PERAMALAN PERMINTAAN GREEN TEA PE PT HPS DENGAN METODE TIME SERIES

PERAMALAN PERMINTAAN GREEN TEA PE PT HPS DENGAN METODE TIME SERIES

SKRIPSI

Diajukan untuk Memenuhi Syarat Tugas Akhir Program Strata Satu (S1) Teknik Industri

Oleh :

JURUSAN TEKNK INDUSTRI

FAKULTAS INDUSTRI

UNIVERSITAS MERCU BUANA JAKARTA

2009

JOKO SUPRIYANTO NIM : 41605110059

TEKNOLOGI

an reen Tea PE dengan pengiriman sesuai dengan kuantitas yang diminta.

Untuk itu penulis berusaha membantu perusahaan untuk memenuhi target ermintaan dengan melakukan peramalan akan permintaan Green Tea PE. Peramalan ang digunakan dengan pendekatan kuantitatif yaitu Metode Time Series..

Dari hasil perhitungan didapat Metode Linier yang paling sesuai untuk metode eramalan dengan nilai MAPE = 0.25%, MSE = 764,46 dan nilai MAD = 22.52. Hasil eramalan ini akan dijadikan masukan untuk perencanaan penyediaan Green Tea PE.

ABSTRAKSI

PT HPS merupakan perusahaan yang bergerak dalam bidang industri makanan, senantiasa melakukan perbaikan terus menerus untuk selalu meningkatkan pelayanan kepada konsumennya.

Salah satu produk yang dihasilkan PT HPS adalah Green Tea PE yang mengalami kenaikan dalam jumlah permintaannya. Dalam rangka untuk memenuhi kepuasan pelanggan, PT HPS berusaha untuk memenuhi permintaan pelanggan ak G

p y p p

BAB I

ua departemen, berarti kualitas mutu yang dihasilkan untuk pelanggan dalam lingkup

asyarakat yang rendah mengakibatkan tingkat penjualan berfluk

merupakan pedoman utama sebelum melakukan suatu kegiatan produksi. Perencanaan dan pengendalian berjalan

PENDAHULUAN

1.1. Latar Belakang Masalah

PT HPS merupakan salah satu industri yang bergerak dibidang makanan yang senantiasa meningkatkan kepuasan pelanggan. Dengan terintegralnya sistem produksi dan manajemen yang terstandarkan pada sem

bisnis yang beragam akan membantu munculnya saling kepercayaan antara pelanggan terhadap produsen maupun juga peningkatan kinerja produsen.

Kualitas produk yang ditawarkan akan sangat berpengaruh pada nilai penjualan, disamping strategi-strategi perusahaan lainnya yang diambil untuk mendapatkan nilai penjualan yang setinggi-tingginya.

Ketidakstabilan kondisi ekonomi Indonesia, fluktuasi harga bahan baku yang tinggi, dan daya beli m

tuasi ditambah dengan penetapan target permintaan berdasarkan peramalan permintaan, sehingga perusahaan harus memiliki suatu peramalan permintaaan yang baik.

Perencanaan dan pengendalian produksi

sebaga

yang harus diambil dalam pengendalian produksi ini, pada umumnya adalah dan kapan pemesanan itu harus dilakukan, atas minimasi ongkos

S.

n 2008 dalam periode bulan.

emudian data aktual permintaan Green Tea PE akan dibandingkan dengan data alan permintaan.

endapat hir ini dibatasi.

imana yang dikehendaki apabila adanya perencanaan dan pengendalian produksi untuk suatu produk.

Kelebihan kekurangan produk akan menimbulkan kerugian yang besar. Oleh karena itu diperlukan metode peramalan dan pengendalian persediaan yang tepat.

Keputusan keputusan

akibat kerugian diatas.

1.2. Perumusan Masalah

Oleh karena itu berdasarkan latar belakang diatas maka penulis bermaksud untuk menganalisis sistem peramalan permintaan yang efektif bagi perusahaan PT HP

Adapun data awal yang dipergunakan dalam proses peramalan permintaan adalah data aktual permintaan Green Tea PE selama tahu

K

yang diperoleh dari hasil peram

1.3. Pembatasan Masalah

Karena begitu luas dan kompleksnya permasalahan yang ada serta agar m analisa kuantitatif yang efektif, maka masalah pada tugas ak

Adapun pembatasan masalah dalam penelitian ini adalah sebagai berikut:

1. Penelitian hanya dibatasi pada produk Green Tea PE.

Permasalahan yang dianal

2. isa adalah peramalan permintaan Green Tea PE.

. Data-data penunjang yang digunakan untuk analisa adalah data-data perusahaan 008 selama 12 bulan.

me gai berikut:

. Membandingkan permintaan aktual produk Green Tea PE dengan data hasil an peramalan permintaan terpilih.

ode Penelitian

mpulan data yang digunakan dalam pelaksanaan penelitian ini

langsung dengan cara mengadakan pengamatan dan pengumpulan data di lapangan yang berhubungan dengan

permintaaan aktual Green Tea PE.

3. Masalah ini akan dibahas dengan metode peramalan sampai pengawasan dan pengendalian peramalan.

4

pada periode tahun 2

1.4. Tujuan Penelitian

Berdasarkan latar belakang permasalahan di atas maka penulisan tugas akhir ini miliki tujuan seba

1. Menentukan dan menggunakan metode peramalan permintaan terbaik berdasarkan ukuran akurasi.

2

pengolahan menggunak

1.5. Met

Metodologi pengu adalah :

1. Observasi Lapangan

Melakukan penelitian secara pencatatan maupun

2. Studi Pustaka

Penelitian teoritis mengenai data-data yang berhubungan dengan masalah yang lalui buku-buku dan referensi yang didapat.

3. Ga

an dengan bahan-bahan yang diperoleh dari buku-buku dan jurnal pada studi pustaka.

.6. Si

bab yang saling berkaitan atu sama lainnya, yaitu dengan format sebagai berikut :

ni berisi gambaran singkat tentang penelitian pendahuluan yang antara lain terda

• kan gambaran yang melatar belakangi penulis

• yang merupakan pokok utama dari permasalahan yang

• Tujuan penulisan yang berisikan tujuan yang hendak dicapai oleh penulis akan dibahas me

bungan

Pada metode ini dilakukan pengolahan data dengan menggabungkan data-data aktual yang diperoleh pada studi lapang

1 stematika Penulisan

Dalam penulisan penelitian yang akan dilakukan ini penulis berpedoman pada kriteria penyusunan laporan dan membaginya dalam enam

s

BAB I : PENDAHULUAN Pada bab i

pat :

Latar Belakang masalah, merupa untuk dijadikan topik penulisan Pokok permasalahan

ditampilkan penulis

• Pentingnya pemecahan masalah itu penting untuk diangkat sebagai bahan penelitian dan hasil apa yang diperoleh jika masalah itu berhasil dituntaskan.

• Pembatasan masalah merupakan uraian mengenai batasan yang akan diambil oleh penulis dalam melakukan penelitian.

• Metodologi pengumpulan data yang merupakan cara yang dilakukan penulis dalam memenuhi kebutuhan data pada penelitian ini.

• Sistematika penulisan yang merupakan uraian singkat dari cara penyusunan laporan tugas akhir ini.

BAB II : LANDASAN TEORI

Pada bab ini diterangkan secara singkat tentang teori-teori yang berhubungan dan berkaitan erat dengan masalah-masalah yang akan dibahas serta merupakan tinjauan kepustakaan yang menjadi kerangka dan landasan berfikir dalam proses pemecahan.

BAB III : METODOLOGI PENELITIAN

Pada bab ini diterapkan tentang metodologi penelitian dan kerangka pemikiran yang dilakukan dengan penelitian untuk tugas akhir dan berisi tahapan pemecahan masalah yang menguraikan secara garis besar langkah-langkah yang dilakukan dalam memecahkan masalah.

BAB IV : PENGUMPULAN DAN PENGOLAHAN DATA

Dalam bab ini akan dibahas metode yang digunakan dan data yang akan dikumpulkan untuk menganalisis sistem peramalan penjualan.

BAB V : ANALISIS PEMECAHAN MASALAH

Pada bab ini berisikan mengenai analisa dari hasil pengolahan data yang telah dilakukan sebelumnya yang berdasarkan landasan teori yang digunakan.

BAB VI : KESIMPULAN DAN SARAN

Pada bab ini berisikan mengenai analisa dari hasil pengolahan data yang telah dilakukan sebelumnya yang berdasarkan landasan landasan teori yang digunakan.

BAB II

LANDASAN TEORI

2.1. Definisi Peramalan

Peramalan adalah suatu perkiraan tingkat permintaan yang diharapkan untuk suatu produk atau beberapa produk dalam periode waktu tertentu di masa yang akan datang atau dengan kata lain peramalan adalah suatu proses untuk memperkirakan beberapa kebutuhan di masa mendatang yang meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu dan alokasi yang dibutuhkan dalam rangka memenuhi permintaan barang ataupun jasa.

Maka dari itu, peramalan pada dasarnya adalah suatu taksiran, tetapi dengan menggunakan cara-cara tertentu peramalan dapat lebih baik daripada suatu taksiran.

Dapat dikatakan bahwa peramalan adalah suatu taksiran yang ilmiah meskipun akan terdapat sedikit kesalahan yang disebabkan adanya keterbatasan kemampuan manusia.

Untuk membuat suatu peramalan banyak mempunyai arti, maka peramalan tersebut perlu direncanakan dan dijadwalkan sehingga akan diperlukan suatu periode waktu paling sedikit dalam periode waktu yang dibutuhkan untuk membuat suatu kebijaksanaan dan menetapkan beberapa hal yang mempengaruhi kebijaksanaan tersebut.

2.2. Karakteristik Penjualan Yang Mempengaruhi Peramalan

Sifat produk dan pola permintaannya mempengaruhi tipe peramalan yang akan dibuat dan periode waktu yang harus ditempuh atau dijangkau.

Jika sifat produk seperti pola tersebut, permintaan dapat diharapkan hampir konstan dari suatu periode ke periode berikutnya sehingga jangkauan waktu dari peramalan relatif pendek. Perencanaan di masa akan datang dapat didasarkan pada pengendalian bahwa permintaan akan terus berlanjut pada tingkat yang sama. Dalam kasus ini, kapasitas yang ada secara umum dapat menangani volume permintaan. Jadi, terdapat sedikit yang diperlukan untuk suatu peramalan yang cukup luas.

Jika salah satu produk yang mempunyai variasi siklus permintaan dengan siklus permintaan dengan siklus tinggi dan rendah, peramalan (peramalan perencanaan produksi) harus mencakup paling sedikit satu siklus. Peramalan lebih baik mencakup dari puncak ke puncak

2.3. Kegunaan Peramalan

Diantara tujuan dan kegunaan 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.

2.4. Tipe Peramalan

Berdasarkan tekniknya, metode peramalan dapat diklasifikasikan dalam dua jenis:

1. Model kuantitatif

Pada metode ini, suatu set data histories (masa lalu) digunakan untuk mengekstrapolasi (meramalkan) permintaan masa depan. Dibagi menjadi dua kelompok besar yaitu:

a. Metode Time Series

b. Metode Nontime Series (Structural Models) Yang termasuk time series antara lain:

1. Metode moving average

2. Metode weight moving average 3. Metode exponential smoothing 4. Metode regresi linear

5. Metode kuadratik

2. Model kualitatif

Biasanya digunakan bila tidak ada atau sedikit data masa lalu tersedia. Pendapat pakar dan prediksi mereka dijadikan dasar untuk menetapkan permintaan yang akan datang. Metode kualitatif yang banyak dikenal adalah metode Delphi dan metode kelompok nominal (nominal group technique).

2.5. Faktor Yang Mempengaruhi Permintaan

Permintaan produk pada suatu perusahaan merupakan hasil dari berbagai faktor yang saling berinteraksi dalam pasar. Faktor-faktor tersebut hampir selalu merupakan kekuatan yang berada di luar kendali perusahaan. Berbagai faktor tersebut antara lain:

• Siklus Bisnis

Penjualan produk akan dipengaruhi oleh permintaan produk tersebut, dan permintaan suatu produk akan dipengaruhi oleh kondisi ekonomi yang membentuk siklus bisnis dengan fase-fase inflasi, resesi, depresi, dan masa pemulihan.

• Siklus Hidup Produk

Siklus hidup suatu produk biasanya mengikuti pola yang biasa disebut kurva S.

Kurva S menggambarkan besarnya permintaan terhadap waktu, dimana siklus hidup suatu produk akan dibagi menjadi fase pengenalan, fase pertumbuhan, fase kematangan, dan akhirnya fase penurunan. Untuk menjaga kelangsungan usaha, maka perlu dilakukan inovasi produk pada saat yang tepat.

• Faktor-faktor lain

Beberapa faktor lain yang mempengaruhi permintaan adalah reaksi balik dan pesaing, perilaku konsumen yang berubah, dan usaha-usaha yang dilakukan sendiri oleh perusahaan seperti peningkatan kualitas, pelayanan, anggaran, periklanan, dan kebijakan pembayaran kredit.

2.6. Karakteristik Peramalan Yang Baik

Peramalan yang baik mempunyai beberapa kriteria yang penting antara lain sebagai berikut:

• Akurasi

Akurasi dari suatu hasil peramalan diukur dengan kebiasaan 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 permalan relatif kecil.

Peramalan terlalu rendah, akan mengakibatkan kekurangan persediaan, sehingga permintaan konsumen tidak dapat dipenuhi segera, akibatnya adalah perusahaan dimungkinkan kehilangan pelanggan dan kehilangan keuntungan penjualan.

Peramalan yang terlalu tinggi akan mengakibatkan terjadinya penumpukan persediaan, sehingga banyak modal yang terserap sia-sia. Keakuratan dari hasil peramalan ini berperan penting dalam menyeimbangkan persediaan dan memaksimalkan tingkat pelayanan.

• Biaya

Biaya yang diperlukan dalam pembuatan suatu peramalan bergantung kepada jumlah item yang diramalkan, lamanya periode peramalan, dan metode peramalan yang dipakai. Ketiga faktor pemicu biaya tersebut akan mempengaruhi berapa banyak data yang dibutuhkan, bagaimana pengolahan datanya, yaitu secara manual atau komputerisasi, bagaimana penyimpanan datanya, dan siapa tenaga ahli yang

diperbantukan. Pemilihan metode peramalan harus disesuaikan dengan dana yang tersedia dan tingkat akurasi yang ingin di dapat, misalnya item-item yang kurang penting bias diramalkan dengan metode yang sederhana dan murah. Prinsip ini merupakan adopsi dari Hukum Pareto ( Analisis ABC )

• Kemudahan

Penggunaa metode peramalan yang sederhana, mudah dibuat, dan mudah diaplikasikan, akan memberikan keuntungan bagi perusahaan. Adalah percuma memakai metode yang canggih, tetapi tidak dapat diaplikaskan pada sistem perusahaan karena keterbatasan dana, sumberdaya manusia, maupun peralatan teknologi.

2.7. Sifat Hasil Peramalan

Dalam membuat peramalan atau menerapakan hasil suatu peramalan terdapat beberapa hal yang harus dipertimbangkan, yaitu :

1. Peramalan masih mengandung kesalahan, artinya peramal hanya bisa mengurangi ketidakpastian yang akan terjadi, tetapi tidak dapat menghilangkan ketidakpastian tersebut.

2. Peramalan seharusnya memberikan informasi tentang berapa ukuran kesalahan, artinya karena peramalan pasti mengandung kesalahan, maka adalah penting bagi peramal untuk menginformasikan seberapa besar kesalahan yang mungkin terjadi.

3. Peramalan jangka pendek lebih akurat dibandingkan peramalan jangka panjang.

Hal ini disebabkan pada peramalan jangka pendek, sejumlah faktor yang mempengaruhi permintaan relatif masih konstan, sementara semakin panjang periode peramalan, semakin besar pula kemungkinan terjadinya perubahan faktor yang mempengaruhi permintaan.

2.8. Langkah-langkah dalam Peramalan

Untuk mengetahui bahwa metode yang digunakan untuk data yang lalu adalah suatu cara peramalan yang realistik untuk masa yang akan datang, perlu dilakukan hal- hal sebagai berikut :

1. Membuat suatu gambaran permintaan dan waktu. (Permintaan sebagai ordinat dan waktu sebagai absis)

2. Menentukan pola datanya dengan membuat plot data dalam grafik 3. Menentukan metode peramalan dan melakukan perhitungan peramalan 4. Menilai kesalahan yang diperkiraan

5. Memilih metode peramalan terbaik berdasarkan nilai kesalahan (error) terkecil 6. Melakukan uji validitas dengan uji moving range dari peramalan terpilih

2.9. Pola Permintaan

Dalam time series terdapat empat jenis pola permintaan yaitu:

2.9.1. Kecenderungan / Trend (T)

Merupakan sifat dari permintaan masa lalu terhadap waktu terjadinya apakah permintaan tersebut cenderung naik, turun, atau konstan.

Gambar 2-1 Pola Permintaan Trend

2.9.2. Siklus / Cycle (C)

Permintaan suatu produk dapat memiliki siklus yang berulang secara periodik, biasanya lebih dari satu tahun, sehingga pola ini tidak perlu dimasukkan dalam peramalan jangka pendek. Pola ini amat berguna untuk peramalan jangka menengah dan jangka panjang.

Gambar 2-2 Pola Permintaan Siklus

2.9.3. Musiman / Season (S)

Fluktuasi permintaan suatu produk dapat naik turun disekitar garis trend dan biasanya berulang setiap tahun. Pola ini biasanya disebabkan oleh faktor cuaca, musim libur panjang, dan hari raya keagamaan yang akan berulang secara periodik setiap tahunnya.

Gambar 2-3

Pola Permintaan Musiman 2.9.4. Variasi acak / Random (R)

Permintaan suatu produk dapat mengikuti pola bervariasi secara acak karena faktor-faktor adanya bencana alam, bangkrutnya perusahaan pesaing, promosi khusus, dan kejadian-kejadian lainnya yang tidak mempunyai pola tertentu. Variasi acak ini diperlukan dalam rangka menentukan persediaan pengamanan untuk mengantisipasi kekurangan persediaan bila terjadi lonjakan permintaan.

Gambar 2-4 Pola Permintaan Acak

2.10. Jenis Metode Peramalan 2.10.1. Simple Average

Metode simple average mengambil rata-rata dari semua data dalam kelompok inisialisasi tersebut sebagai ramalan untuk periode (t+1)

∑

=

+ = = ^T

t t

t T

X X F

1 1

Dimana :

F_t+1 = Peramalan metode ke t+1 Xt = Permintaan pada periode t t = Periode

T = Periode pengamatan

2.10.2. Single Moving Average

Pada metode peramalan Single Moving Average, setiap muncul nilai observasi baru maka nilai rata-rata dapat dihitung dngan membuang nilai observasi yang paling tua dan masukkan nilai observasi terbaru. Rata-rat bergerak ini kemudian akan menjadi peramalan untuk periode mendatang. Perhitungannya dapat dilakukan dengan menggunakan rumus sebagai berikut:

∑

^{+ −}

= +₁ = =^{T r 1}

r t

t

t T

X X F

Diman

Ft+1 = Peramalan metode ke t+1 a :

Xt = Permintaan pada periode t t = Periode

T = Periode pengamatan

2.10.3. Double Moving Average

Metode ini menjelaskan suatu variasi dari prosedur rata-rata bergerak yang diinginkan untuk dapat mengatasi adanya trend secara lebih baik. Dasar metode ini adalah menghitung rata-rata bergerak yang kedua. Perhitungannya dapat menggunakan rumus sebagai berikut:

N

X X

X

S _t X^{t t 1 t 2} .... ^{t (n 1)}

' + ⁻ + ⁻ + + ^{− +}

=

N

X X

X

S

_t

X

^{t t 1 t 2}

....

^{t (n 1)}

'' +

⁻

+

⁻

+ +

^{− +}

=

t t t

t t

t S S S S S

a = '' +( ' + '' )=2 ' − ''

) '' ' 1(

2 S t S t

b_t N −

= −

) m b a + F_t+m = _{t t} Dimana:

t+m

(

F = Peramlan Period ke-t+m S’t = Pemulusan pertama period ke-t S’’t = Pemulusan kedua period ke-t

Xt = Permintaan pada periode t

oving Average

Saat ada trend atau pola yang terdeteksi, bobot dapat digunakan untuk tkan penekanan yang lebih pada nilai terkini. Dinyatakan dengan rumus sebaga ku

+ =

t X

F

Diman

m a yang digunakan

t = Periode

m = Jumlah period ke depan

2.10.4. Weight M

menempa i beri t:

1

∑

^{(W1 t−1 +W2Xt+2 +WmXt−n)}

a:

Ft+1 = Peramalan periode t+1

W = Bobot masing-masing dat (Σ Wi = 1), ditentukan secara subjektif

ke-t

2.10.5. Single Exponential Smoothing

Perhitungan implikasi untuk pem lusan eksponensial dapat dilihat lebih baik bila persam

Xt = Permintaan actual period n = Jumlah periode ke depan

u

aannya diperluas dengan mengganti F dengan komponen sebagai berikut:

[

1

]

1 (1 )( ) (1 ) ₋

+ = _t + − _t − + − _t

t X X t F

F α α α α

1 2 1

1 (1 ) ₋ (1 ) ₊

+ = _t + − _t + − _t

t X X F

F α α α α

Jika proses substitusi ini diulang dengan mengganti Ft+1 dengan komponennya, Ft+2 dengan komponennya dan seterusnya, hasilnya adalah persamaan:

+ = _t + − + − _t + − _t + + − ⁿ _{t n}

t X X X X X

F α α α α α α α

ntuk menuliskan persamaan tersebut adalah dengan susunan sebagai berikut:

t

t F

X − +

) 1 ( 1 2

3 2

2 1

1 (1 ) _t− (1 ) ₋ (1 ) ₋ ... (1 ) ⁻ _{− −} Cara lain u

1 t

t F

F₊ = α( )

Secara sederhana:

1 t ( t

t F E

F₊ = +α ) Dimana:

t+1

Ft = Peramalan periode t F = Peramalan periode t+1

α = Nilai pembobotan (0<α<1)

Et = Kesalahan peramalan (data actual – peramalan)

Dasar pemikiran dari metode ini adalah serupa dengan rata-rata bergerak linier, karena kedua pemulusan tunggal dan ganda ketinggalan dalam data yang sebenarnya bilamana terdapat unsur trend. Dimana S’t adalah nilai pemulusan eksponensial tunggal dan S’’t adalah nilai pemulusan eksponensial ganda.

−

2.10.6. Double Exponential Smoothing

' 1

) 1 (

' = X_t + − S _t

S t α α

1 (

''t = S_t + − S _t−

S α α) '' ₁

t

t S

a = ' +(S'−S ''_t )=2S'_t−S"_t

) '' '

1 ( ^{t t}

t S S

b −

= −α α F_t+m = _t Diman

tama period ke-t

t ke-t

Xt

,b = Parameter peramalan )

m b a_t + ( a:

Ft+m = Peramlan Period ke-t+m S’t = Pemulusan per

S’’ = Pemulusan kedua period

= Permintaan pada periode t a

t = Periode

m = Jumlah period ke depan

α = Bobot yang mempengaruhi besarnya pemulusan, nilainya 0 -1

2.10.7.

Persam eramalan ini adalah:

Ft =

Ft = Peramalan periode ke-t a,b = Parameter peramalan t = Periode

ncari a dan b digunakan persamaan berikut:

Regresi Linier

aan yang digunakan dalam metode p a + bt

Dimana:

Untuk me

∑

^t2−(

∑

^t)2

n

∑ ∑

= tX

b ^t

∑

− Xt t n

n t b X_t− Σ a=Σ

Dimana:

Xt = Permintaan pada periode t a,b = Parameter peramalan t = Periode

n = Jumlah periode 2.10.8. Kuadratik

Persamaan yang digunakan pada peramalan ini adalah :

∑

∑

⁻

=( t²)² n t⁴ γ

∑ ∑

⁻

∑

= t X_t n tX_t σ

t

t n t X

X

t

∑ ∑

∑

⁻

= ^{2 2}

θ

∑

∑ ∑

⁻

= t t² n t³ α

∑

∑

⁻

=( t)² n t³ β

α2

γβ θα γσ −

= − b

γ α θ b

c −

=

ct2

bt−

− X a= _t

imana

= Periode

2.11.

elihat kesalahan peramalan.

Adapun ukuran yang biasa digunakan adalah :

tlak (Mean Absolute Deviation = MAD)

MAD merupakan rata-rata kesalahan mutlak selama perioda tertentu tanpa

kenyataannya. Secara matematis, MAD dirumuskan sebagai berikut : D

Ft = Peramalan period ke-t Xt = Permintaan pada periode t a,b = Parameter peramalan t

n = Jumlah periode

Ukuran Akurasi Hasil Peramalan

Ukuran akurasi hasil peramalan merupakan ukuran tentang tingkat perbedaan antara hasil peramalan dengan permintaan yang terjadi untuk m

1. Rata-rata Deviasi Mu

memperhatikan apakah hasil peramalan lebih besar atau lebih kecil dibandingkan

∑

= n

MAD A_t − F_t

Dimana :

A = Permintaan Aktual pada perioda –t

F = Peramalan Permintaan pada perioda –t n = Jumlah Periode Peramalan yang terlibat

t

2. Rata-rata Kuadrat Kesalahan (Mean Square Error = MSE)

MSE dihitung dengan menjumlahkan kuadrat semua kesalahan peramalan pada atematis, setiap perioda dan membaginya dengan jumlah perioda peramalan . Secara m

MSE dirumuskan sebagai berikut :

∑

⁻

= n

MSE

2

3. Rata-rata Kesalahan Peramalan (Mean Forec F A_{t t}) (

ast Error = MFE)

MFE sangat efektif untuk mengetahui apakah suatu hasil peramalan selama

mua

perioda tertentu terlalu tinggi atau terlalu rendah. MFE dihitung dengan menjumlahkan se kesalahan peramalan dan membaginya dengan jumlah perioda peramalan. Secara matematis, MFE dinyatakan sebagai berikut :

∑

⁻

= n

F MFE (A^{t t})

4. Rata-rata Persentase Kesalahan Absolut (Mean Absolute Percentage Error = MAPE) MAPE merupakan ukuran kesalahan relatif. MAPE biasanya lebih berarti dibandingkan MAD karena MAPE menyatakan persentase kesalahan hasil peramalan terhadap permintaan aktual selama periode tertentu yang akan memberikan informasi persentase kesalahan terlalu tinggi atau terlalu rendah. Secara otomatis, MAPE dinyatakan sebagai berikut :

∑

⁻

⎟⎠

⎜ ⎞

⎝

=⎛

t t

t A

A F MAPE 100n

5. Standard Error of Estimate (SEE)

gai berikut:

SEE dapat dinyatakan seba

SEE =

∑ ( )

=

⎠

⎝

n t

rmintaan. Dengan kata lain, dilihat terjadi dasar. Kemudian peta tersebut diperluas untuk masa yang akan datang sehingga dapat dibandingkan ram lan dengan kenyataan dari eramalan). Peta rentang bergerak digunakan untuk memeriksa teknik peram lan dan parameter-parameternya. Sekali

t peramalan dan dan peta rentang bergerak, berarti akan digunakan sebagai

t −

t

f

1 n Dimana :

f = derajat kebebasan

-1 = untuk data konstan -2 = untuk data linier -3 = untuk data kuadratis

2.12. Peta Rentang Bergerak (Moving Range)

Peta rentang bergerak dirancang untuk membandingkan nilai yang diamati dengan yang diramalkan dari suatu pe

⎟⎞

⎜⎛d −D'

permintaan dari peramalan secara periode

a periode tersebut (periode yang dibuat untuk p

a dibua

pemeriksaan yang berkesinambungan untuk elihat jika yang mendasari sistem penyebab tersebut adalah tidak berubah.

k didefinisikan sebagai :

m

Rentang bergera

) (

)

= F(

MR _t −X_t − F_t−1 −X_t−1 Rata-rata rentang bergerak didefinisikan sebagai :

N R MR

M Σ

dan

BKA =

=

R M 66 , +2

BKB = −2,66MR

2.13. Uji Kondisi di Luar Kendali

lah adanya titik di luar atas kendali. Selain itu, terdapat pula uji lainnya dengan tingkat kemungkinan yang ama. Teknik yang digunakan berikut dirancang agar dapat digunakan dengan jumlah data yang seminimal mungkin. Uji dilakukan dengan cara membagi peta kendali ke

alam enam bagian dengan selang yang sama:

. Daerah A adalah adalah daerah di luar

Uji yang paling konklusif bagi kondisi di luar kendali ada b

s

d

1 ± 2/3 (2.66 MR) = 1.77 MR (di atas +

1.77 MR dan di bawah -1.77 MR).

±

2. Daerah B adalah di luar ± 1/3 (2.66 MR) = ± 0.89 MR (di atas +0.89 MR dan di bawah -0.89 MR).

. Daerah C adalah daerah di atas atau di bawah garis tengah.

Gambar 2-5 3

0

Batas Kendali Bawah Daerah Di Luar Kendali

Daerah Di Luar Kendali Daerah A

Daerah A Daerah B

Daerah B Daerah C Daerah C

Batas Kendali Atas

Batas Daerah A Batas Daerah A

Batas Daerah B Batas Daerah B

Kriteria Di Luar Kendali

BAB III

METODOLOGI PENELITIAN

Pada penulisan tugas akhir ini, metode penelitian disusun berdasarkan kerangka berpikir dan tahapan penelitian di lapangan secara sistematis. Metodologi ini diperlukan guna menghasilkan suatu bentuk pemecahan masalah yang terintegrasi dan menuju pada suatu tujuan, yaitu memberikan jawaban atau pemecahan atas perumusan masalah.

Untuk memperoleh hasil yang maksimal, berbagai literatur diambil sebagai pijakan awal dalam membuka dan mempelajari lebih dalam masalah yang terjadi pada perusahaan.

Untuk memperoleh data lapangan, dilakukan metode observasi yaitu mengamati secara langsung dan metode wawancara dengan instansi terkait.

Adapun langkah – langkah dalam melakukan penelitian dibagi menjadi enam tahap, yaitu :

1. Identifikasi masalah 2. Tujuan penelitian 3. Studi pendahuluan 4. Pengumpulan data 5. Pengolahan data 6. Analisa & kesimpulan

Gambar 3-1 Metodologi Penelitian

Mulai

Identifikasi Masalah

Tujuan Penelitian

Studi Pendahuluan

Studi Pustaka Studi Lapangan

Pengumpulan Data

Pengolahan Data

Analisis Hasil Pengolahan Data

Kesimpulan dan Saran

Selesai

3.1. Identifikasi Masalah

PT HPS merupakan salah satu industri yang bergerak dibidang makanan yang senantiasa meningkatkan kepuasan pelanggan. Ketidakstabilan kondisi ekonomi Indonesia, fluktuasi harga bahan baku yang tinggi, dan daya beli masyarakat yang rendah mengakibatkan tingkat penjualan berfluktuasi ditambah dengan penetapan target

ermintaan berdasarkan peramalan permintaan, sehingga perusahaan harus memiliki aan yang baik.

enelitian adalah menentukan dan menggunakan metode peramalan per rdasarkan ukuran akurasi. Hal ini didapat dengan menggunakan metode

data mengg

3.3. Stu

ebelum kegiatan dimulai, studi pendahuluan merupakan dasar dan tahap

awa proses penelitian. Studi pendahuluan ini didukung oleh dua kegiata

1.

p

suatu peramalan perminta

3.2. Tujuan Penelitian Tujuan p mintaan terbaik be

-metode peramalan time series. Selanjutnya akan diperoleh perbandingan data- permintaan aktual produk Green Tea PE dengan data hasil pengolahan unakan peramalan permintaan terpilih

di Pendahuluan S

l untuk melakukan n, yaitu :

Studi Pustaka

Yaitu studi yang mendukung dan berkaitan dengan teori – teori yang akan

2. Studi Lapangan

i untuk mencari keterangan data atau informasi yang dibutuhkan

angat diperlukan untuk mencapai tujuan penelitian. Adapun data-da

engolahan data dilakukan untuk mendapatkan suatu landasan perhitungan yang buatan perencanaan dan penjadwalan persediaan yang terintergrasi sebagai suatu kesatuan yang utuh, sehingga dapat dengan baik dan optimal

digunakan dalam proses pemecahan masalah. Studi pustaka ini dilakukan bersamaan pada saat penelitian, hal ini mempunyai tujuan agar dalam proses pemecahaan masalah tidak hanya berdasarkan situasi dan kondisi perusahaan tetapi juga didukung oleh teori – teori yang terkait.

Yaitu suatu stud

tentang gambaran umum operasional perusahaan, dengan cara melakukan pengamatan langsung ke lokasi lapangan.

3.4. Pengumpulan Data Pengumpulan data s

ta yang dikumpulkan terdiri-dari dua bagian yaitu data tentang gambaran umum perusahaan dan data permintaan Green Tea PE. Data – data ini didapatkan pada studi lapangan dengan bahan dari buku-buku dan jurnal pada studi pustaka. Data yang diambil adalah data permintaan Green Tea PE selama periode tahun 2008..

3.5. Pengolahan Data P

dapat dijadikan dasar bagi pem

diterapkan oleh perusahaan. Pengolahan data untuk tugas akhir ini adalah proses peramalan ( Forecasting ).

Proses peramalan permintaan yang dilakukan adalah untuk keseluruhan kategori ea PE dengan jangka waktu peramalan selama 12 periode mendatang.

etode peramalan yang digunakan adalah metode konstan, linier, kuadratik. Pemilihan etode terbaik akan dilakukan dengan menganalisa kesalahan peramalan yaitu dengan embandingkan nilai ukuran hasil peramalan permintaan

engan jangka waktu peramalan selama 12 periode.

.6. Analisis dan Kesimpulan

Pada tahap ini dilakukan analisis dari pengumpulan dan pengolahan data yang lah dilakukan dan menyimpulkan serta memberikan gagasan-gagasan baru

untuk meningkatkan kinerja perusahaan produk Green T

M m m d

3

te

.

BAB IV

PENGUMPULAN DAN PENGOLAHAN DATA

4.1. Data Umum Perusahaan 4.1.1. Perkembangan PT. HPS

Berdiri pada tahun 1987, PT HI adalah sebuah perusahaan pengimpor Vanilla beans dari Indonesia, yang disahkan secara hukum oleh pemerintah negara bagian New Jersey, Am

di Indonesia sendiri ada dua pabrik yang m

o

encapai 4.000 – 5.000 ton per tahun.

engalami kemajuan pesat dalam berbagai aspek, dimana utu, maka perusahaan selain itu management mutu lingkungan anan produk ISO 22000

erika Serikat.

Dengan meningkatnya kebutuhan akan bahan baku, maka pada tahun 1989 PT HI mendirikan sebuah anak perusahaan di Kawasan Industri JABABEKA Bekasi Indonesia, yaitu PT. HPS. Dan kini memiliki 3 pabrik,

enangani sediaan ekstrak dalam bentuk bubuk dan cair serta serta sebuah pabrik di New Jersey, AS untuk menangani penyulingan dan pemurnian m lekul alami.

Semua pabriknya menggunakan teknologi paling baru yang ada untuk menghasilkan ekstrak bubuk, ekstrak cair dan produk spray dried bermutu tinggi dengan kapasitas m

Saat ini PT HPS telah m

untuk menunjang kinerja perusahaan maupun management m telah mendapatkan sertifikat ISO 9001 : 2000,

ISO 14001, dan keam

Dengan demik , tuk selalu ua melalui continuous improvement management

tri secara terus enerus (continuous process improvement) melalui penggunaan Total Improvement.

Secar

i New Jersey, Amerika Serikat - Tahun 1989, untuk pendirian pabrik di Cikarang

- Tahun 2007, untuk pendirian pabrik di Cibitung Jumlah Karyawan : 300 karyawan

Alamat kantor : Gd. Sentra Mul ^th Rasuna Said Jakarta

4.1.3. Jenis-jenis Produk PT. HPS 1. Herbs and Botanic

Herbs and Botanical adalah produk berupa bahan-bahan alam yang hanya melalui tahapan proses berupa pengeringan secara oven dan penggilingan. Hasilnya dapat berupa bahan kering oven atau berupa Ground Powder (GP).

ian PT HPS berkomitmen dan berupaya un meningkatkan kep san pelanggan

(perbaikan secara terus-menerus), perbaikan proses dari sistem indus m

4.1.2. Profil PT. HPS

a singkat profil PT HPS dapat digambarkan sebagai berikut:

Nama Kantor : PT. HPS

Didirikan : - Tahun 1987, untuk pabrik d

ia Floor 10

Table 4.1

Produk Herbs and Botanical

-Turmeric GP -Pale Catechu -Kaffir Lime -Greater Galangal GP -Orthosiphon -Golden Candle GP -Betel Pepper -Kacang Kara Putih -Java Tea Leaf GP -Bastard Cedar Leaves GP

2. Liquid Extract

Liquid Extract adalah produk berbentuk cairan (liquid) yang diperoleh melalui proses ekstraksi dari bahan baku berupa bahan-bahan alam yang masih segar. Produk- produk Liquid Extract (LE) terbagi menjadi dua jenis yaitu:

1. Finish good liquid extract yang merupakan produk liquid yang dapat langsung dikonsumsi oleh Customer, contoh produk dari jenis ini adalah:

Sirih Liquid Extract (Bettel Pepper LE), Cocoa Liquid Extract, Coffe Liquid Extract, Aloe Vera GE, Chrysantemum Liquid Extract, Vanilla Liquid Extract, dan lain-lain.

2. Work In Process Liquid Extract yang merupakan produk antara (setengah jadi), yakni produk yang memerlukan proses lebih lanjut untuk diubah menjadi Powder Extract, contohnya adalah: Green Tea Liquid Extract, Katuk Liquid Extract, Juice Lidah Buaya, Juice Jeruk Nipis, dan lain-lain.

3.

xtract adal khir hasil proses lanjutan dari liquid extract.

Pr bah l i pow adalah dengan

m y Dryer. k powder extract yang dijual PT HPS

m ort, d p d melakukan item

ch si prod

4.2 Powder Extract

Powder E ah produk a

oses untuk mengu iquid extract menjad der extract enggunakan Spra Beberapa produ

erupakan produk imp an kualitas produknya teta ijaga dengan eck sesuai spesifika uk import.

Table

Produk Powder Extract (PE)

-Tea Base PE TM 50 -Turmeric PE -Cinamon Bark PE -Black Tea PE -Ginger PE -Jati Belanda PE -Java Turmeric PE -Sweat Leaf Bush PE -Seledri PE -Bengkoang PE -Kaffir lime PE -Ginko Biloba PE -Chrysantemum PE -Eurycoma longifolia PE -Guarana PE

-Muira Puama PE -Damiana Leaves PE -Echinacea Purpurea PE -Betel Pepper PE -Cucumber PE -Carrot PE

-Yambeam PE -Green Tea PE -Tamarind PE

4.

il atau mi lah produk be lam dengan bau khas yang dikeluarkan oleh kelenjar beberapa tumbu Minyak atsiri digunakan dalam pembuatan an cita rasa dan o

Essential Oil

Essential O nyak atsiri ada rupa minyak a han tertentu.

parfum, bah bat-obatan.

Tabel 4.3 Produk Essential Oil

-Citronella Oil -Kaffir Lime Oil -Cinamon Bark Oil -Sandalwood Oil -Lajagowa Oil -Vetiver Oil

-Clove Bud Oil -Cananga Oil -Cajeput Oil -Patchouli Oil -Lavender Oil -Orange Oil

-Fennel Oil -Olive Oil -Greater Galangal Oil

Gambar 4-1

Struktur Organisasi PT HPS 4.1.4. Struktur Organisasi PT HPS

4.2. Pengumpulan Data

4.2.1 Data Permintaan Green Tea PE di PT HPS

Data permintaan actual Green Tea PE yang ditampilkan di sini adalah data permintaan selama tahun 2008 dalam periode bulan.

Tabel 4.4

Data Permintaan Green Tea PE Periode Januari-Desember 2008

Periode Permintaan (kg) 1 8.150,00 2 8.150,00 3 8.200,00 4 8.200,00 5 8.250,00 6 8.350,00 7 8.300,00 8 8.400,00 9 8.450,00 10 8.450,00 11 8.500,00 12 8.500,00 Jumlah 99.900,00

Berdasarkan data permintaan actual Green Tea PE dari bulan Januari sampai dengan Desember 2008, maka grafik pola permintaan dapat digambarkan sebagai berikut :

Data Permintaan Periode 2008

7.900,00 8.000,00 8.100,00 8.200,00 .400,00

Permintaa 8.300,00 8 8.600,00

6 7 8 9 10 11 12

Periode (Bulan)

n ( kg )

8.500,00

Permintaan

1 2 3 4 5

Gambar 4.2

Grafik Pola Dasar Permintaan Januari-Desember 2008

de Peramalan

n kan. Berdasarkan plot data yang dihasilkan, maka data termasuk dalam olongan Pola Trend sehingga metode peramalan yang umum digunakan adalah:

age 3. Metode Single Exponential Smoothing 4. Metode Double Exponential Smoothing 4.2.2. Penentuan Meto

Untuk metode peramalan yang digunakan tergantung pada plot data permintaa yang dihasil

g

1. Metode Single Moving Average 2. Metode Weighted Moving Aver

5. Metode Regresi Linier

4.3. Pengolahan Data

erikut adalah perhitungan Metode Peramalan yang umumnya digunakan untuk Pola ta Trend

B Da

4.3.1. Metode Single Moving Average (T=3) Rumus yang digunakan adalah :

∑

^{+ −}

= +₁

= =

^{T r 1}

r t

t

t

T

X X F

Perhitungannya sebagai berikut:

3

3 2 1 1 3

x X

F X + +

+

=

3

260 . 8 200 . 8 100 .

8 + +

=

Perhitungan F5 – F12 dapat dilihat pada Lampiran

Hasil selengkapnya perhitungan peramalan dapa dilihat pada table berikut:

67 , 186 .

4 =8 F

Table 4.5

Hasil Perhitungan Peramalan Dengan Metode Single Moving Average 3 Bulanan

Periode (t) Permintaan ( Xt ) Peramalan (Ft) 1 8.150,00 2 8.150,00 3 8.200,00

4 8.200,00 8.166,67

5 8.250,00 8.183,33

6 8.350,00 8.216,67

7 8.300,00 8.266,67

8 8.400,00 8.300,00

9 8.450,00 8.350,00

10 8.450,00 8.383,33

11 8.500,00 8.433,33

12 8.500,00 8.466,67

Jumlah 99.900,00 74.766,67

Plot Peramalan

7.900,00 8.000,00 8.100,00 8.200,00 amala 8.300,00 8.400,00 8.500,00 8.600,00

1 2 3 4 5 6 7 8 9 10 11 12

Periode (t)

Pern (kg)

Permintaan Peramalan

Gambar 4.3

Perbandingan Data Aktual Terhadap Peramalan Metode Single Moving Average 3 Bulanan

Hasil peramalan 12 periode ke depan adalah sebagai berikut :

∑

+₁

= =

^t

t

X T

F

− +

= 1 r T

r t

X

3

12 11 10 10 3

X X

F X + +

+ =

3

500 . 8 500 . 8 450 .

8 + +

=

F₁₃ = 8.483,34

Untuk hasil peramalan 12 pe etode Single Moving Average untuk setiap periode mendatang diasumsikan sa hasil peramalan 12 periode ke depan dapat dilihat dapat dilihat dal table be

Tabel 4

Hasil Peram untuk 1 e depan Periode P

riode ke depan pada m ma. Maka am rikut ini:

.6

alan 2 periode k eramalan

1 8.483,34 2 8.483,34 3 8.483,34 4 8.483,34 5 8.483,34 6 8.483,34 7 8.483,34 8 8.483,34 9 8.483,34 10 8.483,34 11 8.483,34 12 8.483,34

4.3.2. Metode Weighted Moving Average

+W_mX_t−_n

1, maka diasumsikan W₁ = 0,5; W₂ = 0,3; W₃ = 0,2, dengan berdasarkan ingle Moving Average Tiga Bulanan (T=3), maka Peramalan Rata-rata Bergerak

alah:

+ m

F₄ = (0,5 X 8.200)+(0,3 X 8.150)+(0,2 X 8.150) = 4.100+2.445+1.630

= 8.175

Perhitungan F5 –F12 dapat dilihat pada Lampiran

Rekapitulasi hasil perhitungan peramalan dapat dilihat dalam table beikut ini : Rumus yang digunakan:

( _{1 1 2 2}

1

∑

^{− +}

+ = _t + _t

t W X W X

F )

Karena Σ W = S

Pembobotan untuk bulan April perhitungannya ad )

( + +

= W X W X W X

F_{3 1}

∑

_{1 3 2 2 1}

Tabel 4.7

Hasil Perhitungan Peramala D gan Metode Moving

n

en Weighted Average

Plot Peramalan

7.900,00 8.000,00 8.100,00 8.200,00 8.300,00 8.400,00 8.500,00 8.600,00

1 2 3 4 5 6 7 8 9 10 11 12

Periode (Bulan)

Nilai Permintaan (kg)

Permintaan Peramalan

Gambar 4.4

Perbandingan Data Aktual Terhadap Peramalan Periode (t) Permintaan ( Xt ) Peramalan (Ft)

1 8.150,00 2 8.150,00 3 8.200,00

4 8.200,00 8.175,00

5 8.250,00 8.190,00

6 8.350,00 8.225,00

7 8.300,00 8.290,00

8 8.400,00 8.305,00

9 8.450,00 8.360,00

10 8.450,00 8.405,00

11 8.500,00 8.440,00

12 8.500,00 8.475,00

Jumlah 99.900,00 74.865,00

Metode Weighted Moving Average

Hasil peramalan 12 periode ke depan adalah sebagai berikut:

t m t

t

t W X W X W X

F

8.500)+(0,2 X 8.450) 2.550+1.690

= 8.490

ramalan untuk 12 periode mendatang dapan dilihat pada table berik

Tabel 4.8

Hasil Per ntuk ke depan

Periode P

( _{1 1 2 2}

1

∑

^{− + −}

+ = + + _n)

) ( _{1 12 2 11 3 10}

1

12^{+ =}

∑

^{W X +W X +W X}

F

F13 = (0,5 X 8.500)+(0,3 X = 4.250+

Peramalan permintaan dengan Metode Weighted Moving Average dengan T=3, untuk period ke 13 = 8.490. Maka peramalan permintaan untuk setiap periode mendatang diasumsikan sama. Maka hasil pe

ut ini:

amalan u 12 periode eramalan

1 8.490,00 2 8.490,00 3 8.490,00 4 8.490,00 5 8.490,00 6 8.490,00 7 8.490,00 8 8.490,00 9 8.490,00 10 8.490,00 11 8.490,00 12 8.490,00

4.3.3. Metode Single Exponential Smoothing Rumus yang digunakan:

)

1 t ( t t

t F X F

F₊ = +α −

Penentuan besarnya α( konstanta penghalusan ) berdasarkan trial and error dengan nilai anta 1

Alpha 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9

MAPE (%) 1,702 1,316 1,047 0,857 0,718 0,616 0,568 0,533 0,508

Berdasark ra 0 dan

an uji verifikasi menggunakan MAPE, terpilih α= 0,9 dengan nilai MAPE =

tuan nilai alpha selengkapnya dapat dilihat pada Lampiran 0,508 %.

Untuk perhitungan penen

Inisialisasi F₁=X₁ dengan α=0,9

Contoh perhitungan untuk periode pertama dan kedua

1

t₊ =F₂ F₁ (X₁ F₁)

F = +α −

= 8.150+0,9(8.150-8.150) = 8.150

F₂₊₁ = F₃ = 8.150+0,9(8.150-8.150)

alan dapat dilihat pada tabel berikut:

Rekapitulasi perhitungan peram

Perhitungan F4 – F12 dapat dilihat pada halaman Lampiran = 8.150

Tabel 4.9

Data Perhitungan Peramalan Dengan Metode Single Exponential Smoothing dengan Alpha 0,9 Periode (t) Permintaan ( Xt ) Peramalan (Ft) Alpha Error (Et) (Et)2 (PEt) [Pet]

1 8.150,00

2 8.150,00 8.150,00 0,9 0,00 0,00 0,000 0,000 3 8.200,00 8.150,00 0,9 50,00 2.500,00 0,610 0,610 4 8.200,00 8.195,00 0,9 5,00 25,00 0,061 0,061 5 8.250,00 8.199,50 0,9 50,50 2.550,25 0,612 0,612 6 8.350,00 8.244,95 0,9 105,05 11.035,50 1,258 1,258 7 8.300,00 8.339,50 0,9 -39,50 1.559,86 -0,476 0,476 8 8.400,00 8.303,95 0,9 96,05 9.225,70 1,143 1,143 9 8.450,00 8.390,39 0,9 59,61 3.552,76 0,705 0,705 10 8.450,00 8.444,04 0,9 5,96 35,53 0,071 0,071

11 8.500,00 8.449,40 0,9 50,60 2.559,96 0,595 0,595 12 8.500,00 8.494,94 0,9 5,06 25,60 0,060 0,060 Jumlah 99.900,00 75.061,67 388,33 33.070,16 4,639 5,591

MAPE = 5.591/11 = 0.51%

Plot Peramalan

7.900,00 8.000,00 8.100,00 8.200,00 8.300,00 8.400,00 8.500,00 8.600,00

1 2 3 4 5 6 7 8 9 10 11 12

Periode (bulan)

Permintaan (kg)

Permintaan Peramalan

Gambar 4.5

Perbandingan Data Aktual Terhadap Peramalan Metode Single Exponential Smoothing dengan Alpha = 0,9

Setelah melihat perhitungan kesalahan menggunakan MAPE yang terkecil, maka metode Single Exponential Smoothing yang digunakan untuk meramal permintaan periode berikutnya adalah Metode Single Exponential Smoothing dengan alpha = 0,9

Untuk meramal bulan ke 13 adalah sebagai berikut : )

1 t ( t t

t+ F X F

F = +α −

) ( _{12 12}

12 1

12 F X F

F ₊ = +α −

F13 = 8.494,94+0,9(8.500-8.494,94) = 8.499,49 8.499,5 ≈

Metode Single Exponential Smoothing juga mengasumsikan peramalan permintaan untuk setiap period ke depan selalu sama. Jadi, hasil peramalan permintaan untuk periode ke 13, 14, 15 samapi 24 = 8.499,5

Untuk peramalan 12 periode ke depan dapat dilihat dalam tabel berikut ini:

Table 4.10

Hasil peramalan untuk 12 periode ke depan

Periode Peramalan

1 8.499,50 2 8.499,50 3 8.499,50 4 8.499,50 5 8.499,50 6 8.499,50 7 8.499,50 8 8.499,50 9 8.499,50 10 8.499,50 11 8.499,50 12 8.499,50

4.3.4. Metode Double Exponential Smoothing Rumus yang digunakan:

' 1

) 1 (

't = X_t + − S _t−

S α α

'' 1

) 1 (

''t = S_t + − S _t−

S α α

t t t

t

t S S S S S

a = ' +( '− '' )=2 ' − "

) '' '

1 ( ^{t t}

t S S

b −

= − α α

) (m b a

F _{t t}

Sama halnya dengan Single Exponential Smoothing, maka penentuan nilai alpha pada Metode Doubl

m

t₊ = +

e Exponential Smoothing berdasarkan trial and error dengan nilai ntara nilai 0 dan 1

tode Double Exponential Smoothing a

Tabel 4.11 Data Perbandingan Alpha pada Me

Alpha 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9

MAPE (%) 1,362 0,745 0,515 0,493 0,488 0,523 0,569 0,636 0,732

Berdasarkan uji verifikasi MAPE, terpilih α=0,5, dengan nilai MAPE = 0.488%. Untuk penghitungan penentuan nilai alpha selengkapnya dapat dilihat pada

halaman Lampiran.

Inisialisasi S’₁=S’’₁=X₁= 8.150, dengan α=0,5 Contoh perhitungan untuk periode kedua:

1 2 2

2 (1 ) '

' = X + − S ₋

S α α

= 0,5(8.150)+0,5(8.150) = 4.075 + 4.075

= 8.150

1 2 2

2 ' (1 ) ''

'' = S + − S ₋

S α α

= 0,5(8.150)+0.5(8.150) = 4.075 + 4.075

= 8.150

2 2 2 2S' S"

a = −

= 2(8.150) – (8.150) = 8.150

) '' '

1 ( ^{2 2}

2 S S

b −

= − α α

= 5 . 0

5 . 0

1− (8.150 - 8.150) = 0

+ 0 = 8.150

2 2 1

2 a b

F ₊ = + F₃ = 8.150

Perhitungan F₄ – F₁₂ dapat dilihat pada halaman Lampiran

Rekapitulasi perhitungan peramalan dapat dilihat dalam table di bawah ini

Tabel 4.12

Data Perhitungan Peramalan Dengan Metode Double Exponential Smoothing

Periode (t)

Permintaan

( Xt ) S' S'' Alpha 1-

alpha a b

Peramalan (Ft)

Error

(Et) (Et)2 [et] [Pet]

1 8.150,00 8.150,00 8.150,00 0,5 0,5 2 8.150,00 8.150,00 8.150,00 0,5 0,5 8.150,00 0,000 3 8.200,00 8.175,00 8.162,50 0,5 0,5 8.187,50 12,500 8.150,00 50,00 2.500,00 50,00 0,610 4 8.200,00 8.187,50 8.175,00 0,5 0,5 8.200,00 12,500 8.200,00 0,00 0,00 0,00 0,000 5 8.250,00 8.218,75 8.196,88 0,5 0,5 8.240,63 21,875 8.212,50 37,50 1.406,25 37,50 0,455 6 8.350,00 8.284,38 8.240,63 0,5 0,5 8.328,13 43,750 8.262,50 87,50 7.656,25 87,50 1,048 7 8.300,00 8.292,19 8.266,41 0,5 0,5 8.317,97 25,781 8.371,88 -71,88 5.166,02 -71,88 0,866 8 8.400,00 8.346,09 8.306,25 0,5 0,5 8.385,94 39,844 8.343,75 56,25 3.164,06 56,25 0,670 9 8.450,00 8.398,05 8.352,15 0,5 0,5 8.443,95 45,898 8.425,78 24,22 586,55 24,22 0,287 10 8.450,00 8.424,02 8.388,09 0,5 0,5 8.459,96 35,938 8.489,84 -39,84 1.587,52 -39,84 0,472 11 8.500,00 8.462,01 8.425,05 0,5 0,5 8.498,97 36,963 8.495,90 4,10 16,82 4,10 0,048 12 8.500,00 8.481,01 8.453,03 0,5 0,5 8.508,98 27,979 8.535,94 -35,94 1.291,50 -35,94 0,423 Jumlah 99.900,00 75.093,99 91.115,97 91.722,02 303,027 83.488,09 111,91 23.374,98 111,91 4,878

Plot Peramalan

7.900,00 8.000,00 8.100,00 8.600,00

8.200,00

rmin

8.300,00 8.400,00 8.500,00

1 2 3 4 5 6 7 8 9 10 11 12

Periode (Bulan)

Petaan (kg)

Permintaan Peramalan

Gambar 4.6

ual Terhadap Metode Double Exponential Smoothing Dengan

Perbandingan Data Akt

α=0,5

ntuk peramalan bulan ke 13 sebagai berikut:

= 8.505,58 + 23,825 (1) = 8.529,40

F14 = 8.505,58 + 23,825 (2) = 8.553,23

Perhitungan F15 – F24 dapat dilih pada halam U

)

1 (

12 a b m

F ₊ = _t + _t

) 1

12 (

12

13 a b

F = +

at an Lampiran

Tabel 4

Hasil Per lan Untuk 12 Periode ke depan

Periode Peramalan .13

ama

1 8.529,41 2 8.553,23 3 8.577,06 4 8.600,88 5 8.624,71 6 8.648,53 7 8.672,36 8 8.696,19 9 8.672,36 10 8.743,84 11 8.767,66 12 8.791,49