dijelaskan dengan membandingkan nilai yang diramal dengan nilai<br />
aktual atau nilai yang sedang diamati. Jika F t melambangkan<br />
peramalan pada periode t, dan A t melambangkan permintaan aktual<br />
pada periode t, maka kesalahaan peramalan (deviasi) adalah :<br />
Kesalahan peramalan<br />
= permintaan aktual – nilai peramalan<br />
= A t – F t .................................................. (1)<br />
Ada beberapa perhitungan yang biasa digunakan untuk<br />
menghitung kesalahan peramalan (forecast error) total. Perhitungan<br />
ini dapat digunakan untuk membandingkan model peramalan yang<br />
berbeda, juga untuk mengawasi peramalan, untuk memastikan<br />
peramalan berjalan dengan baik. Tiga (3) dari perhitungan yang<br />
paling terkenal adalah simpangan rataan absolut (mean absolute<br />
deviation atau MAD), kesalahan rataan kuadrat (mean squared error<br />
atau MSE) dan kesalahan persen rataan absolut (mean absolut<br />
percentage error atau MAPE).<br />
a. MAD<br />
Ukuran pertama kesalahan peramalan keseluruhan untuk<br />
sebuah model adalah MAD. Nilai ini dihitung dengan<br />
mengambil jumlah nilai absolut dari tiap kesalahan peramalan<br />
dibagi dengan jumlah periode data (n), yaitu :<br />
MAD =<br />
b. MSE<br />
<br />
aktual - peramalan<br />
n<br />
.............................................. (2)<br />
Hal ini merupakan cara kedua untuk mengukur kesalahan<br />
peramalan keseluruhan. MSE merupakan rataan selisih kuadrat<br />
antara nilai yang diramalkan dan yang diamati. Rumusnya<br />
adalah:<br />
Universitas Pamulang
16<br />
MSE =<br />
2<br />
(kesalahan peramalan)<br />
n<br />
........................................ (3)<br />
Kekurangan penggunaan MSE adalah cenderung menonjolkan<br />
simpangan yang besar, karena adanya pengkuadratan. Oleh<br />
karena itu, menggunakan MSE sebagai perhitungan kesalahan<br />
peramalan, biasanya menunjukkan hal lebih baik mempunyai<br />
beberapa simpangan kecil daripada satu simpangan besar.<br />
c. MAPE<br />
Masalah yang terjadi dengan MAD dan MSE adalah bahwa<br />
nilainya tergantung pada besarnya unsur yang diramal. Jika<br />
unsur tersebut dihitung dalam satuan ribuan, maka nilai MAD<br />
dan MSE menjadi sangat besar. Untuk menghindari masalah<br />
ini, dapat menggunakan MAPE. MAPE dihitung sebagai<br />
rataan diferensiasi absolut antara nilai yang diramal dan aktual,<br />
dinyatakan sebagai persentase nilai aktual. Jika memiliki nilai<br />
yang diramal dan aktual untuk n periode, MAPE dihitung<br />
sebagai :<br />
MAPE =<br />
100 aktual – ramalan /aktual<br />
n<br />
2.2 Metode Rataan Bergerak (Moving Average)<br />
i i i<br />
........................ (4)<br />
Moving Average adalah model time series yang melihat pergerakan<br />
melalui residual di masa lalu. Dalam moving average data diperhalus<br />
dengan membuat rata-rata secara berurutan dari sekelompok pengamatan<br />
pada jangka waktu tertentu. Rataan bergerak berguna, jika diasumsikan<br />
permintaan pasar akan stabil sepanjang masa yang diramalkan.<br />
Tujuan utama dari penggunaan rataan bergerak adalah untuk<br />
menghilangkan atau mengurangi acakan (randomness) dalam deret berkala.<br />
Metode ini disebut rata - rata bergerak karena setiap kali data observasi baru<br />
tersedia, maka angka - angka baru dihitung dan digunakan sebagai ramalan<br />
(forecast) untuk periode yang akan datang.<br />
Universitas Pamulang
17<br />
Metode moving average mengembangkan suatu model berdasarkan<br />
hasil perhitungan rata-rata dari sebagian besar penelitian. Secara matematik,<br />
rataan bergerak sederhana (merupakan prediksi permintaan periode<br />
mendatang) dinyatakan sebagai berikut :<br />
1<br />
Ft ( At 1 At 2<br />
... At n<br />
) ..............................................(5)<br />
n<br />
dimana :<br />
F t<br />
= Hasil peramalan untuk periode t<br />
= jumlah data penelitian<br />
A t<br />
= data histori penjualan<br />
a. Keuntungan dari metode rataan bergerak yaitu:<br />
1) Mudah untuk dimengerti<br />
2) Mudah untuk dihitung<br />
3) Dapat diterapkan untuk peramalan yang stabil<br />
b. Kekurangan dari metode rataan bergerak yaitu:<br />
1) Dibutuhkan beberapa/banyak data yang digunakan untuk<br />
menentukan peramalan<br />
2) Hasil yang diperoleh merupakan trend data<br />
3) Mengabaikan hubungan antar data<br />
2.3 Metode Penghalusan Eksponensial (exponential smoothing)<br />
Penghalusan Eksponensial (exponential smoothing) merupakan<br />
metode peramalan rataan bergerak dengan pembobotan canggih, namun<br />
masih mudah digunakan. Metode ini menggunakan sangat sedikit<br />
pencatatan data masa lalu.<br />
Metode ini merupakan metode peramalan yang menerapkan sistem<br />
pembobotan pada data histori untuk melakukan peramalan. Besarnya bobot<br />
berubah menurun secara eksponensial bergantung dari data histori<br />
Universitas Pamulang
18<br />
Berdasarkan bobot yang digunakan, metode exponential smoothing<br />
terbagi menjadi 3 jenis yaitu:<br />
a. Metode single exponential smoothing<br />
Metode ini memberikan bobot berdasarkan level (α), dimana<br />
α adalah sebuah bobot atau konstanta penghalusan (smoothing<br />
constant) yang dipilih oleh peramal, yang mempunyai nilai antara 0<br />
dan 1. Berikut ini merupakan persamaan dari metode single<br />
exponential smoothing (Jacob, 2009):<br />
dimana :<br />
<br />
<br />
Ft Ft 1 At 1 – Ft<br />
1 .........................................(6)<br />
F t<br />
F t-1<br />
α<br />
A t-1<br />
= peramalan baru<br />
= peramalan sebelumnya<br />
= konstanta penghalus<br />
= permintaan aktual periode lalu<br />
b. Metode double exponential smoothing<br />
Metode ini merupakan pengembangan dari single exponential<br />
smoothing dimana menambahkan unsur trend pada bobot<br />
perhitungan, sehingga pada double exponential smoothing, kita<br />
memberikan dua jenis bobot pada perhitungan yaitu level (α) dan<br />
trend (ß). Berikut ini merupakanpersamaan dalam perhitungan<br />
double exponentialsmoothing (Jacob, 2009):<br />
FIT t = F t + T t .................................................................(7)<br />
F t = FIT t-1+ α (A t-1– FIT t-1) .....................................(8)<br />
T t = T t-1+ ß (F t – FIT t-1) ............................................(9)<br />
dimana,<br />
Universitas Pamulang
19<br />
F t<br />
T t<br />
FIT t<br />
FIT t-1<br />
A t-1<br />
α<br />
ß<br />
=peramalan berdasarkan level pada periode t<br />
=peramalan berdasarkan trend pada periode t<br />
=hasil peramalan berdasarkan level dan trend pada periode t<br />
=hasil peramalan berdasarkan level dan trend pada periode<br />
sebelumnya<br />
=data aktual pada periode sebelumnya<br />
=bobot level<br />
=bobot trend<br />
2.4 Definisi E-marketplace<br />
E-marketplace merupakan media online berbasis internet (web<br />
based) tempat melakukan kegiatan bisnis dan transaksi antara pembeli dan<br />
penjual. Pembeli dapat mencari supplier sebanyak mungkin dengan kriteria<br />
yang diinginkan, sehingga memperoleh sesuai harga pasar. Sedangkan bagi<br />
supplier / penjual dapat mengetahui perusahaan-perusahaan yang<br />
membutuhkan produk / jasa mereka. E-marketplace merupakan model e-<br />
business yang berhubungan dengan penjual dan pembeli (seller & buyer). E-<br />
marketplace di Indonesia merupakan salah satu media penggerak ekonomi<br />
nasional dalam rangka menghadapi era globalisasi. Untuk itu, perlu<br />
dikembangkan e-marketplace yang teratur, wajar dan efisien.<br />
Pada umumnya e-marketplace yang efisien dapat meningkatkan<br />
iklim investasi di perusahaan dan memudahkan arus input output barang.<br />
Di dalam dunia maya, secara prinsip, e-marketplace berkembang<br />
melalui empat tahapan evolusi berdasarkan konsep yang dikembangkan oleh<br />
Warran D. Raisch. Keempat tahapan evolusi tersebut masing-masing adalah:<br />
Commodity Exchanges, Value-Added Services, Knowledge Networks, Value<br />
Trust Networks.<br />
Universitas Pamulang
20<br />
a. Commodity Exchanges<br />
Pada bentuk awal ini, e-Marketplace merupakan arena tempat<br />
bertemunya berbagai pihak atau entiti yang memilki tujuan utama<br />
untuk berdagang (transaksi jual-beli). Produk atau jasa yang paling<br />
cocok untuk diperdagangkan dalam e-marketplace ini adalah yang<br />
bersifat komoditas. Alasannya adalah karena selain sesuai dengan<br />
karakteristik transaksi dagang yang cepat dan berjangka pendek,<br />
barang-barang komoditas ini mudah sekali menentukan harganya<br />
sehingga tidak sulit jika dipertukarkan secara internasional (dengan<br />
memakai standar pembayaran semacam kartu kredit dan transfer<br />
bank). Perbedaan yang mendasar antara pasar konvensional dengan<br />
e-marketplace jenis ini adalah pada konsep transparansi. Di sisi<br />
pembeli (buyer transparency), besar sekali manfaat yang diperoleh<br />
jika bertransaksi di pasar ini karena melalui internet harga-harga<br />
produk maupun jasa dapat secara transparan diketahui. Artinya,<br />
karena begitu banyaknya pemasok (suppliers) produk atau jasa yang<br />
sama, maka seorang calon pembeli dapat melakukan pengecekan dan<br />
perbandingan antara masing-masing harga yang ditawarkan tersebut,<br />
tentu saja dengan tujuan untuk mencari harga termurah.<br />
Selain harga, transparansi terhadap kualitas pelayanan, aturan<br />
garansi, fasilitas asuransi, dan jaminan pelayanan purna jual<br />
merupakan beberapa hal yang dapat pula diperbandingkan<br />
keberadaannya oleh para calon pembeli. Untuk produk-produk<br />
khusus, dimana tidak banyak pemasok yang menawarkannya, aspek<br />
transparansi dapat pula terlihat, karena pembeli dapat melakukan<br />
perhitungan tersendiri mengenai tingkat kewajaran harga yang<br />
ditawarkan pemasok tersebut (karena pada dasarnya sebuah<br />
perusahaan harus melalui beberapa tahap aktivitas/proses penciptaan<br />
produk yang dengan mudah dapat dihitung biayanya per tahap<br />
melalui pengecekan lansung di internet).<br />
Di sisi penjual pun manfaat transparansi dapat diperoleh<br />
(supplier tranparency). Manfaat pertama adalah diketahuinya tingkat<br />
Universitas Pamulang
21<br />
kompetitif yang ada dengan cara mempelajari bagaimana para<br />
pesaingan bisnisnya berusaha merebut calon pembeli yang ada di<br />
internet. Dengan mengetahui hal tersebut, maka dengan mudah dapat<br />
disusun strategi bersaing yang efektif tanpa harus mengeluarkan<br />
biaya khusus (biasanya dialokasikan untuk mempelajari pasar dan<br />
perilaku pelanggan). Manfaat kedua adalah sebuah perusahaan<br />
pemasok dapat benar-benar memilih rekanan atau mitra kerja<br />
bisnisnya yang paling cepat, murah, dan berkualitas baik, karena<br />
dengan mudahnya pemasok tersebut dapat melakukan pengecekan<br />
terhadap kinerja mitra bisnis tersebut melalui internet. Mekanisme<br />
transparansi yang terjadi di e-marketplace ini perlahan-lahan akan<br />
membentuk sebuah pasar perdagangan yang sangat efisien, yang<br />
terasa sulit dan membutuhkan waktu lama untuk terjadi di pasar<br />
konvensional. Bentuk-bentuk bisnis semacam lelang dan jual-beli<br />
produk retail merupakan primadona dalam arena perdagangan virtual<br />
ini.<br />
b. Value Added Services<br />
Perkembangan berikutnya dari e-marketplace akan menuju<br />
kepada terbentuknya sebuah arena dimana terciptanya sebuah bentuk<br />
penawaranpenawaran baru terhadap sebuah metode jual-beli yang<br />
belum/sulit terjadi di pada pasar konvensional (value added<br />
services). Filosofi utama yang mendasari jenis perdagangan ini<br />
adalah suatu pandangan yang mengatakan bahwa setiap konsumen<br />
(atau calon pembeli) adalah unik, sehingga mereka sebenarnya<br />
mengharapkan untuk memperoleh atau dapat membeli produk atau<br />
jasa yang khusus sesuai dengan kebutuhan atau kesukaan masingmasing<br />
individu. Dengan kata lain, perusahaan harus mampu<br />
menghasilkan dan menawarkan produk atau jasa yang dapat ditambahsulam-kan<br />
(tailor made) sesuai dengan keinginan unik<br />
pelanggan.<br />
Selain variasi produk yang dapat disesuaikan, harga, cara<br />
pengiriman, lama garansi, jenis asuransi, dan hal-hal lain pun dapat<br />
Universitas Pamulang
22<br />
dipilih sesuka hati konsumen. Di e-marketplace, hal ini sangat<br />
mudah dilakukan karena banyak sekali aspek-aspek penciptaan<br />
produk atau jasa yang dapat dengan mudah di-digitalisasi-kan.<br />
Semakin hal serupa tidak dapat dilakukan di pasar konvensional,<br />
semakin besar nilai tambah yang ditawarkan oleh e-marketplace.<br />
Industri dengan produk - produk yang dapat di-digital-kan<br />
merupakan primadona di e-marketplace ini seperti: media dan<br />
publikasi, musik dan rekaman, hiburan, kurir, dan lain sebagainya.<br />
c. Knowledge Networks<br />
Perkembangan berikutnya dari e-marketplace adalah menuju ke<br />
sebuah komunitas yang berbasis pengetahuan (knowledge).<br />
Perusahaan adalah merupakan kumpulan dari sumber daya manusia<br />
dengan kompetensi dan keahlian yang beragam. Interaksi antara<br />
perusahaan dengan mitra bisnis, (yang berkepentingan), dan<br />
konsumen merupakan tidak hanya merupakan sebuah komunikasi<br />
pasif belaka, namun di dalamnya terkandung aspek-aspek<br />
pengetahuan yang secara sadar atau tidak saling dipertukarkan.<br />
Lihatlah bagaimana dengan hanya berbekal fasilitas browsing dan<br />
situs-situs portal, seseorang yang sangat awam di bidang tertentu<br />
dalam waktu singkat dapat memiliki berbagai referensi berharga<br />
berkualitas tinggi untuk dipelajari. Tidak pernah terbayangkan<br />
sebelumnya bahwa hanya dengan berbekal email dan situs<br />
(homepage), seorang individu dapat mengembangkan bisnis dengan<br />
berbagai sumber daya data dan informasi yang telah tersedia gratis di<br />
internet. Di samping itu, perusahaan pun dapat belajar banyak dari<br />
perusahaan-perusahaan lain, baik yang merupakan mitra bisnis atau<br />
pun para pesaingnya. Konsumen pun menjadi bertambah pintar<br />
karena hampir tidak ada lagi hal yang dapat disembunyikan oleh<br />
para penjual produk atau jasa.<br />
Hampir tidak ada lagi produk atau jasa dengan kualitas buruk<br />
yang mampu bertahan lama di pasaran karena konsumen akan<br />
diberitahu oleh sumber-sumber lain melalui internet mengenai<br />
Universitas Pamulang
23<br />
produk atau jasa yang buruk mutunya tersebut. E-marketplace ini<br />
secara tidak langsung akan meningkatkan kualitas perdagangan di<br />
dalam kehidupan manusia, karena sudah tidak ada lagi yang dapat<br />
dikelabui oleh siapapun. Setiap tawaran, ajakan, data, maupun<br />
informasi dapat dengan mudah dicek kebenarnnya di internet.<br />
d. Value Trust Networks<br />
Akhirnya e-marketplace akan berkembang ke sebuah jejaring<br />
yang merupakan pusat bertemunya berbagai individu, komunitas,<br />
institusi, perusahaan, bisnis, pemerintah, negara, dan entiti-entiti lain<br />
yang kehadirannya merupakan bagian tak terpisahkan dari kehidupan<br />
manusia.<br />
Berbagai interaksi yang tidak efisien dan efektif lagi dilakukan<br />
di pasar konvensional akan segera beralih ke e-marketplace.<br />
Komunitas manusia akan terbentuk di dunia maya berdasarkan<br />
kepentingannya masing-masing (workgroups). Tentu saja interaksi<br />
tersebut dapat terwujud jika jejaring e-marketplace yang ada dapat<br />
dipercaya. Berbagai prasyarat yang harus dipenuhi oleh e-<br />
marketplace untuk menuju kepada lingkungan tersebut di antaranya<br />
adalah: faktor keamanan dalam bertransaksi, jaminan privasi dalam<br />
berkomunikasi, adanya standar pertukaran informasi antar institusi<br />
yang disepakati, dan berlakunya hukum dunia maya yang efektif.<br />
Pada akhirnya nanti, akan terjadi konvergensi yang utuh antara<br />
pasar konvensional dengan e-marketplace. Apapun bentuknya nanti,<br />
yang pasti akan mendatangkan dampak positif dan negatif bagi<br />
kelangsungan hidup manusia. Yang penting untuk dicermati adalah<br />
bagaimana memanfaatkan kemajuan dan inovasi teknologi yang ada<br />
untuk meningkatkan kualitas kehidupan manusia. Tanpa adanya<br />
usaha ke arah itu, niscaya kehadiran teknologi justru akan<br />
mempercepat kemusnahan komunitas manusia di bumi ini.<br />
Kerap dijumpai dalam berbagai kesempatan para praktisi bisnis<br />
maupun teknologi informasi yang keliru mempergunakan istilah e-<br />
commerce dan e-business dalam presentasinya. Hal ini dinilai wajar<br />
Universitas Pamulang
24<br />
karena selain disebabkan oleh banyaknya teori yang berkembang<br />
sehubungan dengan kedua fenomena bisnis tersebut, kecepatan<br />
kemajuan teknologi informasi semakin memperluas dan<br />
mengaburkan arti dari e-commerce maupun e-business. Namun<br />
demikian hampir semua praktisi dan ahli bisnis maupun teknologi<br />
informasi sepakat pada konsep yang mengatakan bahwa domain e-<br />
business jauh lebih luas dibandingkan dengan e-commerce.<br />
Domain e-tailing lebih berintikan mekanisme perdagangan<br />
antara perusahaan dengan konsumen langsungnya (consumers) atau<br />
yang lebih dikenal dengan relasi bisnis B2C (Business-to-<br />
Consumers), sedangkan e-commerce memiliki domain yang lebih<br />
luas karena terkandung di dalamnya pula relasi bisnis antara dua atau<br />
lebih perusahaan, atau yang lebih dikenal dengan B2B (Business-to-<br />
Business). Yang terlihat dalam konteks ini adalah suatu pengertian<br />
bahwa mekanisme e-commerce lebih terfokus pada aktivitas<br />
transaksi elektronik antar dua atau lebih entiti bisnis; sementara e-<br />
business memiliki ruang lingkup yang jauh lebih luas. Yang<br />
dimaksudkan dengan e-business secara umum adalah berbagai<br />
aktivitas di dalam perusahaan, baik yang berkaitan secara langsung<br />
maupun tidak langsung dengan berbagai proses pertukaran barang<br />
atau jasa (bisnis) dengan memanfaatkan teknologi digital (komputer,<br />
telekomunikasi, teknologi informasi, dan lain sebagianya). Dengan<br />
kata lain, seluruh rangkaian proses yang kerap dijumpai dalam<br />
aktivitas bisnis masuk ke dalam domain definisi e-business, seperti<br />
yang kerap dijumpai dalam berbagai aplikasi sistem informasi<br />
semacam Supply Chain Management (SCM), Demand Chain<br />
Management (DCM), Customer Relationship Management (CRM),<br />
Enterprise Resource Planning (ERP), dan lain sebagainya. Menurut<br />
Charles R. Rieger dari IBM dan Mary P. Donato dari Xerox, paling<br />
tidak ada lima keuntungan yang ditawarkan oleh e-business<br />
(spektrum value e-business). Kelima keuntungan tersebut masing-<br />
Universitas Pamulang
25<br />
masing berkaitan dengan aspek-aspek efisiensi, efektivitas,<br />
jangkauan, struktur, dan peluang.<br />
2.4.1 Perbedaan Toko Online dan E-marketplace<br />
Toko online dapat dianalogikan sebagai toko ritel yang<br />
dioperasikan secara virtual. Pihak penjual akan memberi barang<br />
secara grosir dan menjualnya secara retail kepada para pelanggan<br />
melalui perantaraan komunikasi via interenet. Sebagai pihak penjual,<br />
kita tentu harus menyediakan dan menghitung stok barang sebelum<br />
mempromosikannya melalui sarana website. Dalam menjalankan<br />
toko online, kita akan memperoleh keuntungan kotor dari hasil<br />
penjualan setiap produk. Keuntungan kotor tersebut tentu masih<br />
harus disisihkan untuk pemenuhan biaya pengiriman, biaya<br />
packaging dan rincian biaya lainnya. Salah satu contoh toko online<br />
terbesar dan tertua di dunia adalah Amazon. Dengan keuntungan<br />
kotor sebesar 20% hingga 25%, Amazon tentu harus selalu membuat<br />
inovasi dan mengikuti tren produk yang tengah digemari masyarakat.<br />
Peluang sukses dalam menjalankan toko online adalah bagaimana<br />
kemahiran kita dalam memanfaatkan SEO (Search Engine<br />
Optimization).<br />
Kemahiran memanfaaatkan SEO dan perangkat analisis<br />
lainnya akan membuat produk toko online jadi mudah muncul di<br />
daftar teratas hasil mesin pencarian internet. Sehingga para pengguna<br />
internet tentu akan jadi lebih tertarik untuk melihat-lihat produk yang<br />
muncul paling awal di daftar hasil pencarian tersebut. Pangsa pasar<br />
bagi toko online memang sangat besar, namun menjalankan toko<br />
online di tengah maraknya persaingan kompetitor sejenis tentu<br />
bukanlah hal yang terasa mudah. Selain mengandalkan konsep toko<br />
online untuk memperoleh sejumlah keuntungan dari internet, konsep<br />
e-marketplace juga dapat menjadi pilihan yang tepat dan minim<br />
risiko. E-marketplace adalah suatu tempat di internet dimana banyak<br />
pihak berkumpul untuk melakukan proses transaksi jual beli, ada<br />
Universitas Pamulang
26<br />
yang ingin mencari suatu barang dan ada pihak lain yang sedang<br />
ingin menjual barang.<br />
Secara konvensional, konsep e-marketplace bisa<br />
dianalogikan seperti pasar tradisional dimana banyak orang<br />
berkumpul di tempat tersebut untuk melakukan transaksi jual beli.<br />
Pihak penyedia e-marketplace bertindak sebagai fasilitator yang<br />
mewadahi pertemuan dan transaksi legal antara pihak penjual dan<br />
pihak pembeli.<br />
Dengan menjalankan e-marketplace, kita tak perlu<br />
memusingkan pembagian keuntungan kotor yang harus diuraikan<br />
untuk membayar biaya tertentu. Pada e-marketplace, keuntungan<br />
yang kita diperoleh hanya dipotong untuk kepentingan biaya<br />
transaksi. Memulai bisnis online di e-marketplace menjadi salah satu<br />
solusi yang tepat bagi pebisnis online yang tidak memiliki dana yang<br />
memadai untuk menyimpan stok barang yang beraneka ragam.<br />
Perkembangan bisnis e-marketplace juga tidak hanya terbatas<br />
pada penjualan produk saja, namun juga sudah mulai merambah ke<br />
bidang jasa dan penyediaan tenaga freelance. Beberapa startup<br />
seperti gobann.com dan Sribulancer menjadi contoh bahwa e-<br />
marketplace akan tersedianya tenaga kerja freelance yang kreatif dan<br />
handal kini sangat dibutuhkan di Indonesia.<br />
Selain kedua jenis bisnis e-commerce tersebut, masih banyak<br />
konsep bisnis e-commerce lainnya yang diterapkan untuk menarik<br />
perhatian para pembeli dan pengguna internet. Konsep lelang yang<br />
diterapkan oleh eBay menjadi salah satu daya tarik tersendiri bagi<br />
pengguna internet. Calon pembeli tentu akan memperoleh kepuasan<br />
tersendiri ketika bisa memperoleh produk idamannya melalui sistem<br />
lelang.<br />
Universitas Pamulang
27<br />
2.4.2 Interaksi dalam E-marketplace<br />
Dalam e-marketplace, tentunya banyak interaksi yang terjadi.<br />
Mekanisme interaksi yang terjadi dalam e-marketplace antara lain:<br />
a. Broker yang terdiri dari :<br />
1) Sell/Buy fulfillment, misalnya pemenuhan barang-barang<br />
kebutuhan perusahaan. Jenis broker ini secara otomatis<br />
selalu siap menyetok atau membeli barang-barang yang<br />
dibutuhkan.<br />
2) Virtual malls, konsep virtual malls sama seperti e-mall.<br />
3) Comparison agent, broker ini bertindak sebagai agen<br />
yang memberikan perbandingan antara satu produk<br />
dengan produk lainnya.<br />
4) Shopping facilitator, broker jenis ini mengarahkan dan<br />
membantu pembeli dalam memilih-milih produk yang<br />
akan ia beli. Bisa juga memberikan shopping advise.<br />
5) Matching services, broker ini memberikan jasa<br />
mencocokkan pembeli dengan barang atau jasa yang<br />
diinginkan. Contohnya biro jodoh.<br />
b. Infomediary<br />
Memberikan atau menjual informasi pembeli untuk keperluan<br />
market research, atau sebaliknya, memberikan atau menjual<br />
informasi mengenai produk kepada pembeli.<br />
c. E-distributor<br />
E-distributor mengumpulkan katalog online sebanyakbanyaknya<br />
untuk dihimpun dalam satu tempat dan disuguhkan<br />
pada pembeli.<br />
2.4.3 Manfaat Situs E-marketplace dalam Mendukung Bisnis<br />
Situs e-marketplace sangatlah bermanfaat jika ingin mulai<br />
menjalankan bisnis maupun yang saat ini sudah memiliki bisnis.<br />
Universitas Pamulang
28<br />
Tidak perlu mengeluarkan biaya lebih untuk menjual maupun<br />
membeli barang.<br />
Untuk menggunakan situs e-marketplace ini tidak perlu<br />
mengeluarkan biaya tambahan untuk membuat toko online sendiri.<br />
Dan tentunya sebagai penjual akan lebih mudah menjumpai banyak<br />
konsumen yang mengunjungi situs e-marketplace tersebut. Menjual<br />
produk di toko online masih memerlukan biaya promosi tambahan,<br />
sedangkan untuk berjualan pada situs e-marketplace biaya promosi<br />
ini sudah tidak perlu pikirkan.<br />
Situs e-marketplace pengelolaannya jauh lebih mudah. Saat<br />
ini situs e-marketplace yang ada sangat mudah digunakan untuk<br />
user. Bahkan bagi orang awam yang sebelumnya belum pernah<br />
menggunakan situs jual beli secara online pasti bisa<br />
menggunakannya. Karena diberbagai situs e-marketplace yang ada<br />
panduan penggunaan atau informasi untuk pengguna cukup mudah<br />
dipahami. Selain daripada itu situs e-marketplace penggunaannya<br />
jauh lebih praktis, dan tidak memerlukan biaya perawatan yang<br />
lebih.<br />
Potensi pasar jauh lebih besar Dengan menggunakan situs e-<br />
marketplace kesempatan untuk menjangkau banyak calon pembeli<br />
jauh lebih besar. Selain itu juga, masyarakat sekarang lebih suka<br />
menggunakan internet untuk melakukan transaksi jual beli barang.<br />
Universitas Pamulang
29<br />
BAB III<br />
METODOLOGI PENELITIAN<br />
3.1 Metodologi Penelitian<br />
Metode yang digunakan dalam penelitian ini adalah metode<br />
peramalan kuantitatif, dengan cara memperkirakan yang mungkin akan<br />
terjadi pada masa mendatang berdasarkan data kuantitatif masa lalu. Ada<br />
beberapa metode peramalan kuantitatif yang dapat digunakan untuk<br />
memperkirakan penjualan masa depan. Metode yang digunakan adalah<br />
metode yang sesuai dengan kebutuhan dan kemampuan pengguna. Metode<br />
kuantitatif yang dipilih adalah metode time series, yaitu metode dengan cara<br />
memanfaatkan pola permintaan masa lalu dan memproyeksikannya ke<br />
dalam perkiraan permintaan masa datang. Metode time series digunakan<br />
secara luas dalam melakukan peramalan dan yang digunakan dalam<br />
penelitian ini terdiri dari beberapa metode, yaitu metode Exponential<br />
Smoothing dan metode Moving Average.<br />
Sebelum menentukan beberapa metode time series, dilakukan<br />
identifikasi pola data penjualan produk Green World pada e-marketplace<br />
dan diperkuat dengan aturan pemetaan autokorelasinya. Untuk memilih<br />
metode peramalan time series yang paling baik adalah melihat tingkat<br />
kesalahan paling kecil. Untuk itu dihitung nilai MSE dan dibandingkan<br />
dengan melihat MSE terendah untuk mendapatkan metode peramalan<br />
kuantitatif terakurat secara keseluruhan. Semakin kecil nilai MSE, maka<br />
akan semakin baik metodenya, karena hasil peramalan semakin mendekati<br />
nilai aktualnya. Selanjutnya metode terpilih digunakan untuk meramalkan<br />
penjualan produk di masa mendatang dan dapat digunakan sebagai acuan<br />
untuk menyusun perencanaan penjualan produk Green World pada e-<br />
marketplace.<br />
29<br />
Universitas Pamulang
30<br />
3.2 Waktu Penelitian<br />
Pelaksanaan Kerja Praktek (KP) dilaksanakan di Stokis Green World<br />
Alam Sutera pada tanggal 10 Juli – 11 Agustus 2017. Perhitungan jam kerja<br />
disesuaikan dengan jam kerja stokis yaitu setiap hari Senin – Jumat , jam<br />
09.00 – 17.00 WIB.<br />
3.3 Tempat Penelitian<br />
Pelaksanaan Kerja Praktek (KP) dilaksanakan di Stokis Green World<br />
Alam Sutera yang beralamat di Cluster Sutera Cemara VI no. 2 Alam<br />
Sutera, Serpong, Tangerang Selatan, Banten. Stokis Green World Alam<br />
Sutera merupakan salah satu stokis yang beroperasi di bawah naungan PT.<br />
Green World Global Indonesia.<br />
3.3.1 Sejarah PT. Green World Global Indonesia<br />
Tahun 1997 Green World Group mendirikan perusahaan<br />
produk suplemen kesehatan Green World (Tianjin) di Tianjin, dan<br />
membawa bisnis kesehatan Green World ke China. Green World<br />
(Tianjin) adalah sebuah perusahaan yang bergerak dibidang riset,<br />
produksi dan penjualan produk suplemen kesehatan..<br />
Pada tahun 2006 meraih ISO 9001 : 2000 pengakuan atas<br />
sistem manajemen kualitas dan pengakuan GMP China. Dari tahun<br />
2006 secara berturut-turut selama 5 tahun mendapat pengakuan dari<br />
FDA U.S. Di tahun 2007, Green World membangun basis budidaya<br />
di provinsi Hebei, China. Tahun 2010 Green World membangun<br />
basis produksi di Lishui, Nanjing, China bagian selatan. Pendirian<br />
perusahaan bioteknologi Green World (Lishui) ini menjadi landasan<br />
penting bagi perkembangan bisnis kesehatan Green World Group di<br />
China dan juga akan menjadi basis proses produksi dan pengolahan<br />
minuman organik.<br />
Memasuki pasar China selama 12 tahun, Green World Group<br />
mengalami perkembangan yang sangat pesat di China. Dukungan<br />
Universitas Pamulang
31<br />
manajemen legal, produk unggul, teknologi muktahir serta pelayanan<br />
terbaik, membuat Green World Group mampu memenangkan<br />
persaingan ketat yang ada dan mendapat kepercayaan luas dari<br />
kalangan masyarakat di China serta mampu secara langsung<br />
memberikan benefit bagi pelanggan. Penghargaan yang telah diraih<br />
Green World Group antara lain : posisi wakil presiden dalam<br />
organisasi produk suplemen kesehatan di kota Tianjin, penghargaan<br />
sebagai perusahaan dengan direct selling terbaik di Asia Pasifik di<br />
tahun 2007, masuk dalam kategori 10 produk terbaik di Asia Pasifik<br />
di tahun 2007, sebagai anggota asosiasi produk suplemen kesehatan<br />
China yang mengutamakan integritas, kualitas dan pelayanan.<br />
Produk suplemen kesehatan yang dikeluarkan Green World<br />
Group mengikuti konsep riset yang mengaju pada “keseimbangan,<br />
sirkulasi, menjaga kesehatan”. Dengan nutrisi komplit untuk<br />
meningkatkan daya tahan tubuh. Daya tahan tubuh yang kuat<br />
memacu kelancaran pencernaan, kelancaran pencernaan memacu<br />
penyerapan nutrisi yang lebih baik, sehingga secara keseluruhan<br />
membentuk “seperangkat gaya hidup sehat” bagi konsumen yang<br />
mengkonsumsi produk suplemen kesehatan.<br />
Tanggal 17 Maret 2010, di Agricultural Silicon Valley,<br />
kabupaten Lishui, berlangsung peletakan batu pertama dalam<br />
pendirian perusahaan bioteknologi Green World (Lishui). Wakil<br />
Walikota Nanjing-Mr.Chen Weijian, kepala akademi ilmu pertanian<br />
Jiangsu-Mr.Yan Shaohua, wakil direktur institut kelautan dan biota<br />
kelautan China-Mr.Liu Zhaopu, pemimpin propinsi Lishui, Mr.Jiang<br />
Ming, Mr.Lin Yue, Mr.Chen Xiaodong dan sekretaris kota Baima-<br />
Mr.Chen Peng, dan yang lainnya bersama Presiden direktur Green<br />
World.Co.Ltd.USA-DR.Li Deming dan wakil presiden direktur<br />
Green World Group-Mr.Zhang Liangjun, manager Green World<br />
Group cabang Namibia-Mr.Zhang Hong, manager Green World<br />
Group cabang Durban, Afrika Selatan-Ms.Kang Hongyu. General<br />
Universitas Pamulang
32<br />
Manager Green World Indonesia Mr.Ji Yansheng. Distributor terbaik<br />
dari Indonesia Mr.Budiman Prasetyo dan Ms.Manis serta perwakilan<br />
distributor dari Nigeria dan yang lainnya datang bersama dalam<br />
seremonial ini.<br />
Di saat yang sama, Green World Group juga berencana<br />
mendirikan basis produksi pembuatan minuman organik, obatobatan,<br />
kosmetik, wewangian dan esens wewangian di kabupaten<br />
Lishui. Selain itu provinsi Jiangsu kabupaten Lishui mengandalkan<br />
budidaya buah-buahan organik, pembangunan penanaman buahbuahan<br />
organik, budidaya benih herbal, pengolahan, dan penjualan<br />
menjadi satu kesatuan, membentuk kawasan industri bioteknologi<br />
modern berstandar internasional. Menggerakkan dan meningkatkan<br />
sosial dan ekonomi masyarakat setempat secara menyeluruh.<br />
Green World Group sebagai sebuah group perusahaan<br />
internasional, dalam proses perkembangan yang terus berkelanjutan,<br />
senantiasa tidak lepas dari dukungan dan perhatian kolega dari<br />
berbagai kalangan. Selama ini Green World Group selalu mengikuti<br />
prinsip “kesehatan umat manusia sebagai dasar, mewariskan dan<br />
berinovasi, bekerjasama untuk keuntungan dan kemenangan<br />
bersama”. Memiliki tanggung jawab sosial, mengutamakan<br />
integritas, sepenuh tenaga serta tulus dan ikhlas untuk memberikan<br />
kontribusi ke masyarakat, memberikan dedikasi lewat industri<br />
kesehatan.<br />
3.3.2 Visi dan Misi PT. Green World Global Indonesia<br />
a. Visi<br />
Visi dari PT. Green World Global Indonesia yaitu:<br />
Memenuhi kebutuhan pelanggan, memberikan kepuasan<br />
bagi pelanggan dan meningkatkan kualitas hidup pelanggan.<br />
Universitas Pamulang
33<br />
b. Misi<br />
Dalam rangka mewujudkan Visi Green World , maka<br />
diperlukan misi yang jelas yaitu berupa langkah-langkah Green<br />
World untuk mewujudkan visi yang telah ditetapkan yaitu :<br />
1) Green World Group berkomitmen memberikan pelayanan<br />
atas kesehatan semua masyarakat, membangun lembaga<br />
pelayanan kesehatan terbaik berskala international. Green<br />
world Group menjadikan semua ini sebagai misi dan<br />
tanggung jawab, tidak akan lalai dan akan terus<br />
meningkatkan kemampuan penelitian, fokus pada riset<br />
pengembangan produk, mempersembahkan produk<br />
berkualitas terbaik dan terdepan serta pelayanan terbaik<br />
bagi semua kalangan sebagai bentuk kontribusi positif<br />
untuk keharmonisan masyarakat sosial dan menjadi<br />
perusahaan yang bertanggung jawab kepada masyarakat.<br />
2) Menaikan kualitas nutrisi masyarakat sebagai tanggung<br />
jawab, Green world Group melalui terobosan yang ada<br />
sekarang ini menjalin komunikasi dan pertukaran ilmu yang<br />
luas dengan ahli dari berbagai negara, memperkuat<br />
teknologi untuk meningkatkan efektifitas produk suplemen<br />
kesehatan, riset bahan baku produk baru, menciptakan<br />
variasi perkembangan sebagai hasil dari persaingan yang<br />
ada, menjamin kelancaran bisnis dan menciptakan<br />
perusahaan yang handal.<br />
Universitas Pamulang
34<br />
3.3.3 Struktur Organisasi<br />
Gambar 3 Struktur Organisasi PT. Green World Global Indonesia<br />
3.4 Populasi dan Sampel<br />
3.4.1 Populasi Penelitian<br />
Populasi yang dipilih sebagai obyek penelitian di PT. Green<br />
World Global Indonesia adalah penjualan produk Green World pada<br />
e-marketplace.<br />
3.4.2 Sampel Penelitian<br />
Dalam penelitian ini diambil data penjualan dari Stokis<br />
Green World Alam Sutera yang menggunakan dan mengelola 3 e-<br />
marketplace yaitu tokopedia.com, bukalapak.com, dan blibli.com.<br />
3.5 Metode Pengumpulan Data<br />
Data yang digunakan adalah data historis penjualan produk Green<br />
World pada e-marketplace. Data penjualan yang digunakan adalah data<br />
penjualan produk Green World pada e-marketplace dengan penyebaran dari<br />
bulan Januari 2016 - Juli 2017.<br />
Universitas Pamulang
35<br />
Informasi dan pengumpulan data yang dikumpulkan meliputi data<br />
primer dan sekunder. Data primer merupakan data yang didapat dari sumber<br />
utama, individu atau perseorangan, seperti dari hasil analisa dan pengamatan<br />
langsung di lapangan, serta wawancara langsung dengan pihak manajemen<br />
perusahaan sebagai narasumber. Sedangkan data sekunder merupakan data<br />
primer yang diperoleh pihak lain atau telah diolah dan disajikan baik oleh<br />
pengumpul data primer maupun oleh pihak lain, atau data pelengkap dari<br />
data primer yang dikumpulkan dari literatur-literatur, studi pustaka atau<br />
laporan internal perusahaan (data penjualan produk Green World dari bulan<br />
Januari 2016 - Juli 2017), kebijakan dan peraturan perusahaan (sejarah<br />
umum perusahaan, visi dan misi perusahaan) baik itu berupa laporan<br />
bulanan dan tahunan manajemen perusahaan ataupun tulisan yang berkaitan<br />
dengan penjualan dan pemasaran produk Green World.<br />
3.6 Metode Pengolahan Data<br />
Pengolahan dan analisis data yang digunakan dalam penelitian<br />
dilakukan secara kualitatif dan kuantitatif. Analisis kualitatif<br />
menggabungkan faktor-faktor seperti intuisi pengambil keputusan, emosi,<br />
pengalaman pribadi dan sistem nilai. Analisis kualitatif menggambarkan<br />
keadaan umum perusahaan dan mengetahui permasalahan yang terjadi<br />
dalam usaha tersebut. Sedangkan analisis kuantitatif menggunakan model<br />
matematik yang beragam dengan data masa lalu dan peubah sebab akibat<br />
untuk meramalkan permintaan.<br />
Analisis kuantitatif yang dilakukan untuk analisis peramalan<br />
penjualan produk Green World pada e-marketplace selama 15 periode<br />
mendatang di Stokis Alam Sutera menggunakan beberapa metode<br />
peramalan time series dengan pertimbangan data penjualan adalah deret<br />
waktu, artinya disajikan berdasarkan waktu kejadian tanpa menunjukkan<br />
faktor-faktor yang mempengaruhinya, yaitu metode Exponential Smoothing<br />
dan metode Moving Average. Hasil peramalan tersebut digunakan untuk<br />
menetapkan target penjualan produk Green World pada e-marketplace dan<br />
dapat dijadikan acuan perusahaan untuk menyususun perencanaan produksi<br />
Universitas Pamulang
36<br />
terbaik di masa mendatang. Data kuantitatif tersebut diolah dengan<br />
menggunakan software Minitab18.<br />
Peramalan penjualan produk Green World pada e-marketplace dapat<br />
diidentifikasi melalui pemetaan data dan pemetaan autokorelasi, yang<br />
kemudian ditabulasikan dalam bentuk tabel dan kurva dengan menggunakan<br />
Minitab18. Dengan melakukan plot data tersebut dapat diketahui pemetaan<br />
data penjualan sementara, sehingga diketahui apakah data tersebut memiliki<br />
unsur trend, siklus atau musiman, karena berguna untuk menduga sementara<br />
metode peramalan yang digunakan.<br />
Menurut Heizer dan Render (2006), mempunyai empat (4)<br />
komponen, yaitu tren, musim, siklus dan variasi acak (random variation).<br />
a. Tren merupakan pergerakan data sedikit demi sedikit meningkat atau<br />
menurun. Perubahan pendapatan, populasi, penyebaran umur, atau<br />
pandangan budaya dapat mempengaruhi pergerakan tren.<br />
b. Musim adalah pola data yang berulang pada kurun waktu tertentu<br />
seperti hari, minggu, bulan, atau kuartal.<br />
c. Siklus adalah pola dalam data yang terjadi setiap beberapa tahun.<br />
Siklus ini biasanya terkait pada siklus bisnis dan merupakan satu hal<br />
penting dalam analisis dan perencanaan bisnis jangka pendek.<br />
Memprediksi siklus bisnis sulit, karena dipengaruhi oleh kejadian<br />
politik ataupun kerusuhan internasional.<br />
d. Variasi acak merupakan satu titik khusus dalam data yang<br />
disebabkan oleh peluang dan situasi yang tidak biasa. Variasi acak<br />
tidak mempunyai pola khusus, jadi tidak dapat diprediksi.<br />
Menurut Handoko (1984), metode time series merupakan metode<br />
peramalan runtut waktu mencoba untuk meramalkan kejadian-kejadian di<br />
waktu mendatang atas dasar serangkaian masa lalu. Serangkaian data ini<br />
merupakan serangkaian observasi sebagai peubah menurut waktu dan<br />
biasanya ditabulasi, serta digambarkan dalam bentuk grafik yang<br />
menunjukkan peubah subyek. Komponen-komponen time series pada<br />
Universitas Pamulang
37<br />
umumnya diklasifikasikan sebagai Trend (T), Musiman atau seasional (M),<br />
Siklikal atau cyclical (S) dan residu atau eratic (E).<br />
Pemilihan metode peramalan time series dilakukan sesuai dengan<br />
data penjualannya. Metode yang dipilih adalah metode yang sesuai dan<br />
tepat, yaitu dalam menilai seberapa jauh model menghasilkan sebuah<br />
ramalan yang tak jauh berbeda dengan keadaan aktual.<br />
Keakuratan keseluruhan peramalan dapat dilihat dari<br />
membandingkan nilai yang diramal dengan nilai aktual. Ada beberapa<br />
perhitungan yang digunakan untuk menghitung kesalahan peramalan total,<br />
yaitu simpangan rataan absolut (MAD), kesalahan rataan kuadrat (MSE) dan<br />
kesalahan persen rataan absolut (MAPE).<br />
MAD = [ ∑ (A t – F t ) ] / n ..........................................................(10)<br />
MSE = [ ∑ (A t – F t ) 2 ] / n .........................................................(11)<br />
MAPE = [ ∑ (A t – F t ) / A t )] / n ..................................................(12)<br />
dimana :<br />
A t<br />
F t<br />
= nilai aktual<br />
= nilai ramalan<br />
(A t – F t ) = kesalahan ramalan (galat)<br />
n<br />
= banyaknya data<br />
Prosedur peramalan dengan metode time series (Baroto, 2002) adalah :<br />
a. Tentukan pola data penjualan, dengan memetakan data secara grafis<br />
dan menyimpulkan apakah data itu berpola trend, musiman, siklikal,<br />
atau eratik/acak.<br />
b. Mencoba beberapa metode time series yang sesuai dengan pola<br />
penjualan tersebut untuk melakukan peramalan. Metode yang dicoba<br />
Universitas Pamulang
38<br />
semakin banyak, maka semakin baik. Pada setiap metode, sebaiknya<br />
dilakukan peramalan dengan parameter berbeda.<br />
c. Mengevalusi tingkat kesalahan masing-masing metode yang telah<br />
dicoba. Tingkat kesalahan diukur dengan kriteria MAD, MSE,<br />
MAPE, atau lainnya. Sebaiknya nilai tingkat kesalahan (MAD,<br />
MSE, atau MAPE) ditentukan dulu. Dalam hal ini, tidak ada<br />
ketentuan mengenai berapa tingkat kesalahan maksimal dalam<br />
peramalan.<br />
d. Memilih metode terbaik diantara metode yang dicoba. Metode<br />
terbaik adalah metode yang memberikan tingkat kesalahan terkecil<br />
dibandingkan metode lainnya dan tingkat kesalahan tersebut di<br />
bawah batas tingkat kesalahan yang ditetapkan.<br />
e. Melakukan peramalan dengan metode terbaik yang telah dipilih.<br />
Pemetaan autokorelasi dilakukan dengan menunjukkan keeratan<br />
hubungan antara nilai peubah yang sama pada periode waktu berbeda.<br />
1) Apabila nilai koefisien autokorelasi pada time lag dua atau tiga<br />
periode tidak berbeda nyata dari nol, maka data tersebut adalah data<br />
stasioner.<br />
2) Apabila nilai koefisien autokorelasi pada beberapa time lag pertama<br />
secara berurutan berbeda nyata dari nol, maka data tersebut adalah<br />
data yang menunjukkan pola trend.<br />
3) Apabila nilai koefisien pada beberapa time lag yang mempunyai<br />
jarak sistematis berbeda nyata dari nol, maka data tersebut adalah<br />
data komponen musiman.<br />
3.6.1 Metode Rataan Bergerak<br />
Metode rataan bergerak dihitung dengan persamaan terdiri dari :<br />
1<br />
Ft ( At 1 At 2<br />
... At n<br />
) .................................................(5)<br />
n<br />
Metode rataan sederhana menggunakan semua data tersedia<br />
dan cocok meramalkan data time series dengan data stasioner.<br />
Universitas Pamulang
39<br />
3.6.2 Metode Penghalusan Eksponensial<br />
Penghalusan Eksponensial (exponential smoothing)<br />
merupakan metode peramalan rataan bergerak dengan pembobotan<br />
canggih, namun masih mudah digunakan. Metode ini menggunakan<br />
sangat sedikit pencatatan data masa lalu. Rumus penghalusan<br />
eksponensial dibagi menjadi :<br />
a. Metode penghalusan eksponensial tunggal<br />
Metode yang menyediakan rataan bergerak tertimbang<br />
secara eksponensial semua nilai pengamatan yang lalu (Hanke,<br />
et al., 2003).<br />
<br />
Ft Ft 1 At 1 – Ft<br />
1 ...............................(6)<br />
dimana :<br />
F t = peramalan baru<br />
F t-1 = peramalan sebelumnya<br />
α = konstanta penghalus ( 0 < α < 1 )<br />
A t-1 = permintaan aktual periode lalu<br />
b. Metode penghalusan eksponensial ganda<br />
Hal ini merupakan metode linear satu (1) parameter<br />
dari Brown (double exponential smoothing).<br />
FIT t = F t + T t ............................................................(7)<br />
F t = FIT t-1+ α (A t-1– FIT t-1) .................................(8)<br />
T t = T t-1+ ß (F t – FIT t-1) .......................................(9)<br />
dimana,<br />
<br />
F t<br />
= peramalan berdasarkan level pada periode t<br />
Universitas Pamulang
40<br />
T t<br />
FIT t<br />
= peramalan berdasarkan trend pada periode t<br />
= hasil peramalan berdasarkan level dan trend pada<br />
periode t<br />
FIT t-1 = hasil peramalan berdasarkan level dan trend pada<br />
periode sebelumnya<br />
A t-1<br />
α<br />
ß<br />
=data aktual pada periode sebelumnya<br />
=bobot level<br />
=bobot trend<br />
3.7 Desain Penelitian<br />
Desain penelitian yang dilakukan dalam proses penelitian Kerja<br />
Praktek yang berjudul “Analisis Peramalan Penjualan Produk Suplemen Pt.<br />
Green World Global Pada E-marketplace di Stokis Alam Sutera” dapat<br />
dilihat jelas pada gambar yang menunjukkan rencana atau struktur<br />
penelitian yang digunakan untuk memecahkan permasalahan yang diangkat<br />
dalam penelitian ini.<br />
Universitas Pamulang
41<br />
Gambar 4 Desain Alur Penelitian<br />
Universitas Pamulang
2016<br />
2017<br />
42<br />
BAB IV<br />
HASIL DAN PEMBAHASAN<br />
4.1 Hasil Data Penelitian<br />
Data yang digunakan adalah data penjualan produk Green World<br />
pada tiga (3) e-marketplace di Stokis Alam Sutera dari bulan Januari 2016<br />
sampai Juli 2017. E-marketplace yang digunakan yaitu tokopedia.com,<br />
bukalapak.com, dan blibli.com. Data yang digunakan sebanyak 19 data.<br />
Tabel 2 Data Penjualan Produk Green World pada e-marketplace<br />
Tahun Bulan Tokopedia.com Bukalapak.com Blibli.com Total<br />
Jan 10 5 3 18<br />
Feb 8 10 6 24<br />
Mar 12 11 8 31<br />
Apr 21 12 4 37<br />
Mei 13 11 3 27<br />
Jun 16 10 12 38<br />
Jul 17 8 15 40<br />
Ags 12 9 21 42<br />
Sept 13 11 22 46<br />
Okt 11 8 24 43<br />
Nov 13 13 29 55<br />
Des 17 9 29 55<br />
Jan 11 10 26 47<br />
Feb 28 20 16 64<br />
Mar 16 20 17 53<br />
Apr 25 15 26 66<br />
Mei 21 18 16 55<br />
Jun 19 13 18 50<br />
Jul 19 19 15 53<br />
Jumlah 302 232 310 844<br />
42<br />
Universitas Pamulang
43<br />
4.2 Hasil Perhitungan<br />
Pada penelitian ini, software yang digunakan adalah MINITAB 18<br />
untuk melakukan peramalan time series dengan metode rataan bergerak<br />
(moving average), penghalusan eksponensial tunggal (single exponential<br />
smoothing), dan penghalusan eksponensial ganda (double exponential<br />
smoothing).<br />
Data disajikan berdasarkan penjualan pada tokopedia, bukalapak,<br />
blibli, dan total ketiganya. Peramalan dilakukan dengan menggunakan<br />
metode yang memiliki nilai MSE terkecil.<br />
4.2.1 Hasil Perhitungan pada Tokopedia<br />
Gambar 5 Pola data penjualan pada Tokopedia<br />
Berdasarkan data penjualan pada tokopedia, dilakukan<br />
identifikasi kesalahan peramalan dengan metode rataan bergerak<br />
(moving average), penghalusan eksponensial tunggal (single<br />
exponential smoothing), dan penghalusan eksponensial ganda<br />
(double exponential smoothing). Perhitungan masing-masing metode<br />
dengan menggunakan software MINITAB 18 terdapat pada<br />
Lampiran.<br />
Universitas Pamulang
44<br />
Tabel 3 Analisa Kesalahan Peramalan Penjualan di Tokopedia<br />
Metode MAD MSE MAPE<br />
Rataan Bergerak (Moving Average) 3,7083 27,9306 20,0195<br />
Penghalusan Eksponensial Tunggal<br />
(Single Exponentian Smoothing)<br />
Penghalusan Eksponensial Ganda<br />
(Double Exponentian Smoothing)<br />
3,3996 24,8526 20,5612<br />
3,6168 22,9827 22,8647<br />
Berdasarkan Tabel 3, penjualan produk suplemen Green<br />
World pada tokopedia yang dianalisis dengan Minitab 18 dengan<br />
metode peramalan Penghalusan Eksponensial Ganda (Double<br />
Exponentian Smoothing) memiliki nilai MSE terkecil (22,9827)<br />
dibandingkan dengan metode peramalan lainnya.<br />
Peramalan penjualan suplemen Green World untuk 15<br />
periode kedepan di tokopedia, dianalisis menggunakan metode<br />
peramalan Penghalusan Eksponensial Ganda (Double Exponentian<br />
Smoothing).<br />
Tabel 4 Ramalan penjualan produk suplemen Green World pada tokopedia<br />
dengan metode Double Exponentian Smoothing<br />
Periode Bulan Peramalan Penjualan<br />
20 Agustus 2017 21,6199<br />
21 September 2017 22,22642<br />
22 Oktober 2017 22,83293<br />
23 November 2017 23,43944<br />
24 Desember 2017 24,04596<br />
25 Januari 2018 24,65247<br />
26 Februari 2018 25,25898<br />
27 Maret 2018 25,86549<br />
28 April 2018 26,47201<br />
29 Mei 2018 27,07852<br />
30 Juni 2018 27,68503<br />
31 Juli 2018 28,29155<br />
Universitas Pamulang
45<br />
32 Agustus 2018 28,89806<br />
33 September 2018 29,50457<br />
34 Oktober 2018 30,11109<br />
4.2.2 Hasil Perhitungan pada Bukalapak<br />
Gambar 6 Pola data penjualan pada Bukalapak<br />
Berdasarkan data penjualan pada bukalapak, dilakukan<br />
identifikasi kesalahan peramalan dengan metode rataan bergerak<br />
(moving average), penghalusan eksponensial tunggal (single<br />
exponential smoothing), dan penghalusan eksponensial ganda<br />
(double exponential smoothing). Perhitungan masing-masing metode<br />
dengan menggunakan software MINITAB 18 terdapat pada<br />
Lampiran.<br />
Tabel 5 Analisa Kesalahan Peramalan Penjualan di Bukalapak<br />
Metode MAD MSE MAPE<br />
2,7292 13,6597 19,8385<br />
Rataan Bergerak (Moving Average)<br />
Penghalusan Eksponensial Tunggal<br />
(Single Exponentian Smoothing)<br />
Penghalusan Eksponensial Ganda<br />
(Double Exponentian Smoothing)<br />
2,7618 14,1579 22,6067<br />
2,7903 11,6920 24,4495<br />
Universitas Pamulang
46<br />
Berdasarkan Tabel 5, penjualan produk suplemen Green<br />
World pada tokopedia yang dianalisis dengan Minitab 18 dengan<br />
metode peramalan Penghalusan Eksponensial Ganda (Double<br />
Exponentian Smoothing) memiliki nilai MSE terkecil (11,6920)<br />
dibandingkan dengan metode peramalan lainnya.<br />
Peramalan penjualan suplemen Green World untuk 15<br />
periode kedepan di tokopedia, dianalisis menggunakan metode<br />
peramalan Penghalusan Eksponensial Ganda (Double Exponentian<br />
Smoothing).<br />
Tabel 6 Ramalan penjualan produk suplemen Green World pada bukalapak<br />
dengan metode Double Exponentian Smoothing<br />
Periode Bulan Peramalan Penjualan<br />
20 Agustus 2017 18,1368<br />
21 September 2017 18,8174<br />
22 Oktober 2017 19,4980<br />
23 November 2017 20,1787<br />
24 Desember 2017 20,8593<br />
25 Januari 2018 21,5399<br />
26 Februari 2018 22,2206<br />
27 Maret 2018 22,9012<br />
28 April 2018 23,5818<br />
29 Mei 2018 24,2624<br />
30 Juni 2018 24,9431<br />
31 Juli 2018 25,6237<br />
32 Agustus 2018 26,3043<br />
33 September 2018 26,9850<br />
34 Oktober 2018 27,6656<br />
Universitas Pamulang
47<br />
4.2.3 Hasil Perhitungan pada Blibli<br />
Gambar 7 Pola data penjualan pada Blibli<br />
Berdasarkan data penjualan pada blibli, dilakukan identifikasi<br />
kesalahan peramalan dengan metode rataan bergerak (moving<br />
average), penghalusan eksponensial tunggal (single exponential<br />
smoothing), dan penghalusan eksponensial ganda (double<br />
exponential smoothing). Perhitungan masing-masing metode dengan<br />
menggunakan software MINITAB 18 terdapat pada Lampiran.<br />
Tabel 7 Analisa Kesalahan Peramalan Penjualan di Blibli<br />
Metode MAD MSE MAPE<br />
Rataan Bergerak (Moving Average)<br />
5,5833 40,4167 37,679<br />
Penghalusan Eksponensial Tunggal<br />
(Single Exponentian Smoothing)<br />
Penghalusan Eksponensial Ganda<br />
(Double Exponentian Smoothing)<br />
6,2228 54,4068 42,5067<br />
6,5391 57,2116 56,458<br />
Berdasarkan Tabel 7, penjualan produk suplemen Green<br />
World pada tokopedia yang dianalisis dengan Minitab 18 dengan<br />
metode peramalan Rataan Bergerak (Moving Average) memiliki nilai<br />
MSE terkecil (40,4167) dibandingkan dengan metode peramalan<br />
lainnya.<br />
Universitas Pamulang
48<br />
Peramalan penjualan suplemen Green World untuk 15<br />
periode kedepan di tokopedia, dianalisis menggunakan metode<br />
peramalan Rataan Bergerak (Moving Average).<br />
Tabel 8 Ramalan penjualan produk suplemen Green World pada blibli dengan<br />
metode Moving Average<br />
Periode Bulan Peramalan Penjualan<br />
20 Agustus 2017 16,3333<br />
21 September 2017 16,3333<br />
22 Oktober 2017 16,3333<br />
23 November 2017 16,3333<br />
24 Desember 2017 16,3333<br />
25 Januari 2018 16,3333<br />
26 Februari 2018 16,3333<br />
27 Maret 2018 16,3333<br />
28 April 2018 16,3333<br />
29 Mei 2018 16,3333<br />
30 Juni 2018 16,3333<br />
31 Juli 2018 16,3333<br />
32 Agustus 2018 16,3333<br />
33 September 2018 16,3333<br />
34 Oktober 2018 16,3333<br />
Universitas Pamulang
49<br />
4.2.4 Hasil Perhitungan pada E-marketplace<br />
Gambar 8 Pola data penjualan pada E-marketplace<br />
Berdasarkan data penjualan pada e-marketplace, dilakukan<br />
identifikasi kesalahan peramalan dengan metode rataan bergerak<br />
(moving average), penghalusan eksponensial tunggal (single<br />
exponential smoothing), dan penghalusan eksponensial ganda<br />
(double exponential smoothing). Perhitungan masing-masing metode<br />
dengan menggunakan software MINITAB 18 terdapat pada<br />
Lampiran.<br />
Tabel 9 Analisa Kesalahan Peramalan Penjualan di E-marketplace<br />
Metode MAD MSE MAPE<br />
Rataan Bergerak (Moving Average)<br />
6,7292 57,1597 14,1294<br />
Penghalusan Eksponensial Tunggal<br />
(Single Exponentian Smoothing)<br />
Penghalusan Eksponensial Ganda<br />
(Double Exponentian Smoothing)<br />
8,2342 97,8071 19,5173<br />
6,2676 50,0011 15,1597<br />
Berdasarkan Tabel 9, penjualan produk suplemen Green<br />
World pada e-marketplace yang dianalisis dengan Minitab 18<br />
dengan metode peramalan Penghalusan Eksponensial Ganda<br />
Universitas Pamulang
50<br />
(Double Exponentian Smoothing) memiliki nilai MSE terkecil<br />
(50,0011) dibandingkan dengan metode peramalan lainnya.<br />
Peramalan penjualan suplemen Green World untuk 15<br />
periode kedepan di e-marketplace, dianalisis menggunakan metode<br />
peramalan Penghalusan Eksponensial Ganda (Double Exponentian<br />
Smoothing).<br />
Tabel 10 Ramalan penjualan produk suplemen Green World pada e-marketplace<br />
dengan metode Double Exponentian Smoothing<br />
Periode Bulan Peramalan Penjualan<br />
20 Agustus 2017 62,8403<br />
21 September 2017 64,0901<br />
22 Oktober 2017 65,3399<br />
23 November 2017 66,5897<br />
24 Desember 2017 67,8394<br />
25 Januari 2018 69,0892<br />
26 Februari 2018 70,3390<br />
27 Maret 2018 71,5888<br />
28 April 2018 72,8385<br />
29 Mei 2018 74,0883<br />
30 Juni 2018 75,3381<br />
31 Juli 2018 76,5878<br />
32 Agustus 2018 77,8376<br />
33 September 2018 79,0874<br />
34 Oktober 2018 80,3372<br />
Universitas Pamulang
51<br />
4.3 Pembahasan<br />
4.3.1 Pembahasan Hasil Perhitungan pada Tokopedia<br />
Dari gambar 5 diketahui bahwa penjualan di tokopedia<br />
memiliki pola acak, penjualan terendah terdapat pada bulan Februari<br />
2016 dan penjualan tertinggi pada bulan Februari 2017. Penjualan<br />
pada bulan Februari 2017 mengalami peningkatan yang sangat<br />
signifikan dan langsung megalami penurunan signifikan pada bulan<br />
selanjutnya. Peramalan penjualan suplemen Green World untuk 15<br />
periode kedepan di tokopedia, dianalisis menggunakan metode<br />
peramalan Penghalusan Eksponensial Ganda (Double Exponentian<br />
Smoothing) dengan nilai α = 0,2 , dan ß = 0,2.<br />
Dari tabel 4 ternyata hasil peramalan yang diperoleh dari<br />
jumlah penjualan setiap bulannya mengalami peningkatan, yaitu<br />
hasil peramalan bulan Agustus 2017 (22 produk) meningkat pada<br />
bulan September 2017 (23 produk) dan terus mengalami peningkatan<br />
hingga tercapai peramalan penjualan tertinggi pada periode 15 yaitu<br />
31 produk pada bulan Oktober 2018.<br />
4.3.2 Pembahasan Hasil Perhitungan pada Bukalapak<br />
Dari gambar 5 diketahui bahwa penjualan di bukalapak<br />
memiliki pola tren meningkat, penjualan terendah terdapat pada<br />
bulan Januari 2016 dan penjualan tertinggi pada bulan Februari dan<br />
Maret 2017. Penjualan pada bulan Februari 2017 mengalami<br />
peningkatan yang sangat signifikan, lalu tetap pada bulan<br />
selanjutnya, dan megalami penurunan pada bulan April 2017.<br />
Peramalan penjualan suplemen Green World untuk 15 periode<br />
kedepan di bukalapak, dianalisis menggunakan metode peramalan<br />
Penghalusan Eksponensial Ganda (Double Exponentian Smoothing)<br />
dengan nilai α = 0,2 , dan ß = 0,2.<br />
Universitas Pamulang
52<br />
Dari tabel 6 ternyata hasil peramalan yang diperoleh dari<br />
jumlah penjualan setiap bulannya mengalami peningkatan, yaitu<br />
hasil peramalan bulan Agustus 2017 (18 produk) meningkat pada<br />
bulan September 2017 (19 produk) dan terus mengalami peningkatan<br />
hingga tercapai peramalan penjualan tertinggi pada periode 15 yaitu<br />
28 produk pada bulan Oktober 2018.<br />
4.3.3 Pembahasan Hasil Perhitungan pada Blibli<br />
Dari gambar 7 diketahui bahwa penjualan di blibli memiliki<br />
pola acak, penjualan terendah terdapat pada bulan Januari dan Mei<br />
2016 dan penjualan tertinggi pada bulan November dan Desember<br />
2016. Penjualan dari bulan Mei hingga bulan November 2016<br />
menunjukkan tren naik lalu kembali turun pada bulan Januari hingga<br />
Februari 2017. Peramalan penjualan suplemen Green World untuk<br />
15 periode kedepan di blibli, dianalisis menggunakan metode<br />
peramalan Rataan Bergerak (Moving Average) dengan panjang<br />
rataan 3.<br />
Dari tabel 8 ternyata hasil peramalan yang diperoleh dari<br />
jumlah penjualan setiap bulannya tidak mengalami peningkatan<br />
ataupun penurunan, yaitu tetap 17 produk dari periode 1 bulan<br />
Agustus 2017 hingga periode 15 pada bulan Oktober 2018.<br />
4.3.4 Pembahasan Hasil Perhitungan pada E-marketplace<br />
Dari gambar 9 diketahui bahwa penjualan di e-marketplace<br />
memiliki pola tren meningkat, penjualan terendah terdapat pada<br />
bulan Januari 2016 dan penjualan tertinggi pada bulan April 2017.<br />
Penjualan cenderung mengalami peningkatan yang konstan, tidak<br />
menunjukkan ada penurunan ataupun peningkatan yang signifikan.<br />
Peramalan penjualan suplemen Green World untuk 15 periode<br />
kedepan di e-marketplace, dianalisis menggunakan metode<br />
peramalan Penghalusan Eksponensial Ganda (Double Exponentian<br />
Smoothing) dengan nilai α = 0,2 , dan ß = 0,2.<br />
Universitas Pamulang
53<br />
Dari tabel 10 ternyata hasil peramalan yang diperoleh dari<br />
jumlah penjualan setiap bulannya mengalami peningkatan, yaitu<br />
hasil peramalan bulan Agustus 2017 (63 produk) meningkat pada<br />
bulan September 2017 (64 produk) dan terus mengalami peningkatan<br />
hingga tercapai peramalan penjualan tertinggi pada periode 15 yaitu<br />
81 produk pada bulan Oktober 2018.<br />
Universitas Pamulang
54<br />
BAB V<br />
KESIMPULAN DAN SARAN<br />
5.1 Kesimpulan<br />
Dari hasil analisis peramalan penjualan produk suplemen Green<br />
World pada E-marketplace di Stokis Alam Sutera dari bulan Januari 2016<br />
sampai Juli 2017 untuk 15 periode, didapat kesimpulan sebagai berikut :<br />
a. Pola data penjualan produk suplemen Green World pada e-<br />
marketplace dari bulan Januari 2016 sampai Juli 2017 menunjukkan<br />
tren naik. Penjualan pada tokopedia dan blibli menunjukkan pola<br />
acak dan penjualan pada bukalapak menunjukkan tren naik.<br />
b. Dari hasil perhitungan tingkat kesalahan, metode peramalan<br />
kuantitatif yang paling sesuai untuk meramalkan jumlah penjualan<br />
produk suplemen Green World di tokopedia dan bukalapak adalah<br />
metode peramalan Penghalusan Eksponensial Ganda (Double<br />
Exponentian Smoothing), dan di blibli dengan metode Rataan<br />
Bergerak (Moving Average). Secara keseluruhan, metode yang<br />
paling efektif digunakan untuk meramalkan jumlah penjualan produk<br />
suplemen Green World pada e-marketplace dari Januari 2016 sampai<br />
Juli 2017 adalah metode peramalan Penghalusan Eksponensial<br />
Ganda (Double Exponentian Smoothing).<br />
c. Hasil peramalan penjualan produk suplemen Green World pada e-<br />
marketplace dari Januari 2016 sampai Juli 2017 cukup bervariasi.<br />
Peramalan penjualan pada tokopedia dan bukalapak mengalami<br />
peningkatan dimana hasil ramalan tertinggi terdapat pada periode 15<br />
dengan penjualan 31 produk di tokopedia dan 28 produk di<br />
bukalapak. Ramalan penjualan di blibli menunjukkan angka yang<br />
tetap dari periode 1 hingga 15 yaitu 17 produk. Hasil ramalan<br />
penjualan secara keseluruhan pada e-marketplace mengalami<br />
peningkatan dimana hasil ramalan tertinggi terdapat pada periode 15<br />
dengan penjualan 81 produk.<br />
54<br />
Universitas Pamulang
55<br />
5.2 Saran<br />
a. Perusahaan sebaiknya melakukan peramalan secara berkala<br />
(misalnya 3 atau 6 bulan sekali), agar memudahkan menetapkan<br />
target penjualan, maupun target lainnya untuk meningkatkan<br />
keuntungan perusahaan.<br />
b. Perusahaan sebaiknya memilih metode terbaik yang tingkat<br />
keakuratannya paling tinggi (misalnya metode Penghalusan<br />
Eksponensial Ganda sebagai metode terbaik di tokopedia), sehingga<br />
hasil peramalan tidak berbeda jauh dengan realisasi dan dapat<br />
mengurangi ketidakpastian yang terjadi pada masa mendatang.<br />
c. Perusahaan harus teliti dan cermat dalam melakukan peramalan<br />
penjualan (misalnya melihat output pada computer), karena hasil<br />
peramalan yang dilakukan akan digunakan sebagai dasar penyusunan<br />
strategi produksi, pemasaran maupun keuangan di masa mendatang.<br />
Universitas Pamulang
56<br />
DAFTAR PUSTAKA<br />
Heeren, Rick, (2010), Marketplace Miracle, Andi Publisher, Yogyakarta<br />
Makridakis, Spyros, Steven C, Wheelwright, and Victor E, (1999), Metode<br />
Aplikasi Dan Peramalan, Edisi I, Erlangga, Jakarta.<br />
Pratama, I Putu Agus Eka, (2015), E-Commerce E-Business Dan Mobile<br />
Commerce, Informatika, Bandung.<br />
Santoso, Singgih, (2009), Business Forecasting : Metode Peramalan Bisnis Masa<br />
Kini dengan Minitab dan SPSS, Elex Media Komputindo, Jakarta.<br />
Subagyo, Pangestu, (2013), Forecasting Konsep dan Aplikasi, Cetakan I, BPFE,<br />
Yogyakarta.<br />
Mishra, Kamala Kanta, http://www.datasciencecentral.com/profiles/blogs/<br />
selecting-forecasting-methods-in-data-science, Februari, 2017<br />
Riyanto, Teguh, https://zahiraccounting.com/id/blog/mengenal-marketplacekelebihan-dan-kekurangannya/,<br />
Desember, 2015<br />
Yanto, Apri, https://id.techinasia.com/talk/populernya-situs-marketplace-diindonesia,<br />
Februari, 2016<br />
Universitas Pamulang
57<br />
LAMPIRAN<br />
57<br />
Universitas Pamulang
Lampiran 1 Perhitungan kesalahan ramalan di tokopedia dengan metode Rataan Bergerak<br />
Lampiran 2 Perhitungan kesalahan ramalan di tokopedia dengan metode Penghalusan<br />
Eksponensial Tunggal<br />
1 Universitas Pamulang
Lampiran 3 Perhitungan kesalahan ramalan di tokopedia dengan metode Penghalusan<br />
Eksponensial Ganda<br />
Lampiran 4 Perhitungan kesalahan ramalan di bukalapak dengan metode Rataan Bergerak<br />
1 Universitas Pamulang
2<br />
Lampiran 5 Perhitungan kesalahan ramalan di bukalapak dengan metode Penghalusan<br />
Eksponensial Tunggal<br />
Lampiran 6 Perhitungan kesalahan ramalan di bukalapak dengan metode Penghalusan<br />
Eksponensial Ganda<br />
Universitas Pamulang
3<br />
Lampiran 7 Perhitungan kesalahan ramalan di blibli dengan metode Rataan Bergerak<br />
Lampiran 8 Perhitungan kesalahan ramalan di blibli dengan metode Penghalusan Eksponensial<br />
Tunggal<br />
Universitas Pamulang
4<br />
Lampiran 9 Perhitungan kesalahan ramalan di blibli dengan metode Penghalusan Eksponensial<br />
Ganda<br />
Lampiran 10 Perhitungan kesalahan ramalan pada e-marketplace dengan metode Rataan Bergerak<br />
Universitas Pamulang
5<br />
Lampiran 11 Perhitungan kesalahan ramalan pada e-marketplace dengan metode Penghalusan<br />
Eksponensial Tunggal<br />
Lampiran 12 Perhitungan kesalahan ramalan pada e-marketplace dengan metode Penghalusan<br />
Eksponensial Ganda<br />
Universitas Pamulang