RANCANG BANGUN APLIKASI SISTEM PERAMALAN HARGA EMAS DENGAN METODE PEMULUSAN EKSPONENSIAL WINTER Moh Afwan1) S1 / Jurusan Sistem Informasi, Sekolah Tinggi.

Slides:



Advertisements
Presentasi serupa
METODE PERAMALAN Metode Peramalan (forecasting)
Advertisements

TEKNIK PRAKIRAAN ATAU PERAMALAN
Peramalan Penjualan Logam Mulia ( Emas Batangan ) pada Toko Mas OLIVIA JEWELLERY Nama : Megawati NPM :
Abstraksi Suatu perencanaan yang tepat di segala bidang sangat diperlukan oleh suatu perusahaan agar mampu bersaing dan dapat berkembang di era global.
Peramalan.
Susanti Prasetiyaningtiyas. REFERENSI 1. Makridakis,Wheelwright and MCGee “ Forecasting : Methods and Applications” Second Edition. 2. Kuncoro,Mudradjat.
Peramalan STIE PUTRA BANGSA.
PERBANDINGAN SISTEM PERAMALAN PENJUALAN DENGAN METODE
RANCANG BANGUN SISTEM INFORMASI PEMBELIAN DAN PENJUALAN ( STUDI KASUS : UD. KUDA MAS LUMAJANG)   I.G.A.P Semara Putra S1 / Jurusan Sistem Informasi, Sekolah.
SISTEM PENDUKUNG KEPUTUSAN PENENTUAN JUAL ATAU BELI PORTOFOLIO MENGGUNAKAN ANALISA TEKNIKAL DAN FUNDAMENTAL Wahidya Fithra N. ( )
DATA DAN METODE PERAMALAN
Metode Peramalan (Forecasting Method)
RANCANG BANGUN SISTEM PERAMALAN PERMINTAAN BARANG PADA CV
ASTRI YULITASARI, PERBANDINGAN METODE PEMULUSAN EKSPONENSIAL GANDA HOLT DENGAN METODE PEMULUSAN EKSPONENSIAL GANDA BROWN.
METODE PERAMALAN UNTUK MANAJEMEN
PROPOSAL TUGAS AKHIR RANCANG BANGUN SISTEM PERAMALAN STOCK OBAT DENGAN METODE EXPONENTIAL SMOOTHING WINTER’S (STUDI KASUS PT. DNR (Dos Ni Roha) CABANG.
METODE PERAMALAN KUANTITATIF
PERAMALAN PENGELOLAAN DEMAND
FACILITY DESIGN NURUL UMMI, ST MT.
Studi Kelayakan Bisnis Aspek Pasar dan Pemasaran
Metode Peramalan (Forecasting Method)
OLEH : WIDYA FITRIANI ( ) Reviewer 1 : Ednawati Rainarli, S.Si., M.Si.
METODE PERAMALAN Pertemuan 15
Pertemuan VIII Peramalan Produk
Metode Peramalan (Forecasting Method)
DERET BERKALA (TIME SERIES) (1)
Rancang Bangun Aplikasi Sistem Peramalan Penjualan Dengan Metode Pemulusan Eksponensial Smoothing Pada PT. Baba Rafi Indonesia Luci Anna L. G. /
Pertemuan 3 PERAMALAN (1)
Apakah Peramalan itu ? Peramalan : seni dan ilmu untuk memperkirakan kejadian di masa depan. Hal ini dapat dilakukan denganmelibatkan pengambilan data.
METODE PENGHALUSAN EKSPONENSIAL
PERENCANAAN PERMINTAAN DALAM Supply Chain
Metode Peramalan Deret Waktu STK352 / 3(2-2)
MANAJEMEN PERSEDIAAN DAN LOGISTIK POKOK BAHASAN : MODUL 19
FORECASTING -PERAMALAN-
Prima Denny Sentia, Didi Asmadi, Dicky Ramadhan
Pertemuan Metode Peramalan (Forecasting Method)
Metode Pemulusan Rataan Bergerak Sederhana (RBS) dan Rataan Bergerak Ganda (RBG) Pembahasan meliputi lag-time, time-horizon, auto-correlation, cross-correlation,
PERAMALAN (FORECASTING)
METODE-METODE PERAMALAN BISNIS
PROYEKSI BISNIS MENGGUNAKAN METODE KUANTITATIF
PERAMALAN (FORECASTING) PERMINTAAN PRODUK
PERAMALAN Oleh: Sri Hermawati.
TAHAP-TAHAP PERAMALAN
MOVING AVERAGES.
OPERASI LOGISTIK & KOORDINASI LOGISTIK
Program Studi Statistika, semester Ganjil 2015/2016
PERAMALAN DENGAN METODE SMOOTHING
BAB IX ANALISIS DATA BERKALA (Menentukan Trend) (Pertemuan ke-17)
Peramalan “Penghalusan Eksponensial”
kelompok ahli. Disini ada proses “learning”.
METODA PERAMALAN KUANTITATIF
Implementasi IT dalam Strategi Bisnis
Peramalan Data Time Series
Peramalan Operation Management.
FORECASTING/ PERAMALAN
Exponential Smoothing
Peramalan .Manajemen Produksi #3
M. Double Moving Average
ANGKA INDEKS Cakupan: Harga Relatif (Price Relatives)
PERAMALAN (FORECASTING)
Disusun Oleh : Iphov Kumala Sriwana
FORECASTING.
DERET BERKALA (TIME SERIES) (1)
TEKNIK PROYEKSI BISNIS
METODE PERAMALAN UNTUK MANAJEMEN
Perencanaan dan Pengendalian Produksi Minggu 2
ANGKA INDEKS Cakupan: Harga Relatif (Price Relatives)
Peramalan (forecasting) Perancangan Sistem Produksi Widjajani Risris Nurjaman.
SI403 Riset Operasi Suryo Widiantoro, MMSI, M.Com(IS)
METODE PERAMALAN.
Transcript presentasi:

RANCANG BANGUN APLIKASI SISTEM PERAMALAN HARGA EMAS DENGAN METODE PEMULUSAN EKSPONENSIAL WINTER Moh Afwan1) S1 / Jurusan Sistem Informasi, Sekolah Tinggi Manajemen Komputer & Teknik Komputer Surabaya, email : afonest@yahoo.co.id

ABSTRACT Abstract : “The ability to know when to buy gold and to set gold selling price are important factors for gold merchants to achieve profit. However, it is difficult to determine the right time to buy gold as the gold price fluctuates considerably from time to time. As a result, many people and gold merchants are afraid that they would suffer from lost sales when the gold they buy is more expensive than the one they sell. Therefore, many gold merchants prefer to buy gold after the sell out of their gold to avoid bigger lost. This research attempts to solve the problem by implementing design system for predicting gold price. This application predicts the gold price by comparing minimum error value of MAPE and MSE to achieve accurate prediction to determine the right time to buy and to sell gold in the future. The Winter’s exponential smooting method can be applied to design an application system for predicting gold price. Try-out shows that the value of the actual data prediction is less that ten percent. It means that the prediction has a high accuracy.” Keywords: Predicting, Smoothing Winter's exponential smooting, Gold Price Predicting 

Emas merupakan logam mulia yang sering dijadikan sebagai alat tukar dalam perdagangan maupun sebagai standar keuangan berbagai negara (Joesoef: 2008). Nilai emas yang tidak pernah mengalami penyusutan membuat pelaku bisnis atau masyarakat sering memilih emas untuk berinvestasi. Nyatanya, transaksi jual beli emas pada umumnya banyak mendatangkan keuntungan bagi pelaku bisnis. Selain itu, emas juga bisa dikemas dalam berbagai bentuk seperti emas batangan, emas koin, dan emas perhiasan, sehingga masyarakat dapat menentukan jenis investasi emas yang diinginkan. Bagi sebagian masyarakat yang ingin berinvestasi jangka panjang, emas merupakan salah satu pilihan yang cukup menjanjikan karena harga emas akhir-akhir ini terus mengalami kenaikan. Namun, bagi masyarakat atau toko yang bergerak di bidang jual beli emas, menentukan waktu pembelian dan penentuan harga penjualan sangatlah penting karena akan mempengaruhi keuntungan yang akan diperoleh. Untuk mendapatkan keuntungan yang optimal, para pedagang pasti berharap mendapatkan harga yang rendah saat pembelian dan harga yang mahal saat penjualan. Sayangnya, para pedagang dan individu yang bergerak di bidang perdagangan emas ini tidak bisa menentukan sendiri harga emas yang diperdagangkan karena terdapat patokan harga emas berdasarkan harga pasaran dunia. Harga emas di pasaran internasional itu sendiri dipengaruhi oleh beberapa faktor. Faktor- faktor tersebut menurut Levin dan Wright (2006) meliputi faktor jangka pendek seperti permintaan dan penawaran, dan faktor jangka panjang yang antara lain meliputi nilai tukar dolar dan pengendalian modal. Faktor- faktor tersebut menyebabkan harga emas sulit untuk diperkirakan. Fluktuasi harga emas seperti di atas mengakibatkan banyak masyarakat dan pedagang emas sering kesulitan menentukan saat yang tepat untuk membeli emas. Fluktuasi harga emas yang tidak menentu, menyebabkan pedagang emas tidak berani untuk membeli emas dalam jumlah banyak. Para pelaku bisnis emas takut bila setelah membeli emas ternyata harga emas pada hari-hari berikutnya mengalami penurunan dan dapat mengakibatkan kerugian. Para pelaku bisnis emas terutama toko emas lebih memilih untuk menunggu stok barang habis sebelum memutuskan untuk membeli barang lagi, demi menghindari kerugian yang lebih besar. Berdasarkan uraian di atas, maka pada tugas akhir ini akan dibuat sebuah sistem peramalan harga emas untuk membantu masyarakat dan toko emas mengetahui pergerakan harga emas di masa depan. Usaha atau investasi emas akan lebih baik jika dalam usaha maupun investasinya mengetahui waktu yang tepat untuk membeli emas di saat harga rendah dan menjual emas di saat harga tinggi sehingga dapat meminimalkan kerugian dan mengoptimalkan keuntungan dalam usaha atau investasi emas. Dengan adanya sistem ini diharapkan dapat mengatasi permasalahan yang ada dalam investasi dan usaha emas.

LANDASAN TEORI Tahap-Tahap Peramalan Menurut Susanto (2009:10), agar hasil peramalan dapat secara efektif menjawab masalah yang ada, kegiatan peramalan sebaiknya mengikuti tahapan baku sebagai berikut ini: Perumusan masalah dan pengumpulan data. Persiapan data Membangun model Implementasi model Evaluasi peramalan

Pola Data Peramalan Langkah penting dalam memilih suatu metode deret waktu (time series) yang tepat adalah dengan mempertimbangkan jenis pola data, sehingga metode yag paling tepat dengan pola tersebut dapat digunakan untuk melakukan peramalan, menurut Arsyad (1994:38), pola data dapat dibedakan menjadi empat jenis, yaitu: Pola horizontal (H), terjadi bilamana nilai data berfluktuasi disekitar nilai rata-rata yang konstan. (data seperti itu ”stasioner” terhadap nilai rata-ratanya). Yang termasuk dalam jenis ini adalah data suatu produk yang secara teoritis tidak mengalami perubahan, dsb. Pola musiman (S), terjadi bilamana suatu deret dipengaruhi oleh faktor musiman (kuartal tahun tertentu, bulanan, atau hari-hari pada minggu tertentu). Misalnya penjualan minuman ringan, bahan bakar pemanas ruangan, dsb menunjukkan jenis pola ini. Pola siklis (C), terjadi bilamana datanya dipengaruhi oleh fluktuasi ekonomi jangka panjang seperti yang berhubungan dengan siklus bisnis. Misalnya penjualan peroduk seperti mobil, baja, dsb menunjukkan pola jenis ini. Pola siklis meliputi periode puncak yang diikuti periode resesi, depresi dan pemulihan. Pola trend (T), terjadi bilamana terdapat kenaikan atau penurunan sekuler jangka panjang dalam data. Misalnya penjualan banyak perusahaan, GNO, dan berbagai indikator ekonomi lainnya mengikuti suatu pola trend.

MAD (Mean Absolute Deviation) Kendala Peramalan Tidak mungkin suatu ramalan akan benar-benar akurat. Ramalan akan selalu berbeda dengan permintaan aktual. Perbedaan antara ramalan dengan data aktual disebut kesalahan ramalan. Meskipun suatu jumlah kesalahan ramalan tidak dapat dielakkan namun tujuan ramalan adalah agar kesalahan sekecil mungkin. Tentunya jika tingkat kesalahan tidak kecil, hal ini memberi indikasi apakah teknik ramalan yang digunakan salah, atau teknik ini perlu disesuaikan dengan mengubah parameter. MAD (Mean Absolute Deviation) Keterangan : = Banyak data = Nilai kesalahan peramalan | | = Nilai absolut

Metode Exponential Smoothing dari Winter Metode ramalan Exponential Smoothing (penghalusan exponensial) sebenarnya merupakan metode rata-rata bergerak yang memberikan bobot lebih kuat pada data terakhir dari pada data awal. Hal ini menjadi sangat berguna jika perubahan terakhir pada data lebih merupakan akibat dari perubahan aktual (seperti pola musiman) daripada hanya fluktuasi acak saja (dimana dengan suatu ramalan rata-rata bergerak saja sudah cukup). Menurut Arsyad (1994), persamaan dasar dari metode Pemulusan Eksponensial Winter adalah sebagai berikut: Pemulus Eksponensial Keterangan : = Nilai pemulus yang baru = Konstanta pemulus untuk data (0≤α≤1) = Data yang baru atau yang sebenarnya pada periode t = Estimasi musim = Panjang musim = Estimasi trend

Estimasi Trend Estimasi Musiman Keterangan : Keterangan : = Nilai pemulus yang baru = Konstanta pemulus untuk estimasi trend (0≤β≤1) = Estimasi trend Estimasi Musiman Keterangan : = Nilai pemulus yang baru = Konstanta pemulus untuk data estimasi musiman (0≤µ≤1) atau T = Data yang baru atau yang sebenarnya pada periode t = Estimasi musim = Panjang musim = Estimasi trend

Ramalan Pada Periode p Keterangan : = Nilai pemulus yang baru = Periode yang diramalkan = Estimasi musim = Panjang musim = Estimasi trend

Gambar 1 Arsitektur Proses Peramalan Desain Sistem Arsitektur Proses Peramalan Setelah terdapat sekumpulan data time seris harga emas tentu selama beberapa periode, konstanta-konstanta peramalan, panjang musiman, maka proses peramalan metode Pemulusan Eksponensial Winter dapat dilakukan untuk menghasilkan suatu nilai peramalan harga emas pada periode berikutnya. Nilai peramalan ini yang akan digunakan sebagai dasar menentukan waktu waktu beli emas pada periode berikutnya. Desain arsitektur proses peramalan harga emas pada tugas akhir ini dapat dilihat pada gambar 1 Gambar 1 Arsitektur Proses Peramalan

Perancangan Proses Peramalan Metode pemulusan eksponensial winter digunakan untuk meramalkan harga emas pada periode mendatang. Data yang dipergunakan untuk perhitungan pada metode ini adalah data harga emas setiap minggunya. Metode ini menggunakan dua parameter yang dikombinasikan sampai menghasilkan nilai MAD (Mean Absolute Deviation) dan MAPE (Mean Absolute Percentage Error) terkecil. Dalam proses peramalan menggunakan metode pemulusan eksponensial winter ini, nilai konstanta yang digunakan memiliki range tertentu, dimana nilai konstanta alpa, beta, dan gama tersebut adalah 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, dan 0.9. hal ini dilakukan untuk mengurangi waktu untuk proses peramalan. Semakin banyak jumlah konstanta maka proses peramalan akan melakukan waktu yang cukup lama karena sistem akan melakukan perulangan kombinasi perhitunganyang alpa, beta dan gama lebih banyak. Untuk lebih mudah memahami alur jalannya sistem peramalan ini makan dibuatlah sebuah flowchart proses perhitungan metode pemulusan eksponensial winter. Gambar 2 Menjelaskan Flowchart Perhitungan Peramalan Harga Emas Dengan Metode Pemulusan Eksponensial Winter. Gamabar 2 Flowchart Perhitungan Peramalan Harga Emas

Context Diagram Peramalan Harga Emas Dalam context diagram peramalan harga emas ini terdapat satu entitas, yaitu masyarakat atau toko yang bergerak di bidang jual beli emas dalam Context Diagram ini disebutkan User. Masyarakat atau toko emas akan memberikan data historis harga emas yang akan disimpan ke dalam tabel harga emas yang nanti akan digunakan dalam proses peramalan harga emas. Gambar 3 Context Diagram Rancang Bangun Aplikasi Sistem Peramalan Harga Emas

DFD Level 0 Peramalan Harga Emas Dengan Metode Pemulusan Eksponensia. Setelah context diagram rancang bangun aplikasi sistem peramalan harga emas dengan metode pemulusan eksponensial winter. Maka akan didapat DFD level 0 yang terdiri dari 3 (tiga) subproses, yaitu : Proses inisialisasi awal, proses ini digunakan untuk menginputkan sumber data ramal dan data nilai tukar berdasarkan rupiah. Proses hitungu panjang musim, proses ini berfungsi untuk menentukan panjang maksimal berapa hari kedepan yang akan di ramalkan. Hitung peramalan, proses ini digunakan untuk menghitung peramalan harga emas kedepannya dan menghasilkan laporan-laporan hasil perhitungan peramalan yang dibutuhkan. Penjelasan lebih lengkap mengenai DFD Level 0 rancang bangun aplikasi sistem peramalan harga emas dengan metode pemulusan eksponensial winter dapat dilihat pada Gambar 4 Gambar 4 DFD level 0 Rancang Bangun Aplikasi Sistem Peramalan Harga Emas

Gambar 5 Form Sumber Data HASIL DAN PEMBAHASAN Sumber Data Form sumber data digunakan untuk transaksi menambah sumber data atau data diambil dari mana. Form ini diisi pertama kali proses akan melakukan peramalan. Gambar 5 Form Sumber Data

Gambar 6 Form Nilai Tukar Form sumber data digunakan untuk transaksi menambah sumber data atau data diambil dari mana. Form ini diisi pertama kali proses akan melakukan peramalan. Gambar 6 Form Nilai Tukar Transaksi Harga Emas Form transaksi harga emas ini digunakan untuk menambah, mengubah dan menghapus data harga emas Gambar 7 Form Harga Emas

Gambar 9 Form Laporan Peramalan Tabel Transaksi Peramalan Form peramalan merupakan form yang digunakan untuk melakukan transaksi peramalan harga emas. Semua transaksi perhitungan peramalan akan dilakukan pada form ini. Gambar 8 Form Peramalan Laporan Peramalan Tabel Form laporan peramalan berupa tabel ini menampilkan semua data yang diramal dan hasil ramal. Gambar 9 Form Laporan Peramalan Tabel

KESIMPULAN & SARAN Kesimpulan Saran Di bagian kesimpulan dituliskan hasil pencapaian dari penelitian yang telah dilakukan. Apabila dalam penelitian ini yakni rancang bangun aplikasi sistem peramalan harga emas dengan metode pemulus eksponensial winter, maka hasil yang ingin dicapai adalah sesuai dengan tujuan dari penelitian ini, yakni menghasilkan ramalan harga emas untuk periode yang akan datang berdasarkan data history harga emas periode sebelumnya. Saran Untuk bagian saran dituliskan kumpulan saran-saran yang diberikan oleh penyusun penelitian ini kepada siapapun para pembacanya yang berniat untuk mengembangkan penelitian tersebut. Adapun isi dari saran tersebut adalah tentang bagaimana kekurangan dari penelitian ini dan bagaimana sebaiknya para calon pengembang penelitian ini akan mengembangkan penelitiannya. Contoh dari penelitian ini yakni karena sistem yang akan dibangun berupa aplikasi desktop, maka penyusun penelitian ini dapat memberikan saran berupa pengembangan aplikasi menjadi berwujud web, tentunya disesuaikan dengan permasalahan dan kebutuhan yang ada.

DAFTAR RUJUKAN Amsyah, Zulkifli. 2005, Manajemen Sistem Informasi. Jakarta: Gramedia Pustaka Utama  Subagyo, Pangestu. 2002. Forecaseting: Konsep dan Aplikasi, Edisi 2. Yogyakarta: BPFE-Yogyakarta. Arsyad, Lincolin. 2001. Edisi Pertama. Peramalan Bisnis.Yogyakarta: BPFE- Yogyakarta  Yuswanto. 2009. Algoritma dan Pemprograman dengan Visual Basic .Net 2005. Jakarta: Cerdas Pustaka Publisher. Fuad, Noor. 1988. Cetakan Pertama. Analisis dan Perancangan Sistem. Jakarta: Intermedia.  Joesoef, Jose Reizal. 2008. Pasar Uang dan Pasar Valuta Asing. Jakarta: Salemba Empat Levin, Eric J. dan Wright, Robert E. 2006. Short-Run and Long- Run Determinants of the Price of Gold. London: World Gold Council. Kitco Metals Inc. 2012. "Charts & data". (Online), (http://www.kitco.com/charts/, diakses 11 November 2012) Makridakis, Spyros, Wheelwright, Steven & McGee, Victor. 1993. Edisi Kedua, Metode dan Aplikasi Peramalan. Jakarta: Erlangga. Prasetya, Hary dan Lukiastuti, Fitri. 2009. Manajemen Operasi. Jakarta: PT. Buku Kita. Santoso, Singgih. 2009. Buisness Forecaseting Metode Peramalan Bisnis Masa Kini dengan Minitab dan SPSS. Jakarta: PT.Elex Media Komputindo,