ITS *
' t
iT5
Sf»Teknoiogi^t»tUtS<rf >1Huh\< >{
/ > v
as "
TUGAS AKHIR
-
TI091324PENENTUAN HARGA MATERIAL NITROGEN LIQUID PADA KONTRAK JANGKA PAN JANG : STUDI KASUS PT . PERTAMINA
NIFRIYANTIRAMADHANI 2507.100
.
084DosanPambfcnbtng
:
Prof
.
Ir.
INyomanPujawan,M.
Eng. ,
Ph.
DDosenKo
- Pambimbinc
! Ir.
Bud!Santosa,M.
S.
,Ph.
DJURUSANTEKNIKINDUSTRi FakuttasTeknoiogi tndustri
Instftut TaknologiSepuluh Nopember Surabaya 2011
P l f f O i T a l A A
} T"
*
Ter
.
nm|
NoAga»a» tTeknoiogi S
^
mluh \oj>*»«$.*<*rTUGASAKHIR
-
TI09 1324DETERMINING LIQUID NITROGEN PRICE ON LONG TERM SERVICE AGREEMENT : CASE STUDY PT . PERTAMINA
NIFRIYANTl RAMADHANI 2507.100
.
084DosenPembimbing
:
Prof
.
Ir.
INyomanPujawan,M.
Eng.
,Ph.
D DosenKo-
Pembimbing:
Ir
.
BudiSantosa, M.
S.
,Ph.
DJURUSAH
TEKNIK
INDUSTRl Fakultas Teknotogi IndustriInstftutTeknotogiSepuluh Nopember Surabaya 2011
LIQUID PADA
KONTRAK
JANGKAPANJANG
:STUDI
KASUSPT .
PERTAMINATUGAS AKHIR
Diajukan
Untuk
Memenuhi Salah Satu SyaratMemperoleh
GelarSarjana Teknik
pada
Program Studi S
- l
Jurusan Teknik IndustriFakultas
TeknologiIndustri
Institut Teknologi Sepuluh Nopember Oleh:
NIFRIYANTI
RAMADHANINRP
.2507 100 084Disetujui
Oleh Pembimbing Tugas Akhir:1. Prof.Ir.INyomanPujawan,M.Eng, Ph
-
D, limbingI)2. Ir.BudiSantosa,M.S.,Ph.D •••••••• (Pembimbing II) SURABAYA
JANUARI,2011
Vov °
4^
ao<J'
/r
''\
(V CD
%rn
Ji
PERTAMINA Nama
NRP Jurusan Pembimbing
Ko-Pembimbing:Ir.Budi Santosa,M.S.,Ph.D. :Nifriyanti Ramadhani :2507.100.084
:Teknik Industri FTI-ITS
: Prof.Ir. INyomanPujawan,M.Eng,Ph.D.
ABSTRAK
Saat ini, persaingan usaha tidak lagi dilakukan antar perusahaan tetapi antar rantai pasok. Rantai pasok terdiri dari beberapa pemain misalnya saja seperti supplier, produsen, atau retailer. Oleh karena itu, koordinasi antar pemain menjadi hal yangutamadikembangkan.Salahsatu upaya untuk meningkatkan koordinasi antara produsen dan supplier adalah komitmen dalam bentuk kontrak jangka panjang.Dengan kontrak jangka panjang, produsen akan terjamin pasokannya dengan harga yang relatif lebih rendah. Sedangkan supplier mendapatkan kepastian mengenai penjualan yang akan datang sehingga ketidakpastian pada penjadwalanproduksi dapatditurunkan.
Akan tetapi, penentuan harga kontrak merupakan hal yang tidak mudah karena melibatkan beberapa faktor yang kompleks dalam beberapa tahun ke depan. Oleh karena itu, penelitian ini mencobauntuk memperoleh harga terbaik dari tiga metode,yaitu kontrak harga tetap (fixed-price contracts), kontrak harga meningkat ( escalating price contracts), dan kontrak harga referensi(market price contracts) (Joskow,1988).Kemudian dari tiga metode tersebut, simulasi dilakukan dengan beberapa skenario waktu yang berbeda. Hasil yang diperoleh ialah escalating pricecontractslebihungguldisemua durasi kontrak. Keywords : koordinasi, kontrak jangka panjang, fixed-price contracts, escalatingpricecontracts,market price contracts.
v
TERM SERVICE AGREEMENT : CASE STUDY PT PERTAMINA
Name NRP
: Nifriyanti Ramadhani :2507100084
Departement : IndustrialEngineering ITS Supervisor
Co-Supervisor : Ir.BudiSantosa,M.S., Ph.D.
: Prof
.
Ir. INyoman Pujawan,M.Eng,Ph.D.ABSTRACT
Nowdays, competitiveness is not only happened among companies but also but among supply chains
.
A supply chain consists of some players such as supplier, producer, etc. Therefore, coordination amongsupply chain playersis being the main problem that is developed. By longtermservice agreement, producer’s needs will be assured with low price. At the same time,supplier will get information about demandat certain level in order that uncertainty in the production schedule can be reduced.However,determining pricecontractsis something that is difficult tobe solved because therearea lot offactorsthataffect it. Hence,this research try to obtain thebest price contractsfrom three methods consists of fixed price contracts, escalating price contracts, and market price contracts
.
From those methods, simulation will bedonein several contract durations. Theresultis that escalating price is better than the others methods in all contractduration.Keywords : coordination, longterm service agreement,fixed
-
price contracts, escalating price contracts, market price contracts.
V I I
Puji syukur kami panjatkan kepadaTuhan Yang Maha Esa atas rahmat, berkah dan karunia
-
Nya penulis dapat menyelesaikan laporantugas akhir ini yangberjudul “Penentuan Harga Material Nitrogen Liquid pada Kontrak Jangka Panjang: PT. Pertamina” tepat pada waktunya. Sebagaimana diketahui bahwa Tugas Akhir ini merupakan salah syarat kelulusan Strata-
1 Fakultas Teknologi Industri, Jurusan Teknik Industri Institut Teknologi Sepuluh Nopember Surabaya yang harusditempuh olehpenulis.Terselesaikannya laporan TugasAkhirinitak lepasdari bantuandan dukunganbeberapapihak yangtelahmembantu kami dalam melakukan Penenlitian TugasAkhir, kamimengucapkan terimakasih kepada:
1
.
Allah SWT, atas kanuria, hidayah, dan kesempatan diberikan kepada Penulisdapat menyelesaikan penelitianmi.
2
.
Kedua Orang Tua beserta kakak (Taufik dan Nadya) yangmemberikan doa dan dukungankepadapenulis. 3. Kekasih tersayang (Sigit) dan kedua orang tuanya (OmLinggar dan Tante Indah) atas kasih sayang dan doa kepadapenulis.
4. Ibu Dr. Ir. Sri Gunani Pratiwi MT, selaku Ketua JurusanTeknikIndustriITSSurabaya.
5. Bapak Prof. Ir. I Nyoman Pujawan, M.Eng, Ph.D,
selaku pembimbing utama Penelitian Tugas Akhir atas bimbingan dan arahannya dalam penyelesaian Penelitian
ini.
6. Ibu Ir. Budi Santosa, M.S., Ph.D, selaku dosen Ko
-
Pembimbing Penelitian Tugas Akhir atas bantuan serta bimbingannyadalampenyelesaian tugas akhiriini.
7. Dosen Peer Group Laboratorium Logistics and Supply Chain Management.
8. Seluruh Dosen dan Karyawan Jurusan Teknik Industri -ITS.
I X
Pertamina RU VI Balongan, dan Pak Sutopo atas bimbingan, data
-
data, serta informasi yang mendukung pelaksanaan penelitian tugas akhirini.10
.
Rekan-
rekan Asisten Logistic and Supply ChainManagement Laboratory (Widha, Ratih, Indah, Reina, Mita, Deni,Ayu, Linda, Disty, Febru,Rama, Ika, Teno, Ike, Wahyu, Luki,Wildan,Rescha,Arif,Ibnu,Pras)atas masukan, cercaan, motivasi dan dukungannya dalam penyelesaiantugas akhir ini.
11. Teman sepeijuangan(Meirina, Mirza,Fitriyah,dan Dian) atas motivasi, saran, bantuan, koreksinya dan waktunya selamaini
.
12. Sodara
-
sodariku(Citra, Cia, Vivi, Annisadan Didit)atas motivasi, bimbingan, dan pengalaman. Maaf kalau selamainiselalumerepotkankalian. KeepContact Guys!13. Saudara-saudariku angkatan 2007 “GAP” Teknik Industri ITSatas dukungan dan semangatnya.
14
.
Pihak-pihak lain yang telah membantu terselesainya penelitian tugas akhir ini yang tidak dapat disebutkan satu-
persatu.15.
Penulismenyadari bahwa laporan Tugas Akhir ini masihjauh dari sempuma, untuk itu penulis mengharapkan saran dan kritik yang bersifat membangun untuk kesempumaan laporan dimasa yang akan datang. Akhir kata kami berharap semoga laporan Tugas Akhit ini dapat bermanfaat bagi semua pihak yang membutuhkan.
Surabaya, Januari2011
Penulis
x
Halaman Judul Lembar Pengesahan Abstrak
Abstract KataPengantar DaftarIsi DaftarTabel Daftar Gambar Daftar Lampiran
1 111
v
Vll IX xi
xv
XVII xix
BABIPENDAHULUAN 1.1LatarBelakang Masalah 1.2 Perumusan Masalah 1.3Tujuan Masalah
1.4RuangLingkupPermasalahan 1.5 Manfaat Penelitian
1 1 3 4 4 5 BAB II TINJAUAN PUSTAKA
2.1Supply ChainContracts
2.2 Price AdjustmentpadaKontrak Jangka Panjang 2.3 Metodologi PeramalanHarga
2.3.1GameTheory Model 2.3.2 Simulation Model 2.3.3TimeSeries Model
2.3.3.1 Model StokastikParsimonious 2.3.3.2Model Regresi atau kausal 2.3.3.3Model ArtificialIntelligence(AI) 2.4.1Single
-
LayerPerceptron2.4.2 Prosedur Learning
2.4.3Algoritma Back
-
Propagasi 2.5 Pengukuran Performansi Peramalan 2.6Konsep Bunga2.6.1 PerhitunganBunga
7 7 8 9 10 10 1 1 12 12 12 15 16 18 24 24 24
XI
2.6.1.2 BungaMajemuk. 2.6.2 Diagram AlirKas
25 26 BABIIIMETODOLOGI PENELITIAN 29
3.1TahapIdentifikasi Masalah 3.2TahapPengumpulan Data 3.3Tahap Pengolahan Data
3.3
.
1MarketPriceContracts3.3
.
1.1PeramalanFaktor Independen 3.3.1.2PerancanganPenelitian 3.3.2 FixedPrice Contracts 3.3.3EscalatingPrice Contracts 3.3.4Simulasi Metode3.4Analisis dan Pembahasan 3.5KesimpulandanSaran
30 31 31 31 32 32 32 32 33 33 33 BABIV PENGUMPULANDANPENGOLAHAN DATA...35
4.1GambaranUmumPerusahaan
4.2Penentuan Harga Kontrak di Perusahaan 4.3ProsesIdentifikasi Faktor
4.4PengumpulanData
4.3
.
1DataHargadan KuantitasKontrak NitrogenLiquid 35 36 39 40 40 4.3.
2 DataInflasi 424.3
.
3 DataHargaBahan BakarMinyak 4.3.4DataTarifDasarListrik4.3.5 Data Kurs BeliDollarterhadap Rupiah 4.3.6 Data Consumer Price Index
4.3.7DataProducer PriceIndex
4.3.8Data PertumbuhanIndeksProduksiBulananIndustri BesardanSedang
4.3.9DataWaktu 4.4Pengolahan Data
4.4.1 Perhitungan Market Price Contracts
42 43 44 45 46 47 48 49 49
xn
4.4.1.3PeramalanHarga Kontrak Nitrogen Liquid 4.4.2 PerhitunganFixed PriceContracts
4.4.3 PerhitunganEscalating PriceContracts 4.4.4. PerhitunganPemilihan Altematif
4.4.4.1.AnalisaRangeEscalating Price 4.4.4.2. Analisa sensitivitassukubunga
62 66 67 69 69 71 BAB V ANALISA DAN INTERPRETASI
5.1 AnalisisSistem Kontrakdi Perusahaan 5.2Analisis Perhitungan Market Price
5.2.1Analisa Pertimbangan PemilihanFaktor 5.2.2 Analisa PerancanganPenelitian
5.2.3 AnalisaPerhitunganPeramalan FaktorIndependen 73 73 73 74 74 76 5.2.4 AnalisaPerbandinganMetodePeramalanNitrogen Liquid
5.2.5 Analisa HasilPeramalanNitrogen Liquid 5.3AnalisisPerhitunganFixedPrice
5.4.Analisis PerhitunganEscalatingPrice 5.5.AnalisisHasilPemilihan Altematif
76 77 77 78 79 BABVI KESIMPULANDANSARAN
6.1Kesimpulan 6.2Saran
81 81 82 DAFTAR PUSTAKA.
LAMPTRAN
BIOGRAFIPENULTS
83 87
xxi
XIII
Tabel1.1Daftar PengajuanMaterial LTSA Tabel 4.1DataHarga Nitrogen Tahun 2005
-
2010Tabel 4.2DataKuantitasPemesanan NitrogenTahun 2011 Tabel4.3 DataInflasiTahun 2005
-
2010Tabel 4.4Harga BBM Tahun2005
-
2010Tabel 4.5 Tarif DasarListrik Tahun2005
-
2010Tabel 4.6KursBeli DollarterhadapRupiah Tahun 2005
-
2010..44Tabel 4.7ConsumerPrice Index Tahun 2005
-
2010Tabel 4.8 Producer Price Index Tahun 2005
-
2010 Tabel4.9PIPBIBSTahun2005-
2010Tabel 4.10Waktu2005
-
2010Tabel 4.11 Rekapitulasi Akurasi Skenario1 Peramalan Tabel 4.12Rekapitulasi Akurasi Skenario 2 Peramalan Tabel 4.13RekapitulasiAkurasi Skenario 3 Peramalan Tabel 4.14RekapitulasiAkurasi Skenario 4 Peramalan Tabel 4.15Rekapitulasi Akurasi Skenario5 Peramalan Tabel 4.16Rekapitulasi Akurasi Skenario 6 Peramalan Tabel4.17RekapitulasiAkurasiSkenario 7Peramalan Tabel4.18 Rekapitulasi AkurasiSkenario 8Peramalan
Tabel 4.19 Rekapitulasi Akurasi Peramalan Bahan Bakar Minyak 2 40 41 42 43 44
46 46 48 48 52 53 53 54 54 55 55 56
60 Tabel 4.20 Hasil Peramalan HargaBBMTahun2011
-
2015 Tabel4.21Rekapitulasi PerformansiMetode Peramalan Tabel 4.22FaktorIndependen tahun 2011-
2015Tabel4.23Hasil PeramalanNitrogenLiquid tahun 2011.
.
..Tabel 4.24PerhitunganFixedPrice
Tabel4.25Cap
-
Price dan Floor-
Price Tahun 2011 Tabel4.26 RekapitulasiHasil PerhitunganAltematif Tabel 4.27AnalisaSensitifitas RangeTabel4.28Analisa SensitifitasSuku Bunga Tabel 6.1. Harga Kontrak NitrogenLiquidTerbaik
62 62 64 66 66 67 69 70 71 82
xv
Gambar1.1SupplierNitrogen Liquid
Gambar 2.1Klasifikasi ModelPeramalan Harga.
...
Gambar 2.2 DiagramProses NeuralNetwork Gambar2.3 Model Neuron
Gambar 2.4 Grafik AliranSignaldalamPerceptron
Gambar2.5Mekanisme back
-
propagation pada (a) output layer (b)hidden layerGambar 2.6 Back
-
propagation network dengan 2hiddenlayer..22 Gambar2.7SkalaWaktuAliran KasGambar3.1Diagram Alir Metodologi Penelitian
Gambar 3.2 Lanjutan Diagram Alir Metodologi Penelitian Gambar4.1PedomanPenentuan OEPengadaanBarang.
..
. Gambar4.2.PenggunaanTimeSeriesToolpada Matlab7.11.051 Gambar 4.3.RegressionPlotGambar4.4.ErrorAutocorrelation Plot Gambar4.5. ErrorAutocorrelation Plot Gambar 4.6. TimeSeriesResponsePlot Gambar 4.7.PerformanceTraining Record
Gambar4.9Grafik Peramalan HargaBBMpadaTahun 2005
-
2010
Gambar 4.10 Grafik Peramalan Harga Nitrogen pada Tahun 2005
-
2010Gambar4.11 PlotHasil Peramalan Nitrogen Liquid Gambar 4.12Escalating PriceContracts
3 11 14 14 16 20 26 29 30 37 57 57 58 58 59 61 63 65 68
XVII
LampiranA HargaNitrogenLiquid LampiranBInflasi
Lampiran CBahan BakarMinyak (Solar) Lampiran DTarif DasarListrik
LampiranE KursDollar
Lampiran F Consumer Price Index Lampiran G Producer Price Index
Lampiran HPertumbuhan Indeks Produksi Bulanan Industri Besar DanSedang
87 89 91 93 95 97 99
LampiranIWaktu 102
Lampiran J TabelPerbandinganPerformansi MetodePeramalan Faktor Independen
LampiranKHasilPeramalan NitrogenLiquid LampiranLHasil Perhitungan Fixed Price Contracts
LampiranMHasilPerhitunganEscalating PriceContracts 112 104 106 108 110
XIX
1.1 Latar Belakang Masalah
Saat ini,supply chain merupakan isu yang menarik yaitu ketika suatu perusahaan dituntut untuk berkoordinasi mengenai aliran material dan informasi. Pada saat yang sama,outsourcing menjadi banyak diminati karena perusahaan ingin berkonsentrasi terhadapkompetensiutamanya.Oleh karena itu,perusahaan harus dapat mengatur produksi dan material outsourcing dengan baik.
Long Term Service Agreement (LTSA) merupakan salah satu bentuk koordinasi dengan supplier yang biasa dipakai perusahaan untuk material yang vital. Dengan LTSA,perusahaan mendapatkan harga yang lebih baik daripada perusahaan harus membayar tanpa kontrak jangka panjang. Supplier memberikan harga yang lebih baik sebagai timbal balik karena supplier mendapatkan jaminan produknya akan dibeli dalam jumlah yang besar selama kontrak.Sedangkan apabila produkyangditawarkan langka, perusahaan akan mendapatkan jaminan untuk dapat membeli sejumlah produk tersebut dalam rentang waktu tertentu (Tibben
-
Lembke,2004). PT Pertamina RU VI Balongan,sebagai unit pengolahan crude oil menjadi produk-produk Bahan Bakar Minyak (BBM), berencana akan menerapkan LTSA ini untuk beberapa item yang dapat dilihat pada Tabel 1.1.
Daftar PengajuanMaterial LTSA.Sebelumnya, sejumlah perjanjian dan kontrak telah dijalani PT Pertamina RU VI dengan beberapa supplier
.
Perusahaan membuka peluang seluas
-
luasnya kepada supplier lain untuk berpartisipasi dalam pelelangan. Akan tetapi, hanya beberapa perusahaan yang sama saja yang berpartisipasi. Di samping itu, frekuensi kontrak ini juga relatif sering diadakan. Oleh karena itu, kontrak jangka panjang sangat penting dalam menyederhanakan pengadaan material tersebut.DalamTugas Akhir ini,material yang akandiamati hanya Nitrogen Liquid. Hal ini didasarkan pada informasi lisan dari
1
pihak perusahaan bahwa material ini memiliki potensi relatif terbesar ke
-
3 untuk berhasil dijalankan dengan kontrak jangka panjang karena supplieryangkooperatif.Perusahaan mengadakan kontrak dengan frekuensi yangrelatifsering selama Tahun 2000-
2010,yaitu 58 kontrak.Selain itu,supplier yangmenjadivendor Nitrogen Liquid tidak banyak. Pada Gambar 1.1
.
Supplier Nitrogen Liquid,PT Samator dan AirLiquide Indonesia menjadi supplier utama.
PT Indogasraya Utama dan Aneka Gas Industri adalah perusahaan yang telah bergabung dengan PT Samator.Sedangkan PT Industria Niagajasa Adhitama dan PT Inter Gas adalah perusahaan sementarayang bekeijasamakarena padasaat itu PT Samator berhalangan untuk mengirimkan material. Oleh karena itu, kontrak jangka panjang diharapkan mampu menyederhanakan pengadaan Nitrogen Liquid
.
Tabel 1.1 Daftar Pengajuan Material LTSA (Sumber: InformasiLisan dariChemicalAnalyst)
Nama Barang No
MolecularSieve Adb,UOP
-
9 I 39A, Chlorocel 801 1Sulphuric Acid(H2SQ4) 2
NitrogenLiquid 3
Chlorine Liquid(900 kg/Cyl) 4
Ammonia (NH3) Liquid 5
GasKemasanTabung 6
Corrosion Inh.Kurilex L
-
109 7BlueDye 8
AlumuniumSulfat 9
Setiap pengadaan pada PT Pertamina telah diatur padaSurat Keputusan Direktur 75 Tahun 2008
.
Untuk Nitrogen Liquid,pengadaan dilakukan dengan cara pemilihan langsung. Beberapa vendor yang memiliki nilai tertinggi diundang untuk menyerahkan berkas yang diperlukan. Kemudian vendor yang telah memenuhi syarat adminstratif diundang dalam pelelangan.
Penawaran oleh vendor akan diterima sesuai dengan nilai Owner Estimate(OE)yang ditetapkanoleh perusahaan.
Owner's Estimate (OE)/Harga Perhitungan Sendiri (HPS) adalah perkiraan harga yang dikalkulasikan secara keahlian,yang dapat digunakan sebagai salah satu acuan dalam menilai kewajaran harga (SK Direksi PT Pertamina 75, 2008). Apabila dibawahOE, hargapenawaran dapat diterima.Sedangkan apabila harga penawaran di atas harga OE, penyesuaian OE perlu dilakukan lagi. Namun apabila setelah penyesuaian harga penawaran tetap berada di atasOE, pengadaan dinyatakan gagal dan perlu dilakukan proses ulang pengadaan. Dengan demikian, OE perlu dibuat sewajar mungkin agar proses ulang pengadaan tidak teijadi tetapi perusahaan tetap memperoleh harga yang serendah mungkin
.
PTIndogasraya Utama PTAnekaGasIndustri PTSamator
PTAirLiquideIndonesia PTIndustria Niagajasa Adhitama PTInter Gas
Gambar 1.1 Supplier Nitrogen Liquid
(Sumber : SAPdanMySAPPTPertamina)
1.2Perumusan Masalah
Pengadaan dengan kontrak jangka panjang ini sebelumnya belum pemah dilakukan oleh perusahaan. Sedangkan penentuan hargapada kontrak jenisinicukup rumit karena melibatkan harga pasar yang tidak menentu dalam jangka waktu beberapa tahun.
Tentunya perusahaan menginginkan harga yang terbaik berdasarkan Present Worth (PW) terkecil.Selain itu, perusahaan juga dapat memperoleh informasi mengenai metode mana yang sebaiknya dipakai pada beberapa durasi kontrak yang berbeda.
Oleh karena itu,penelitian ini mencoba untuk menghitung harga
kontrak tiga metode yaitu kontrak harga tetap {fixed-price contracts),kontrak harga meningkat{escalating pricecontracts), dan kontrak harga referensi {market price contracts) (Joskow, 1988)
.
Kemudian dari ketiga metode tersebut, harga dan waktu terbaikakan diperoleh dengan mempertimbangkan bunga.1.3 Tujuan Masalah
Tujuandari dilaksanakannyaTugas Akhirini adalah:
1
.
Memperoleh metode peramalan terbaik untukmemprediksikanhargaNitrogen Liquid.
2. Memperoleh faktor
-
faktor yang mempengaruhi harga Nitrogen Liquid.3. Memperoleh metode price adjustment terbaik dalam penentuan harga kontrak jangka panjang Nitrogen Liquid. 4. Memberikan informasi mengenai harga kontrak Nitrogen
Liquid yang terbaik pada beberapa durasi kontrak yang berbeda.
1.4 Ruang Lingkup Permasalahan 1.4.1 Batasan Permasalahan
Batasan yang digunakan dalam penelitian Tugas Akhir ini adalah penelitian akan dilakukan di PT Pertamina RU VI Balongan. Sebenamya terdapat unit pengolahan / refinery unit yang ada di Indonesia. Namun, hanya RU VI saja yang akan ditinjau.
1.4.2
.
Asumsi PermasalahanPermasalahan yang dibahas dalam Tugas Akhir ini dilihat dari sudut pandang Buyer
.
Buyer yang dimaksud adalah PT Pertamina. Oleh karena itu, harga kontrak yang terbaik adalah harga kontrak yang menguntungkan PT Pertamina, yaitu harga kontrak terendah.1.5 Manfaat Penelitian
Manfaat yang diperoleh perusahaan dari penelitian Tugas Akhiriniadalah:
1. Memberikan rekomendasi harga kontrak yang terbaik berdasarkan Present Worthterkecil sebagai dasar pembuatan owner estimate dan bargaining position yang kuat saat melakukannegosiasi.
2. Memberikan rekomendasi waktu kontrak yang tebaik untuk LTSA NitrogenLiquidberdasarkan Present Worth terendah.
TINJAUAN PUSTAKA 2.1SupplyChain Contracts
Seiring dengan supply chain yang semakin berkembang akhir
-
akhir ini, koordinasi dan sharing informasi antar anggota supply chain untuk meningkatkan efisiensi sistem menjadi hal yang menarik untuk dipelajari (Thomas dan Grifin, 1996). Banyak studi yang telah menyadari mengenai permasalahan pemenuhan order yang dihadapi oleh manufaktur. Dilema ini teijadi karena manufaktur harus mengirim sejumlah produk dengan jadwal yang ketat sedangkan persediaan harus ditekan untuk meminimalisir resiko. Untuk menyelesaikan dilema tersebut, manufaktur biasanya melakukan pengadaan dengan membuat suatu komitmen berdasarkan peramalan permintaan. Karena keutungan dari memiliki komitmen dengan supplieryang memiliki kapasitas besartidak berpengaruh langsungpada biaya, manufaktur harus memberikan insentif apabila teijadi overforecast sehingga pembelian teijadi lebih sedikit daripada yang seharusnya. Sebaliknya, supplier juga harus menjaga persediaan relatif rendah untuk menghindari kelebihanpersediaan yang tidak perlu.Kontrak supply chain telah merekomendasikan mekanisme koordinasi yang menyediakan insentif untuk semua anggota supplychainsehingga desentralisasi dan supply chainyangtidak berkoordinasi dengan seharusnya dapat terintegrasi (Cachon, 2002; Jammemegg dan Kischka,2005).Biasanya kontraksupply didesain untuk menggeser beberapa resiko ke manufaktur sehingga supplier dapat beroperasi dengan kapasitas yang lebih tinggi. Kontrak supply chain seperti buyback,quantity flexibility, backup, price protection, revenue sharing, profit sharing, dan sales rebate telah dipelajari secara mendalam pada literatur sebelumnya (misal, Wang dkk., 2004). Kontrak
-
kontrak tersebut telah menunjukkan keefektifannya jika permintaan diketahui setelah manufakturplaceorder.
7
Ketika kontrak jenis tersebut telah menjadiumumdan efektif pada beberapa industri, skenario bahwa permintaan telah diketahui sebelum manufaktur place order pada supplier mulai dipelajari dan skenario kontrak sebelumnya menjadi tidaksesuai. Suatu kontrak yang efektif harus berfokus padajumlah kapasitas supplier danpermintaan akhir. Untuk memperolehkapasitasyang mendekati level yang ideal, kontrak tersebut harus dapat mendorongsupplier untuk meningkatkankapasitas.
Hasilnya mengindikasikan bahwa supplier cenderung untuk mengatur kapasitas di bawah level optimal supply chain (Frascatore dan Mahmoodi,2008). Akantetapi,manufaktur dapat menginduksi supplier untuk membuat kapasitas lebih tinggi dengan penawaran kontrak yang berulang, yaitu kontrak jangka panjang.Hasilnya juga menunjukkan bahwa kapasitasyang lebih tinggi dapat meningkatkan profit potensial per periode manufaktur dan supply chain
.
Selain itu, tujuan dari kotrak ini juga untuk menggeser dari kecenderungan setiap anggota yang sebelumnya hanya mencari keutungan masing-
masing menjadi sikapantaranggota supply chain yanglebihkolaboratif.2.2Price Adjustment pada Kontrak Jangka Panjang
Kontrak jangka panjang adalah kontrak yang berdurasi lebih dari satu tahun. Kontrak jangka panjang melibatkan sejumlah syarat dan ketentuan. Salah satu yang terpenting adalah harga. Berdasarkan ketentuan harganya, kontrak jangka panjang dapat dibagi menjadi tiga(Joskow,1988),yaitu:
a. FixedPrice Contracts
Kontrakinimewakiliharga sekarang danmasayang akan datang berdasarkan ekspektasi harga pasar saat kontrak tersebut dibuat. Pada umumnya, biaya produksi diperkirakan akan naik dari waktu ke waktu. Saat awal kontrak, harga awal akan relatif tinggi terhadap harga pasar, fixed-price sebelumnya, dan biaya produksisaat itu.Tren ini akan menurun hinggasuatu saatharga
kontrak mencapai titik yang sama dengan parameter
-
parameter tersebutdanpadaakhimyahargakontrak akan jatuhdibawahnya.Pada kasusseperti ini, suppliermempunyai peluangyang kuat untuk menyimpang dari ketentuan kontrak yang telah disepakati. Halini dikarenakansupplierdapat menjual produknya ke tempat lain dengan harga yang lebih tinggi dan biaya yang harus ditanggung untuk tetap menjalankan kontrak lebih besar daripada pendapatan yang akan diterima. Terlebih lagi apabila biaya produksi dan harga pasar meningkat pesat daripada yang diprediksikan,peluangpenyimpangan iniakansemakin besar. b. Market Price Contracts
Kontrak ini cukup sederhana, yaitu harga kontrak disesuaikan dengan perubahan harga pasar. Jika supplier dapat berproduksi dengan efisien, kemungkinan harga kontrak tidak berada di bawah biaya produksi. Namun apabila sebaliknya, supplier lebih baik membeli dari pihak lain daripada memproduksinya sendiri.Permasalahanutamapada Market Price Contract adalah penentuan acuan harga pasar sebagai harga kontrak.
c. Escalating PriceContracts
Dalam jangkapanjang,hargaproduksi diperkirakan akan mengalami naikturun. Secara umum,harga kontrak adalah harga dasar yang mencerminkan kondisi supply and demand sesungguhnya dan disesuaikan dengan perubahan harga pasar.
01eh karena itu, harga kontrak dapat disusun atas harga dasar produksi supplier saat itu kemudian disesuaikan menggunakan rumus yangmembobotkan faktor eksogenus.
2.3Metodologi PeramalanHarga
Terdapat banyak metode yang telah dikembangkan untuk meramalkan suatu harga. Diantaranya ialah kombinasi autoregressive integrated moving average (ARIMA) dan Generalized autoregressive conditional heteroskedastic
(GARCH), artificial neural network (ANN), Dynamic Regression, serta Kalman filters dan support vector machines (SVM) (Tan dkk., 2010; Lin dkk.(a), 2010; Lin dkk.(b), 2010;
Conejo, 2005; Huang, 2008). Bahkan dari beberapa metode tersebut mengahasilkan suatu persamaan harga seperti penggunaan ARMAX(Arciniegas dan Rueda,2008):
Price = ai + a2NYA + a3NYM + CL\? + a5T + a6G + a7L + a8NYA2+
0912
+aioP
1+ a\\IE +ai2£2+ a13O2+0|4G2+ai5Summer + ai6Winter +
anFall
+ ai8Pricet _
iai9
Pricet
.2+a2oPricet
.3+ (2.1) Menurut Aggarwal (2009), model peramalan harga dapat diklasifikasikan menjaditigayang bisa dilihat padaGambar2.1. 2.3
.
1 Game TheoryModelKelompok model pertama ialah berdasarkan teori permainan. Hal yang menarik sekali untuk memodelkan strategi dari partisipan pasar dan mengidentifikasi penyelesaian permainan tersebut.Padakelompok model ini,model equilibrium menjadikan analisa strategi keseimbangann pasar sebagai poin utama. Terdapat beberapa model equilibrium seperti Nash equilibrium, model Cournot, model Bertrand, dan model supply faction equilibrium
.
2.3.2SimulationModel
Bentuk dari model ini tergolong kelas kedua dibandingkandengan teknik peramalan harga lain,dimana model dari sistem dibuat, dan solusi diperoleh dengan menggunakan algoritma yang mempertimbangkan suatu fenomena fisik mempengaruhi proses tertentu. Kemudian,berdasarkanmodeldan dan prosedur tersebut, metode simulasi menghasilkan model matematis untuk menyelesaiakan peramalan harga
.
Peramalan hargadengan metode simulasi menirukan keadaan sesungguhnya dengan ketentuan dan konstrain sistem operasi. Metode simulasimenuntut tersedianya informasi detail mengenai sistem harga.
Bagaimana pun, metode ini memiliki dua kelemahan
.
Pertama,metode ini membutuhkan data detail sistem operasi. Kedua, metode simulasi sangat rumit untuk diimpelentasikan dan perhitungannyamembutuhkan biayayangrelatif tinggi.
PriceForecasting Models
*
tGame Theory Models
Time Series
Models Simulation Models
T Artificial
Intellegence Based Models Parsimonious
Stochastic Models Regression or
Causal Models
t T
Neural Network Based Models
Data-Mining Models
Gambar 2.1 Klasifikasi Model Peramalan Harga
(Sumber:Electricity priceforecasting inderegulated markets: A review and evaluation,2009)
2.3.3Time SeriesModel
Time series analysis adalah adalah metode peramalan yang fokuspada perilaku masa lalu variabel terikat
.
Beberapa variabel eksogenus juga dapat dipertimbangkan dalam time series.
Berdasarkan timeseries,terdapattiga model peramalan.2.3.3.1 Model Stokastik Parsimonious
Banyak model stokastik yang terinspirasi oleh literatur finansial. Time series stokastik dapat dibagi menjadi proses stasioner dan proses nonstasioner. Asumsi dasar kestasioneran berdasarkan erroradalah rataan nol dan variansi konstan. Model autoregressive integrated moving average (ARIMA) mencoba untuk mengakomodasi evolusi incremental pada harga. Dengan menggunakan operator yang berbeda, transformasi proses nonstasioner menjadi proses stasioner dapat dilakukan
.
Jenismodel dimana variansi konstan tidak dibutuhkan adalah heteroskedastic
.
heteroskedastic
mempertimbangkan variansi sebagai fungsi waktu. Pada semua model tersebut, harga diekspresikan dengan data historis dan proseswhitenoise
.
Jika variabellaindipengaruhioleh nilaiharga, efek dari variabel tersebut dapat dihitung dengan model multivariate seperti transfer function (TF) dan model ARMA dengan variabeleksogenus(ARMAX).Generalized autoregressive conditional (GARCH) adalah model yang
2.3
.
3.2 Model Regresi atau kausalModel peramalan regresi adalah model yangberdasarkan teori hubunganantaravariabel terikat dansejumlahvariabel bebas yang telah diketahui. Harga dimodelkan sebagai fungsi beberapa variabel eksogenus. Variabel dari model ini diidentifikasi pada dasarhubunganketerkaitan setiapvariabel bebasdenganvariabel harga(terikat).
2.3.3.3 ModelArtificial Intelligence(AI)
Model ini mungkin dapat dikategorikan sebagai model nonparametrik yang memetakan hubungan input-output tanpa menggali lebih lanjut mengenai proses yang teijadi. Model AI memiliki kemampuanuntuk mempelajarihubungan kompleks dan nonLinear yang sulit dimodelkan secara model konvensional. Model AI dapat dibagi menjadi dua kategori, yaitu artificial neuralnetwork(ANN)dan data-mining
.
2.4Artificial Neural Network(ANN)
Neural network terdiridari elemen sederhanayangberoperasi secara paralel. Elemen
-
elemen initerinspirasi darisistem syaraf biologis. Secara natural, hubungan antara elemen menentukan fiingsi jaringan.
Neuralnetwork dapat dilatih untuk menghasilkan sebagian fungsi dengan menyesuaikan nilai hubungan (bobot) antar elemen (Hagandkk., 2010).Neural network disesuaikan atau dilatih sehingga masukan tertentumenghasilkan keluaran target.Pada Gambar 2.2, jaringan disesuaikan berdasarkan keluaran dan target sampai jaringan sesuai dengan target. Oleh karena itu, sejumlah masukan dan targetberpasangan dibutuhkanuntuk melatihjaringan.
Beberapa langkah standar dalam mendesain neural network untukmenyelesaikanpermasalahan adalah sebagai berikut:
1. Mengumpulkandata 2. Membuatjaringan 3.Merancangjaringan 4
.
Inisialisasi bobotdan bias 5. Melatihjaringan6.Validasijaringan 7. Menggunakanjaringan
Sebuah neuron adalah unit pemroses informasi yang sangat vital dalam operasi suatu neural network. Gambar 2.3 memperlihatkan suatu model neuron yang menjadi dasar desain suatuneuralnetwork
.
Elemen-
elemendasarmodelneuronadalah: 1. Set synapsis atau link penghubung, yang ditandai denganadanya bobot atau kekuatan dari link ini.Secara lebih detail, suatu signal Xj pada synapsis j dihubungkan ke neuron k dikalikan dengan bobot w
^
. Perlu dicatat bagaimana indeks pada bobotsynapsisini wkjdituliskan. Indekspertama yaitu k menunjukkan neuron dan indekskedua j menunjukkan input keberapa.2. Penambah, yaitu untuk menjumlahkan signal input yang diberi bobot
.
Operasi iniadalah kombinasi Linear.3. Fungsi aktivasi (activation function), untuk membatasi besamyaoutputdarisuatuneuron.
Target
Neural Network termasuk koneksi
(bobot)antar neuron
Keluaran Masukan
4
Penyesuaian bobot
Gambar2.2 Diagram ProsesNeuralNetwork
(Sumber:Neural Network Toolbox7User'sGuide)
Dalam model neuron, Gambar 2.3.,termasuk di situ adalah bias dinyatakan sebagai
bk
atauWa .
Biasbk
mempunyai fungsi untukmenaikkan atau menurunkan net input untuk fungsi aktivasi, tergantung nilainyapositifatau negatif.
Gambar2.3 Model Neuron
(Sumber:Data Mining,TeoriPemanfaatan Data untuk KeperluanBisnis, 2007)
Neuronk biasdideskripsikansecaramatematis
I
m W k J X j (2.2)uk
=
j=1 dan
(2.3) yk
=
<jp(uk+
bk)dimana:
xhx2,
xm
=signalinputwk],wk2, Wkm= bobotdaritiapsynapsis k
= kombinasi Lineardari output yangdihasilkan signal
-
signaltersebut= bias
= fungsiaktivasi
=
signaloutputdari neuronyangbersangkutan.Uk
bk
<p(
-
)yk
Pemakaian bias memberi pengaruh terhadap output dari neuron adalahvk
=
uk+ bk
atauX
m Wk>xi
”
k=
(2.4)7
=
0Dan yk
=
q>{ vk ). Dalam persamaan 2.4, satu synapsis ditambahkan untuk mengakomodasi term b yaitux
0= +
1 danbobot untuk synapsis wk0
= bk
.Sedangkan jenis fungsi aktivasi yangbiasa dipakai dalam neural network adalah Fungsi Sigmoid sebagai berikut: f(x)=
14"^—
dimanaa>
0 (2.5)2.4.1Single-LayerPerceptron
Perceptron adalah bentuk desain neural network yang palingsederhanayangdigunakan untuk mengelompokkan obyek dari dua kelas yang bias dipisahkan secara linier (lihat Gambar 2.4). Perceptron terdiri dari sebuah neuron dengan synapsis dan biasyang nilainya bias diatur untukmendapat solusi yang tepat.
Rossenblatt membuktikan bahwa jika data yang digunakanuntuk mentraining peceptron tersebut diambil secara random dari set obyekdari duakelasyang bias dipisahkan secara linier,algoritma perceptron akan mencapai konvergensi (didapat solusi) yang memisahkan obyek dua kelas tersebut setelah sekian iterasi.
Perceptron dengan satu neuron terbatas untuk menyelesaikan kasus klarifikasi dua kelas saja. Dengan menambah jumlah neuron diharapkan bias mengatasi kasus dimana obyek berasal darimultikelas,tetapi terbataskasus yang linier.
Gambar 2.4 Grafik Aliran Signal dalam Perceptron
(Sumber:Data Mining,Teori Pemanfaatan Data untuk Keperluan Bisnis, 2007)
2.4.2 ProsedurLearning
Tujuan dari proses learning di sini adalah untuk menemukan bobot w dan bias, b atau WQ sehingga network secara tepat menghasilkan output [
-
1,+1] untuk setiap data training yang dimasukkan. Ada beberapa algoritma untuk mentraining suatu network. Metode-
metode optimasi untuk mendapatkan nilai w dan b yangoptimal sangat penting sebagai landasan untuk mentraining ANN dengan banyak neuron. Salah satu cara melatih perceptron adalah dengan mengawali nilai w dan b dengan nilai random, lalu secara iteratif memperbaharui nilainya untuuksetiap titik data bila nilai outputnya tidaksesuai dengan output yang diinginkan. Proses ini diulang sampaiditemukan nilai w dan b yang menghasilkan output yang tepat sesuaiyangdiinginkan untuksemuadatatraining.
Metode Gradient Descent menjadi dasar algoritma Back Propagation yang sering digunakan untuk mentraining neural network dengan banyak neuron. Misalkan perbedaan antara output sebenamyadenganoutput perceptron didefinisikansebagai E,dimana E bergantungpada nilai bobot yang ditemukan, maka persamaan(2.6)bisadiperolehsebagai berikut :
E(W)
=
^
t£\
Tdt
- yt)2 (2.6)dimana :
T =setsampeldatatraining
dt
=output yang diinginkanuntuktitik datat yt =outputyang didapatuntuktitik data tDengan metode gradient descent, turunan E perlu dicari untuk melakukan update terhadap vector bobot w
.
Turunan E terhadap wadalahdE dE
_
dw0’ dw1' 'dwm
dE -
(2.7) VE(vv)
=
Denganmetodeini,updatewdilakukan dengancara w <r
-
w+
Aw dimana Aw= —
r]VE(w)Di sini, 7] adalah bilangan positif. Menurut metode ini, w di
-
update dengan mencari arahyang berlawanan dengan gradien.Ini sesuai dengan teori steepest descent method dalam optimasi bahwa arah untuk mencapaititikoptimal darisuatufungsiadalah negatifdari gradient fungsi tersebut di titik tertentu. Dengan cara update seperti ini, nilai E diharapkan makin lama makin kecil sehingga ini akan membuat output yang dihasilkan sama dengan output sebenamya.Untuksetiapkomponen w,bisadituliskan
dE
wi+i wi
+
Aw;dimanaAw;= -
r j-
O W j—
(2.8)
(2.9)
2.4.3Algoritma Back
-
PropagasiSalah satu metode untuk mentraining multilayer neural networks adalah algoritma back
-
propagasi yang menggunakan learning rule gradient descent.
Algoritma ini sangat bermanfaat, cukup handal,dan mudah dipahami.
Selain itu, banyakalgoritmayang lain mendasarkan prosesnya pada back
-
propagasi.
Penjelasannya adalah sebagai berikut. Erroradalah selisihantara target yang sebenamya dan keluaran dari network pada unit output.
ej{ri)
= dj
(n)-
y,
(n) (2.10)Error untuk training adalah jumlah keseluruhan error untuk semuaunitoutput
.
Dalam hal contoh ini ada j unit output.
E(ri)
= P
^
Jef
(ri) (2.11)Sedangkan menurut gradient descent learning rule, w diupdate dengancara:
wn
{n+
1)= vvy
(n)+ AWji
(n)Sedangkan
Awji
(n) adalahAWji = —
pDimana Eadalaherrortraining
(2.12) (2.13)
£(w)
= l
^
k=1(d k
-yk)2 (2.14)Di sini output adalah set unit output dalam network,
dk
adalah nilai target untuk unit k, danyk adalah outputsebenamya untukunit k.Untuk memudahkan pembahasan , beberapa notasi dipakaisebagaiberikut:• x
)i•
Wjiunit j
=inputke
-
zke unitj= bobot yang berhubungan dengan input ke
-
z ke•
netj =ZiWjiXji
jumlah dari semua input dengan bobot untukunit j=cp(netj) outputyangdihitungolehunit j
=fungsiaktivasi nonLinear
=
Z(wkjyj jumlah dari semua input dengan bobot•
Vj•
<P•
netk untukunitk=(p(netk)keluaran yangdihitungoleh unitoutput
•
ZkUntuk update w dengan menggunakan persamaan 2.13 ada dua prosedur, dimana hal ini tergantung dimana posisi unit neuron yaitusebagai berikut:
1. Prosedur training untukunitoutput Keluarandarineuronjadalah
m
^ wn
(n)y;(n)vj(ji)
=
(2.15)i=0
Dimana m adalah total jumlah input termasuk bias, y(n) adalah neuron i dari layer sebelumnya. Jadi keluaran dari neuron inisetelah menerapkan fungsiaktivasiadalah
Vj (n)
=
<p(
fy(n))
(2.16)dimana <p(. ) adalah fungsi aktivasi nonLinear. Sedangkan
d E(n) d w j i(n)
turunanE( fungsicost)terhadapWji atau ,dimana dE (n) dE
dej
(ri)dyj
(ri)dvj
(n)(2.17)
dwji
(n) de}(n)dyj
(n)dvj
(n) dw^
(n)d E d e j{n)d y j(n) Dimana
Sj
(ri
)=
dari
ej(n)<p'
(
vj (n))
adalah gradient lokal d e j{n)d y j(n)d v j(n)
neuron j sehinggadiperoleh persamaan 5;(n)
=
(2.18)
Kemudian bisa diringkas delta ruleuntukneuron output j : dE(
ri
)Untuk lebih jelasnya, mekanisme back
-
propagasi untuk neuron outputinibisadilihatadaGambar2.5 (a).= vSj
(n)yi(n) (2.19)Neuron j
(a) Neuronj
(b)
Gambar 2.5 Mekanisme back
-
propagation pada(a)output layer(b) hidden layer(Sumber:DataMining,Teori PemanfaatanDatauntukKeperluan Bisnis, 2007)
2. Training untukunithidden
Gradien lokal didefinisikan kembali untuk neuron j sebagai berikut:
dE
dyj
(n)(2.20)
Sj
(n)= dyj
(n)dvj
(n)3yy(n)
_
dl7y(n)
didefinisikansebagai
=
<p '(
v/(n)) -
Dimana Sedangkan fiingsi cost
E
=
^
k\
ek )2{n) (2.21)Dimana neuron k adalah neuronoutputsehingga
Sj
untuk unithidden
<p'(.vk (n))
^
k ek(ri)<p'( y
>j(rij )
wkj(n) (2.22)5y(n)
=
Tetapi dari definisi sebelumnya diketahui bahwa ek( n)<P'( vk(n) )
= fijOi
) sehingga untuk mengupdate Wji bisa digunakan'(Vk(n))
^
kSfc
(n) wk/(n)8j(n)
=
(2.23)Untuk lebih jelasnya, mekanisme back
-
propagasi untuk neuron hidden ini bisa dilihatpadaGambar 2.5(b).Berikut adalah ringkasan cara keija back
-
propagasi (Lihat Gambar2.6) :1. Feedforward
•
Hitung signal input z_in =bias+X
wx•
Terapkan fiingsi aktivasizn
= (p(z_
in ) dan hasilnya merupakan input bagi unit untuk layer berikutnya.•
HitungsignalinputQ
ZZJLTlj
=
V0j+
^
W t l j•
Terapkanfungsiaktivasi zzj=
(p( zz_ irij
)lalu hasilnya digunakan untuk input bagi simpul output.Jumlahkan signaloutput•
Jumlahkan signalinputyin=
w0+ Y /
j•
Terapkanfungsiaktivasi y=
cp(yjn)(2.24)
/1=1
Gambar2.6 Back-propagation network dengan 2 hidden layer (Sumber:Data Mining,Teori PemanfaatanDatauntukKeperluanBisnis,
2007)
2. Back
-
propagasiUntuksetiapunitUntuk setiap unit
Yk ,
e=d -yUntuk titikdatayang sekarang
•
Kalikan dengan turunan dari fungsi aktivasi S=
ecpiyjn)
•
Hitungperubahan bobotAw, =
rj5zZj•
Hitung perubahan bias Aw0=
r|8 dan 8 dikirim ke unit hiddenZZjUntuksetiapunit hiddenZZy=I,. .p
•
Jumlahkan input dengan bobotdarilayerdiatas PS
_
irij=
(2.25)7
=
1•
Lalu dikalikan dengan turunan fungsi aktivasinya hasilnya=
5_
in;<p(
zz_
in;)
•
Hitung koreksi bobot untuk mengupdate t , A= ilSjXj
•
Hitungkoreksibias untuk mengupdate v0j-, AvQj=
r|8j•
Danmasukkan 8jkeunithidden(Zh
,h=
1,. .,q)Untuksetiapunit hidden
Zh
,h=
1,. .,q)•
Jumlahkaninputberbobot dariunit-unit pada layer diatas untuk mendapatkanv
2 > ,
(2.26)AJnh =
7=1
•
Kalikan dengan turunan fungsi aktivasinyaSh =
8
Jnh
(p'(zzJnh
)•
Hitung koreksi bobot untuk mengupdateAuih =
Tl8hXi
•
Hitungkoreksibiasuntukmengupdatev0j-,Avoh =
r|8h3. Update untuk bobot danbias
•
Untuk setiapunitoutput(/'=0,..,/?;k=],..,m);wJk
(new)=
wjk( old )
+
8wjk•
Untuk setiap unit hidden ZZj (h=
0,. .,qm,j=
vhj( new )
=
17h;(o/d)+
8vhj•
Untuk setiap unit hiddenZZh
(i=
0,..
,n;h=
1 uih(new)
=
uih(old)+
2.5PengukuranPerformansiPeramalan
Terdapat pengukuran performansi peramalan dengan membandingkan data aktual dengan data hasil peramalan yang disebut juga dengan error. Berikut ini adalah beberapa pengukuran performasiperamalan(Tersine,1994):
a
.
A/eartSquareError(MSE)SLi
Cv-yj)2 (2.27)MSE=
b. A/ea/iAbsolute Deviation(MAD)
g
,ily-
yil (2.28)MAD=
c. MeanAbsolutePrecentageError (MAPE)
100£”=1
te
-Zd
(2.29) MAPE
=
2.6 Konsep Bunga
Ekonomi teknik menaruh perhatian pada evaluasi altematif teknik. Altematif itu biasanya bercirikan estimasi jumlah dan penentuan waktu pemasukan dan pengeluaran masa depan. Karena nilai
-
waktu uang itu berkaitan dengan efek waktu dan tingkat suku bunga dalam jumlah moneter, efek itu hams diberi perhatian utama dalam studi ekonomi teknik. Untuk melakukan ekivalensi nilaiuang,hal yangperlu diketahui ialah jumlah yang dipinjam atau diinvestasikan, periode / waktu peminjaman atau investasi,dantingkatbungayangdikenakan (Nyoman,2003). 2.6.
1PerhitunganBungaDefinisitingkat bunga menurutANZI Z94.5