TUGAS AKHIR
PEMILIHAN METODE SISTEM PERAMALAN DI PT. LAUTAN OTSUKA CHEMICAL
Diajukan Guna Melengkapi Sebagian Syarat Dalam Mencapai Gelar Sarjana Strata Satu (S1)
U N I V E R S I T A S
MERCU BUANA
DISUSUN OLEH :
Nama : FAHLEPI NIM : 41606110011
Program Studi : TEKNIK INDUSTRI
PROGRAM STUDI TEKNIK INDUSTRI FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS MERCU BUANA JAKARTA
2008
LEMBAR PERNYATAAN
Yang bertanda tangan di bawah ini,
Nama : FAHLEPI
N.I.M : 41606110011 Jurusan : Teknik Industri Fakultas : Teknologi Industri
Judul Skripsi : Pemilihan Metode Sistem Peramalan di PT Lautan Otsuka Chemical
Dengan ini menyatakan bahwa hasil penulisan skripsi yang telah saya buat ini merupakan hasil karya sendiri dan benar keasliannya. Apabila ternyata dikemudian hari penulisan skripsi ini merupakan hasil plagiat atau penjiplakan terhadap karya orang lain, maka saya bersedia mempertanggung- jawabkan sekaligus bersedia menerima sanksi berdasarkan aturan tata tertib di Universiatas Mercu Buana.
Demikian pernyataan ini saya buat dalam keadaan sadar dan tidak dipaksakan.
Jakarta, maret 2008
(Fahlepi)
LEMBAR PENGESAHAN
PEMILIHAN METODE SISTEM PERAMALAN DI PT. LAUTAN OTSUKA CHEMICAL
U N I V E R S I T A S
MERCU BUANA
Disusun Oleh :
Nama : FAHLEPI
NIM : 41606110011
Program Studi : TEKNIK INDUSTRI
Pembimbing Mengetahui
Koordinator TA / KaProdi
(Ir. Muhammad Kholil, MT) (Ir. Muhammad Kholil, MT)
ABSTRAK
PEMILIHAN METODE SISTEM PERAMALAN DI DI PT. LAUTAN OTSUKA CHEMICAL
PT Lautan Otsuka Chemical (PT LOC) merupakan perusahaan yang bergerak dibidang industri kimia yang menghasilkan produk Azodicarbonamida sebagai bahan pengembang (blowing agent). Ada tiga type Azodicarbonamida yang diproduksi oleh PT LOC yaitu type U, type H dan type L. Ketiganya memiliki karakter yang berbeda, aplikasi berbeda maupun dalam proses produksinya.
Untuk memenuhi permintaan pasar dengan jumlah yang tepat, waktu penyerahan yang tepat untuk masing-masing type diperlukan suatu metode peramalan yang akurat untuk mengukur atau memperkirakan keadaan / permintaan masing-masing type dimasa yang akan datang. Hal ini dapat dilakukan dengan melibatkan pengambilan data masa lalu dan menempatkannya ke masa yang akan datang dengan suatu bentuk model matematis
Penelitian ini mencari teknik peramalan yang lebih baik dengan cara membandingkan beberapa teknik peramalan seperti metode least square, konstan dan eksponential smoothing. Setiap teknik peramalan ditentukan akurasi hasil peramalannya untuk menghitung kesalahan peramalan dengan menghitung nilai Mean Absolute Deviation (MAD), Mean Squared Error (MSE) dan Mean Absolute Percentage Error (MAPE).
Berdasarkan hasil analisis diperoleh untuk type U dan type H metode peramalan least square mengindikasikan metode yang lebih baik dengan kesalahan peramalan paling kecil. Untuk type L metode peramalan eksponential Smoothing dengan α = 0,75 mengindikasikan metode yang lebih baik dengan kesalahan peramalan paling kecil.
Kata kunci : peramalan metode least square, konstan dan eksponential smoothing, Nilai MAD, MSE dan MAPE.
ABSTRACT
SELECTION OF FORECASTING SYSTEM IN PT. LAUTAN OTSUKA CHEMICAL
PT Lautan Otsuka Chemical (PT LOC) is chemical industry to produce chemical Blowing Agent - Azodicarbonamide. There is three type Azodicarbonamide produced by PT LOC that is U type, H type and L type. The each other have the different character, different application and also different process.
To fulfill sales order in accurate amount and the right time of delivery to each type needed a good forecasting method to measure or estimate request each of type in the future. This matter can be done by involve of past data and place it to next periode with a mathematical model.
This research look for the better forecasting technique by comparing some forecasting technique like method of least square, constant and eksponential smoothing. Every forecasting technique determined accuration of result of its forecast to see the mistake with calculate value of Mean Absolute Deviation (MAD), Mean Squared Error (MSE) And Mean Absolute Percentage Error (MAPE).
Result from this research is indication least square forecasting technique is better method for U type and H type with having smallest forecast error. And for the L type indication method of eksponential Smoothing with α = 0.75 is better method with having smallest forecast error
Key words : forecasting least square methode, Constan and eksponential Smoothing, value of MAD, MSE and MAPE
KATA PENGANTAR
Alhamdulillah, segala puji bagi Allah, Rabb seluruh mahluk yang telah memberikan rahmat, hidayah, dan bimbingan-Nya, serta hanya dengan ridho-Nya penulis dapat menyelesaikan penyusunan Tugas Akhir ini dengan judul
“Pemilihan Metode Sistem Peramalan di PT Lautan Otsuka Chemical”.
Selama penyelesaian tugas akhir ini, penulis telah banyak mendapat bimbingan dan bantuan baik moril maupun materil dari berbagai pihak. Oleh karena itu, pada kesempatan ini perkenankanlah, penulis menyampaikan rasa terima kasih dan penghargaan yang sebesar – besarnya kepada :
1. Dr. Ir. H Suharyadi, MS, rektor Universitas Mercu Buana yang telah menyediakan sarana dan prasarana yang tersedia secara optimal.
2. Ir. Muhammad Kholil, MT, KaProdi dan Dosen Pembimbing yang telah banyak memberikan saran, bimbingan dan waktunya dalam penyelesaian skripsi.
3. Para dosen dan seluruh staf Universitas Mercu Buana yang selalu membantu dalam proses belajar mengajar.
4. Manajemen PT Lautan Otsuka Chemical yang telah memberikan kemudahan dan bantuan kesempatan untuk melaksanakan tugas akhir.
5. Semua rekan dan seluruh karyawan PT. Lautan Otsuka Chemical yang telah banyak membantu dalam proses tugas akhir.
6. Bapak, Ibu dan saudara-saudaraku yang telah memberikan dukungan dan doa restunya yang selalu membangkitkan semangat dan motivasi penulis.
7. Semua rekan-rekan kelas karyawan di teknik industri angkatan IX atas semua kerja samanya.
Penulis menyadari bahwa penulisan skripsi ini mungkin masih jauh dari kesempurnaan. Oleh karena itu penulis menerima masukan, kritik dan saran dari pembaca. Akhirnya penulis berharap kiranya skripsi ini dapat bemanfaat bagi semua pihak.
Jakarta, Mei 2008
Penulis
DAFTAR ISI
Halaman Judul ………... i
Halaman Pernyataan ……….. ii
Halaman Pengesahan ………. iii
Abstraksi ……… iv
Kata Pengantar ………... v
Daftar Isi ……… vii
Daftar Tabel ………... ix
Daftar Gambar ………... xi
BAB I PENDAHULUAN 1.1 Latar Belakang Masalah ………. 1
1.2 Rumusan Masalah ………... 2
1.3 Batasan Masalah ………. 3
1.4 Tujuan Penelitian ………. 3
1.5 Metodologi Penelitian ……….. 3
1.6 Sistematika Penulisan ………... 4
BAB II LANDASAN TEORI 2.1 Definisi Peramalan ……… 5
2.2 Tahapan Prosedure Peramalan ….………. 6
2.3 Tujuan Peramalan ……….. 6
2.4 Jenis Peramalan ………. 7
2.5 Peramalan dan Horizon Waktu ……….. 8
2.6 Metode Peramalan ……….. 9
2.6.1 Peramalan Kualitatif ……… 9
2.6.2 Peramalan Kuantitatif ……….. 11
2.6.2.1 Metode Intrinsik (model time series) 11 2.6.2.1.1 Analisis Time Series …….. 11
2.6.2.1.2 Teknik Time Series ……… 14
2.6.2.2 Metode Ekstrinsik (Metode Kausal) .. 16
2.7 Ukuran Akurasi Hasil Peramalan ………. 17
2.8 Verifikasi dan Pengendalian Peramalan ……… 18
2.9 Karakteristik Peramalan Yang Baik ………. 19
2.10 Sifat Hasil Peramalan ……… 20
BAB III METODOLOGI PENELITIAN 3.1 Pelaksanaan Penelitiaan ……… 22
3.2 Penyelesaian Masalah ……… 22
BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 4.1 Tinjauan Umum Perusahaan ……….. 25
4.1.1 Profile Perusahaan ………. 25
4.1.2 Pengenalan Produk ……… 29
4.2 Pengumpulan Data ………. 31
4.3 Pengujian Kecukupan Data ……… 32
4.4 Pengolahan Data ……… 36
4.4.1 Metode Konstan ………. 36
4.4.2 Metode Least Square ……….. 39
4.4.3 Metode Eksponential Smoothing ……… 46
BAB V ANALISA DATA DAN PEMBAHASAN 5.1 Akurasi Hasil Peramalan ………. 58
5.2 Verifikasi Peramalan ……… 62
BAB VI KESIMPULAN DAN SARAN 6.1 Kesimpulan ……….. 68
6.2 Saran ………. 69
Daftar Pustaka ……….. 70
Lampiran ……….. 71
DAFTAR TABEL
Halaman
Tabel 4-1 Data Penjualan tahun 2007 31
Tabel 4-2 Uji Kecukupan Data type U 33
Tabel 4-3 Uji Kecukupan Data type H 34
Tabel 4-4 Uji Kecukupan Data type L 35
Tabel 4-5 Data Metode Konstan Type U 36
Tabel 4-6 Data Metode Konstan Type H 37
Tabel 4-7 Data Metode Konstan Type L 38
Tabel 4-8 Data Type U 39
Tabel 4-9 Data Metode Least Square Type U 40
Tabel 4-10 Data Type H 41
Tabel 4-11 Data Metode Least Square Type H 42
Tabel 4-12 Data Type L 43
Tabel 4-13 Data Metode Least Square Type L 45
Tabel 4-14 Data Metode Eksponential Smoothing Type U α = 0,25 46 Tabel 4-15 Data Metode Eksponential Smoothing Type U α = 0,5 47 Tabel 4-16 Data Metode Eksponential Smoothing Type U α = 0,75 48 Tabel 4-17 Data Metode Eksponential Smoothing Type H α = 0,25 50 Tabel 4-18 Data Metode Eksponential Smoothing Type H α = 0,5 51 Tabel 4-19 Data Metode Eksponential Smoothing Type H α = 0,75 52 Tabel 4-20 Data Metode Eksponential Smoothing Type L α = 0,25 53 Tabel 4-21 Data Metode Eksponential Smoothing Type L α = 0,5 54
Tabel 4-22 Data Metode Eksponential Smoothing Type L α = 0,75 56
Tabel 5-1 Hasil Peramalan Type U 58
Tabel 5-2 Hasil Peramalan Type H 59
Tabel 5-3 Hasil Peramalan Type L 60
Tabel 5-4 Data Peta Moving Range Type U 62
Tabel 5-5 Data Peta Moving Range Type H 64
Tabel 5-6 Data Peta Moving Range Type L 66
DAFTAR GAMBAR
Halaman
Gambar 2-1 Pola Data Trend 12
Gambar 2-2 Pola Data Musiman 12
Gambar 2-3 Pola Data Siklus 13
Gambar 2-4 Pola Data Random 13
Gambar 2-5 Model Peramalan 17
Gambar 3-1 Diagram Penelitian 24
Gambar 4-1 Struktur Azodicarbonamida 29
Gambar 4-2 Pola Data Penjualan tahun 2007 32
Gambar 5-1 Pola Data Least Square Type U 59
Gambar 5-2 Pola Data Least Square Type H 60
Gambar 5-3 Pola Data Eksponential Smoothing α = 0,75 Type L 61
Gambar 5-4 Peta Moving Range Type U 63
Gambar 5-5 Peta Moving Range Type H 65
Gambar 5-6 Peta Moving Range Type L 67
BAB I PENDAHULUAN
1.1 LATAR BELAKANG MASALAH
PT Lautan Otsuka Chemical (PT LOC) adalah sebuah perusahaan joint venture antara perusahaan asing (jepang) dan perusahaan local (Indonesia) yang bergerak dibidang industri kimia. Produk yang dihasilkan adalah Azodicarbonamida (AZ). Aplikasi dari azodicarbonamida pada industri sepatu, industri otomotif, industri electronik sebagai zat pengembang untuk material karet, PVC, polyethylene, polypropylene (sebagai bahan aditif). Pemasaran produk PT LOC untuk pemenuhan kebutuhan domestik dan ekspor, saat ini PT LOC menjual kira-kira 15 % untuk pasar lokal dan sisanya (85 %) untuk ekspor.
Untuk memenuhi permintaan pasar dengan jumlah yang tepat, waktu penyerahan yang tepat dan menjaga tidak terjadinya tingkat penawaran yang lebih rendah dibandingkan kemampuan pangsa pasar yang dapat mengakibatkan hilangnya pelanggan karena beralih kepesaing, manajemen perusahaan mengambil kebijakan untuk menerapkan system safety stock baik untuk material maupun barang jadi (produk). Tetapi manajemen juga tidak menginginkan adanya over stock, menjaga tidak terjadinya tingkat penawaran yang lebih tinggi dari pada permintaan pasar yang dapat mengakibatkan terjadinya pemborosan biaya, seperti biaya penyimpanan, biaya modal dan biaya kerusakan barang yang akan meningkatkan biaya produksi.
Dalam rangka untuk memperoleh suatu keputusan yang optimal diperlukan adanya suatu cara yang tepat, sistematis dan dapat dipertanggungjawabkan. Salah satu alat yang diperlukan oleh manajemen dan merupakan bagian integral dari proses pengambilan keputusan adalah metode peramalan. Metode peramalan digunakan untuk mengukur atau menaksir keadaan dimasa yang akan datang.
Kebutuhan akan peramalan semakin bertambah sejalan dengan keinginan manajemen untuk memberikan respon yang cepat, tepat dan ilmiah dalam menghadapi berbagai perubahan, tantangan dan kesempatan yang mungkin terjadi pada masa yang akan datang. Oleh karena itu penguasaan metode peramalan secara praktis dan ilmiah menjadi suatu kebutuhan dan keharusan bagi manajemen dan peramalan yang akurat merupakan informasi yang sangat dibutuhkan dalam pengambilan keputusan manajemen.
1.2 RUMUSAN MASALAH
Berdasarkan penjelasan latar belakang masalah di atas, maka diperlukan suatu metode yang tepat, sistematis dan ilmiah yang dapat memberikan gambaran untuk memperkirakan permintaan azodicarbonamida dimasa yang akan datang. Oleh karena itu dalam tugas akhir ini akan dicoba beberapa teknik peramalan, dimana perhitungan nantinya akan diketahui teknik peramalan yang lebih baik untuk PT LOC.
1.3 BATASAN MASALAH
Agar penelitian dan pembahasan yang dilakukan tepat sasaran, maka perlu adanya pembatasan masalah, yaitu :
1. Penelitian hanya dibatasi pada permintaan produk Azodicarbonamida dan tidak dilakukan perhitungan perkiraan bahan baku dan biaya produksi.
2. Teknik peramalan yang digunakan hanya tiga macam yaitu least square, konstan dan exponential smoothing.
3. Penentuan teknik peramalan terbaik hanya didasarkan pada ukuran akurasi dari hasil peramalan
1.4 TUJUAN PENELITIAN
Tujuan penelitian tugas akhir ini adalah mencari teknik peramalan yang paling baik berdasarkan nilai kesalahan, verifikasi dan kontrol untuk memperkirakan permintaan Azodicarbonamida dimasa yang akan datang.
1.5 METODOLOGI PENELITIAN
Pada penulisan tugas akhir ini akan dicari teknik peramalan yang lebih baik dengan cara membandingkan beberapa teknik peramalan. Hal ini dapat dilakukan dengan melakukan studi pustaka yang akan dijadikan landasan teori dan pengolahan data dan studi lapangan dengan mengambil data permintaan / penjualan masa lalu (data tahun 2007).
1.6 SISTEMATIKA PENULISAN
Gambaran umum dari sistematika penulisan tugas akhir ini adalah : BAB I : PENDAHULUAN
Pada bab ini penulis menjelaskan mengenai latar belakang, rumusan masalah, batasan masalah, tujuan penelitian, metodologi penelitian dan sistematika penulisan.
BAB II : LANDASAN TEORI
Pada bab ini akan diuraikan teori dan bahan-bahan penunjang yang dijadikan acuan dan landasan dalam proses pemecahan masalah BAB III : METODOLOGI PENELITIAN
Pada bab ini memjelaskan cara pelaksanaan kegiatan penelitian, mencakup cara pengumpulan data dan cara analisa data.
BAB IV : PENGUMPULAN DAN PENGOLAHAN DATA
Pada bab ini berisi pengumpulan data dan data yang digunakan serta pengolahan data-data tersebut
BAB V : ANALISA DATA DAN PEMBAHASAN
Pada bab ini membahas tentang analisa akhir sesuai dengan landasan teori yang digunakan berdasarkan data yang telah diolah.
BAB VI : KESIMPULAN DAN SARAN
Merupakan jawaban dari masalah dan tujuan penelitian yang disertai saran-saran yang berguna dan membangun.
BAB II
LANDASAN TEORI
2.1 DEFINISI PERAMALAN
Peramalan adalah seni dan ilmu untuk memperkirakan kejadian di masa depan, peramalan merupakan suatu proses untuk memperkirakan berapa kebutuhan di masa mendatang yang meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu dan lokasi yang dibutuhkan dalam rangka memenuhi permintaan barang atau jasa. Hal ini dapat dilakukan dengan melibatkan pengambilan data masa lalu dan menempatkannya ke masa yang akan datang dengan suatu bentuk model matematis. Bisa juga merupakan prediksi intuisi yang bersifat subyektif, atau bisa juga dengan menggunakan kombinasi model matematis yang disesuaikan dengan pertimbangan yang baik dari seorang manajer.
Peramalan mungkin tidak selalu dibutuhkan dalam kondisi permintaan pasar yang stabil, karena perubahan permintaannya relative kecil.
Tetapi peramalan akan sangat dibutuhkan bila kondisi keadaan pasar bersifat kompleks dan dinamis. Dalam kondisi pasar bebas, permintaan pasar lebih banyak bersifat kompleks dan dinamis karena permintaan tersebut akan bergantung kepada keadaan sosial, ekonomi, politik, aspek teknologi, produk pesaing dan produk substitusi.
Dalam setiap perusahaan, bagian yang satu selalu mempunyai keterkaitan dengan bagian yang lain, sehingga suatu peramalan yang baik atau buruk akan mempengaruhi perusahaan secara keseluruhan. Oleh karena itu,
peramalan yang akurat merupakan informasi yang sangat dibutuhkan dalam pengambilan keputusan manajemen.
2.2 TAHAPAN PROSEDURE PERAMALAN
Pada dasarnya ada beberapa langkah dasar yang harus diperhatikan dalam membuat suatu ramalan untuk menjamin efektifitas dan efisiensi dari sitem peramalan, yaitu :
1. Menetapkan tujuan peramalan
2. Memilih unsur / hal-hal apa yang akan diramal 3. Menentukan horizon waktu peramalan
4. Memilih tipe model peramalan
5. Mengumpulkan data yang diperlukan untuk melakukan peramalan 6. Menentukan model peramalan yang terbaik dan menerapkan model
peramalan terbaik (membuat ramalan)
7. Menguji keakuratan hasil peramalan dan verifikasi peramalan
2.3 TUJUAN PERAMALAN
Diantara tujuan utama dari peramalan adalah : 1. Menentukan kebutuhan dan ukuran perluasan pabrik.
2. Menentukan perencanaan jangka menengah untuk produk yang ada untuk diproduksi dengan fasilitas yang ada.
3. Menentukan penjadwalan jangka pendek dari produk yang ada untuk diproduksi dengan peralatan yang ada.
Dalam setiap ramalan harus dipenuhi salah satu dari kegunaan di atas, sehingga hal ini akan menimbulkan tambahan waktu yang diperlukan untuk membuat kebijaksanaan ditambah dengan waktu untuk membuat akibat kebijaksanaan tersebut. Ramalan yang memenuhi tujuan yang pertama dapat dibuat untuk ramalan jangka panjang. Ramalan perencanaan produksi dan produk dapat digunakan untuk peramalan yang memenuhi tujuan kedua dan ketiga.
2.4 JENIS PERAMALAN
Dalam perencanaan operasi masa depan, setiap organisasi perusahaan industri umumnya melakukan peramalan pada beberapa bidang penting, antara lain :
1. Peramalan ekonomi, yakni ramalan terhadap hal-hal yang terkait dengan siklus bisnis dengan memprediksikan tingkat inflasi, ketersediaan uang dan indikator perencanaan lainnya.
2. Peramalan teknologi, yakni ramalan terhadap perkembangan teknologi dengan memperhatikan tingkat kemajuan teknologi yang dapat melahirkan produk baru, yang membutuhkan pabrik baru dan peralatan baru.
3. Peramalan permintaan, yakni ramalan terhadap permintaan produk.
Peramalan ini disebut juga peramalan penjualan yang digunakan sebagai acuan dalam system produksi pengendalian kapasitas, sistem penjadwalan dan sebagai masukan untuk perencanaan keuangan, pemasaran dan sumber daya manusia.
Pada Perencanaan dan Pengendalian Produksi (PPC), bidang peramalan yang difokuskan adalah peramalan permintaan. Peramalan permintaan merupakan peramalan tingkat permintaan produk-produk yang diharapkan akan terealisasikan untuk jangka waktu tertentu pada masa yang akan datang.
Peramalan tersebut akan menjadi masukan yang sangat penting dalam keputusan perencanaan dan pengendalian perusahaan.
2.5 PERAMALAN DAN HORIZON WAKTU
Peramalan biasanya diklasifasikan berdasarkan horizon waktu masa depan yang dicakupnya. Horizon waktu terbagi atas beberapa kategori :
1. Peramalan jangka pendek
Umumnya peramalan ini mencakup jangka waktu kurang dari 3 bulan, peramalan ini digunakan untuk merencanakan pembelian, penjadwalan kerja, jumlah tenaga kerja, penugasan kerja dan tingkat produksi.
2. Peramalan jangka menengah
Umumnya mencakup bulanan hingga 2 tahun, peramalan ini biasanya digunakan untuk menentukan perencanaan penjualan, aliran kas dan perencanaan anggaran.
3. Peramalan jangka panjang
Umumnya untuk perencanaan masa 2 tahun atau lebih, peramalan jangka panjang digunakan untuk merencanakan produk baru, pembelanjaan modal, lokasi atau pengembangan fasilitas serta penelitian dan pengembangan (litbang).
2.6 METODE PERAMALAN
Salah satu hal penting untuk kegiatan perencanaan dan pengendalian produksi adalah peramalan permintaan yang akurat dan terpercaya. Karena permintaan tidak dapat diperkirakan langsung secara tepat, dibutuhkan metode- metode tertentu yang akan mengarahkan kepada peramalan yang baik. Metode peramalan adalah teknik untuk meramalkan masa datang secara ilmiah, yang akan lebih baik daripada peramalan coba-coba.
Secara umum terdapat dua pendekatan model peramalan, yaitu : 1. Peramalan kualitatif, yang bersifat subyektif
2. Peramalan kuantitatif, yang bersifat obyektif
Perbedaan antara kedua macam peramalan ini didasarkan pada cara mendapatkan nilai-nilai ramalan.
2.6.1 Peramalan Kualitatif
Peramalan kualitatif lebih menekankan pada keputusan-keputusan hasil diskusi, pendapat pribadi, pengalaman pribadi, opini dan intuisi. Beberapa teknik peramalan kualitatif yang umum dikenal adalah :
1. Keputusan dari pendapat juri eksekutif
Dalam metode ini pendapat sekumpulan kecil manager atau pakar tingkat tinggi dalam suatu organisasi dikumpulkan untuk mendapatkan prediksi permintaan kelompok. Metode ini akan sesuai dalam situasi yang sangat sensitif terhadap intuisi dari satu atau kelompok kecil orang
yang karena pengalamannya mampu memberikan opini yang kritis dan relevan.
2. Metode Delphi
Metode ini merupakan cara sistematis untuk mendapatkan keputusan bersama dari suatu kelompok yang terdiri dari para ahli dan berasal dari disiplin yang berbeda dan mereka diminta pendapatnya secara terpisah untuk menghindari pendapat yang bias karena pengaruh kelompok.
3. Gabungan dari tenaga penjualan
Dalam pendekatan ini setiap tenaga penjualan memperkirakan berapa penjualan yang bisa ia lakukan dalam wilayahnya. Peramalan ini kemudian dikaji untuk memastikan apakah peramalan cukup realistis, kemudian peramalan dikombinasikan pada tingkat wilayah yang lebih luas untuk mendapatkan peramalan secara keseluruhan.
4. Survei pasar
Metode ini meminta masukan / informasi dari konsumen mengenai rencana pembelian mereka di masa depan, dimana informasi tersebut diperoleh dari sample dengan kuesioner. Hal ini membantu tidak hanya dalam menyiapkan peramalan tetapi juga informasi mengenai selera yang diharapkan konsumen sehingga dapat memperbaiki desain produk dan perencanaan produk baru.
2.6.2 Peramalan Kuantitatif
Peramalan kuantitatif menggunakan model matematis yang beragam dengan data masa lalu dan variabel sebab akibat untuk meramalkan permintaan. Peramalan kuantitatif terdiri atas dua metode, yaitu
1. Metode intrinsik (model time series)
Metode ini membuat peramalan hanya berdasarkan proyeksi permintaan histories tanpa mempertimbangkan faktor-faktor eksternal yang mungkin mempengaruhi besarnya permintaan.
2. Metode ekstrinsik (metode kausal)
Metode ini mempertimbangkan faktor-faktor eksternal yang mungkin dapat mempengaruhi besarnya permintaan di masa yang akan datang.
2.6.2.1 Metode Intrinsik (Model time series)
Model time series membuat peramalan dengan asumsi bahwa masa depan merupakan fungsi masa lalu. Dengan kata lain, mereka melihat apa yang terjadi selama kurun waktu tertentu dan menggunakan data masa lalu tersebut untuk melakukan peramalan.
2.6.2.1.1 Analisis Time Series (deret waktu)
Dalam pendekatan analisis deret waktu didasarkan pada asumsi bahwa deret waktu tersebut terdiri dari komponen-komponen yang akan menunjukkan suatu pola tertentu. Ada empat komponen dalam time series, yaitu :
1. Kecendrungan / Trend
Trend merupakan sifat dari permintaan di masa lalu terhadap waktu terjadinya, apakah permintaan tersebut cendrung naik, turun atau konstan.
Faktor yang mempengaruhi pergerakan trend antara lain perubahan pendapatan, pengaruh budaya dan lain-lain.
Gambar 2–1
Pola Data Trend 2. Musiman / Season
Yaitu pola dalam serial data yang berfluktuasi (dapat naik atau turun) dan berulang-ulang secara teratur dalam setiap periode tertentu seperti mingguan, bulanan, tahunan. Pola ini biasanya dipengaruhi oleh faktor cuaca, libur panjang, hari raya.
Gambar 2-2
Pola Data Musiman
3. Siklus / Cycle
Yaitu pola dalam serial data yang berfluktuasi (dapat naik atau turun) dalam jarak waktu yang panjang (lebih dari satu tahun). Pola ini biasanya dipengaruhi oleh kejadian politik.
Gambar 2-3
Pola Data siklus 4. Variasi acak (random)
Variasi acak tidak mempunyai pola khusus tetapi diperlukan dalam rangka menentukan persediaan pengaman. Pola ini biasanya dipengaruhi oleh adanya bencana alam.
Gambar 2-4
Pola Data Random
2.6.2.1.2 Teknik Time Series
Ada beberapa teknik time series yang dikenal, diantaranya : 1. Proyeksi Tren (Least Squares)
Teknik ini mencocokkan garis trend pada serangkaian data masa lalu dan kemudian memproyeksikan garis pada masa datang. Pada metode least squares (metode kuadrat terkecil) membuat garis tren lurus dengan metode statistik.
Rumus : y = a + bx
∑ ∑
∑ ∑ ∑
= =
= = =
−
−
=
n
i
n
i i n
i
n
i n
i
xi x
n
yi xi xiyi
n b
1
2
1 2
1 1 1
x b y
a= − y = nilai peramalan a = perpotongan sumbu y b = kemiringan garis regresi
x = variabel bebas (umumnya waktu) x= rata – rata nilai x
y = rata – rata nilai y n = jumlah data 2. Pendekatan Naif
Peramalan ini dengan berasumsi bahwa permintaan periode yang akan datang adalah sama dengan permintaan yang terjadi saat ini.
Rumus : F t = A t-1
F t = nilai peramalan pada periode t A t-1 = nilai aktual pada periode t-1 3. Rata-rata bergerak (Moving Average)
Peramalan ini menggunakan sejumlah data aktual masa lalu untuk menghasilkan peramalan. Rata-rata bergerak empat bulanan ditemukan dengan cara menjumlahkan permintaan selama masa empat bulan yang lalu kemudian dibagi dengan empat.
Rumus :
n
A A
Ft At− + t− + + t−n
= 1 2 Κ
Ft = nilai peramalan pada periode t At = nilai aktual pada periode t
n = jumlah satuan periode waktu yang digunakan dalam perhitungan rata-rata
4. Peramalan Konstan
Peramalan ini berasumsi bahwa permintaan akan tetap stabil
n A F
n
t
∑
t= =1
F = nilai peramalan
n = jumlah periode peramalan At = nilai aktual pada periode t 5. Penghalusan Eksponensial (Exponential Smoothing)
Merupakan metode peramalan rata-rata bergerak dengan pembobotan yang canggih namun masih mudah digunakan.
Rumus : Ft = αΑt-1 + (1-α) Ft-1
Ft = nilai peramalan pada periode t At-1 = nilai aktual pada periode t-1 α = konstanta penghalus (0 < α < 1)
3.6.2.2 Metode Ekstrinsik (Metode Kausal)
Pada peramalan metode ekstrinsik biasanya mempertimbangkan beberapa variabel yang berhubungan dengan kuantitas yang diprediksi. Saat variabel terkait ini ditentukan, model statistik dibuat dan digunakan untuk meramalkan. Metode kausal yang umum dikenal adalah metode regresi, dengan menggunakan persamaan :
y = a + bx
∑ ∑
∑ ∑ ∑
= =
= = =
−
−
=
n
i
n
i i n
i
n
i n
i
xi x
n
yi xi
xiyi n b
1
2
1 2
1 1 1
x b y a= −
y = nilai peramalan a = perpotongan sumbu y b = kemiringan garis regresi x = variabel bebas
x = rata – rata nilai x y = rata – rata nilai y n = jumlah data
Gambar 2-5 Model Peramalan
2.7. UKURAN AKURASI HASIL PERAMALAN
Ukuran akurasi hasil peramalan merupakan ukuran tentang tingkat perbedaan antara hasil peramalan dengan permintaan yang terjadi untuk melihat kesalahan peramalan. Ada beberapa perhitungan yang biasa digunakan untuk menghitung kesalahan peramalan total. Perhitungan ini dapat digunakan untuk membandingkan model peramalan yang berbeda, juga untuk mengawasi peramalan, untuk memastikan peramalan berjalan dengan baik. Tiga ukuran yang biasa digunakan adalah :
1. Rata-rata deviasi mutlak (Mean Absolute Deviation / MAD)
MAD merupakan rata-rata kesalahan mutlak selama periode tertentu tanpa memperhatikan apakah hasil peramalan lebih besar atau lebih kecil dibandingkan kenyataannya
Rumus :
n F MAD =
∑
At − tAt = permintaan aktual pada periode t
Ft = nilai peramalan pada periode t n = jumlah periode peramalan
2. Rata-rata kuadrat kesalahan (Mean Squared Error / MSE)
MSE merupakan rata-rata selisih kuadrat antara nilai yang diramalkan dan nilai aktual selama periode tertentu.
Rumus :
n F MSE=
∑
(At − t)2At = permintaan aktual pada periode t Ft = nilai peramalan pada periode t n = jumlah periode peramalan
3. Rata-rata persentasi kesalahan absolute (Mean Absolute Percentage Error / MAPE)
MAPE merupakan rata-rata persentasi kesalahan hasil peramalan terhadap permintaan aktual selama periode tertentu
Rumus : =
∑
−t t t
A F A MAPE 100n
At = permintaan aktual pada periode t Ft = nilai peramalan pada periode t n = jumlah periode peramalan
2.8. VERIFIKASI DAN PENGENDALIAN PERAMALAN
Langkah penting setelah peramalan dilakukan adalah verifikasi peramalan sedemikian rupa sehingga mencerminkan data masa lalu dan sistem penyebab yang mendasari permintaan tersebut. Peramalan harus selalu
dibandingkan dengan permintaan aktual secara teratur. Pada suatu saat harus diambil tindakan revisi peramalan apabila ditemukan bukti adanya perubahan pola permintaan yang meyakinkan.
Bentuk yang paling sederhana yang dapat digunakan untuk memverifikasi peramalan adalah peta kendali peramalan, mirip dengan peta kendali kualitas. Peta Moving Range digunakan untuk melakukan verifikasi teknik dan parameter peramalan.
Moving range didefinisikan sebagai : MR=
(
Ft −At) (
− Ft−1−At−1)
dan rata-rata moving range didefinisikan sebagai : MR=
∑
nMR−1Ft = nilai peramalan pada periode t At = nilai aktual pada periode t Ft-1 = nilai peramalan pada periode t-1 At-1 = nilai aktual pada periode t-1 n = jumlah periode peramalan
Garis tengah peta moving range adalah pada titik nol.
Batas Kendali Atas (BKA) = + 2,66 MR Batas Kendali Bawah (BKB) = - 2,66 MR
Variabel yang akan diplot ke dalam peta moving range : ∆ = Ft - At
2.9 KARAKTERISTIK PERAMALAN YANG BAIK
Peramalan yang baik mempunyai beberapa kriteria yang penting antara lain sebagai berikut :
1. Akurasi
Keakuratan dari hasil peramalan ini berperan penting dalam menyeimbangkan persediaan yang ideal. Peramalan yang terlalu rendah akan mengakibatkan kekurangan persediaan, sehingga permintaan konsumen tidak dapat dipenuhi, akibatnya perusahaan dimungkinkan kehilangan pelanggan dan keuntungan penjualan. Peramalan yang terlalu tinggi akan mengakibatkan terjadinya penumpukan persediaan, sehingga banyak modal yang terserap sia-sia.
2. Biaya
Biaya yang diperlukan dalam pembuatan suatu peramalan bergantung kepada jumlah item yang diramalkan, lamanya periode peramalan dan metode peramalan yang dipakai. Pemilihan metode peramalan harus disesuaikan dengan dana yang tersedia dan tingkat akurasi yang ingin didapat.
3. Kemudahan
Penggunaan metode peramalan yang sederhana, mudah dibuat dan mudah diaplikasikan akan memberikan keuntungan bagi perusahaan.
2.10 SIFAT HASIL PERAMALAN
Dalam membuat peramalan atau menerapkan hasil suatu peramalan terdapat beberapa hal yang harus dipertimbangkan, yaitu :
1. Peramalan pasti mengandung kesalahan, artinya hanya bisa mengurangi ketidakpastian yang akan terjadi tetapi tidak dapat menghilangkan ketidakpastian tersebut.
2. Peramalan jarang ada yang sempurna, artinya ada faktor luar yang tidak dapat diduga atau dikendalikan yang sering mempengaruhi peramalan, sehingga harus memberikan kelonggaran untuk kenyataan ini.
3. Peramalan seharusnya memberikan informasi tentang berapa ukuran kesalahan, artinya karena peramalan pasti mengandung kesalahan maka adalah penting untuk menginformasikan seberapa besar kesalahan yang mungkin terjadi.
4. Hampir semua teknik peramalan mengasumsikan bahwa sistem akan tetap stabil.
5. Peramalan jangka pendek lebih akurat dibandingkan peramalan jangka panjang. Hal ini disebabkan pada peramalan jangka pendek sejumlah faktor yang mempengaruhi permintaan relative masih konstan.
Sementara semakin panjang periode peramalan, semakin besar pula kemungkinan terjadinya perubahan faktor yang mempengaruhi permintaan.
BAB III
METODOLOGI PENELITIAN
3.1 PELAKSANAAN PENELITIAN
Pada penelitian ini diawali dengan pengenalan / identifikasi masalah dengan menguraikan tentang alasan yang melatarbelakangi dan memotivasi dari penulis terhadap topik permasalahan yang ada. Serta merumuskan dan menggambarkan hasil yang akan dicapai dan diharapkan dari penelitian ini dengan menentukan tujuan penelitian.
Penelitian dilakukan dengan menggabungkan studi pustaka dan studi lapangan. Studi pustaka dilakukan dengan mencari dan mempelajari buku-buku referensi yang berhubungan dengan masalah dan kebutuhan peramalan untuk mencari teori-teori pendukung yang akan dijadikan acuan atau landasan teori dalam proses pemecahan masalah. Studi lapangan dilakukan untuk mendapatkan data akurat yang dibutuhkan untuk memberikan jawaban terhadap masalah yang diteliti. Studi lapangan dengan mengambil data tinjauan umum perusahaan dan data penjualan tahun 2007.
3.2 PENYELESAIAN MASALAH
Data-data penjualan yang telah dikumpulkan sebelumnya dilakukan uji kecukupan data untuk mengetahui dan memastikan bahwa data-data yang dikumpulkan / digunakan telah mencukupi. Selanjutnya dilakukan pengolahan data dengan melakukan proses pencarian metode peramalan yang lebih baik.
Pada penelitian ini dicari teknik peramalan yang lebih baik dengan cara membandingkan beberapa teknik peramalan. Setiap teknik peramalan ditentukan akurasi hasil peramalannya untuk menghitung kesalahan peramalan.
Akurasi dari suatu hasil peramalan diukur dengan kebiasan dan konsistensi peramalan tersebut. Hasil peramalan dikatakan bias bila peramalan tersebut terlalu tinggi atau terlalu rendah dibandingkan dengan kenyataan yang sebenarnya terjadi. Hasil peramalan dikatakan konsisten bila besarnya kesalahan peramalan relatif kecil.
Setelah didapat teknik peramalan yang lebih baik maka dilakukan verifikasi peramalan. Sepanjang representasi peramalan tersebut dapat dipercaya maka hasil peramalan dapat terus digunakan. Jika selama proses verifikasi tersebut ditemukan keraguan validitas metode peramalan yang digunakan, maka harus dicari metode lainnya yang lebih cocok
Pada akhirnya akan ditarik kesimpulan berdasarkan hasil pengolahan dan analisa data yang akan menjawab tujuan dari penelitian ini dan memberikan saran sehubungan dengan hasil penelitian ini.
Gambar 3-1 Diagram Penelitian
BAB IV
PENGUMPULAN DAN PENGOLAHAN DATA
4.1 TINJAUAN UMUM PERUSAHAAN
PT Lautan Otsuka Chemical (PT LOC) didirikan pada tahun 1989.
PT LOC merupakan perusahaan joint venture anatara PT Lautan Luas Tbk dan Otsuka Chemical Co. Ltd. Sejak tahun 1997 PT LOC telah mendapatkan pengakuan akreditasi ISO 9002 dan tahun 2006 mendapatkan akreditasi untuk ISO 14001 : 2004 serta OHSAS 18001 : 1999. PT LOC merupakan perusahaan yang bergerak dibidang industri kimia yang menghasilkan produk Azodicarbonamida sebagai bahan pengembang (blowing agent) yang telah memenuhi standard internasional.
4.1.1 Profile Perusahaan :
Established : July 17th, 1989
Business Description : Manufacturing of Blowing Agent Chemical Main product : Azodicarbonamide
Annual Capacity : 14,500 MT
Area : 63,816 M2
Number of worker : 344
Factory : Jl. Raya Anyer Km. 123 & Km 125 Gunung Sugih, Ciwandan
Cilegon 42447 – Banten – INDONESIA
Company Filosophy :
With the business of blowing agent We will aim to prosper based on the profit
Together with our costumer
To become a reliable company for both public and individual
“ Melalui bisnis Blowing agent kami akan mencapai kesejahteraan berdasarkan keuntungan bersama dengan para pelanggan kami, menjadi perusahaan yang handal bagi masyarakat dan individu.”
PT. LOC melibatkan setiap bagian yang terkait, bertekad untuk turut berpartisipasi di dalam menciptakan kehidupan yang menyenangkan terhadap lingkungan, keamanan, dan kesehatan di bumi Indonesia dengan mempertahankan lingkungan yang alami dan keaslian tradisi kebudayaan serta dapat menjadi perusahaan yang dapat dipercaya dalam menjaga kelestariaan di pantai Selat Sunda, sebagai kebijakan perusahaan dengan melakukan kegiatan sebagai berikut:
1. Memenuhi semua ketentuan hukum, peraturan persyaratan dan perjanjian lain yang berhubungan dengan mutu, pengelolaan lingkungan dan keselamatan serta kesehatan kerja yang ditetapkan.
2. Memenuhi kebutuhan pelanggan dengan memperbaiki kepuasan pelanggan, dengan mengoperasikan sistem manajemen yang terarah dengan bisnis terkait.
3. Memastikan untuk memenuhi kebutuhan dan melakukan perbaikan terus menerus, melalui kontrol pemeliharaan pada setiap sistem manajemen mengurangi keluhan dan mengembalikan produk dari pelanggan dan
melaksanakan sistem yang sehat dan aman meliputi pencegahan penurunan mutu dan lingkungan serta kecelakaan kerja.
Untuk pencapaian sasaran dan target ini kami akan melakukan perbaikan terus menerus, selanjutnya untuk memastikan keefektifan dari kebijakan ini, peninjauan ulang perlu dilakukan sehubungan dengan sasaran dengan target yang dibuat.
Secara umum kami akan menginformasikan kebijakan ini untuk diketahui secara baik pada semua organisasi. Tiap-tiap bagian mempunyai fungsi dan tanggung jawab masing–masing, yang tujuannya adalah sama yaitu berproduksi dengan semaksimal mungkin dan bekerja dengan baik sehingga hasil yang dicapai dapat memuaskan pelanggan.
Setiap perusahaan pasti memiliki struktur organisasi, di mana struktur oganisasi tersebut harus baik dan jelas dalam pelaksanaannya yang diharapkan dapat menunjang tercapainya tujuan perusahaan lewat kerjasama yang baik antara pimpinan dan karyawan. Dengan struktur organisasi yang baik dan jelas, maka masing–masing bagian akan mengetahui tugas dan tanggung jawabnya.
PT. Lautan Otsuka Chemical memiliki struktur organisai yang dirancang dengan cermat sehingga jelas bagi pihak-pihak yang termasuk di dalam struktur organisasi tersebut, struktur organisasi yang dimiliki oleh PT. Lautan Otsuka Chemical adalah dipimpin oleh orang yang secara langsung bertanggung jawab atas tercapainya tujuan perusahaan, yang ditunjuk dengan rantai komando yang berawal dari chairman/share holder, terus kebawah melalui berbagai tingkatan sampai pada titik di mana aktivitas dilaksanakan. Sedangkan staff adalah kelompok yang memberikan layanan dan nasehat kepada share holder dan menunjang tugas-tugas pokok.
Sebagai departemen yang menangani langsung mengenai proses produksi, maka departemen produksi merupakan salah satu bagian yang penting dalam struktur organisasi PT. Lautan Otsuka Chemical. Departemen produksi sendiri memiliki struktur organisasi yang berbentuk struktur sendiri, di mana
departemen produksi ini langsung bertanggung jawab kepada Factory manager.
Uraian tugas untuk departemen produksi PT. Lautan Otsuka Chemical adalah sebagai berikut :
1. Manajer produksi.
Mempunyai tanggung jawab dan berwenang untuk mengatur aktivitas / kegiatan dan pengawasan produksi.
2. Asisten manajer.
Membantu tugas manager terhadap kualitas produk, alat-alat dan mesin di seluruh plant produksi.
3. Superintendent
Membantu tugas asisten manager dan bertanggung jawab untuk melakukan pengawasan langsung terhadap kualitas produk, alat-alat dan mesin produksi di satu bagian plant produksi
4. Supervisor.
Membantu superintendent dan bertanggung jawab untuk melakukan pengawasan langsung terhadap kualitas produk, alat - alat dan mesin produksi di satu bagian plant produksi.
5. Assisten supervisor.
Membantu tugas supervisor dan bertanggung jawab untuk melakukan pengawasan terhadap setiap section.
6. Foreman
Bertanggungjawab langsung terhadap proses produksi dan mengatur pelaksanaan pekerjaan operator di section - section yang ada.
7. Operator produksi.
Menyiapkan proses produksi seperti persiapan raw material sampai dengan pengemasan produk
4.1.2 Pengenalan Produk
Azodicarbonamida adalah bahan kimia berbentuk serbuk atau powder yang berwarna kuning terang berfungsi sebagai bahan pengembang untuk produk-produk yang menggunakan bahan dasar plastik atau karet.
1. Structur Formula
(C
2H
4O
2N
4)
O O C N = N C H2N NH2
Gambar 4-1
Struktur Azodicarbonamida 2. Chemical name : Azodicarbonamide /
Azobisformamide / Diazendicarboxamide
3. Physical properties :
• Decomposition Temperature 195 ∼ 202 o C
• Amount of gas generate 220 ∼ 245 ml/g
• Specific gravity 1.65
• Specific heat capacity 0.26 Kcal/kg o C
• Combustion heat 217.2 Kcal/mol
• Decomposition heat 10 Kcal/mol
4. Application :
•
Thermal function (Heat Insulator)Construction, civil engineering, refrigerated truck, air conditioning conduit lagging, cooler boxes and other insulated
•
Impact absorbing vehiclesshoes, sandals, sport protector, interior elasticity
• Acoustic function (Sound Insulator) Building interior and vehicle trim
• Filtering, Air Ventilation Properties (Filter) Air conditioners, cleaners, engine dust filter
• Mechanical Properties (Stretchable or flexible material) Wet suit and other sport equipment
• Decorative function (Decorative material)
Imitation leather product (bag and accessories), wall covering, ceiling and cushioned flooring material.
• Light weight function (Buoyancy material)
Life jacket, buoys for fishing nets and vehicle interior trims.
4.2 Pengumpulan Data
Untuk tugas akhir ini digunakan data penjualan Azodicarbonamida periode januari 2007 ~ desember 2007 adalah sebagai berikut :
Tabel 4-1
Data Penjualan tahun 2007
Penjualan 2007 (ton) Periode
type
Type U Type H Type L
Januari 556 358 229
Februari 607 409 238
Maret 561 380 207
April 528 370 208
Mei 500 433 185
Juni 507 423 188
Juli 486 380 187
Agustus 569 461 189
September 548 399 212
Oktober 576 414 223
November 490 461 210
Desember 506 440 220
Total 6434 4928 2496
penjualan 2007
100 175 250 325 400 475 550 625
Jan Feb Mar Apr Mei Jun Jul Agt Sept Okt Nov Des bulan
ton
U type H type L type
Gambar 4-2
Pola Data Penjualan tahun 2007
4.3 Pengujian Kecukupan Data
Pengujian ini dilakukan untuk mengetahui apakah data yang terkumpul telah mencukupi atau tidak, yaitu dengan menggunakan rumus :
2 2 2
) ] ( [ /
'
i i i
X X X
N s N Z
∑
∑
−
= ∑
N’ = jumlah data teoritis yang diperlukan N = Jumlah data aktual
s = tingkat ketelitian (%) Z = tingkat keyakinan
Dengan tingkat ketelitian 5 % (s = 0,05) dan tingkat keyakinan 95 % (Z = 1,96 didapat dari tabel distribusi normal standard Z) maka data teoritis yang diperlukan adalah :
Untuk data type U
Tabel 4-2
Tabel Uji kecukupan Data type U
No. Xu Xu2
1 556 309136
2 607 368449
3 561 314721
4 528 278784
5 500 250000
6 507 257049
7 486 236196
8 569 323761
9 548 300304
10 576 331776
11 490 240100
12 506 256036
Total 6434 3466312
( )
2 2/ 2
'
−
=
∑ ∑ ∑
U
U U
u X
X X
N s N Z
( ) ( )
2 26434
6434 3466312
12 05 , 0 / 96 , ' 1
−
= x
Nu = 7,4 = 8
Untuk data type H
Tabel 4-3
Tabel Uji kecukupan Data type H
No. XH XH2
1 358 128164
2 409 167281
3 380 144400
4 370 136900
5 433 187489
6 423 178929
7 380 144400
8 461 212521
9 399 159201
10 414 171396
11 461 212521
12 440 193600
Total 4928 2036802
( )
2 2/ 2
'
−
=
∑ ∑ ∑
H
H H
H X
X X
N s N Z
( ) ( )
2 24928
4928 2036802
12 05 , 0 / 96 , ' 1
−
= x
Nu = 9,9 = 10
Untuk data type L
Tabel 4-4
Tabel Uji kecukupan Data type L
No. XL XL2
1 229 52441
2 238 56644
3 207 42849
4 208 43264
5 185 34225
6 188 35344
7 187 34969
8 189 35721
9 212 44944
10 223 49729
11 210 44100
12 220 48400
Total 2496 522630
( )
2 2/ 2
'
−
=
∑ ∑ ∑
L
L L
L X
X X
N s N Z
( ) ( )
2 22496
24496 522630
12 05 , 0 / 96 , ' 1
−
= x
Nu = 10,2 = 10
Dari hasil pengujian mengindikasikan bahwa data untuk semua type telah mencukupi karena jumlah data teoritis yang diperlukan lebih kecil dari data aktual (NU’ < Nu, NH’ < NH dan NL‘ < NL), maka penelitian dapat dilanjutkan.
4.4 Pengolahan Data 4.4.1 Metode Konstan
~ type U
Tabel 4-5
Data Metode konstan Type U
permintaan
aktual peramalan Periode
(A) (F)
F
A − A
F
A − (A - F)2
1 556 536 20 0.04 400
2 607 536 71 0.12 5041
3 561 536 25 0.04 625
4 528 536 8 0.02 64
5 500 536 36 0.07 1296
6 507 536 29 0.06 841
7 486 536 50 0.1 2500
8 569 536 33 0.06 1089
9 548 536 12 0.02 144
10 576 536 40 0.07 1600
11 490 536 46 0.09 2116
12 506 536 30 0.06 900
6434 400 0.75 16616
536 17 , 12 536
6434= =
=
=
∑
N F A
% 2 , 12 6
75 , 0 100
100 − = =
= n
∑
AAF xMAPE
3 , 12 33 400 =
− =
=
∑
n F MAD A
7 , 12 1384
16616 )
( 2
=
− =
=
∑
n F MSE A
~ type H
Tabel 4-6
Data Metode konstan Type H
permintaan
aktual peramalan Periode
(A) (F)
F
A − A
F
A − (A - F)2
1 358 411 53 0.15 2809
2 409 411 2 0.005 4
3 380 411 31 0.08 961
4 370 411 41 0.11 1681
5 433 411 22 0.05 484
6 423 411 12 0.03 144
7 380 411 31 0.08 961
8 461 411 50 0.11 2500
9 399 411 12 0.03 144
10 414 411 3 0.01 9
11 461 411 50 0.11 2500
12 440 411 29 0.07 841
4928 336 0.83 13038
411 7 , 12 410
4928= =
=
=
∑
N F A
% 9 , 12 6
83 , 0 100
100 − = =
= n
∑
AAF xMAPE
12 28 336 =
− =
=
∑
n F MAD A
5 , 12 1086
13038 )
( 2
=
− =
=
∑
n F MSE A
~ type L
Tabel 4-7
Data Metode konstan Type L
permintaan
aktual peramalan Periode
(A) (F)
F
A − A
F
A − (A - F)2
1 229 208 21 0.09 441
2 238 208 30 0.13 900
3 207 208 1 0.005 1
4 208 208 0 0 0
5 185 208 23 0.12 529
6 188 208 20 0.11 400
7 187 208 21 0.11 441
8 189 208 19 0.10 361
9 212 208 4 0.02 16
10 223 208 15 0.07 225
11 210 208 2 0.01 4
12 220 208 12 0.05 144
2496 168 0.82 3462
12 208 2496 =
=
=
∑
N F A
% 8 , 12 6
82 , 0 100
100 − = =
= n
∑
AAF xMAPE
12 14 168 =
− =
=
∑
n F MAD A
5 , 12 288 ) 3462
( 2
=
− =
=
∑
n F MSE A
4.4.2 Metode Least Square
~ type U
Tabel 4-8 Data Type U
Periode permintaan aktual
(x) (Y)
X2 X x Y
1 556 1 556
2 607 4 1214
3 561 9 1683
4 528 16 2112
5 500 25 2500
6 507 36 3042
7 486 49 3402
8 569 64 4552
9 548 81 4932
10 576 100 5760
11 490 121 5390
12 506 144 6072
78 6434 650 41215
∑ ∑
∑ ∑ ∑
= =
= = =
−
−
=
n
i
n
i i n
i
n
i n
i
xi x
n
yi xi xiyi
n b
1
2
1 2
1 1 1
( )
78 4,2 )650 12 (
) 6434 78 ( ) 41215 12
(
2 =−
−
= −
x
x
b x 4
17 , 12 536
1 = 6434 =
=
∑
=
n y y
n
i
5 , 12 6
1 = 78=
=
∑
=
n x x
n
i
(
4,24 6,5)
563,717 ,
536 − − =
=
−
= y bx x
a
bx a F = +
Tabel 4-9
Data Metode Least Square Type U
Periode Permintaan
aktual Peramalan
(x) (A) (F)
F
A − A
F
A − (A - F)2
1 556 559 3 0.01 12
2 607 555 52 0.09 2679
3 561 551 10 0.02 100
4 528 547 19 0.04 352
5 500 543 43 0.09 1808
6 507 538 31 0.06 979
7 486 534 48 0.10 2309
8 569 530 39 0.07 1536
9 548 526 22 0.04 503
10 576 521 55 0.10 2988
11 490 517 27 0.06 734
12 506 513 7 0.01 47
Total 356 0.66 14048
Contoh pada periode 1 : F =563,7+
(
−4,24x1)
=559,4=559% 5 , 12 5
66 , 0 100
100 − = =
= n
∑
AAF xMAPE
7 , 12 29 356 =
− =
=
∑
n F MAD A
7 , 12 1170 14048 )
( 2
=
− =
=
∑
n F MSE A
~ type H
Tabel 4-10 Data Type H
Periode permintaan aktual
(x) (Y)
X2 X x Y
1 358 1 358
2 409 4 818
3 380 9 1140
4 370 16 1480
5 433 25 2165
6 423 36 2538
7 380 49 2660
8 461 64 3688
9 399 81 3591
10 414 100 4140
11 461 121 5071
12 440 144 5280
78 4928 650 32929
∑ ∑
∑ ∑ ∑
= =
= = =
−
−
=
n
i
n
i i n
i
n
i n
i
xi x
n
yi xi xiyi
n b
1
2
1 2
1 1 1
( )
78 6,27) 650 12 (
) 4928 78 ( ) 32929 12
(
2 =
−
= −
x
x b x
7 , 12 410
1 = 4928 =
=
∑
=
n y y
n
i
5 , 12 6
1 = 78=
=
∑
=
n x x
n
i
(
6,27 6,5)
369,97 ,
410 − =
=
−
= y bx x
a
bx a F = +
Tabel 4-11
Data Metode Least Square Type H Periode Permintaan
aktual Peramalan
(x) (A) (F)
F A −
A F
A − (A - F)2
1 358 376 18 0.05 330
2 409 382 27 0.07 705
3 380 389 9 0.02 76
4 370 395 25 0.07 624
5 433 401 32 0.07 1008
6 423 408 15 0.04 239
7 380 414 34 0.09 1143
8 461 420 41 0.09 1675
9 399 426 27 0.07 748
10 414 433 19 0.05 347
11 461 439 22 0.05 489
12 440 445 5 0.01 27
Total 274 0.68 7410
Contoh pada periode 1 : F =369,9+
(
6,27x1)
=376,2=376% 7 , 12 5
68 , 0 100
100 − = =
= n
∑
AAF xMAPE
8 , 12 22 274 =
− =
=
∑
n F MAD A
5 , 12 617 ) 7410
( 2
=
− =
=
∑
n F MSE A
~ type L
Tabel 4-12 Data Type L Periode permintaan aktual
(x) (Y)
X2 X x Y
1 229 1 229
2 238 4 476
3 207 9 621
4 208 16 832
5 185 25 925
6 188 36 1128
7 187 49 1309
8 189 64 1512
9 212 81 1908
10 223 100 2230
11 210 121 2310
12 220 144 2640
78 2496 650 16120
∑ ∑
∑ ∑ ∑
= =
= = =
−
−
=
n
i
n
i i n
i
n
i n
i
xi x
n
yi xi xiyi
n b
1
2
1 2
1 1 1
( )
78 0,73 )650 12 (
) 2496 78 ( ) 16120 12 (
2 =−
−
= −
x
x b x
12 208
1 = 2496 =
=
∑
=
n y y
n
i
5 , 12 6
1 = 78=
=
∑
=
n x x
n
i
(
0,73 6,5)
212,7208− − =
=
−
= y bx x
a
bx a F = +
Tabel 4-13
Data Metode Least Square Type L
Periode Permintaan
aktual Peramalan
(x) (A) (F)
F
A − A
F
A − (A - F)2
1 229 212 17 0.07 289
2 238 211 27 0.11 714
3 207 211 4 0.02 13
4 208 210 2 0.01 3
5 185 209 24 0.13 580
6 188 208 20 0.11 415
7 187 208 21 0.11 426
8 189 207 18 0.10 321
9 212 206 6 0.03 34
10 223 205 18 0.08 308
11 210 205 5 0.02 28
12 220 204 16 0.07 256
Total 178 0.86 3386
Contoh pada periode 1 : F =212,7+
(
−0,73x1)
=212% 2 , 12 7
86 , 0 100
100 − = =
= n
∑
AAF xMAPE
8 , 12 14 178 =
− =
=
∑
n F MAD A
2 . 12 282 ) 3386
( 2
=
− =
=
∑
n F MSE A
4.4.3 Metode Exponential Smoothing
~ type U (αααα = 0,25)
Tabel 4-14
Data Metode Eksponensial Smoothing Type U (α = 0,25) permintaan
aktual peramalan Periode
(A) (F)
F
A − A
F
A − (A - F)2
1 556 556 0 0 0
2 607 556 51 0.08 2601
3 561 569 8 0.01 60
4 528 567 39 0.07 1506
5 500 557 57 0.11 3261
6 507 543 36 0.07 1284
7 486 534 48 0.10 2292
8 569 522 47 0.08 2218
9 548 534 14 0.03 205
10 576 537 39 0.07 1501
11 490 547 57 0.12 3243
12 506 533 27 0.05 713
6434 423 0.79 18885
Ft = αΑt-1 + (1-α) Ft-1
Pada periode 1 diasumsikan ramalan = aktual Contoh pada periode 2 :
F = (0,25 x 556) + (1 – 0,25) 556 = 556
% 2 , 11 7
79 , 0 100
100 − = =
= n
∑
AAF xMAPE
5 , 11 38 423 =
− =
=
∑
n F MAD A
8 , 11 1716 18885 )
( 2
=
− =
=
∑
n F MSE A
~ type U (αααα = 0,5)
Tabel 4-15
Data Metode Eksponensial Smoothing Type U (α = 0,5)
permintaan
aktual peramalan Periode
(A) (F)
F
A − A
F
A − (A - F)2
1 556 556 0 0 0
2 607 556 51 0.08 2601
3 561 582 21 0.037 420
4 528 571 43 0.08 1871
5 500 550 50 0.10 2463
6 507 525 18 0.04 317
7 486 516 30 0.06 894
8 569 501 68 0.12 4630
9 548 535 13 0.02 170
10 576 541 35 0.06 1191
11 490 559 69 0.14 4726
12 506 524 18 0.04 338
6434 416 0.78 19620
Ft = αΑt-1 + (1-α) Ft-1
Pada periode 1 diasumsikan ramalan = aktual
