LAPORAN KERJA PRAKTEK_FULL

LAPORAN KERJA PRAKTEK 

ANALISIS PERAMALAN PENJUALAN PRODUK SUPLEMEN 

PT. GREEN WORLD GLOBAL PADA E-MARKETPLACE 

(Studi Kasus : Stokis Alam Sutera) 

OLEH 

TAUFIK RYAN KUNCORO 

NIM : 2014100061 

PRODI MATEMATIKA 

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM 

UNIVERSITAS PAMULANG 

TANGERANG SELATAN 

2017





Sebagai Syarat Untuk Mengajukan Tugas Akhir 

OLEH 


NIM : 2014100061 

PRODI MATEMATIKA 

FAKULTAS MATEMATIKA DAN ILMU PENGETAHUAN ALAM 

UNIVERSITAS PAMULANG 

TANGERANG SELATAN 

2017 

i

LEMBAR PENGESAHAN 





Oleh : 


NIM : 2014100061 

Laporan Kerja Praktek ini telah diperiksa dan disetuji oleh : 

Dosen Pembimbing 

Pembimbing Instansi 

(Aden, S.Si., M.Pd.) 

NIDN : 0411118401 

(Fadillah Armansyah) 

Mengesahkan, 

Ketua Program Studi Matematika 

Fakultas MIPA Universitas Pamulang 

(Hendro Waryanto, S.Si., M.M.) 

NIDN : 0405057102 

ii

KATA PENGANTAR 

Bismillahirrahmaanirrahim 

Assalamu’alaikum Wr.Wb 

Puji syukur penulis ucapkan kepada Tuhan Yang Maha Esa Allah SWT 

yang telah melimpahkan rahmat, taufik, serta hidayah-Nya sehingga penulis dapat 

melaksanakan kegiatan Kerja Praktek serta dapat menyelesaikan laporannya tepat 

waktu dan tanpa adanya halangan yang berarti. Shalawat serta salam senantiasa 

tercurah kepada Nabi Muhammad SAW yang telah memberikan perubahan dan 

membuka mata umat manusia dengan adanya pencerahan hidup. 

Laporan Kerja Praktek ini dilaksanakan di PT. Green World Global 

Indonesia yang berjudul “Analisis Peramalan Penjualan Produk Suplemen Pt. 

Green World Global Pada E-marketplace Di Stokis Alam Sutera”. Laporan ini 

penulis susun untuk memenuhi salah satu persyaratan dalam menyelesaikan 

pendidikan pada Program Studi Matematika. Selain itu, laporan ini diharapkan 

dapat memberikan informasi dan meningkatkan ilmu pengetahuan bagi para 

pembacanya. 

Penulis menyadari bahwa laporan kerja praktek ini dapat diselesaikan 

berkat bimbingan, bantuan serta sumbangan saran dari berbagai pihak. Oleh 

karena itu, dalam kesempatan ini penulis mengucapkan banyak terima kasih 

kepada : 

1. Bapak Dr.H. Dayat Hidayat MM selaku Rektor Universitas Pamulang 

2. Bapak Ir. Dadang Kurnia, MM selaku Dekan fakultas MIPA Matematika. 

3. Bapak Hendro Waryanto, S.Si, MM selaku Kaprodi Matematika. 

4. Bapak Aden, S.Si, M.Pd, selaku pembimbing dalam penyusunan laporan 

kerja praktek ini. Yang telah membimbing dengan penuh kesabaran 

sehingga laporan kerja praktek ini dapat terselesaikan. 

5. Bapak Fadillah Armansyah selaku owner Stokis Green World Alam 

Sutera. 

iii

6. Ibu Yenny Wibowo selaku pembimbing serta pemberi informasi dan data 

selama kerja praktek. 

7. Kedua Orang tua tercinta terima kasih atas do’a, dukungan, perhatian, 

kasih sayang dan pengorbanan selama ini. Terima kasih atas kasih sayang 

dan motivasinya. 

8. Semua rekan-rekan khususnya Program Studi Matematika Reguler C 

angkatan 2014 terima kasih atas kebersamaannya dan dukungan selama 

ini. 

9. Semua pihak yang tidak dapat penulis sebutkan satu persatu di sini. Yang 

telah ikut membantu dalam menyelesikan laporan ini. 

Penulis menyadari bahwa dalam penyusunan laporan kerja praktek ini masih 

banyak kekurangan. Oleh karena itu, penulis mengharapkan kritik dan saran yang 

bersifat membangun sehingga laporan ini dapat bermanfaat bagi semua pihak. 

Wassalamu’alaikum Wr.Wb 

Tangerang, 31 Agustus 2017 

Penulis, 

Taufik Ryan Kuncoro 

iv

DAFTAR ISI 

LEMBAR PENGESAHAN .................................................................................... ii 

KATA PENGANTAR ........................................................................................... iii 

DAFTAR ISI ........................................................................................................... v 

DAFTAR GAMBAR ........................................................................................... viii 

DAFTAR TABEL .................................................................................................. ix 

DAFTAR LAMPIRAN ........................................................................................... x 

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

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

1.2 Identifikasi Masalah ................................................................................. 3 

1.3 Rumusan Masalah .................................................................................... 3 

1.4 Batasan Masalah ....................................................................................... 3 

1.5 Tujuan Penelitian ...................................................................................... 4 

1.6 Manfaat Penelitian .................................................................................... 4 

1.7 Sistematika Penulisan ............................................................................... 4 

BAB II TINJAUAN PUSTAKA ............................................................................. 6 

2.1 Peramalan ................................................................................................. 6 

2.1.1 Langkah-Langkah Peramalan ........................................................... 9 

2.1.2 Prinsip Peramalan.............................................................................. 9 

2.1.3 Metode-metode Peramalan.............................................................. 11 

2.1.4 Menghitung Kesalahan Peramalan .................................................. 15 

2.2 Metode Rataan Bergerak (Moving Average) .......................................... 16 

2.3 Metode Penghalusan Eksponensial (exponential smoothing) ................ 17 

2.4 Definisi E-marketplace ........................................................................... 19 

2.4.1 Perbedaan Toko Online dan E-marketplace ................................... 25 

v

2.4.2 Interaksi dalam E-marketplace ....................................................... 27 

2.4.3 Manfaat Situs E-marketplace dalam Mendukung Bisnis ................ 27 

BAB III METODOLOGI PENELITIAN.............................................................. 29 

3.1 Metodologi Penelitian ............................................................................ 29 

3.2 Waktu Penelitian .................................................................................... 30 

3.3 Tempat Penelitian ................................................................................... 30 

3.3.1 Sejarah PT. Green World Global Indonesia .................................... 30 

3.3.2 Visi dan Misi PT. Green World Global Indonesia .......................... 32 

3.3.3 Struktur Organisasi ......................................................................... 34 

3.4 Populasi dan Sampel .............................................................................. 34 

3.4.1 Populasi Penelitian .......................................................................... 34 

3.4.2 Sampel Penelitian ............................................................................ 34 

3.5 Metode Pengumpulan Data .................................................................... 34 

3.6 Metode Pengolahan Data ........................................................................ 35 

3.6.1 Metode Rataan Bergerak ................................................................. 38 

3.6.2 Metode Penghalusan Eksponensial ................................................. 39 

3.7 Desain Penelitian .................................................................................... 40 

BAB IV HASIL DAN PEMBAHASAN .............................................................. 42 

4.1 Hasil Data Penelitian .............................................................................. 42 

4.2 Hasil Perhitungan ................................................................................... 43 

4.2.1 Hasil Perhitungan pada Tokopedia ................................................. 43 

4.2.2 Hasil Perhitungan pada Bukalapak ................................................. 45 

4.2.3 Hasil Perhitungan pada Blibli ......................................................... 47 

4.2.4 Hasil Perhitungan pada E-marketplace ........................................... 49 

4.3 Pembahasan ............................................................................................ 51 

4.3.1 Pembahasan Hasil Perhitungan pada Tokopedia ............................ 51 

vi

4.3.2 Pembahasan Hasil Perhitungan pada Bukalapak ............................ 51 

4.3.3 Pembahasan Hasil Perhitungan pada Blibli .................................... 52 

4.3.4 Pembahasan Hasil Perhitungan pada E-marketplace ...................... 52 

BAB V KESIMPULAN DAN SARAN ................................................................ 54 

5.1 Kesimpulan ............................................................................................. 54 

5.2 Saran ....................................................................................................... 55 

DAFTAR PUSTAKA ........................................................................................... 56 

LAMPIRAN .......................................................................................................... 57 

vii

DAFTAR GAMBAR 

Gambar 1 Pola Komponen Time Series ............................................................... 14 

Gambar 2 Metode-metode Peramalan .................................................................. 14 

Gambar 3 Struktur Organisasi PT. Green World Global Indonesia..................... 34 

Gambar 4 Desain Alur Penelitian ........................................................................ 41 

Gambar 5 Pola data penjualan pada Tokopedia ................................................... 43 

Gambar 6 Pola data penjualan pada Bukalapak ................................................... 45 

Gambar 7 Pola data penjualan pada Blibli ........................................................... 47 

Gambar 8 Pola data penjualan pada E-marketplace ............................................ 49 

viii

DAFTAR TABEL 

Tabel 1 Tipe Peramalan Berdasarkan Kegunaan ................................................... 8 

Tabel 2 Data Penjualan Produk Green World pada e-marketplace ..................... 42 

Tabel 3 Analisa Kesalahan Peramalan Penjualan di Tokopedia .......................... 44 

Tabel 4 Ramalan penjualan produk suplemen Green World pada tokopedia 

dengan metode Double Exponentian Smoothing ............................... 44 

Tabel 5 Analisa Kesalahan Peramalan Penjualan di Bukalapak .......................... 45 

Tabel 6 Ramalan penjualan produk suplemen Green World pada bukalapak 


Tabel 7 Analisa Kesalahan Peramalan Penjualan di Blibli .................................. 47 

Tabel 8 Ramalan penjualan produk suplemen Green World pada blibli dengan 

metode Moving Average..................................................................... 48 

Tabel 9 Analisa Kesalahan Peramalan Penjualan di E-marketplace ................... 49 

Tabel 10 Ramalan penjualan produk suplemen Green World pada e-marketplace 


ix

DAFTAR LAMPIRAN 

Lampiran 1 Perhitungan kesalahan ramalan di tokopedia dengan metode Rataan 

Bergerak 

Lampiran 2 Perhitungan kesalahan ramalan di tokopedia dengan metode 

Penghalusan Eksponensial Tunggal 

Lampiran 3 Perhitungan kesalahan ramalan di tokopedia dengan metode 

Penghalusan Eksponensial Ganda 

Lampiran 4 Perhitungan kesalahan ramalan di bukalapak dengan metode Rataan 

Bergerak 

Lampiran 5 Perhitungan kesalahan ramalan di bukalapak dengan metode 


Lampiran 6 Perhitungan kesalahan ramalan di bukalapak dengan metode 


Lampiran 7 Perhitungan kesalahan ramalan di blibli dengan metode Rataan 

Bergerak 

Lampiran 8 Perhitungan kesalahan ramalan di blibli dengan metode Penghalusan 

Eksponensial Tunggal 

Lampiran 9 Perhitungan kesalahan ramalan di blibli dengan metode Penghalusan 

Eksponensial Ganda 

Lampiran 10 Perhitungan kesalahan ramalan pada e-marketplace dengan metode 

Rataan Bergerak 





Lampiran 13 Surat Permohonan Kerja Praktek 

Lampiran 14 Surat Balasan dari Instansi 

Lampiran 15 Daftar Absensi 

Lampiran 16 Daftar Penilaian 

x

BAB I 

PENDAHULUAN 

1.1 Latar Belakang 

Perkembangan dalam era globalisasi berjalan dengan pesat. Inovasiinovasi 

baru terus dilahirkan guna mempermudah pekerjaan manusia. 

Dalam bidang teknologi dan informasi ditandai dengan adanya jaringan 

internet yang saat ini telah tersebar ke seluruh dunia. Pengguna internet dari 

hari ke hari semakin meningkat, bahkan internet telah dijadikan sebagai 

gaya hidup. Semua aktivitas sehari-hari yang dilakukan tidak terlepas dari 

internet, tak terkecuali dalam melakukan aktivitas jual-beli. Prosedur 

berdagang atau mekanisme jual-beli di internet ini biasanya disebut E- 

commerce (Electronic Commerce). E-commerce didefinisikan sebagai 

proses pembelian dan penjualan antara dua belah pihak di dalam suatu 

perusahaan dengan adanya pertukaran barang, jasa, atau informasi melaui 

media internet. 

Ternyata tidak mudah dalam mengimplementasikan e-commerce 

dikarenakan banyaknya faktor yang terkait dan teknologi yang harus 

dikuasai. Dengan demikian ada tiga kategori dasar atau jenis-jenis e- 

commerce yaitu Businness to Consumer (B2C), Businness to Businness 

(B2B) dan Consumer to Consumer (C2C). 

Perkembangan internet yang semakin maju merupakan salah satu 

faktor pendorong berkembangnya e-commerce. Perkembangan e-commerce 

membawa banyak perubahan terhadap sektor aktivitas bisnis yang selama 

ini dijalankan di dunia nyata. Kemajuan teknologi ini juga memudahkan 

perusahaan dalam bertransaksi dengan konsumen, konsumen tidak perlu 

bertemu secara langsung dengan pihak perusahaan seperti halnya datang ke 

mall/toko, cukup dengan menggunakan internet transaksi dapat dilakukan 

dimana saja dan kapan saja. Selain itu, pengusaha dapat menjangkau target 

1 Universitas Pamulang

2 

pasar yang jauh lebih luas dengan biaya yang lebih murah jika dibandingkan 

dengan menggunakan cara biasa secara offline. 

Salah satu jenis e-commerce yang saat ini mulai berkembang pesat 

di Indonesia adalah e-commerce jenis e-marketplace. E-marketplace yang 

ada di Indonesia diantaranya yaitu tokopedia.com, bukalapak.com, 

blibli.com, zalora, elevenia, lazada, dan sebagainya. 

E-marketplace merupakan bagian dari e-commerce. Menurut Brunn, 

Jensen, & Skovgaard (2002), e-marketplace adalah wadah komunitas bisnis 

interaktif secara elektronik yang menyediakan pasar dimana perusahaan 

dapat ambil andil dalam B2B e-commerce dan atau kegiatan e-business lain. 

E-marketplace dapat dikatakan sebagai gelombang kedua pada e-commerce 

dan memperluas kombinasi dari bisnis konsumen (B2B, C2B dan C2C) ke 

dalam B2B. Inti penawaran dari e-marketplace adalah mempertemukan 

pembeli dan penjual sesuai dengan kebutuhan dan menawarkan efisiensi 

dalam bertransaksi. 

Penggunaan e-marketplace pada perusahaan berdampak positif bagi 

beberapa aspek. PT. Green World Global sebagai salah satu perusahaan 

penyedia produk suplemen herbal kini juga sudah merambah ke penjualan 

online. Ada banyak anggota dari Green World yang mulai menjual produk 

pada e-marketpalce. 

Atas dasar latar belakang diatas, penulis melakukan analisa 

sistematis tentang penjualan produk suplemen Green World pada e- 

marketplace yang dilakukan di Stokis Alam Sutera. Dengan data yang 

diperoleh dari Stokis Green World Alam Sutera dari bulan Januari 2016 

dengan menggunakan metode peramalan dan software Minitab 18. Sehingga 

dapat diketahui perkiraan penjualan produk kedepan pada e-marketplace di 

Stokis Green World Alam Sutera. 

Universitas Pamulang

3 

1.2 Identifikasi Masalah 

Dari latar belakang di atas, maka masalah yang dapat diidentifikasi 

adalah : 

1. Penyebaran pola data penjualan pada e-marketplace. 

2. Efisiensi penjualan produk pada e-marketplace. 

3. Potensi perkembangan metode penjualan pada e-marketplace. 

1.3 Rumusan Masalah 

Sesuai dengan latar belakang diatas, maka permasalahan yang akan 

dibahas dalam laporan ini adalah: 

1. Bagaimana pola data penjualan produk suplemen Green World pada 

e-marketplace dari Januari 2016 sampai Juli 2017 ? 

2. Bentuk metode peramalan kuantitatif apakah yang paling sesuai 

untuk meramalkan jumlah penjualan produk suplemen Green World 

pada e-marketplace dari Januari 2016 sampai Juli 2017 ? 

3. Bagaimana peramalan penjualan produk suplemen Green World 

pada e-marketplace untuk 15 bulan mendatang dengan menggunakan 

metode kuantitatif terbaik ? 

1.4 Batasan Masalah 

Batasan masalah untuk data yang digunakan dalam analisis 

peramalan penjualan produk Green World adalah: 

1. Laporan ini hanya menggunakan data penjualan dari e-marketplace 

dari Januari 2016 – Juli 2017 di Stokis Alam Sutera. 

2. Metode yang digunakan adalah Metode Rataan Bergerak dan 

Metode Penghalusan Eksponensial. 

3. Data yang digunakan berasal dari ststistik data penjualan di e- 

marketplace Stokis Alam Sutera yaitu tokopedia.com, 

bukalapak.com, dan blibli.com. 


4 

1.5 Tujuan Penelitian 

Tujuan dari penulisan laporan kerja praktek ini adalah sebagai 

berikut: 

1. Untuk mengetahui Bagaimana pola data penjualan produk suplemen 

Green World pada e-marketplace dari Januari 2016 - Juli 2017. 

2. Untuk mengetahui metode peramalan kuantitatif apakah yang paling 

sesuai untuk meramalkan jumlah penjualan produk suplemen Green 

World pada e-marketplace dari Januari 2016 sampai Juli 2017. 

3. Untuk mengetahui peramalan penjualan produk suplemen Green 

World pada e-marketplace untuk 15 bulan mendatang dengan 

menggunakan metode kuantitatif terbaik. 

1.6 Manfaat Penelitian 

Laporan kerja praktek ini diharapkan dapat memberi manfaat bagi 

semua pihak. Adapun manfaat penulisan laporan ini adalah: 

1. Memberikan informasi tentang bagaimana pola penjualan produk 

suplemen Green World pada e-marketplace. 

2. Memberikan informasi tentang penjualan produk suplemen Green 

World pada e-marketplace di masa yang akan datang. 

3. Sebagai referensi dalam menentukan metode penjualan, terutama 

penjualan produk pada e-marketplace. 

1.7 Sistematika Penulisan 

Sistematika penulisan laporan kerja praktek ini akan mengikuti 

penulisan sebagai berikut : 

BAB I 

PENDAHULUAN 

Pada bab ini berisi tentang latar belakang masalah, 

identifikasi masalah, perumusan masalah, pembatasan 

masalah, tujuan penelitian, manfaat penelitian dan 

sistematika penulisan. 


5 

BAB II 

TINJAUAN PUSTAKA 

Bab ini menguraikan tentang pengertian dan teori-teori yang 

digunakan sebagai landasan atau dasar dari analisa ini. 

BAB III 

METODOLOGI PENELITIAN 

Yang berisi tentang metode penelitian, tempat dan waktu 

penelitian, deskripsi lokasi penelitian, metode pengumpulan 

data, metode pengolahan data dan alur penelitian. 

BAB IV 

HASIL DAN PEMBAHASAN 

Bab ini menguraikan tentang hasil analisa data penjualan 

produk suplemen Green World pada e-marketplace dengan 

metode peramalan menggunakan software Minitab 18. 

BAB V 

KESIMPULAN DAN SARAN 

Kesimpulan dari hasil penelitan serta saran yang berupa 

keakuratan dari penelitian dan daftar pustaka serta lampiran. 

DAFTAR PUSTAKA 

LAMPIRAN 


6 

BAB II 

TINJAUAN PUSTAKA 

2.1 Peramalan 

Menurut Heizer dan Render (2006), peramalan adalah seni, ilmu 

untuk memperkirakan kejadian di masa depan. Hal ini dilakukan dengan 

melibatkan pengambilan data masa lalu dan menempatkannya ke masa 

mendatang dengan suatu bentuk model matematik atau prediksi intuisi 

bersifat subyektif, atau menggunakan kombinasi model matematik yang 

disesuaikan dengan pertimbangan yang baik. Forecasting berkaitan dengan 

upaya memperkirakan apa yang terjadi di masa depan, berbasis pada metode 

ilmiah (ilmu dan teknologi) serta dilakukan secara matematis. Walaupun 

demikian, kegiatan forecasting tidaklah semata-mata berdasarkan prosedur 

ilmiah atau terorganisir, karena ada kegiatan forecasting yang menggunakan 

intuisi (perasaan) atau lewat diskusi informal dalam sebuah grup (Santoso, 

2009). 

Menurut Sugiarto dan Harihono (2000), peramalan merupakan studi 

terhadap data historis untuk menemukan hubungan, kecenderungan dan pola 

sistematis. Dalam dunia bisnis, hasil peramalan mampu memberikan 

gambaran tentang masa depan perusahaan yang memungkinkan manajemen 

membuat perencanaan, menciptakan peluang bisnis maupun mengatur pola 

investasi. Ketepatan hasil peramalan bisnis akan meningkatkan peluang 

tercapainya investasi yang menguntungkan. Semakin tinggi akurasi yang 

dicapai peramalan, maka semakin meningkat pula peran peramalan dalam 

perusahaan, karena hasil dari suatu peramalan dapat memberikan arah bagi 

perencanaan perusahaan, perencanaan produk dan pasar, perencanaan 

penjualan, perencanaan produksi dan keuangan. 

Dikaitkan dengan perencanaan perusahaan, hasil peramalan 

lingkungan ekonomi dan pasar memungkinkan perencana perusahaan 

mengarahkan kebijakan perusahaan ke sektor-sektor yang memberikan 

6 


7 

peluang keuntungan tertinggi. pemanfaatan hasil peramalan dalam 

perencanaan produk dan pasar pada umumnya digunakan dalam menyusun 

sasaran perusahaan maupun untuk penyusunan anggaran promosi, serta 

anggaran penjualan yang diperlukan untuk mencapai sasaran tersebut. Hasil 

peramalan produk dan pasar dapat dimanfaatkan perusahaan untuk 

memasuki pasar baru ataupun menarik diri dari pasar yang semakin tidak 

menguntungkan. Sebagai contoh, hasil peramalan terhadap peluang suatu 

produk akan memungkinkan dibuatnya perencanaan terperinci bagi setiap 

sektor yang mendukung produk tersebut. 

Salah satu aspek yang paling sering disalahpahami dalam peramalan 

adalah ketidakpastian. Umumnya manajer perusahaan percaya bahwa 

semakin banyak sumber daya dan waktu yang diberikan kepada peramalan, 

semakin rendah derajat ketidakpastian yang didapat. Tetapi dalam banyak 

situasi, semata mata menggunakan lebih banyak waktu dan tenaga dalam 

peramalan justru akan memberikan hasil berlawanan. Proses peramalan 

masa depan itu sendiri justru membuka kemungkinan-kemungkinan baru 

dan hal ini sering berarti semakin banyaknya ketidakpastian yang harus 

dipertimbangkan. Dalam kasus seperti ini, tujuan utama peramalan adalah 

menjadikan para pengambil keputusan dan pembuat kebijakan memahami 

ketidakpastian di masa mendatang, sehingga ketidakpastian dan risiko yang 

mungkin muncul dapat dipertimbangkan pada waktu membuat perencanaan 

atau keputusan-keputusan yang berorientasi ke masa depan. Dengan 

melakukan peramalan, para perencana dan pengambil keputusan akan dapat 

mempertimbangkan alternatif-alternatif strategi yang lebih luas daripada 

tanpa peramalan. Dengan demikian, berbagai rencana strategi dan aksi dapat 

dikembangkan untuk menghadapi berbagai kemungkinan yang dapat terjadi 

di masa mendatang (Sugiarto dan Hariono, 2000). 

Menurut Heizer dan Render (2006), peramalan biasanya berdasarkan 

horizon waktu masa depan yang dicakupnya. Horizon waktu terbagi atas 

beberapa kategori : 


8 

1. Peramalan jangka pendek. Peramalan ini mencakup jangka waktu 

hingga satu (1) tahun tetapi umumnya kurang dari tiga (3) bulan. 

Peramalan ini digunakan untuk merencanakan pembelian, 

penjadwalan kerja, jumlah tenaga kerja, penugasan keja dan tingkat 

populasi. 

2. Peramalan jangka menengah. Peramalan jangka menengah, atau 

intermediate umumnya mencakup hitungan bulanan hingga tiga (3) 

tahun. Peramalan ini berguna untuk merencanakan penjualan, 

perencanaan dan anggaran produksi, anggaran kas dan menganalisis 

bermacam-macam rencana operasi. 

3. Peramalan jangka panjang. Umumnya untuk perencanaan masa tiga 

(3) tahun atau lebih. Peramalan jangka panjang digunakan untuk 

merencanakan produk baru, pembelanjaan modal, lokasi atau 

pengembangan fasilitas, serta penelitian dan pengembangan 

(litbang). 

Berikut ini merupakan tipe peramalan berdasarkan kegunaan 

(Alfatah,1998): 

Tabel 1 Tipe Peramalan Berdasarkan Kegunaan 

tipe peramalan 

berdasarkan kegunaan 

tipe peramalan 

berdasarkan rincian hasil 

jangkauan waktu 

peramalan 

peramalan fasilitas output maksimum yang waktu perencanaan 

diharapkan (volume dolar) fasilitas dan waktu 

konstruksi ditambah 

waktu pengembangan 

fasilitas 

peramalan perencanaan volume produk sesuai beberapa siklus 

produksi 

dengan tipe yang dipilih pembuatan atau paling 

sedikit satu siklus 

permintaan dengan 

penjualan musiman 

peramalan produk satuan produk yang dijual tenggang waktu (waktu 

tunggu) ditambah paling 

sedikit satu siklus 

pembuatan 


9 

2.1.1 Langkah-Langkah Peramalan 

Menurut Sugiarto dan Harihono (2000), hampir semua 

metode peramalan formal dilakukan dengan cara mengekstrapolasi 

kondisi masa lalu untuk kondisi masa mendatang. Hal ini didasarkan 

pada asumsi bahwa kondisi masa lalu sama dengan kondisi masa 

mendatang. Atas dasar logik ini, maka langkah-langkah dalam 

metode peramalan adalah : 

Langkah 1 

Langkah 2 

Langkah 3 

Langkah 4 

: Mengumpulkan data 

: Menyeleksi dan memilih data 

: Memilih model peramalan 

: Menggunakan metode terpilih untuk peramalan 

Menurut Heizer dan Render (2006), Peramalan (forecasting) 

adalah istilah yang sangat populer di dunia bisnis, yang pada 

dasarnya adalah kegiatan yang berhubungan dengan meramalkan 

atau memproyeksikan hal-hal yang terjadi di masa lampau ke masa 

depan. Ramalan permintaan (demand forecasting) menyangkut 

peramalan permintaan mendatang berdasarkan permintaan yang lalu 

atau berdasarkan perhitungan tertentu. Ramalan permintaan 

mencakup dua kegiatan (Indrajit dan Djokopranoto, 2003), yaitu : 

1. Mengidentifikasikan peubah-peubah yang mempengaruhi 

permintaan. 

2. Mengembangkan persamaan-persamaan yang menyatakan 

hubungan antara peubah-peubah tersebut dalam bentuk 

perhitungan matematik. 

2.1.2 Prinsip Peramalan 

Pada dasarnya peramalan merupakan sebuah perdiksi yang 

tentunya tidak memiliki akurasi 100%. Menurut Arnold dan 

Chapman (2004) terdapat empat karakteristik peramalan. Adapun 


10 

karakteristik atau prinsip peramalan tersebut adalah sebagai berikut 

ini: 

1. Peramalan biasanya salah. Peramalan mencoba untuk melihat 

masa depan yang belum diketahui dan biasanya salah dalam 

beberapa asumsi atau perkiraan. Kesalahan (error) harus 

diprediksi dan hal itu tidak dapat dielakan. 

2. Setiap peramalan seharusnya menyertakan estimasi kesalahan 

(error). Oleh karena peramalan diprediksikan akan menemui 

kesalahan, pertanyaan sebenarnya adalah “seberapa besar 

kesalahan tersebut”. Setiap peramalan seharusnya 

menyertakan estimasi kesalahan yang dapat diukur sebagai 

tingkat kepercayaan, dapat berupa persentase (plus atau 

minus) dari peramalan sebagai rentang nilai minimum dan 

maksimum. 

3. Peramalan akan lebih akurat untuk kelompok atau grup. 

Perilaku dari individual item dalam sebuah grup adalah acak 

bahkan ketika grup tersebut berada dalam keadaan stabil. 

Sebagai contoh, meramalkan secara akurat seorang murid 

dalam suatu kelas lebih sulit daripada meramalkan untuk 

rata-rata keseluruhan kelas. Dengan kata lain, peramalan 

lebih akurat untuk dilakukan pada kelompok atau grup 

daripada individual item. 

4. Peramalan lebih akurat untuk jangka waktu yang lebih dekat. 

Peramalan untuk jangka panjang biasanya akan memilki 

tingkat kesalahan yang lebih tinggi, dikarenakan tidak 

diketahui kejadian-kejadian yang akan terjadi dimasa 

mendatang. Oleh karena itu, lebih baik meramalkan untuk 

jangka yang lebih pendek dengan melakukan pendekatan 

situasi yang terjadi pada saat peramalan dilakukan. 


11 

2.1.3 Metode-metode Peramalan 

Dalam melakukan peramalan tedapat berbagai cara. Apabila 

dilihat berdasarkan sifat-sifat peramalan, maka peramalan dibedakan 

atas dua macam (Makridakis & Wheelwright, 1999): 

a. Peramalan kualitatif 

Hasil peramalan kualitatif didasarkan pada pengamatan 

kejadian-kejadian di masa sebelumnya yang digabungkan 

dengan intuisi maupun ketajaman perasaan si peramal dalam 

menghasilkan suatu informasi yang diperkirakan bakal terjadi 

di masa mendatang. Pada umumnya hasil peramalan 

kualitatif berbentuk informasi kualitatif, walaupun tidak 

selalu demikian. 

Beberapa model peramalan yang digolongkan sebagai 

model kualitatif adalah : 

1) Dugaan Manajemen (management estimate) 

Merupakan metode peramalan semata-mata berdasarkan 

pertimbangan manajemen. Metode ini cocok dalam 

situasi yang sangat sensitif terhadap intuisi dari satu atau 

sekelompok kecil orang yang karena pengalamannya 

mampu memberikan opini yang kritis dan relevan. 

2) Riset Pasar (market research) 

Merupakan merode peramalan berdasarkan hasil survei 

pasar. Metode ini menjaring informasi dari pelanggan 

yang berkaitan dengan rencana pembelian produk di 

masa yang akan datang. 

3) Metode Kelompok Terstruktur (structured groups 

methods) 

Merupakan metode peramalan berdasarkan proses 

konvergensi dari opini beberapa orang atau ahli secara 

interaktif dan membutuhkan fasilisator untuk 

menyimpulkan hasil dari peramalan. 


12 

4) Analogi Historis (historical analogy) 

Merupakan teknik peramalan berdasarkan pola data masa 

lalu dari produk yang disamakan secara analogi. 

b. Peramalan kuantitatif 

Yaitu peramalan berdasarkan atas dasar kuantitatif pada 

masa lampau. Hasil peramalan kuantitatif secara relatif lebih 

disukai, karena memberikan pandangan yang lebih nyata dan 

lebih obyektif dalam besaran nilai hasil peramalannya. Metode 

peramalan kuantitatif sendiri dibadakan menjadi dua, yaitu 

metode deret berkala dan metode kausal. 

1) Metode kausal 

Metode peramalan kausal mengembangkan suatu 

model sebab-akibat antara permintaan yang diramalkan 

dengan variabel-variabel lain yang dianggap berpengaruh. 

Pada metode kausal ini dibagi menjadi tiga bagian yaitu : 

a) Metode korelasi regresi 

Peramalan ini digunakan untuk : 

(1) Peramalan penjualan 

(2) Peramalan keuntungan 

(3) Peramalan permintaan 

(4) Peramalan keadaan ekonomi 

Metode ini sangat cocok digunakan untuk peramalan 

jangka pendek, data yang digunakan kumpulan dari 

data beberapa tahun. 

b) Metode ekonometrik 


(1) Peramalan penjualan menurut kelas produksi 

(2) Peramalan keadaan ekonomi masyarakat yang 

meliputi permintaan, harga, dan penawaran. 


13 

Metode ini sangat cocok untuk peramalan jangka 

pendek dan panjang. Data yang digunakan merupakan 

kumpulan data beberapa tahun. 

c) Metode input output 


(1) Peramalan penjualan perusahaan 

(2) Peramalan produksi dari sektor dan sub sektor 

industri 

Metode ini sangat cocok untuk peramalan jangka 

panjang. Data yang digunakan merupakan kumpulan 

data 10-15 tahun. 

2) Metode deret berkala (Time Series) 

Metode deret berkala (Time Series), yaitu metode 

kuantitatif yang didasarkan atas penggunaan analisa pola 

hubungan antar variabel yang akan diperkirakan dengan 

variabel waktu. Metode ini merupakan metode peramalan 

yang memperkirakan penjualan/permintaan periode yang 

akan datang dengan menggunakan data histori. Time series 

didasarkan pada waktu berurutan atau berjarak sama 

(mingguan, bulanan, kuartalan, dan lainnya). 

Menganalisis Time Series berarti membagi data masa 

lalu menjadi komponen-komponen dan kemudian 

memproyeksikannya ke masa depan. Time series 

mempunyai empat (4) komponen : tren, musim, siklus dan 

variasi acak. Rinciannya sebagai berikut : 

a) Tren merupakan pergerakan data sedikit demi sedikit 

meningkat atau menurun. Perubahan pendapatan, 

populasi, penyebaran umur, atau pandangan budaya 

dapat mempengaruhi pergerakan tren. 

b) Musim adalah pola data yang berulang pada kurun 

waktu tertentu seperti hari, minggu, bulan, atau kuartal. 


14 

c) Siklus adalah pola dalam data yang terjadi setiap 

beberapa tahun. Siklus ini biasanya terkait pada siklus 

bisnis dan merupakan satu hal penting dalam analisis 

dan perencanaan bisnis jangka pendek. Memprediksi 

siklus bisnis sulit, karena dapat dipengaruhi oleh 

kejadian politik ataupun kerusuhan internasional. 

d) Variasi acak merupakan satu titik khusus dalam data, 

yang disebabkan oleh peluang dan situasi yang tidak 

biasa. Variasi acak tidak mempunyai pola khusus, jadi 

tidak dapat diprediksi. 

Gambar 1 Pola Komponen Time Series 

Berikut ini gambaran metode peramalan yang telah disebutkan 

diatas: 

Gambar 2 Metode-metode Peramalan 


15 

2.1.4 Menghitung Kesalahan Peramalan 

Keakuratan keseluruhan dari setiap model peramalan dapat 

dijelaskan dengan membandingkan nilai yang diramal dengan nilai 

aktual atau nilai yang sedang diamati. Jika F t melambangkan 

peramalan pada periode t, dan A t melambangkan permintaan aktual 

pada periode t, maka kesalahaan peramalan (deviasi) adalah : 

Kesalahan peramalan 

= permintaan aktual – nilai peramalan 

= A t – F t .................................................. (1) 

Ada beberapa perhitungan yang biasa digunakan untuk 

menghitung kesalahan peramalan (forecast error) total. Perhitungan 

ini dapat digunakan untuk membandingkan model peramalan yang 

berbeda, juga untuk mengawasi peramalan, untuk memastikan 

peramalan berjalan dengan baik. Tiga (3) dari perhitungan yang 

paling terkenal adalah simpangan rataan absolut (mean absolute 

deviation atau MAD), kesalahan rataan kuadrat (mean squared error 

atau MSE) dan kesalahan persen rataan absolut (mean absolut 

percentage error atau MAPE). 

a. MAD 

Ukuran pertama kesalahan peramalan keseluruhan untuk 

sebuah model adalah MAD. Nilai ini dihitung dengan 

mengambil jumlah nilai absolut dari tiap kesalahan peramalan 

dibagi dengan jumlah periode data (n), yaitu : 

MAD = 

b. MSE 

 

aktual - peramalan 

n 

.............................................. (2) 

Hal ini merupakan cara kedua untuk mengukur kesalahan 

peramalan keseluruhan. MSE merupakan rataan selisih kuadrat 

antara nilai yang diramalkan dan yang diamati. Rumusnya 

adalah: 


16 

MSE = 

2 

(kesalahan peramalan) 

n 

........................................ (3) 

Kekurangan penggunaan MSE adalah cenderung menonjolkan 

simpangan yang besar, karena adanya pengkuadratan. Oleh 

karena itu, menggunakan MSE sebagai perhitungan kesalahan 

peramalan, biasanya menunjukkan hal lebih baik mempunyai 

beberapa simpangan kecil daripada satu simpangan besar. 

c. MAPE 

Masalah yang terjadi dengan MAD dan MSE adalah bahwa 

nilainya tergantung pada besarnya unsur yang diramal. Jika 

unsur tersebut dihitung dalam satuan ribuan, maka nilai MAD 

dan MSE menjadi sangat besar. Untuk menghindari masalah 

ini, dapat menggunakan MAPE. MAPE dihitung sebagai 

rataan diferensiasi absolut antara nilai yang diramal dan aktual, 

dinyatakan sebagai persentase nilai aktual. Jika memiliki nilai 

yang diramal dan aktual untuk n periode, MAPE dihitung 

sebagai : 

MAPE = 

100 aktual – ramalan /aktual 

n 

2.2 Metode Rataan Bergerak (Moving Average) 

i i i 

........................ (4) 

Moving Average adalah model time series yang melihat pergerakan 

melalui residual di masa lalu. Dalam moving average data diperhalus 

dengan membuat rata-rata secara berurutan dari sekelompok pengamatan 

pada jangka waktu tertentu. Rataan bergerak berguna, jika diasumsikan 

permintaan pasar akan stabil sepanjang masa yang diramalkan. 

Tujuan utama dari penggunaan rataan bergerak adalah untuk 

menghilangkan atau mengurangi acakan (randomness) dalam deret berkala. 

Metode ini disebut rata - rata bergerak karena setiap kali data observasi baru 

tersedia, maka angka - angka baru dihitung dan digunakan sebagai ramalan 

(forecast) untuk periode yang akan datang. 


17 

Metode moving average mengembangkan suatu model berdasarkan 

hasil perhitungan rata-rata dari sebagian besar penelitian. Secara matematik, 

rataan bergerak sederhana (merupakan prediksi permintaan periode 

mendatang) dinyatakan sebagai berikut : 

1 

Ft ( At 1 At 2 

... At n 

) ..............................................(5) 

n 

dimana : 

F t 

= Hasil peramalan untuk periode t 

= jumlah data penelitian 

A t 

= data histori penjualan 

a. Keuntungan dari metode rataan bergerak yaitu: 

1) Mudah untuk dimengerti 

2) Mudah untuk dihitung 

3) Dapat diterapkan untuk peramalan yang stabil 

b. Kekurangan dari metode rataan bergerak yaitu: 

1) Dibutuhkan beberapa/banyak data yang digunakan untuk 

menentukan peramalan 

2) Hasil yang diperoleh merupakan trend data 

3) Mengabaikan hubungan antar data 

2.3 Metode Penghalusan Eksponensial (exponential smoothing) 

Penghalusan Eksponensial (exponential smoothing) merupakan 

metode peramalan rataan bergerak dengan pembobotan canggih, namun 

masih mudah digunakan. Metode ini menggunakan sangat sedikit 

pencatatan data masa lalu. 

Metode ini merupakan metode peramalan yang menerapkan sistem 

pembobotan pada data histori untuk melakukan peramalan. Besarnya bobot 

berubah menurun secara eksponensial bergantung dari data histori 


18 

Berdasarkan bobot yang digunakan, metode exponential smoothing 

terbagi menjadi 3 jenis yaitu: 

a. Metode single exponential smoothing 

Metode ini memberikan bobot berdasarkan level (α), dimana 

α adalah sebuah bobot atau konstanta penghalusan (smoothing 

constant) yang dipilih oleh peramal, yang mempunyai nilai antara 0 

dan 1. Berikut ini merupakan persamaan dari metode single 

exponential smoothing (Jacob, 2009): 

dimana : 

 

 

Ft Ft 1 At 1 – Ft 

1 .........................................(6) 

F t 

F t-1 

α 

A t-1 

= peramalan baru 

= peramalan sebelumnya 

= konstanta penghalus 

= permintaan aktual periode lalu 

b. Metode double exponential smoothing 

Metode ini merupakan pengembangan dari single exponential 

smoothing dimana menambahkan unsur trend pada bobot 

perhitungan, sehingga pada double exponential smoothing, kita 

memberikan dua jenis bobot pada perhitungan yaitu level (α) dan 

trend (ß). Berikut ini merupakanpersamaan dalam perhitungan 

double exponentialsmoothing (Jacob, 2009): 

FIT t = F t + T t .................................................................(7) 

F t = FIT t-1+ α (A t-1– FIT t-1) .....................................(8) 

T t = T t-1+ ß (F t – FIT t-1) ............................................(9) 

dimana, 


19 

F t 

T t 

FIT t 

FIT t-1 

A t-1 

α 

ß 

=peramalan berdasarkan level pada periode t 

=peramalan berdasarkan trend pada periode t 

=hasil peramalan berdasarkan level dan trend pada periode t 

=hasil peramalan berdasarkan level dan trend pada periode 

sebelumnya 

=data aktual pada periode sebelumnya 

=bobot level 

=bobot trend 

2.4 Definisi E-marketplace 

E-marketplace merupakan media online berbasis internet (web 

based) tempat melakukan kegiatan bisnis dan transaksi antara pembeli dan 

penjual. Pembeli dapat mencari supplier sebanyak mungkin dengan kriteria 

yang diinginkan, sehingga memperoleh sesuai harga pasar. Sedangkan bagi 

supplier / penjual dapat mengetahui perusahaan-perusahaan yang 

membutuhkan produk / jasa mereka. E-marketplace merupakan model e- 

business yang berhubungan dengan penjual dan pembeli (seller & buyer). E- 

marketplace di Indonesia merupakan salah satu media penggerak ekonomi 

nasional dalam rangka menghadapi era globalisasi. Untuk itu, perlu 

dikembangkan e-marketplace yang teratur, wajar dan efisien. 

Pada umumnya e-marketplace yang efisien dapat meningkatkan 

iklim investasi di perusahaan dan memudahkan arus input output barang. 

Di dalam dunia maya, secara prinsip, e-marketplace berkembang 

melalui empat tahapan evolusi berdasarkan konsep yang dikembangkan oleh 

Warran D. Raisch. Keempat tahapan evolusi tersebut masing-masing adalah: 

Commodity Exchanges, Value-Added Services, Knowledge Networks, Value 

Trust Networks. 


20 

a. Commodity Exchanges 

Pada bentuk awal ini, e-Marketplace merupakan arena tempat 

bertemunya berbagai pihak atau entiti yang memilki tujuan utama 

untuk berdagang (transaksi jual-beli). Produk atau jasa yang paling 

cocok untuk diperdagangkan dalam e-marketplace ini adalah yang 

bersifat komoditas. Alasannya adalah karena selain sesuai dengan 

karakteristik transaksi dagang yang cepat dan berjangka pendek, 

barang-barang komoditas ini mudah sekali menentukan harganya 

sehingga tidak sulit jika dipertukarkan secara internasional (dengan 

memakai standar pembayaran semacam kartu kredit dan transfer 

bank). Perbedaan yang mendasar antara pasar konvensional dengan 

e-marketplace jenis ini adalah pada konsep transparansi. Di sisi 

pembeli (buyer transparency), besar sekali manfaat yang diperoleh 

jika bertransaksi di pasar ini karena melalui internet harga-harga 

produk maupun jasa dapat secara transparan diketahui. Artinya, 

karena begitu banyaknya pemasok (suppliers) produk atau jasa yang 

sama, maka seorang calon pembeli dapat melakukan pengecekan dan 

perbandingan antara masing-masing harga yang ditawarkan tersebut, 

tentu saja dengan tujuan untuk mencari harga termurah. 

Selain harga, transparansi terhadap kualitas pelayanan, aturan 

garansi, fasilitas asuransi, dan jaminan pelayanan purna jual 

merupakan beberapa hal yang dapat pula diperbandingkan 

keberadaannya oleh para calon pembeli. Untuk produk-produk 

khusus, dimana tidak banyak pemasok yang menawarkannya, aspek 

transparansi dapat pula terlihat, karena pembeli dapat melakukan 

perhitungan tersendiri mengenai tingkat kewajaran harga yang 

ditawarkan pemasok tersebut (karena pada dasarnya sebuah 

perusahaan harus melalui beberapa tahap aktivitas/proses penciptaan 

produk yang dengan mudah dapat dihitung biayanya per tahap 

melalui pengecekan lansung di internet). 

Di sisi penjual pun manfaat transparansi dapat diperoleh 

(supplier tranparency). Manfaat pertama adalah diketahuinya tingkat 


21 

kompetitif yang ada dengan cara mempelajari bagaimana para 

pesaingan bisnisnya berusaha merebut calon pembeli yang ada di 

internet. Dengan mengetahui hal tersebut, maka dengan mudah dapat 

disusun strategi bersaing yang efektif tanpa harus mengeluarkan 

biaya khusus (biasanya dialokasikan untuk mempelajari pasar dan 

perilaku pelanggan). Manfaat kedua adalah sebuah perusahaan 

pemasok dapat benar-benar memilih rekanan atau mitra kerja 

bisnisnya yang paling cepat, murah, dan berkualitas baik, karena 

dengan mudahnya pemasok tersebut dapat melakukan pengecekan 

terhadap kinerja mitra bisnis tersebut melalui internet. Mekanisme 

transparansi yang terjadi di e-marketplace ini perlahan-lahan akan 

membentuk sebuah pasar perdagangan yang sangat efisien, yang 

terasa sulit dan membutuhkan waktu lama untuk terjadi di pasar 

konvensional. Bentuk-bentuk bisnis semacam lelang dan jual-beli 

produk retail merupakan primadona dalam arena perdagangan virtual 

ini. 

b. Value Added Services 

Perkembangan berikutnya dari e-marketplace akan menuju 

kepada terbentuknya sebuah arena dimana terciptanya sebuah bentuk 

penawaranpenawaran baru terhadap sebuah metode jual-beli yang 

belum/sulit terjadi di pada pasar konvensional (value added 

services). Filosofi utama yang mendasari jenis perdagangan ini 

adalah suatu pandangan yang mengatakan bahwa setiap konsumen 

(atau calon pembeli) adalah unik, sehingga mereka sebenarnya 

mengharapkan untuk memperoleh atau dapat membeli produk atau 

jasa yang khusus sesuai dengan kebutuhan atau kesukaan masingmasing 

individu. Dengan kata lain, perusahaan harus mampu 

menghasilkan dan menawarkan produk atau jasa yang dapat ditambahsulam-kan 

(tailor made) sesuai dengan keinginan unik 

pelanggan. 

Selain variasi produk yang dapat disesuaikan, harga, cara 

pengiriman, lama garansi, jenis asuransi, dan hal-hal lain pun dapat 


22 

dipilih sesuka hati konsumen. Di e-marketplace, hal ini sangat 

mudah dilakukan karena banyak sekali aspek-aspek penciptaan 

produk atau jasa yang dapat dengan mudah di-digitalisasi-kan. 

Semakin hal serupa tidak dapat dilakukan di pasar konvensional, 

semakin besar nilai tambah yang ditawarkan oleh e-marketplace. 

Industri dengan produk - produk yang dapat di-digital-kan 

merupakan primadona di e-marketplace ini seperti: media dan 

publikasi, musik dan rekaman, hiburan, kurir, dan lain sebagainya. 

c. Knowledge Networks 

Perkembangan berikutnya dari e-marketplace adalah menuju ke 

sebuah komunitas yang berbasis pengetahuan (knowledge). 

Perusahaan adalah merupakan kumpulan dari sumber daya manusia 

dengan kompetensi dan keahlian yang beragam. Interaksi antara 

perusahaan dengan mitra bisnis, (yang berkepentingan), dan 

konsumen merupakan tidak hanya merupakan sebuah komunikasi 

pasif belaka, namun di dalamnya terkandung aspek-aspek 

pengetahuan yang secara sadar atau tidak saling dipertukarkan. 

Lihatlah bagaimana dengan hanya berbekal fasilitas browsing dan 

situs-situs portal, seseorang yang sangat awam di bidang tertentu 

dalam waktu singkat dapat memiliki berbagai referensi berharga 

berkualitas tinggi untuk dipelajari. Tidak pernah terbayangkan 

sebelumnya bahwa hanya dengan berbekal email dan situs 

(homepage), seorang individu dapat mengembangkan bisnis dengan 

berbagai sumber daya data dan informasi yang telah tersedia gratis di 

internet. Di samping itu, perusahaan pun dapat belajar banyak dari 

perusahaan-perusahaan lain, baik yang merupakan mitra bisnis atau 

pun para pesaingnya. Konsumen pun menjadi bertambah pintar 

karena hampir tidak ada lagi hal yang dapat disembunyikan oleh 

para penjual produk atau jasa. 

Hampir tidak ada lagi produk atau jasa dengan kualitas buruk 

yang mampu bertahan lama di pasaran karena konsumen akan 

diberitahu oleh sumber-sumber lain melalui internet mengenai 


23 

produk atau jasa yang buruk mutunya tersebut. E-marketplace ini 

secara tidak langsung akan meningkatkan kualitas perdagangan di 

dalam kehidupan manusia, karena sudah tidak ada lagi yang dapat 

dikelabui oleh siapapun. Setiap tawaran, ajakan, data, maupun 

informasi dapat dengan mudah dicek kebenarnnya di internet. 

d. Value Trust Networks 

Akhirnya e-marketplace akan berkembang ke sebuah jejaring 

yang merupakan pusat bertemunya berbagai individu, komunitas, 

institusi, perusahaan, bisnis, pemerintah, negara, dan entiti-entiti lain 

yang kehadirannya merupakan bagian tak terpisahkan dari kehidupan 

manusia. 

Berbagai interaksi yang tidak efisien dan efektif lagi dilakukan 

di pasar konvensional akan segera beralih ke e-marketplace. 

Komunitas manusia akan terbentuk di dunia maya berdasarkan 

kepentingannya masing-masing (workgroups). Tentu saja interaksi 

tersebut dapat terwujud jika jejaring e-marketplace yang ada dapat 

dipercaya. Berbagai prasyarat yang harus dipenuhi oleh e- 

marketplace untuk menuju kepada lingkungan tersebut di antaranya 

adalah: faktor keamanan dalam bertransaksi, jaminan privasi dalam 

berkomunikasi, adanya standar pertukaran informasi antar institusi 

yang disepakati, dan berlakunya hukum dunia maya yang efektif. 

Pada akhirnya nanti, akan terjadi konvergensi yang utuh antara 

pasar konvensional dengan e-marketplace. Apapun bentuknya nanti, 

yang pasti akan mendatangkan dampak positif dan negatif bagi 

kelangsungan hidup manusia. Yang penting untuk dicermati adalah 

bagaimana memanfaatkan kemajuan dan inovasi teknologi yang ada 

untuk meningkatkan kualitas kehidupan manusia. Tanpa adanya 

usaha ke arah itu, niscaya kehadiran teknologi justru akan 

mempercepat kemusnahan komunitas manusia di bumi ini. 

Kerap dijumpai dalam berbagai kesempatan para praktisi bisnis 

maupun teknologi informasi yang keliru mempergunakan istilah e- 

commerce dan e-business dalam presentasinya. Hal ini dinilai wajar 


24 

karena selain disebabkan oleh banyaknya teori yang berkembang 

sehubungan dengan kedua fenomena bisnis tersebut, kecepatan 

kemajuan teknologi informasi semakin memperluas dan 

mengaburkan arti dari e-commerce maupun e-business. Namun 

demikian hampir semua praktisi dan ahli bisnis maupun teknologi 

informasi sepakat pada konsep yang mengatakan bahwa domain e- 

business jauh lebih luas dibandingkan dengan e-commerce. 

Domain e-tailing lebih berintikan mekanisme perdagangan 

antara perusahaan dengan konsumen langsungnya (consumers) atau 

yang lebih dikenal dengan relasi bisnis B2C (Business-to- 

Consumers), sedangkan e-commerce memiliki domain yang lebih 

luas karena terkandung di dalamnya pula relasi bisnis antara dua atau 

lebih perusahaan, atau yang lebih dikenal dengan B2B (Business-to- 

Business). Yang terlihat dalam konteks ini adalah suatu pengertian 

bahwa mekanisme e-commerce lebih terfokus pada aktivitas 

transaksi elektronik antar dua atau lebih entiti bisnis; sementara e- 

business memiliki ruang lingkup yang jauh lebih luas. Yang 

dimaksudkan dengan e-business secara umum adalah berbagai 

aktivitas di dalam perusahaan, baik yang berkaitan secara langsung 

maupun tidak langsung dengan berbagai proses pertukaran barang 

atau jasa (bisnis) dengan memanfaatkan teknologi digital (komputer, 

telekomunikasi, teknologi informasi, dan lain sebagianya). Dengan 

kata lain, seluruh rangkaian proses yang kerap dijumpai dalam 

aktivitas bisnis masuk ke dalam domain definisi e-business, seperti 

yang kerap dijumpai dalam berbagai aplikasi sistem informasi 

semacam Supply Chain Management (SCM), Demand Chain 

Management (DCM), Customer Relationship Management (CRM), 

Enterprise Resource Planning (ERP), dan lain sebagainya. Menurut 

Charles R. Rieger dari IBM dan Mary P. Donato dari Xerox, paling 

tidak ada lima keuntungan yang ditawarkan oleh e-business 

(spektrum value e-business). Kelima keuntungan tersebut masing- 


25 

masing berkaitan dengan aspek-aspek efisiensi, efektivitas, 

jangkauan, struktur, dan peluang. 

2.4.1 Perbedaan Toko Online dan E-marketplace 

Toko online dapat dianalogikan sebagai toko ritel yang 

dioperasikan secara virtual. Pihak penjual akan memberi barang 

secara grosir dan menjualnya secara retail kepada para pelanggan 

melalui perantaraan komunikasi via interenet. Sebagai pihak penjual, 

kita tentu harus menyediakan dan menghitung stok barang sebelum 

mempromosikannya melalui sarana website. Dalam menjalankan 

toko online, kita akan memperoleh keuntungan kotor dari hasil 

penjualan setiap produk. Keuntungan kotor tersebut tentu masih 

harus disisihkan untuk pemenuhan biaya pengiriman, biaya 

packaging dan rincian biaya lainnya. Salah satu contoh toko online 

terbesar dan tertua di dunia adalah Amazon. Dengan keuntungan 

kotor sebesar 20% hingga 25%, Amazon tentu harus selalu membuat 

inovasi dan mengikuti tren produk yang tengah digemari masyarakat. 

Peluang sukses dalam menjalankan toko online adalah bagaimana 

kemahiran kita dalam memanfaatkan SEO (Search Engine 

Optimization). 

Kemahiran memanfaaatkan SEO dan perangkat analisis 

lainnya akan membuat produk toko online jadi mudah muncul di 

daftar teratas hasil mesin pencarian internet. Sehingga para pengguna 

internet tentu akan jadi lebih tertarik untuk melihat-lihat produk yang 

muncul paling awal di daftar hasil pencarian tersebut. Pangsa pasar 

bagi toko online memang sangat besar, namun menjalankan toko 

online di tengah maraknya persaingan kompetitor sejenis tentu 

bukanlah hal yang terasa mudah. Selain mengandalkan konsep toko 

online untuk memperoleh sejumlah keuntungan dari internet, konsep 

e-marketplace juga dapat menjadi pilihan yang tepat dan minim 

risiko. E-marketplace adalah suatu tempat di internet dimana banyak 

pihak berkumpul untuk melakukan proses transaksi jual beli, ada 


26 

yang ingin mencari suatu barang dan ada pihak lain yang sedang 

ingin menjual barang. 

Secara konvensional, konsep e-marketplace bisa 

dianalogikan seperti pasar tradisional dimana banyak orang 

berkumpul di tempat tersebut untuk melakukan transaksi jual beli. 

Pihak penyedia e-marketplace bertindak sebagai fasilitator yang 

mewadahi pertemuan dan transaksi legal antara pihak penjual dan 

pihak pembeli. 

Dengan menjalankan e-marketplace, kita tak perlu 

memusingkan pembagian keuntungan kotor yang harus diuraikan 

untuk membayar biaya tertentu. Pada e-marketplace, keuntungan 

yang kita diperoleh hanya dipotong untuk kepentingan biaya 

transaksi. Memulai bisnis online di e-marketplace menjadi salah satu 

solusi yang tepat bagi pebisnis online yang tidak memiliki dana yang 

memadai untuk menyimpan stok barang yang beraneka ragam. 

Perkembangan bisnis e-marketplace juga tidak hanya terbatas 

pada penjualan produk saja, namun juga sudah mulai merambah ke 

bidang jasa dan penyediaan tenaga freelance. Beberapa startup 

seperti gobann.com dan Sribulancer menjadi contoh bahwa e- 

marketplace akan tersedianya tenaga kerja freelance yang kreatif dan 

handal kini sangat dibutuhkan di Indonesia. 

Selain kedua jenis bisnis e-commerce tersebut, masih banyak 

konsep bisnis e-commerce lainnya yang diterapkan untuk menarik 

perhatian para pembeli dan pengguna internet. Konsep lelang yang 

diterapkan oleh eBay menjadi salah satu daya tarik tersendiri bagi 

pengguna internet. Calon pembeli tentu akan memperoleh kepuasan 

tersendiri ketika bisa memperoleh produk idamannya melalui sistem 

lelang. 


27 

2.4.2 Interaksi dalam E-marketplace 

Dalam e-marketplace, tentunya banyak interaksi yang terjadi. 

Mekanisme interaksi yang terjadi dalam e-marketplace antara lain: 

a. Broker yang terdiri dari : 

1) Sell/Buy fulfillment, misalnya pemenuhan barang-barang 

kebutuhan perusahaan. Jenis broker ini secara otomatis 

selalu siap menyetok atau membeli barang-barang yang 

dibutuhkan. 

2) Virtual malls, konsep virtual malls sama seperti e-mall. 

3) Comparison agent, broker ini bertindak sebagai agen 

yang memberikan perbandingan antara satu produk 

dengan produk lainnya. 

4) Shopping facilitator, broker jenis ini mengarahkan dan 

membantu pembeli dalam memilih-milih produk yang 

akan ia beli. Bisa juga memberikan shopping advise. 

5) Matching services, broker ini memberikan jasa 

mencocokkan pembeli dengan barang atau jasa yang 

diinginkan. Contohnya biro jodoh. 

b. Infomediary 

Memberikan atau menjual informasi pembeli untuk keperluan 

market research, atau sebaliknya, memberikan atau menjual 

informasi mengenai produk kepada pembeli. 

c. E-distributor 

E-distributor mengumpulkan katalog online sebanyakbanyaknya 

untuk dihimpun dalam satu tempat dan disuguhkan 

pada pembeli. 

2.4.3 Manfaat Situs E-marketplace dalam Mendukung Bisnis 

Situs e-marketplace sangatlah bermanfaat jika ingin mulai 

menjalankan bisnis maupun yang saat ini sudah memiliki bisnis. 


28 

Tidak perlu mengeluarkan biaya lebih untuk menjual maupun 

membeli barang. 

Untuk menggunakan situs e-marketplace ini tidak perlu 

mengeluarkan biaya tambahan untuk membuat toko online sendiri. 

Dan tentunya sebagai penjual akan lebih mudah menjumpai banyak 

konsumen yang mengunjungi situs e-marketplace tersebut. Menjual 

produk di toko online masih memerlukan biaya promosi tambahan, 

sedangkan untuk berjualan pada situs e-marketplace biaya promosi 

ini sudah tidak perlu pikirkan. 

Situs e-marketplace pengelolaannya jauh lebih mudah. Saat 

ini situs e-marketplace yang ada sangat mudah digunakan untuk 

user. Bahkan bagi orang awam yang sebelumnya belum pernah 

menggunakan situs jual beli secara online pasti bisa 

menggunakannya. Karena diberbagai situs e-marketplace yang ada 

panduan penggunaan atau informasi untuk pengguna cukup mudah 

dipahami. Selain daripada itu situs e-marketplace penggunaannya 

jauh lebih praktis, dan tidak memerlukan biaya perawatan yang 

lebih. 

Potensi pasar jauh lebih besar Dengan menggunakan situs e- 

marketplace kesempatan untuk menjangkau banyak calon pembeli 

jauh lebih besar. Selain itu juga, masyarakat sekarang lebih suka 

menggunakan internet untuk melakukan transaksi jual beli barang. 


29 

BAB III 

METODOLOGI PENELITIAN 

3.1 Metodologi Penelitian 

Metode yang digunakan dalam penelitian ini adalah metode 

peramalan kuantitatif, dengan cara memperkirakan yang mungkin akan 

terjadi pada masa mendatang berdasarkan data kuantitatif masa lalu. Ada 

beberapa metode peramalan kuantitatif yang dapat digunakan untuk 

memperkirakan penjualan masa depan. Metode yang digunakan adalah 

metode yang sesuai dengan kebutuhan dan kemampuan pengguna. Metode 

kuantitatif yang dipilih adalah metode time series, yaitu metode dengan cara 

memanfaatkan pola permintaan masa lalu dan memproyeksikannya ke 

dalam perkiraan permintaan masa datang. Metode time series digunakan 

secara luas dalam melakukan peramalan dan yang digunakan dalam 

penelitian ini terdiri dari beberapa metode, yaitu metode Exponential 

Smoothing dan metode Moving Average. 

Sebelum menentukan beberapa metode time series, dilakukan 

identifikasi pola data penjualan produk Green World pada e-marketplace 

dan diperkuat dengan aturan pemetaan autokorelasinya. Untuk memilih 

metode peramalan time series yang paling baik adalah melihat tingkat 

kesalahan paling kecil. Untuk itu dihitung nilai MSE dan dibandingkan 

dengan melihat MSE terendah untuk mendapatkan metode peramalan 

kuantitatif terakurat secara keseluruhan. Semakin kecil nilai MSE, maka 

akan semakin baik metodenya, karena hasil peramalan semakin mendekati 

nilai aktualnya. Selanjutnya metode terpilih digunakan untuk meramalkan 

penjualan produk di masa mendatang dan dapat digunakan sebagai acuan 

untuk menyusun perencanaan penjualan produk Green World pada e- 

marketplace. 

29 


30 

3.2 Waktu Penelitian 

Pelaksanaan Kerja Praktek (KP) dilaksanakan di Stokis Green World 

Alam Sutera pada tanggal 10 Juli – 11 Agustus 2017. Perhitungan jam kerja 

disesuaikan dengan jam kerja stokis yaitu setiap hari Senin – Jumat , jam 

09.00 – 17.00 WIB. 

3.3 Tempat Penelitian 

Pelaksanaan Kerja Praktek (KP) dilaksanakan di Stokis Green World 

Alam Sutera yang beralamat di Cluster Sutera Cemara VI no. 2 Alam 

Sutera, Serpong, Tangerang Selatan, Banten. Stokis Green World Alam 

Sutera merupakan salah satu stokis yang beroperasi di bawah naungan PT. 

Green World Global Indonesia. 

3.3.1 Sejarah PT. Green World Global Indonesia 

Tahun 1997 Green World Group mendirikan perusahaan 

produk suplemen kesehatan Green World (Tianjin) di Tianjin, dan 

membawa bisnis kesehatan Green World ke China. Green World 

(Tianjin) adalah sebuah perusahaan yang bergerak dibidang riset, 

produksi dan penjualan produk suplemen kesehatan.. 

Pada tahun 2006 meraih ISO 9001 : 2000 pengakuan atas 

sistem manajemen kualitas dan pengakuan GMP China. Dari tahun 

2006 secara berturut-turut selama 5 tahun mendapat pengakuan dari 

FDA U.S. Di tahun 2007, Green World membangun basis budidaya 

di provinsi Hebei, China. Tahun 2010 Green World membangun 

basis produksi di Lishui, Nanjing, China bagian selatan. Pendirian 

perusahaan bioteknologi Green World (Lishui) ini menjadi landasan 

penting bagi perkembangan bisnis kesehatan Green World Group di 

China dan juga akan menjadi basis proses produksi dan pengolahan 

minuman organik. 

Memasuki pasar China selama 12 tahun, Green World Group 

mengalami perkembangan yang sangat pesat di China. Dukungan 


31 

manajemen legal, produk unggul, teknologi muktahir serta pelayanan 

terbaik, membuat Green World Group mampu memenangkan 

persaingan ketat yang ada dan mendapat kepercayaan luas dari 

kalangan masyarakat di China serta mampu secara langsung 

memberikan benefit bagi pelanggan. Penghargaan yang telah diraih 

Green World Group antara lain : posisi wakil presiden dalam 

organisasi produk suplemen kesehatan di kota Tianjin, penghargaan 

sebagai perusahaan dengan direct selling terbaik di Asia Pasifik di 

tahun 2007, masuk dalam kategori 10 produk terbaik di Asia Pasifik 

di tahun 2007, sebagai anggota asosiasi produk suplemen kesehatan 

China yang mengutamakan integritas, kualitas dan pelayanan. 

Produk suplemen kesehatan yang dikeluarkan Green World 

Group mengikuti konsep riset yang mengaju pada “keseimbangan, 

sirkulasi, menjaga kesehatan”. Dengan nutrisi komplit untuk 

meningkatkan daya tahan tubuh. Daya tahan tubuh yang kuat 

memacu kelancaran pencernaan, kelancaran pencernaan memacu 

penyerapan nutrisi yang lebih baik, sehingga secara keseluruhan 

membentuk “seperangkat gaya hidup sehat” bagi konsumen yang 

mengkonsumsi produk suplemen kesehatan. 

Tanggal 17 Maret 2010, di Agricultural Silicon Valley, 

kabupaten Lishui, berlangsung peletakan batu pertama dalam 

pendirian perusahaan bioteknologi Green World (Lishui). Wakil 

Walikota Nanjing-Mr.Chen Weijian, kepala akademi ilmu pertanian 

Jiangsu-Mr.Yan Shaohua, wakil direktur institut kelautan dan biota 

kelautan China-Mr.Liu Zhaopu, pemimpin propinsi Lishui, Mr.Jiang 

Ming, Mr.Lin Yue, Mr.Chen Xiaodong dan sekretaris kota Baima- 

Mr.Chen Peng, dan yang lainnya bersama Presiden direktur Green 

World.Co.Ltd.USA-DR.Li Deming dan wakil presiden direktur 

Green World Group-Mr.Zhang Liangjun, manager Green World 

Group cabang Namibia-Mr.Zhang Hong, manager Green World 

Group cabang Durban, Afrika Selatan-Ms.Kang Hongyu. General 


32 

Manager Green World Indonesia Mr.Ji Yansheng. Distributor terbaik 

dari Indonesia Mr.Budiman Prasetyo dan Ms.Manis serta perwakilan 

distributor dari Nigeria dan yang lainnya datang bersama dalam 

seremonial ini. 

Di saat yang sama, Green World Group juga berencana 

mendirikan basis produksi pembuatan minuman organik, obatobatan, 

kosmetik, wewangian dan esens wewangian di kabupaten 

Lishui. Selain itu provinsi Jiangsu kabupaten Lishui mengandalkan 

budidaya buah-buahan organik, pembangunan penanaman buahbuahan 

organik, budidaya benih herbal, pengolahan, dan penjualan 

menjadi satu kesatuan, membentuk kawasan industri bioteknologi 

modern berstandar internasional. Menggerakkan dan meningkatkan 

sosial dan ekonomi masyarakat setempat secara menyeluruh. 

Green World Group sebagai sebuah group perusahaan 

internasional, dalam proses perkembangan yang terus berkelanjutan, 

senantiasa tidak lepas dari dukungan dan perhatian kolega dari 

berbagai kalangan. Selama ini Green World Group selalu mengikuti 

prinsip “kesehatan umat manusia sebagai dasar, mewariskan dan 

berinovasi, bekerjasama untuk keuntungan dan kemenangan 

bersama”. Memiliki tanggung jawab sosial, mengutamakan 

integritas, sepenuh tenaga serta tulus dan ikhlas untuk memberikan 

kontribusi ke masyarakat, memberikan dedikasi lewat industri 

kesehatan. 

3.3.2 Visi dan Misi PT. Green World Global Indonesia 

a. Visi 

Visi dari PT. Green World Global Indonesia yaitu: 

Memenuhi kebutuhan pelanggan, memberikan kepuasan 

bagi pelanggan dan meningkatkan kualitas hidup pelanggan. 


33 

b. Misi 

Dalam rangka mewujudkan Visi Green World , maka 

diperlukan misi yang jelas yaitu berupa langkah-langkah Green 

World untuk mewujudkan visi yang telah ditetapkan yaitu : 

1) Green World Group berkomitmen memberikan pelayanan 

atas kesehatan semua masyarakat, membangun lembaga 

pelayanan kesehatan terbaik berskala international. Green 

world Group menjadikan semua ini sebagai misi dan 

tanggung jawab, tidak akan lalai dan akan terus 

meningkatkan kemampuan penelitian, fokus pada riset 

pengembangan produk, mempersembahkan produk 

berkualitas terbaik dan terdepan serta pelayanan terbaik 

bagi semua kalangan sebagai bentuk kontribusi positif 

untuk keharmonisan masyarakat sosial dan menjadi 

perusahaan yang bertanggung jawab kepada masyarakat. 

2) Menaikan kualitas nutrisi masyarakat sebagai tanggung 

jawab, Green world Group melalui terobosan yang ada 

sekarang ini menjalin komunikasi dan pertukaran ilmu yang 

luas dengan ahli dari berbagai negara, memperkuat 

teknologi untuk meningkatkan efektifitas produk suplemen 

kesehatan, riset bahan baku produk baru, menciptakan 

variasi perkembangan sebagai hasil dari persaingan yang 

ada, menjamin kelancaran bisnis dan menciptakan 

perusahaan yang handal. 


34 

3.3.3 Struktur Organisasi 

Gambar 3 Struktur Organisasi PT. Green World Global Indonesia 

3.4 Populasi dan Sampel 

3.4.1 Populasi Penelitian 

Populasi yang dipilih sebagai obyek penelitian di PT. Green 

World Global Indonesia adalah penjualan produk Green World pada 

e-marketplace. 

3.4.2 Sampel Penelitian 

Dalam penelitian ini diambil data penjualan dari Stokis 

Green World Alam Sutera yang menggunakan dan mengelola 3 e- 

marketplace yaitu tokopedia.com, bukalapak.com, dan blibli.com. 

3.5 Metode Pengumpulan Data 

Data yang digunakan adalah data historis penjualan produk Green 

World pada e-marketplace. Data penjualan yang digunakan adalah data 

penjualan produk Green World pada e-marketplace dengan penyebaran dari 

bulan Januari 2016 - Juli 2017. 


35 

Informasi dan pengumpulan data yang dikumpulkan meliputi data 

primer dan sekunder. Data primer merupakan data yang didapat dari sumber 

utama, individu atau perseorangan, seperti dari hasil analisa dan pengamatan 

langsung di lapangan, serta wawancara langsung dengan pihak manajemen 

perusahaan sebagai narasumber. Sedangkan data sekunder merupakan data 

primer yang diperoleh pihak lain atau telah diolah dan disajikan baik oleh 

pengumpul data primer maupun oleh pihak lain, atau data pelengkap dari 

data primer yang dikumpulkan dari literatur-literatur, studi pustaka atau 

laporan internal perusahaan (data penjualan produk Green World dari bulan 

Januari 2016 - Juli 2017), kebijakan dan peraturan perusahaan (sejarah 

umum perusahaan, visi dan misi perusahaan) baik itu berupa laporan 

bulanan dan tahunan manajemen perusahaan ataupun tulisan yang berkaitan 

dengan penjualan dan pemasaran produk Green World. 

3.6 Metode Pengolahan Data 

Pengolahan dan analisis data yang digunakan dalam penelitian 

dilakukan secara kualitatif dan kuantitatif. Analisis kualitatif 

menggabungkan faktor-faktor seperti intuisi pengambil keputusan, emosi, 

pengalaman pribadi dan sistem nilai. Analisis kualitatif menggambarkan 

keadaan umum perusahaan dan mengetahui permasalahan yang terjadi 

dalam usaha tersebut. Sedangkan analisis kuantitatif menggunakan model 

matematik yang beragam dengan data masa lalu dan peubah sebab akibat 

untuk meramalkan permintaan. 

Analisis kuantitatif yang dilakukan untuk analisis peramalan 

penjualan produk Green World pada e-marketplace selama 15 periode 

mendatang di Stokis Alam Sutera menggunakan beberapa metode 

peramalan time series dengan pertimbangan data penjualan adalah deret 

waktu, artinya disajikan berdasarkan waktu kejadian tanpa menunjukkan 

faktor-faktor yang mempengaruhinya, yaitu metode Exponential Smoothing 

dan metode Moving Average. Hasil peramalan tersebut digunakan untuk 

menetapkan target penjualan produk Green World pada e-marketplace dan 

dapat dijadikan acuan perusahaan untuk menyususun perencanaan produksi 


36 

terbaik di masa mendatang. Data kuantitatif tersebut diolah dengan 

menggunakan software Minitab18. 

Peramalan penjualan produk Green World pada e-marketplace dapat 

diidentifikasi melalui pemetaan data dan pemetaan autokorelasi, yang 

kemudian ditabulasikan dalam bentuk tabel dan kurva dengan menggunakan 

Minitab18. Dengan melakukan plot data tersebut dapat diketahui pemetaan 

data penjualan sementara, sehingga diketahui apakah data tersebut memiliki 

unsur trend, siklus atau musiman, karena berguna untuk menduga sementara 

metode peramalan yang digunakan. 

Menurut Heizer dan Render (2006), mempunyai empat (4) 

komponen, yaitu tren, musim, siklus dan variasi acak (random variation). 

a. Tren merupakan pergerakan data sedikit demi sedikit meningkat atau 

menurun. Perubahan pendapatan, populasi, penyebaran umur, atau 

pandangan budaya dapat mempengaruhi pergerakan tren. 

b. Musim adalah pola data yang berulang pada kurun waktu tertentu 

seperti hari, minggu, bulan, atau kuartal. 

c. Siklus adalah pola dalam data yang terjadi setiap beberapa tahun. 

Siklus ini biasanya terkait pada siklus bisnis dan merupakan satu hal 

penting dalam analisis dan perencanaan bisnis jangka pendek. 

Memprediksi siklus bisnis sulit, karena dipengaruhi oleh kejadian 

politik ataupun kerusuhan internasional. 

d. Variasi acak merupakan satu titik khusus dalam data yang 

disebabkan oleh peluang dan situasi yang tidak biasa. Variasi acak 

tidak mempunyai pola khusus, jadi tidak dapat diprediksi. 

Menurut Handoko (1984), metode time series merupakan metode 

peramalan runtut waktu mencoba untuk meramalkan kejadian-kejadian di 

waktu mendatang atas dasar serangkaian masa lalu. Serangkaian data ini 

merupakan serangkaian observasi sebagai peubah menurut waktu dan 

biasanya ditabulasi, serta digambarkan dalam bentuk grafik yang 

menunjukkan peubah subyek. Komponen-komponen time series pada 


37 

umumnya diklasifikasikan sebagai Trend (T), Musiman atau seasional (M), 

Siklikal atau cyclical (S) dan residu atau eratic (E). 

Pemilihan metode peramalan time series dilakukan sesuai dengan 

data penjualannya. Metode yang dipilih adalah metode yang sesuai dan 

tepat, yaitu dalam menilai seberapa jauh model menghasilkan sebuah 

ramalan yang tak jauh berbeda dengan keadaan aktual. 

Keakuratan keseluruhan peramalan dapat dilihat dari 

membandingkan nilai yang diramal dengan nilai aktual. Ada beberapa 

perhitungan yang digunakan untuk menghitung kesalahan peramalan total, 

yaitu simpangan rataan absolut (MAD), kesalahan rataan kuadrat (MSE) dan 

kesalahan persen rataan absolut (MAPE). 

MAD = [ ∑ (A t – F t ) ] / n ..........................................................(10) 

MSE = [ ∑ (A t – F t ) 2 ] / n .........................................................(11) 

MAPE = [ ∑ (A t – F t ) / A t )] / n ..................................................(12) 

dimana : 

A t 

F t 

= nilai aktual 

= nilai ramalan 

(A t – F t ) = kesalahan ramalan (galat) 

n 

= banyaknya data 

Prosedur peramalan dengan metode time series (Baroto, 2002) adalah : 

a. Tentukan pola data penjualan, dengan memetakan data secara grafis 

dan menyimpulkan apakah data itu berpola trend, musiman, siklikal, 

atau eratik/acak. 

b. Mencoba beberapa metode time series yang sesuai dengan pola 

penjualan tersebut untuk melakukan peramalan. Metode yang dicoba 


38 

semakin banyak, maka semakin baik. Pada setiap metode, sebaiknya 

dilakukan peramalan dengan parameter berbeda. 

c. Mengevalusi tingkat kesalahan masing-masing metode yang telah 

dicoba. Tingkat kesalahan diukur dengan kriteria MAD, MSE, 

MAPE, atau lainnya. Sebaiknya nilai tingkat kesalahan (MAD, 

MSE, atau MAPE) ditentukan dulu. Dalam hal ini, tidak ada 

ketentuan mengenai berapa tingkat kesalahan maksimal dalam 

peramalan. 

d. Memilih metode terbaik diantara metode yang dicoba. Metode 

terbaik adalah metode yang memberikan tingkat kesalahan terkecil 

dibandingkan metode lainnya dan tingkat kesalahan tersebut di 

bawah batas tingkat kesalahan yang ditetapkan. 

e. Melakukan peramalan dengan metode terbaik yang telah dipilih. 

Pemetaan autokorelasi dilakukan dengan menunjukkan keeratan 

hubungan antara nilai peubah yang sama pada periode waktu berbeda. 

1) Apabila nilai koefisien autokorelasi pada time lag dua atau tiga 

periode tidak berbeda nyata dari nol, maka data tersebut adalah data 

stasioner. 

2) Apabila nilai koefisien autokorelasi pada beberapa time lag pertama 

secara berurutan berbeda nyata dari nol, maka data tersebut adalah 

data yang menunjukkan pola trend. 

3) Apabila nilai koefisien pada beberapa time lag yang mempunyai 

jarak sistematis berbeda nyata dari nol, maka data tersebut adalah 

data komponen musiman. 

3.6.1 Metode Rataan Bergerak 

Metode rataan bergerak dihitung dengan persamaan terdiri dari : 

1 

Ft ( At 1 At 2 

... At n 

) .................................................(5) 

n 

Metode rataan sederhana menggunakan semua data tersedia 

dan cocok meramalkan data time series dengan data stasioner. 


39 

3.6.2 Metode Penghalusan Eksponensial 

Penghalusan Eksponensial (exponential smoothing) 

merupakan metode peramalan rataan bergerak dengan pembobotan 

canggih, namun masih mudah digunakan. Metode ini menggunakan 

sangat sedikit pencatatan data masa lalu. Rumus penghalusan 

eksponensial dibagi menjadi : 

a. Metode penghalusan eksponensial tunggal 

Metode yang menyediakan rataan bergerak tertimbang 

secara eksponensial semua nilai pengamatan yang lalu (Hanke, 

et al., 2003). 

 

Ft Ft 1 At 1 – Ft 

1 ...............................(6) 

dimana : 

F t = peramalan baru 

F t-1 = peramalan sebelumnya 

α = konstanta penghalus ( 0 < α < 1 ) 

A t-1 = permintaan aktual periode lalu 

b. Metode penghalusan eksponensial ganda 

Hal ini merupakan metode linear satu (1) parameter 

dari Brown (double exponential smoothing). 

FIT t = F t + T t ............................................................(7) 

F t = FIT t-1+ α (A t-1– FIT t-1) .................................(8) 

T t = T t-1+ ß (F t – FIT t-1) .......................................(9) 

dimana, 

 

F t 

= peramalan berdasarkan level pada periode t 


40 

T t 

FIT t 

= peramalan berdasarkan trend pada periode t 

= hasil peramalan berdasarkan level dan trend pada 

periode t 

FIT t-1 = hasil peramalan berdasarkan level dan trend pada 

periode sebelumnya 

A t-1 

α 

ß 

=data aktual pada periode sebelumnya 

=bobot level 

=bobot trend 

3.7 Desain Penelitian 

Desain penelitian yang dilakukan dalam proses penelitian Kerja 

Praktek yang berjudul “Analisis Peramalan Penjualan Produk Suplemen Pt. 

Green World Global Pada E-marketplace di Stokis Alam Sutera” dapat 

dilihat jelas pada gambar yang menunjukkan rencana atau struktur 

penelitian yang digunakan untuk memecahkan permasalahan yang diangkat 

dalam penelitian ini. 


41 

Gambar 4 Desain Alur Penelitian 


2016 

2017 

42 

BAB IV 

HASIL DAN PEMBAHASAN 

4.1 Hasil Data Penelitian 

Data yang digunakan adalah data penjualan produk Green World 

pada tiga (3) e-marketplace di Stokis Alam Sutera dari bulan Januari 2016 

sampai Juli 2017. E-marketplace yang digunakan yaitu tokopedia.com, 

bukalapak.com, dan blibli.com. Data yang digunakan sebanyak 19 data. 

Tabel 2 Data Penjualan Produk Green World pada e-marketplace 

Tahun Bulan Tokopedia.com Bukalapak.com Blibli.com Total 

Jan 10 5 3 18 

Feb 8 10 6 24 

Mar 12 11 8 31 

Apr 21 12 4 37 

Mei 13 11 3 27 

Jun 16 10 12 38 

Jul 17 8 15 40 

Ags 12 9 21 42 

Sept 13 11 22 46 

Okt 11 8 24 43 

Nov 13 13 29 55 

Des 17 9 29 55 

Jan 11 10 26 47 

Feb 28 20 16 64 

Mar 16 20 17 53 

Apr 25 15 26 66 

Mei 21 18 16 55 

Jun 19 13 18 50 

Jul 19 19 15 53 

Jumlah 302 232 310 844 

42 


43 

4.2 Hasil Perhitungan 

Pada penelitian ini, software yang digunakan adalah MINITAB 18 

untuk melakukan peramalan time series dengan metode rataan bergerak 

(moving average), penghalusan eksponensial tunggal (single exponential 

smoothing), dan penghalusan eksponensial ganda (double exponential 

smoothing). 

Data disajikan berdasarkan penjualan pada tokopedia, bukalapak, 

blibli, dan total ketiganya. Peramalan dilakukan dengan menggunakan 

metode yang memiliki nilai MSE terkecil. 

4.2.1 Hasil Perhitungan pada Tokopedia 

Gambar 5 Pola data penjualan pada Tokopedia 

Berdasarkan data penjualan pada tokopedia, dilakukan 

identifikasi kesalahan peramalan dengan metode rataan bergerak 

(moving average), penghalusan eksponensial tunggal (single 

exponential smoothing), dan penghalusan eksponensial ganda 

(double exponential smoothing). Perhitungan masing-masing metode 

dengan menggunakan software MINITAB 18 terdapat pada 

Lampiran. 


44 

Tabel 3 Analisa Kesalahan Peramalan Penjualan di Tokopedia 

Metode MAD MSE MAPE 

Rataan Bergerak (Moving Average) 3,7083 27,9306 20,0195 


(Single Exponentian Smoothing) 


(Double Exponentian Smoothing) 

3,3996 24,8526 20,5612 

3,6168 22,9827 22,8647 

Berdasarkan Tabel 3, penjualan produk suplemen Green 

World pada tokopedia yang dianalisis dengan Minitab 18 dengan 

metode peramalan Penghalusan Eksponensial Ganda (Double 

Exponentian Smoothing) memiliki nilai MSE terkecil (22,9827) 

dibandingkan dengan metode peramalan lainnya. 

Peramalan penjualan suplemen Green World untuk 15 

periode kedepan di tokopedia, dianalisis menggunakan metode 

peramalan Penghalusan Eksponensial Ganda (Double Exponentian 

Smoothing). 

Tabel 4 Ramalan penjualan produk suplemen Green World pada tokopedia 

dengan metode Double Exponentian Smoothing 

Periode Bulan Peramalan Penjualan 

20 Agustus 2017 21,6199 

21 September 2017 22,22642 

22 Oktober 2017 22,83293 

23 November 2017 23,43944 

24 Desember 2017 24,04596 

25 Januari 2018 24,65247 

26 Februari 2018 25,25898 

27 Maret 2018 25,86549 

28 April 2018 26,47201 

29 Mei 2018 27,07852 

30 Juni 2018 27,68503 

31 Juli 2018 28,29155 


45 

32 Agustus 2018 28,89806 

33 September 2018 29,50457 

34 Oktober 2018 30,11109 

4.2.2 Hasil Perhitungan pada Bukalapak 

Gambar 6 Pola data penjualan pada Bukalapak 

Berdasarkan data penjualan pada bukalapak, dilakukan 






Lampiran. 

Tabel 5 Analisa Kesalahan Peramalan Penjualan di Bukalapak 


2,7292 13,6597 19,8385 

Rataan Bergerak (Moving Average) 





2,7618 14,1579 22,6067 

2,7903 11,6920 24,4495 


46 




Exponentian Smoothing) memiliki nilai MSE terkecil (11,6920) 

dibandingkan dengan metode peramalan lainnya. 




Smoothing). 

Tabel 6 Ramalan penjualan produk suplemen Green World pada bukalapak 



20 Agustus 2017 18,1368 

21 September 2017 18,8174 

22 Oktober 2017 19,4980 

23 November 2017 20,1787 

24 Desember 2017 20,8593 

25 Januari 2018 21,5399 

26 Februari 2018 22,2206 

27 Maret 2018 22,9012 

28 April 2018 23,5818 

29 Mei 2018 24,2624 

30 Juni 2018 24,9431 

31 Juli 2018 25,6237 

32 Agustus 2018 26,3043 

33 September 2018 26,9850 

34 Oktober 2018 27,6656 


47 

4.2.3 Hasil Perhitungan pada Blibli 

Gambar 7 Pola data penjualan pada Blibli 

Berdasarkan data penjualan pada blibli, dilakukan identifikasi 

kesalahan peramalan dengan metode rataan bergerak (moving 

average), penghalusan eksponensial tunggal (single exponential 

smoothing), dan penghalusan eksponensial ganda (double 

exponential smoothing). Perhitungan masing-masing metode dengan 

menggunakan software MINITAB 18 terdapat pada Lampiran. 

Tabel 7 Analisa Kesalahan Peramalan Penjualan di Blibli 



5,5833 40,4167 37,679 





6,2228 54,4068 42,5067 

6,5391 57,2116 56,458 



metode peramalan Rataan Bergerak (Moving Average) memiliki nilai 

MSE terkecil (40,4167) dibandingkan dengan metode peramalan 

lainnya. 


48 



peramalan Rataan Bergerak (Moving Average). 

Tabel 8 Ramalan penjualan produk suplemen Green World pada blibli dengan 

metode Moving Average 


20 Agustus 2017 16,3333 

21 September 2017 16,3333 

22 Oktober 2017 16,3333 

23 November 2017 16,3333 

24 Desember 2017 16,3333 

25 Januari 2018 16,3333 

26 Februari 2018 16,3333 

27 Maret 2018 16,3333 

28 April 2018 16,3333 

29 Mei 2018 16,3333 

30 Juni 2018 16,3333 

31 Juli 2018 16,3333 

32 Agustus 2018 16,3333 

33 September 2018 16,3333 

34 Oktober 2018 16,3333 


49 

4.2.4 Hasil Perhitungan pada E-marketplace 

Gambar 8 Pola data penjualan pada E-marketplace 

Berdasarkan data penjualan pada e-marketplace, dilakukan 






Lampiran. 

Tabel 9 Analisa Kesalahan Peramalan Penjualan di E-marketplace 



6,7292 57,1597 14,1294 





8,2342 97,8071 19,5173 

6,2676 50,0011 15,1597 


World pada e-marketplace yang dianalisis dengan Minitab 18 

dengan metode peramalan Penghalusan Eksponensial Ganda 


50 

(Double Exponentian Smoothing) memiliki nilai MSE terkecil 

(50,0011) dibandingkan dengan metode peramalan lainnya. 


periode kedepan di e-marketplace, dianalisis menggunakan metode 


Smoothing). 

Tabel 10 Ramalan penjualan produk suplemen Green World pada e-marketplace 



20 Agustus 2017 62,8403 

21 September 2017 64,0901 

22 Oktober 2017 65,3399 

23 November 2017 66,5897 

24 Desember 2017 67,8394 

25 Januari 2018 69,0892 

26 Februari 2018 70,3390 

27 Maret 2018 71,5888 

28 April 2018 72,8385 

29 Mei 2018 74,0883 

30 Juni 2018 75,3381 

31 Juli 2018 76,5878 

32 Agustus 2018 77,8376 

33 September 2018 79,0874 

34 Oktober 2018 80,3372 


51 

4.3 Pembahasan 

4.3.1 Pembahasan Hasil Perhitungan pada Tokopedia 

Dari gambar 5 diketahui bahwa penjualan di tokopedia 

memiliki pola acak, penjualan terendah terdapat pada bulan Februari 

2016 dan penjualan tertinggi pada bulan Februari 2017. Penjualan 

pada bulan Februari 2017 mengalami peningkatan yang sangat 

signifikan dan langsung megalami penurunan signifikan pada bulan 

selanjutnya. Peramalan penjualan suplemen Green World untuk 15 



Smoothing) dengan nilai α = 0,2 , dan ß = 0,2. 

Dari tabel 4 ternyata hasil peramalan yang diperoleh dari 

jumlah penjualan setiap bulannya mengalami peningkatan, yaitu 

hasil peramalan bulan Agustus 2017 (22 produk) meningkat pada 

bulan September 2017 (23 produk) dan terus mengalami peningkatan 

hingga tercapai peramalan penjualan tertinggi pada periode 15 yaitu 

31 produk pada bulan Oktober 2018. 

4.3.2 Pembahasan Hasil Perhitungan pada Bukalapak 

Dari gambar 5 diketahui bahwa penjualan di bukalapak 

memiliki pola tren meningkat, penjualan terendah terdapat pada 

bulan Januari 2016 dan penjualan tertinggi pada bulan Februari dan 

Maret 2017. Penjualan pada bulan Februari 2017 mengalami 

peningkatan yang sangat signifikan, lalu tetap pada bulan 

selanjutnya, dan megalami penurunan pada bulan April 2017. 

Peramalan penjualan suplemen Green World untuk 15 periode 

kedepan di bukalapak, dianalisis menggunakan metode peramalan 

Penghalusan Eksponensial Ganda (Double Exponentian Smoothing) 

dengan nilai α = 0,2 , dan ß = 0,2. 


52 







4.3.3 Pembahasan Hasil Perhitungan pada Blibli 

Dari gambar 7 diketahui bahwa penjualan di blibli memiliki 

pola acak, penjualan terendah terdapat pada bulan Januari dan Mei 

2016 dan penjualan tertinggi pada bulan November dan Desember 

2016. Penjualan dari bulan Mei hingga bulan November 2016 

menunjukkan tren naik lalu kembali turun pada bulan Januari hingga 

Februari 2017. Peramalan penjualan suplemen Green World untuk 

15 periode kedepan di blibli, dianalisis menggunakan metode 

peramalan Rataan Bergerak (Moving Average) dengan panjang 

rataan 3. 


jumlah penjualan setiap bulannya tidak mengalami peningkatan 

ataupun penurunan, yaitu tetap 17 produk dari periode 1 bulan 

Agustus 2017 hingga periode 15 pada bulan Oktober 2018. 

4.3.4 Pembahasan Hasil Perhitungan pada E-marketplace 

Dari gambar 9 diketahui bahwa penjualan di e-marketplace 

memiliki pola tren meningkat, penjualan terendah terdapat pada 

bulan Januari 2016 dan penjualan tertinggi pada bulan April 2017. 

Penjualan cenderung mengalami peningkatan yang konstan, tidak 

menunjukkan ada penurunan ataupun peningkatan yang signifikan. 

Peramalan penjualan suplemen Green World untuk 15 periode 

kedepan di e-marketplace, dianalisis menggunakan metode 


Smoothing) dengan nilai α = 0,2 , dan ß = 0,2. 


53 








54 

BAB V 

KESIMPULAN DAN SARAN 

5.1 Kesimpulan 

Dari hasil analisis peramalan penjualan produk suplemen Green 

World pada E-marketplace di Stokis Alam Sutera dari bulan Januari 2016 

sampai Juli 2017 untuk 15 periode, didapat kesimpulan sebagai berikut : 

a. Pola data penjualan produk suplemen Green World pada e- 

marketplace dari bulan Januari 2016 sampai Juli 2017 menunjukkan 

tren naik. Penjualan pada tokopedia dan blibli menunjukkan pola 

acak dan penjualan pada bukalapak menunjukkan tren naik. 

b. Dari hasil perhitungan tingkat kesalahan, metode peramalan 

kuantitatif yang paling sesuai untuk meramalkan jumlah penjualan 

produk suplemen Green World di tokopedia dan bukalapak adalah 


Exponentian Smoothing), dan di blibli dengan metode Rataan 

Bergerak (Moving Average). Secara keseluruhan, metode yang 

paling efektif digunakan untuk meramalkan jumlah penjualan produk 

suplemen Green World pada e-marketplace dari Januari 2016 sampai 

Juli 2017 adalah metode peramalan Penghalusan Eksponensial 

Ganda (Double Exponentian Smoothing). 

c. Hasil peramalan penjualan produk suplemen Green World pada e- 

marketplace dari Januari 2016 sampai Juli 2017 cukup bervariasi. 

Peramalan penjualan pada tokopedia dan bukalapak mengalami 

peningkatan dimana hasil ramalan tertinggi terdapat pada periode 15 

dengan penjualan 31 produk di tokopedia dan 28 produk di 

bukalapak. Ramalan penjualan di blibli menunjukkan angka yang 

tetap dari periode 1 hingga 15 yaitu 17 produk. Hasil ramalan 

penjualan secara keseluruhan pada e-marketplace mengalami 

peningkatan dimana hasil ramalan tertinggi terdapat pada periode 15 

dengan penjualan 81 produk. 

54 


55 

5.2 Saran 

a. Perusahaan sebaiknya melakukan peramalan secara berkala 

(misalnya 3 atau 6 bulan sekali), agar memudahkan menetapkan 

target penjualan, maupun target lainnya untuk meningkatkan 

keuntungan perusahaan. 

b. Perusahaan sebaiknya memilih metode terbaik yang tingkat 

keakuratannya paling tinggi (misalnya metode Penghalusan 

Eksponensial Ganda sebagai metode terbaik di tokopedia), sehingga 

hasil peramalan tidak berbeda jauh dengan realisasi dan dapat 

mengurangi ketidakpastian yang terjadi pada masa mendatang. 

c. Perusahaan harus teliti dan cermat dalam melakukan peramalan 

penjualan (misalnya melihat output pada computer), karena hasil 

peramalan yang dilakukan akan digunakan sebagai dasar penyusunan 

strategi produksi, pemasaran maupun keuangan di masa mendatang. 


56 

DAFTAR PUSTAKA 

Heeren, Rick, (2010), Marketplace Miracle, Andi Publisher, Yogyakarta 

Makridakis, Spyros, Steven C, Wheelwright, and Victor E, (1999), Metode 

Aplikasi Dan Peramalan, Edisi I, Erlangga, Jakarta. 

Pratama, I Putu Agus Eka, (2015), E-Commerce E-Business Dan Mobile 

Commerce, Informatika, Bandung. 

Santoso, Singgih, (2009), Business Forecasting : Metode Peramalan Bisnis Masa 

Kini dengan Minitab dan SPSS, Elex Media Komputindo, Jakarta. 

Subagyo, Pangestu, (2013), Forecasting Konsep dan Aplikasi, Cetakan I, BPFE, 

Yogyakarta. 

Mishra, Kamala Kanta, http://www.datasciencecentral.com/profiles/blogs/ 

selecting-forecasting-methods-in-data-science, Februari, 2017 

Riyanto, Teguh, https://zahiraccounting.com/id/blog/mengenal-marketplacekelebihan-dan-kekurangannya/, 

Desember, 2015 

Yanto, Apri, https://id.techinasia.com/talk/populernya-situs-marketplace-diindonesia, 

Februari, 2016 


57 

LAMPIRAN 

57 


Lampiran 1 Perhitungan kesalahan ramalan di tokopedia dengan metode Rataan Bergerak 

Lampiran 2 Perhitungan kesalahan ramalan di tokopedia dengan metode Penghalusan 



Lampiran 3 Perhitungan kesalahan ramalan di tokopedia dengan metode Penghalusan 


Lampiran 4 Perhitungan kesalahan ramalan di bukalapak dengan metode Rataan Bergerak 


2 

Lampiran 5 Perhitungan kesalahan ramalan di bukalapak dengan metode Penghalusan 


Lampiran 6 Perhitungan kesalahan ramalan di bukalapak dengan metode Penghalusan 



3 

Lampiran 7 Perhitungan kesalahan ramalan di blibli dengan metode Rataan Bergerak 

Lampiran 8 Perhitungan kesalahan ramalan di blibli dengan metode Penghalusan Eksponensial 

Tunggal 


4 

Lampiran 9 Perhitungan kesalahan ramalan di blibli dengan metode Penghalusan Eksponensial 

Ganda 

Lampiran 10 Perhitungan kesalahan ramalan pada e-marketplace dengan metode Rataan Bergerak 


5 

Lampiran 11 Perhitungan kesalahan ramalan pada e-marketplace dengan metode Penghalusan 


Lampiran 12 Perhitungan kesalahan ramalan pada e-marketplace dengan metode Penghalusan

LAPORAN KERJA PRAKTEK_FULL

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?