BAB I PENDAHULUAN
1.1 Latar Belakang Kemajuan dunia teknologi dan industri yang semakin cepat membuat perusahaanperusahaan yang bergerak di bidang manufaktur membutuhkan suatu sistem yang lebih efektif dan efisisen yang nantinya akan mendukung mereka dalam bersaing di berbagai bidang ekonomi, politik ataupun sosial agar semakin tinggi dan memenuhi kebutuhan pelanggannya. Oleh karena itu setiap perusahaan dituntut untuk bisa mengatur sistem manajemennya dan mengendalikan sistem produksinya ke tingkat yang lebih baik. Tujuan pengendalian produksi adalah merencanakan dan mengendalikan arus bahan baku produksi mulai dari masuk ke dalam system hingga keluar dari sistem menjadi sebuah output produk. Pengendalian produksi dituntut untuk dapat menilai secara kontinyu permintaan konsumen, modal perusahaan, kapasitas produksi dan lain-lain. Perencanaan produksi dapat mudah dibuat jika permintaan bersifat konstan dan waktu produksi tidak menghambat. Namun pada kenyataannya tingkat permintaan akan berfluktuasi dan waktu produksi dibatasi oleh perusahaan sehingga tidak mudah dibuat. Pada studi kasus yang diberikan yaitu PT !" merupakan suatu perusahaan yang bergerak di bidang produksi kaleng dengan jenis sistem produksi make-to-order. #ari semua proses yang dilakukan mulai dari pemesanan bahan baku hingga pengiriman sangat bergantung pada jumlah pesanan dari konsumen. $aka dari itu, diperlukan sebuah metode agar perusahaan dapat mengantisipasi fluktuatifnya permintaan konsumen. #engan melakukan perencanaan secara menyeluruh meliputi peramalan permintaan, perencanaan agregat, pengendalian persediaan, perencanaan kebutuhan material, maupun penjadwalan inilah tujuan akhir perusahaan untuk memksimalkan keuntungan serta dapat mengembangkan usaha dapat dicapai. 1.2 Rumusan Masalah %umusan masalah pada studi kasus ini adalah& '. ,. -. (agaimana metode $ ,)$ ,dan *ksponensial dapat di aplikasikan untuk meramalkan permintaan berdasarkan data historis PT. !" + (agaimana mnghitung perencanaan agregat yang ada pada PT. !" tersebut+ (agaimana menghitung jadwal permintaan tiap periode dari PT. !"+
201 3
1.3 Tujuan Tujuan dari studi kasus ini adalah& '. #apat memahami dan mengaplikasikan peramalan permintaan berdasarkan data historis menggunakan metode $ , )$ dan *ksponensial dari perusahaan ada pada PT. !". 1
Universitas Brawijaya
201 3
Universitas Brawijaya
201 3
"ambar ,.' Manu acturing !lanning and "ontrol .$P3/ !ystem !umber& 4ournal of $anufacturing Planning and 3ontrol 3hapter ' Kegiatan yang terjadi pada $P3 system sangatlah komplek hal ini dikarenakan $P3 merupakan kegiatan manufaktur yang dimulai dari perencanaan produksi sampai proses eksekusi. Kegiatan tersebut meliputi perencanaan bisnis sebagai dasar membuat rencana pemasaran, marketing planning sebagai dasar untuk membuat production planning, production planning rencana tentang beberapa yang akan dibuat pada tiap periode yang biasanya dinyatakan dalan satuan agregat, $P! . Master 3 Universitas Brawijaya
201 3
(eberapa metode yang dapat digunakan dalam melakukan peramalan adalah metode )eight $o6ing 6erage, *7ponential !moothing, dan )inter method. 8ntuk lebih jelasnya sebagai berikut& '. Moving Average Moving average diperoleh dengan merata-rata permintaan berdasarkan beberapa data masa lalu yang terbaru. Tujuan utama dari penggunaan metode ini adalah untuk mengurangi atau menghilangkan 6ariasi acak permintaan dalam hubungannya dengan waktu. Tujuan ini dicapai dengan merata-rata beberapa nilai data secara bersama-sama, dan menggunakan nilai rata-rata tersebut sebagai ramalan permintaan untuk periode yang akan datang. !ecara matematis, maka $ persamaan sebagai berikut & akan dinyatakan dalam
Ft =
X t + X t 1 + X t 2 + .... + X t n +1 N
!umber& 9akim Nasution dan :udha Prasetyawan, ,;;<&1; #imana & =t N ?t (. > Permintaan aktual pada periode t > (anyaknya data permintaan yang dilibatkan dalam permitungan $ > Peramalan permintaan pada periode t )eighted Moving Average Pada metode )$ , setiap data permintaan aktual memiliki bobot yang berbeda. #ata yang lebih baru akan mempunyai bobot yang tinggi karena data tersebut mempresentasikan kondisi yang terakhir terjadi. !ecara matematis )$ dapat dinyatakan sebagai berikut &
Universitas Brawijaya
201 3
diatasi dengan teknik *!. $odel ini mengasumsikan bahwa data berfluktuasi di sekitar nilai mean yang tetap, tanpa trend atau pola pertumbuhan konsisten. %umus *! dinyatakan sebagai berikut & S t = . X t + (1 ) Ft 1 !umber& 9akim Nasution dan :udha Prasetyawan, ,;;<&15 #imana & !t =t0.'-@/ ?t-' @ > > Peramalan untuk periode t > Nilai aktual time series > Peramalan pada waktu t-' .waktu sebelumnya/ Konstanta perataan antara ; dan '
2.1.1.2
Ukuran Akuras$ Has$l Peramalan 8kuran akurasi hasil peramalan yang merupakan ukuran kesalahan peramalan merupakan
ukuran tentang tingkat perbedaan antara hasil peramalan dengan permintaan yang sebenarnya terjadi. da 1 ukuran yang biasa digunakan yaitu& a. %ata-rata de6iasi mutlak .Mean Absolute Deviation+ $ ## $ # merupakan rata-rata kesalahan mutlak selama periode tertentu tanpa memperhatikan apakah hasil peramalan lebih besar ataukah lebih kecil dibandingkan dengan kenyataannya. !ecara matematis, $ # dirumuskan sebagai berikut& $ #> !umber& 9akim Nasution dan :udha Prasetyawan, ,;;<&-1 #imana & > permintaan actual pada periode-t ?t > peramalan permintaan pada periode-t n > jumlah periode peramalan yang terlibat b. %ata-rata kuadrat kesalahan .Mean S%uare Error > $!* /
Universitas Brawijaya
201 3
2.1.2
Tujuan dari perencanaan agregat adalah untuk memberikan pemahaman konsep agregasi serta mampu menyusun rencana agregat dan mampu menyusun jadwal produksi induk dalam informasi perusahaan. !elain itu tujuan gregat Planning adalah membangkitkan .generate/ top le6el production plans. (asis dari P adalah hasil ramalan dan target produksi ditentukan oleh top level business plan nalisisnya dilakukan dalam kelompok produk P pada perusahaan adalah sebagai inter ace antara memperhatikan kapasitan dan kapabilitas perusahaan. .product amil$/ dengan unit agregat. Peran perusahaanAsistem manufaktur dan pasar produknya.
Universitas Brawijaya
201 3
$etode yang dipakai meliputi& '. $etode grafik .graphical methods/ a. !trategi murni .!ure strateg$/ b. !trategi kombinasi .mixed strateg$/ ,. Pendekatan matematik .mathematical approach# a. $odel program linier .linear programming model/ b. Transportasi model .transportation model/ -. 1. Cndek koefesien manajemen .management coe icient index/ !imulasi .simulation/
(iaya-biaya yang muncul dalam aggregate planning '. ,. -. Penambahan tenaga kerjaApengurangan tenaga kerja Bembur .o6ertime/A tidak lembur (iaya penyimpanan persediaan 7
Universitas Brawijaya
201 3
Universitas Brawijaya
201 3
#alam $%P terdapat - input yang nantinya akan dibutuhkan yaitu& '. 4adwal induk produksi ,. 3atatan keadaan persediaan -. !truktur produk 4adwal induk produksi didasarkan pada peramalan atas permintaan independent dari setiap produk akhir yang akan dibuat. 9asil peramalan dipakai untuk membuat rencana produksi agregat yang pada akhirnya dibuat rencana detail yang menentukan jumlah produksi yang dibutuhkan untuk setiap produk akhir beserta periode waktunya untuk suatu jangka perencanaan. 2.1.3.2.2 .ut-ut )ar$ MRP
%encana pemesanan merupakan output dari $%P yang dibuat atas dasar waktu ancang-ancang dari setiap komponen. )aktu ancang-ancang dari suatu item yang dibeli merupakan periode antara
Universitas Brawijaya
201 3
2.1.3.2.3
'.
/etting sebagai perhitungan kebutuhan bersih. #ata yang diperlukan dalam proses perhitungan kebutuhan bersih ini adalah& a. b. c. Kebutuhan kotoh untuk setiap periode Persediaan yang dipunyai pada awal perencanaan %encana penerimaan untuk setiap periode perencanaan
,.
0otting untuk menentukan ukuran slot Terdapat banyak alternati6e untuk menghitung ukuran lot, beberapa teknik diarahkan untuk
ongkos Fset-upG dan ongkos simpan, ada juga yang bersifat sederhana dengan menggunakan jumlah pemesanan tetap atau dengan periode pemesanan tetap.
-.
1 setting untuk penetapan besarnya lead time langkah ini bertujuan untuk menentukan saat yang tepat untuk melakukan rencana pemesanan
dalam rangka memenuhi kebutuhan bersih. %encana pemesanan diperoleh cara mengurangkan saat awal tersediannya ukuran lot yang diinginkan dengan besarnya lead time.
1.
Explosion sebagai perhitungan selanjutnya untuk item le6el berikutnya .dibawahnya/ *7plosion atau kita sebut saja proses e7plosion merupakan proses perhitungan kebutuhan kotor
untuk tingkat itemAkomponen yang lebih bawah, tentu saja didasar atas rencana pemesanan.
2.1.3.2.
!etiap sistem tentu memiliki beberapa keterbatasan, sehingga selalu saja ada hal-hal yang mempengaruhi tingkat kesulitan setelah sistem tersebut dioperasikan. (egitu pula dengan $%P terdapat 5 faktor yang mempengaruhi tingkat kesulitan dalamproses $%P yaitu& '. !truktur produk 10
Universitas Brawijaya
201 3
(eberapa teknik ukuran lot untuk satu tingkat dengan asumsi kapasitas tak terbatas yang banyak dipakai secara meluas pada industry mekanis dan elektronis secara berturut-turut adalah& '/ ,ixed !eriod 2e%uirement .?P%/ dalam metode ini besarnya jumlah ukuran lot adalah tetap, meskipun selang waktu antar pemesanan tidak tetap. ,/ 0ot ,or 0ot .B-1-B/ dalam teknik penetapan ukuran lot dengan ini dilakukan atas dasar pesanan diskrit, disamping itu teknik dilakukan atas dasar pesanan diskrit, disamping itu teknik ini merupakan cara paling sederhana dari semua teknik ukuran lot yang ada. -/ ,ixed 1rder 3uantit$ .?OH/ teknik ini sangat spesifik untuk menetukan persediaan item. Penentuan besarnya lot dapat semau kita atau dapatpula memakai intuisi yang sesuai dengan pengalaman pemakai. Kebijakan ini ditempuh untuk item-item yang biaya pemesanan .ordering cost# tinggi, dengan memenuhi kebutuhan bersih dari period eke periode. 1/ Economic 1rder 3uantit$ .*OH/ dalam teknik inipun besarnya ukuran lot adalah tetap. Namun perhitungannya sudah mencakup biaya-biaya pesan serta biaya-biaya simpan. Perumusan yang dipakai dalam teknik ini adalah sebagai berikut& *OH > #engan& # > rata-rata kebutuhan k > biaya pesan h > biaya simpan !umber& 9akim Nasution dan :udha Prasetyawan, ,;;<&,D' -. 0ead time yang berbeda-beda salah satu data yang erat kaitannya dengan waktu adalah lead time, dimana lead time akan mempengaruhi proses o setting. !uatu perakitan tidak dapat dilakukan apabila komponen-komponen pembentuknya belum siap tersedia. 1. Kebutuhan yang berubah maksudnya adalah dalam $%P memang dirancang untuk menjadi suatu sistem yang FpekaG terhadap perubahan-perubahan, baik perubahan dari luar .permintaan/ maupun dari dalam .kapasitas/.
Universitas Brawijaya
11
201 3
Universitas Brawijaya
12
201 3
3." Pr*ses Pr*)uks$ Pada perusahaan !" bagian Produksi-Assembl$ bertanggung jawab dalam perakitan komponen dengan body kaleng. Pembuatan kemasan kaleng dilakukan dengan menyambung lembaran plat timah hingga membentuk kaleng. (erikut ini merupakan alur proses produksi- assembl$ kaleng yang dapat dilihat pada bagan dan lowchart di bawah ini&
Universitas Brawijaya
13
201 3
Universitas Brawijaya
14
201 3
Universitas Brawijaya
15
201 3
(erikut untuk penjelasan masing-masing prosesnya& '. 2ounding 4 ,lexing Proses rounding adalah proses penggulungan lempeng plat timah untuk membentuk bodi kaleng sebelum proses welding. ,. )elding )elding adalah proses penyambungan body untuk pembentukan kaleng selain dengan proses keaping dan soldering. Penyambungan kaleng menggunakan sistem ini disebut juga welding side seam. -. Expanding Expanding adalah proses pembentukan body hasil welding menjadi bentuk kotak. !elain itu, expander juga digunakan untuk membentuk kerucutAcone pada kaleng. $esin otomatis expanding yang digunakan membuat round can-line auto yaitu mesin C!!AO!!. 1. ,langing ,langing merupakan proses untuk menghasilkan ,lange width .bagian dari body yang akan masuk dalam proses seaming/. 5. Double seam Double seam adalah proses untuk menyambung atau merangkai untuk menjadikan sebuah kaleng dari body dan komponen-komponen endukung seperti bottom, ring dan top endAtop lid. Proses seaming dibagi menjadi , yaitu seaming bottom dan seaming ringAtop endAtop lid. 2. !roses riveting ?ungsi ri6eting adalah sebagai tempat pemasangan handle plastik untuk kaleng-kaleng yang menggunakan handle sebagai alat bantu mengangkat atau membawa. Produk 2ound-can line manual, 2ound-can line auto dan 2ectangular can dibuat dari komponen sub-assembly plat timah, ring, bottom dan handle kaleng.(erikut ini tabel kuantitas kebutuhan masingi-masing komponen sub-ssembly& Tabel -.- Kebutuhan Komponen Sub-Assembl$
Universitas Brawijaya
16
201 3
Komponen sub-assembly yang digunakan merupakan raw-material yang diperoleh dari supplier PT. !". (erikut ini merupakan harga komponen sub-assembly dan nilai lead time rata-rata& '*m-*nen &u3/ assem3l1 (' (, ((1 Tabel -.1 Komponen Sub-Assembl$ dan Nilai Bead Time A4erage Lea) T$me Harga .r)er 5*st set$aPemes$nan , minggu %p ';5;;;Aunit %p. 5;;;; , minggu %p -5;;Aunit %p. 5;;;; ' minggu %p 5;;;Aunit %p. 5;;;; ' minggu %p 5;;;Aunit %p. 5;;;;
PT. !" setiap bulan selalu menyediakan persediaan tambahan .suku cadang/ komponen subassembly bottom yang dibeli dari supplier PT. ngkasa 8tama. Tujuan dari penyediaan suku cadang bottom yaitu untuk pemeliharaan kaleng. (erikut ini independent demand yang ber6ariasi pada komponen sub-assembly selama ', bulan terakhir .Tahun ,;',/. Tabel -.5 5ndependent Demand '*m-*nen Per$*)e 6aktu +3ulan, &u3/ ' , 1 5 2 D < assem3l1 (ottom 5; '5 < ,; 5D 15 '; 'I .(-/ Tidak ada persediaan pada awal bulan. PT. !" mempunyai
I ''
'; '1
'' <;
', '1
assembly. %ata-rata tingkat perakitan untuk masing-masing mesin adalah sebagai berikut& Tabel -.2 %ata-rata Tingkat Perakitan Komponen '*m-*nen Rata/rata +-erak$tan 7 jam8m$nggu, &u3/ $' $, $$1 $5 $2 assem3l1 (' ,5;; ,-;; ,,;; '<;; ',;; (, ('-;; (1 )aktu set up mesin untuk masing-masing mesin adalah sebagai berikut& Tabel -.D )aktu !et-up $esin !et-up )aktu .jamAminggu/ $' $, $$1 $5 5 2 5 1 1 $D '';; $< ';;; -
$2 -
$D -
$< , 17
Universitas Brawijaya
201 3
(iaya perakitan untuk semua mesin yaitu %p ,5;;;Ajam. Terdapat satu operator di setiap mesin dengan 1; jam per minggu merupakan standar kerja ' operator dengan upah %p -;;;; tiap jamnya. 8pah lembur diberikan sebesar %p '5;;; untuk tiap jamnya dengan batas waktu lembur sampai < jam tiap minggu. jam. (erikut ini kecepatan produksi masing-masing produk secara keseluruhan. Tabel -.< Kecepatan Produksi Pr*)uk 6aktu +men$t, P' < P, P5 !tock harus dilakukan pada masing-masing tahap produksi yang ada. !tock pada posisi awal, pada minggu ke-; adalah sebagai berikut& '*m-*nen &u3/assem3l1 (' (, ((1 Tabel -.I !tock Posisi wal Perse)$an ';; ,;; ,5; ,-; pabila jam tenaga kerja reguler dan lembur tidak dapat mencukupi kebutuhan, maka perusahaan akan menambah pekerja sub-kontrak, dengan biaya %p ',;;;Aorang per
Komponen sub-assembly mempunyai persediaan pada bulan ke-;. Tidak ada produk jadi yang disimpan .inventor$/. Produk jadi seluruhnya dikirim ke pemberi order atau konsumen setiap selesai proses perakitan. (iaya o6erhead yang ditetapkan sebesar %p 5;;.;;;,;; tiap minggu untuk biaya administrasi dan o6erhead proses manufaktur.
Universitas Brawijaya
18
201 3
"ambar 1.' "rafik #ata 9istoris Penjualan Produk ' PT. !" .1.1.1 Met*)e Mo!ing A!erage "ith Trend Permasalahan umum dalam menggunakan metode moving average with trend ini adalah bagaimana memilih n-periode yang diperkirakan tepat. #alam hal ini, dapat menggunakan beberapa nilai n-periode yang memiliki $ # .mean absolute deviation/ terkecil. #isini, dikemukakan penggunaan nilai n-periode n>, dan n>1. (erikut ini adalah contoh perhitungan manualnya
$ J ?.-/>
$ JJ ?.-/ >
Universitas Brawijaya
201 3
,;1.I,52 '22.-< '< Pada tabel 1., akan ditampilkan perbandingan dari hasil perhitungan error, tracking signal, serta grafik demand dan orecast untuk - jenis periode pada metode moving average Tabel 1., Perbandingan Error MA +3, --.,< .-,.5<'/ - .-'/ MA+", 2.-2 ' dan ,
'<25 D;,2I -'1,'D 2,-2 Tabel 4.2 Perbandingan Error (Lanjutan) MA +3, MA+",
Universitas Brawijaya
20
201 3
Ket& Ket& (iru > #emand K merah > forecast 2ra!$k (iru > #emand K merah > forecast -;,'ID 5,1MAPE Pada table perbandingan error diatas dapat diketahui bahwa rentang tracking signal pada keduanya tidak ada yang melebihi batas, jadi keduanya dapat dikatakan baik. $ # yang dimiliki $ .5/ lebih kecil yaitu 2,-2 dan $ # .-/ adalah --,,< yang berarti $ .5/ lebih baik daripada $ .-/ karena $ # yang dimiliki lebih kecil, namun metode yang dipilih dari keduanya adalah $ .-; dikarenakan grafik data peramalan yang dimiliki $ .-/ lebih menyerupai dengan data historisnya. !ehingga karena pertimbangan itulah dipilih metode yang terbaik dari Moving Average with Trend ini adalah yang menggunakan n>-. .1.1.2 Met*)e Dou#le E$%onential S&oothing +DE&, (erikut ini peramalan menggunakan Double Exponential Smoothing dengan alpha ;,1 beta ;,-K alpha ;,5, beta ;,-K dan alpha ;,2 beta ;,5. (erikut ini adalah contoh perhitungan manualnya =J .a>;,5 b>;,-/> .a.=t/0.'-a/=t-' > .;,5.<5/0.'-;,5/<, > <-,5; =JJ.a>;,5 b>;,-/> .=J.a/0.'-a/=JJt -' > .<-,5;.;,5/0.'-;,5/<-,5; > <,,D5 ? > .,.=J-=JJ/0..aAb/.=J-=JJ//> .,.<-,5;-<,,D5/0..;,5A;,-/. <-,5;-<,,D5/ ><5,5; Tabel 1.- Perhitungan Peramalan metode Double Exponential Smoothing : ; 7< : ; 7<" : ; 7<# Per$*)e Aktual 3;7<3 3;7<3 3;7<" <,.;; ' , 1 <5.;; <<.;; '';.;; <1.<< <<.<, '''.,, <5.5; <I.D5 ''2.;1 <,.<I <1.5I,.15
Tabel 1.- Perhitungan Peramalan metode Double Exponential Smoothing .Banjutan/ : ; 7< : ; 7<" : ; 7<# Per$*)e Aktual 3;7<3 3;7<3 3;7<" '-;.;; '-<.,I '11.11 ';5.;; 5 2 '1;.;; '52.-' '5I.5I ''<.1; 21
Universitas Brawijaya
201 3
8ntuk mengetahui sejauh mana keandalan dari model peramalan double exponential smoothing menggunakan ketiga alpha tersebut, hasil orecasting pada metode double eksponential smoothing dapat dilihat pada tabel. Tabel 1.1 Perbandingan Error : ; 7< 3;7<3 MAD Tra(k$ng &$gnal M&0E M&E ',,25 .-',1,/ E .05/ -',5 -<' : ; 7<" 3;7<3 '',D55 .-',D-/ - .01/ -',, -II : ; 7<# 3;7<" ',,2'D .',;; - .0 2,;<D2/ D -1;
: ; 7< 3;7<3
: ; 7<# 3;7<"
2ra!$k
Universitas Brawijaya
22
201 3
Pada tabel perbandingan error diatas dapat diketahui bahwa rentang tracking signal pada keduanya ada yang melebihi batas,yaitu yang menggunakan alpha ;,2 beta ;,5 dan alpha ;,1 beta ;,-. 9anya satu yang tidak melebihi dari tracking signal yaitu yang menggunakan alpha ;,5 dan beta ;,- jadi dilihat dari tracking signal maka yang terbaik adalah yang memakai alpha ;,5 beta ;,-. !edangkan untuk $ # yang mana semakin kecil semakin akurat data peramalannya , maka yang terbaik adalah yang menggunakan alpha ;,5 beta ;,- yaitu '',D5, kemudian selanjutnya dari grafik data historis dan peramalannya paling menyerupai diantara ketiganya adalah yang menggunakan alpha ;,5 beta ;,juga. !ehingga dapat dikatakan bahwa metode double exponential smoothing ini yang terpilih adalah yang menggunakan alpha ;,5 beta ;,-. .1.1.3 Met*)e Si&%le E$%onential S&oothing (erikut ini peramalan menggunakan Simple Exponential Smoothing dengan alpha ;,5 K ;,1, K dan ;,- dimana sebelumnya adalah contoh perhitungan manualnya =J .a>;,1/ > .a.=t/0.'-a/=t-' > .;,1.<5/0.'-;,1/<, > <-,,; Tabel 1.5 Perhitungan Peramalan metode Simple Exponential Smoothing Per$*)e Aktual : ; 7<3 : ; 7< : ; 7<" <, <,.;; <,.;; <,.;; ' , 1 5 2 <5 << ''; '-; '1; <,.I; <1.1I,.'; ';-.1D ''1.1<-.,; <5.', I5.;D ';I.;1 ','.1<-.5; <5.D5 ID.<< ''-.I1 ',2.ID
Tabel 1.5 Perhitungan Peramalan metode Simple Exponential Smoothing.Banjutan/ Per$*)e Aktual : ; 7<3 : ; 7< : ; 7<" ';; '';.'; '',.<2 ''-.1< D < I '; '' ', ''; ',; ',5 '-; '-; '';.;D ''-.;5 ''2.2',;.21 ',-.15 '''.D' ''5.;''I.;, ',-.1' ',2.;5 '''.D1 ''5.<D ',;.11 ',5.,, ',D.2' 23
Universitas Brawijaya
201 3
8ntuk mengetahui sejauh mana keandalan dari model peramalan simple exponential smoothing menggunakan ketiga alpha tersebut, hasil forecasting pada metode eksponential smoothing with trend dapat dilihat pada tabel 1.2 Tabel 1.2 Perbandingan Error : ; 7<3 '5,,; .'/ E .I,;I/ ',.52 -DI,5< ',,5' : ; 7< '1,1.'/ - .D,2-/ ';,;' -,I,<< ',,I : ; 7<" '-,<.'/-.2,2;/ <,,I -;-,;< '',D2
Pada tabel perbandingan error diatas dapat diketahui bahwa rentang tracking signal yang didapat tidak ada data yang masuk dalam garis batas tracking signal, sehingga untuk mempertimbangkan yang
Universitas Brawijaya
24
201 3
Tabel 1.D nalisa perbandingan antara metode .Banjutan/ No 2 #eskripsi Keputusan $odel $ .-/ $enolak $odel M*)el DE& +a;7<" 3;7<3, Mener$ma M*)el $odel !*! .a>;,5/ $enolak $odel !*!
$ DE& (erdasarkan hasil perbandingan ke tiga metode diatas, maka metode yang terbaik adalah metode dengan model Double Exponential Smoothing dengan .a>;,5 b>;,-/ yang mana tebaran nilai-nilainya berada diantara garis tracking signal semua yang berarti bahwa data tersebut termasuk baik, pertimbangan selanjutnya adalah pola distribusi data yang mana pola distribusi data antara data actual dan data peramalan produk ' dengan metode Double Exponential Smoothing dengan alpha ;,5 dan beta ;,- sudah sesuai dan menyerupai atau sama. Nilai $ # yang didapatkan dari ke tiga metode tersebut, yang memiliki nilai $ # terkecil adalah Double Exponential Smoothing dengan alpha ;,5 dan beta ;,- dan karena nilai $ # yang semakin kecil berarti bahwa nilai errornya juga semakin bagus dan data peramalan lebih akurat.
Universitas Brawijaya
25
201 3
"ambar 1., "rafik #ata 9istoris Penjualan Produk , PT. !" .1.2.1 Met*)e Mo!ing A!erage "ith Trend Permasalahan umum dalam menggunakan metode moving average with trend ini adalah bagaimana memilih n-periode yang diperkirakan tepat. #alam hal ini, dapat menggunakan beberapa nilai n-periode yang memiliki $ # .mean absolute deviation/ terkecil. #isini, dikemukakan penggunaan nilai n-periode n>- dan n>5. (erikut ini adalah contoh perhitungan manualnya $ J ?.-/> $ JJ ?.-/ >
> >-'2,22 a't > .,A.n-'//.$ J-$ JJ/ > .,A.--'//. ,-;-'<2,D/>1-,--
?tJJ>a;t0a't>-'2,22
Tabel 1.< Perhitungan Peramalan dan $ # $etode Moving Average Per$*)e Aktual 0 +3, 0+", ',; ' 'D; , 'I; ,'; 1 ,-; 5 2 ,5;
Universitas Brawijaya
26
201 3
Pada tabel 1.I akan ditampilkan perbandingan dari hasil perhitungan error, tracking signal, serta grafik demand dan orecast untuk - jenis periode pada metode moving average Tabel 1.I Perbandingan Error MA +3, 55.-D .-2/ E .-'/ ,<25,--;,,;
2ra!$k MAPE
,;,<I
,5,D2
Pada table perbandingan error dapat diketahui bahwa rentang tracking signal pada keduanya yang tidak melebihi batas adalah dengan $ # yang -. !edangkan $ # yang dimiliki $ .-/ lebih kecil yaitu 55.5D dan $ # yang .5/ adalah D1,I yang berarti $ .-/ lebih baik daripada $ .5/ karena $ # yang dimiliki lebih kecil, namun metode yang dipilih dari keduanya adalah $ .-/
Universitas Brawijaya
27
201 3
.1.2.2 Dou#le E$%onential S&oothing +DE&, (erikut ini peramalan menggunakan #ouble *7ponential !moothing dengan alpha ;,5 beta ;,1K alpha ;,-, beta ;,-K dan alpha ;,1 beta ;,1 dan dibawah ini merupakan contoh perhitungan secara manual& =J .a>;,5 b>;,1/> .a.=t/0.'-a/=t-' > .;,5.'D;/0.'-;,5/',; > '15 =JJ.a>;,5 b>;,-/> .=J.a/0.'-a/=JJt -' > .'15.;,5/0.'-;,5/',; > '-,,5; ? > .,.=J-=JJ/0..aAb/.=J-=JJ//> .,.'15-'-,,5;/0..;,5A;,1/. '15-'-,,5;/ >'D-,'-
Tabel 1.'; Perhitungan Peramalan metode Double Exponential Smoothing : ; 7<" : ; 7<3 : ; 7< Per$*)e Aktual 3;7< 3;7<3 3;7< ',; ' , 1 5 2 D < I '; '' ', ''1 'D; 'I; ,'; ,-; ,5; ,1; ,<; -;; -,; --; ,5; 'D-.',;2.<< ,-,.-1 ,51.-< ,D5.;1 ,2-.-, ,ID.;2 -,,.1< -11.1D -51.1D ,25.<5 ,52.5< ,12.D'52.;; '<I.-; ,,;.;< ,1<.22 ,D5.-< ,D<.II -;2.;5 --'.-2 -55.-1 -D'.'' -'D.51 ---.<1 -5,.'; '21.;; 'I<.1; ,,D.;1 ,5,.,, ,D5.-,D;.<; ,II.11 -,1.,1 -12.<I -5I.51 ,<<.ID ,I'.2, ,I1.1< 28
Universitas Brawijaya
201 3
8ntuk mengetahui sejauh mana keandalan dari model peramalan double exponential smoothing menggunakan ketiga alpha tersebut, hasil forecasting pada metode double eksponential smoothing dapat dilihat pada tabel 1.''
Tabel 1.'' Perbandingan Error : ; 7<" 3;7< MAD Tra(k$ng &$gnal M&0E M&E ,,.I< .--.,;;2/ E .01.',1,/ -2.D 1I'.<1 : ; 7<3 3;7<3 ,<.D5 .-,.<2,/ - .05/ -D 2'5.: ; 7< 3;7< ,1.1' .-,,D<, - .0 1.D2;-// -2 1'I.;-
2ra!$k MAPE ';.;I1 Ket& (iru > ?orecast K $erah > Demand ',.2'I ';,<1
Universitas Brawijaya
29
201 3
Tabel 1.', Perhitungan Peramalan !imple *7ponential !moothing Per$*)e Aktual : ; 7<3 : ; 7< : ; 7<" ',; ',; ',;.;; ',;.;; ' , 1 5 2 D < I '; '' ', 'D; 'I; ,'; ,-; ,5; ,1; ,<; -;; -,; --; ,5; '-5.;; '5'.5; '2I.;5 '<D.-1 ,;2.','2.,I ,-5.1' ,51.D< ,D1.-5 ,I'.;1 ,D<.D'1;.;; '2;.;; '<;.;; ,;;.;; ,,;.;; ,,<.;; ,1<.<; ,2I.,< ,<I.5D -;5.D1 ,<-.11 '15.;; '2D.5; '<<.D5 ,;I.-< ,,I.2I ,-1.<1 ,5D.1, ,D<.D' ,II.-2 -'1.2< ,<,.-1 30
Universitas Brawijaya
201 3
8ntuk mengetahui sejauh mana keandalan dari model peramalan simple exponential smoothing menggunakan ketiga alpha tersebut, hasil forecasting pada metode simple eksponential smoothing dapat dilihat pada tabel 1.'Tabel 1.'- Perbandingan Error : ; 7<3 MAD Tra(k$ng &$gnal M&0E M&E 55,52 .'/ E .';/ 1<,'; -'<',I2 : ; 7<3 1,,D' : ; 7< 1D,,2 .'/ E .';/ -D,'5 ,-,',DI Tabel 1.'- Perbandingan Error .Banjutan/ : ; 7< 'I,2; : ; 7<" 1',,< .'/ E .';/ ,I,5, '<2;,D< : ; 7<" ;.;2
MAPE
2ra!$k Ket& (iru > ,orecast K $erah > #emand Pada table perbandingan error diatas dapat diketahui bahwa rentang tracking signal yang didapat pada ketiga alternati6 tersebut yaitu alpha ;,5,alpha ;,1 dan alpha ;,- tidak ada yang masuk dalam batas tracking signal, sehingga dapat dilihat dari segi $ # yang terendah adalah pada alpha ;.5 sehingga dapat disimpulkan bahwa pada metode Simple Exponential Smoothing terbaik adalah pada alpha ;.5.
.1.1. Anal$sa Has$l Peramalan Tabel 1.'1 nalisa Pembandingan $etode Terpilih
Universitas Brawijaya
31
201 3
Tabel 1.'1 nalisa Pembandingan $etode Terpilih .Banjutan/ No 5 2 #eskripsi Nilai %!?* Keputusan $odel $ .-/ ---,,,, $enolak $odel $ .-/ M*)el DE& +a;7<" 3;7< , />3<"" Mener$ma M*)el DE& +a;7<" 3;7< , $odel !*! .a>;,5/ -,1,2< $enolak $odel *! with Trend .a>;,5 b>;,5/
(erdasarkan hasil perbandingan ke tiga metode diatas, maka metode yang terbaik adalah metode dengan model double exponensial smoothing dengan .a>;,5 b>;,1/ yang mana tebaran nilai-nilainya berada diantara garis tracking signal walau tidak semua namun satu data yang outlayer tersebut masih dapat di tolerir karena yang keluar dari batas hanya satu data dan tidak terlalu jauh dari batas yang berarti bahwa data tersebut termasuk baik. Pertimbangan selanjutnya adalah pola distribusi data yang mana pola distribusi data antara data actual dan data peramalan produk , dengan metode double e7ponensial smoothing dengan alpha ;,5 dan beta ;,1 sudah sesuai dan menyerupai atau sama. Nilai $ # yang meskipun didapatkan bahwa dari ke tiga metode tersebut dengan metode ini mempunyai nilai $ # terkecil maka dari itu metode ini cukup baik atau paling tepat yang dimiliki juga tidak terlalu besar sehingga metode yang paling tepat adalah pada double e7ponential smoothing dengan alpha ;,5 dan beta ;,1.
.1.3 Pr*)uk 3
Universitas Brawijaya
32
201 3
"ambar 1.- "rafik #ata 9istoris Penjualan Produk - PT. !" .1.3.1 Met*)e Mo!ing A!erage Permasalahan umum dalam menggunakan metode moving average ini adalah bagaimana memilih n-periode yang diperkirakan tepat. #alam hal ini, dapat menggunakan beberapa nilai n-periode yang memiliki $ # .mean absolute deviation/ terkecil. #isini, dikemukakan penggunaan nilai n-periode n>- dan n>5. $ J ?.-/>
> >'2<,2D Per$*)e ' , 1 5 2 D < I '; '' ', ''1 '5 '2 'D '< Tabel 1.'5 Perhitungan Peramalan dan $ # $etode Moving Average Aktual 0 +3, 0 +", ';; 'I2 ,'; '<5 '2<,2D '<; 'ID '5; 'I',2D 'D1,,; '2; 'D',2D '<1,,; '5; '2-,-'DD,;; '2; '5-,-'25,;; '25 '52,2D '2;,;; '-; '5<,-'5D,;; --; '5',2D '5-,;; ,;<,-'<D,;; ,;-,<I '<D,-,-;,;; 'ID,;; '<D,I2 ,'1,;D ,,1,D< ,;D,,< 'I2,-D 33
Universitas Brawijaya
201 3
2ra!$k MAPE
#ari tabel perbandingan diatas, dapat di analisa bahwa $ # yang dimiliki metode Moving average dengan n>- lebih kecil daripada yang n>5. 9al ini menunjukkan bahwa dengan n>- data yang didapatkan lebih baik dan akurat. Kemudian pada tracking signal, keduanya tidak ada yang sepenuhnya masuk di dalam garis batas, namun yang paling mendekati adalah metode Moving average dengan n>- dimana satu data memiliki tracking signal -1,5; sedangkan yang menggunakan n>5 data yang outlayer adalah -5,1D. !etelah itu dapat dilihat pada grafik antara data actual dan data peramalan yang mana keduanya sama-sama hampir mengikuti tren data aktual. !ehingga dari ketiga pertimbangan diatas, dapat dikatakan bahwa metode ini menggunakan n>- lebih baik dan akurat daripada dengan n>5. .1.3.2 Si&%le E$%onential S&oothing +&E&, (erikut ini peramalan menggunakan Simple Exponential Smoothing dengan alpha ;,1 beta ;,-K alpha ;,5, beta ;,-K dan alpha ;,2 beta ;,5 dimana berikut adalah contoh perhitungan manualnya =J .a>;,1/ > .a.=t/0.'-a/=t-' > .;,1.'I2/0.'-;,1/';; > '-<,1; Tabel 1.'D Perhitungan Peramalan metode Simple Exponential Smoothing Per$*)e Aktual : ; 7<3 : ; 7< : ; 7<" ';;,;; ' , 1 'I2,;; ,';,;; '<5,;; ',<,<; '5-,'2 '2,,D' '-<,1; '1<,;; '2D,;1 'DI,;; 'D1,,, '<,,;; 34
Universitas Brawijaya
201 3
',<,<; '-<,1;
Tabel 1.'D Perhitungan Peramalan metode Simple Exponential Smoothing .Banjutan/ Per$*)e Aktual : ; 7<3 : ; 7< : ; 7<" ,;5,;' ,,',,< ,-D,I; '1 '5 '2 'D '< ,;5,;' ,,',,< ,;5,;' ,,',,< ,;5,;' ,,',,< ,;5,;' ,,',,< ,-D,I; ,-D,I; ,-D,I; ,-D,I;
8ntuk mengetahui sejauh mana keandalan dari model peramalan simple exponential smoothing menggunakan ketiga alpha tersebut, hasil forecasting pada metode simple eksponential smoothing dapat dilihat pada tabel 1.'< Tabel 1.'< Perbandingan Error : ; 7<3 MAD Tra(k$ng &$gnal M&0E M&E MAPE 1-,,5 .',;;/ E .<,;I/ -',<, '''-<,I2 ';,I1: ; 7< 1',2, .',;;/ - .D,,</ ,D,52 <-5D,;; ';,<,D : ; 7<" 1;,'.',;;/ E .2,<D/ ,5,;D 2I'1,I; ';,2,,
Universitas Brawijaya
35
201 3
2ra!$k Ket& (iru > ?orecast K $erah > #emand #ari table perbandingan diatas dapat diketahui bahwa $ # terkecil dimiliki oleh metode simple exponensial smoothing dengan alpha>;,- yang mana semakin kecil $ # maka semakin baik pula hail peramalannya. Kemudian pada tracking signal , semua data peramalan memiliki data yang keluar dari garis batas, yang sebaiknya tidak dianjurkan, namun yang memiliki data outla$er yang tidak jauh pada metode ini adalah yang menggunakan alpha >;,5 sehingga bias dikatakan bahwa data peramalan dengan alpha ;,5 ini lebih baik. #ari kedua pertimbangan sebelumnya, dapat dikatakan bahwa metode simple exponensial smoothing dengan alpha ;,5 yang terbaik, karena ketika dilihat dari grafik antara data aktual dan peramalan, semua memiliki grafik yang cukup baik. .1.3.3 Met*)e "eight Mo!ing A!erages (erikut ini peramalan menggunakan )eight Moving Averages dengan n>, dan n>3ontoh perhitungan manualnya adalah sebagai berikut & )$ >
>
> '21 Tabel 1.'< Perhitungan Peramalan dan $ # $etode )eight Moving Average
Aktual ';;,;; 'I2,;; ,';,;; '<5,;; '<;,;; '5;,;; '2;,;; '5;,;; '2;,;; '25,;; '-;,;; --;,;;
6MA +3,
Universitas Brawijaya
201 3
Pada tabel 1.'I akan ditampilkan perbandingan dari hasil perhitungan error, tracking signal, serta grafik demand dan forecast untuk - jenis period pada metode weight mo6ing a6erage Tabel 1.'IPerbandingan Error 6MA +2, -5,122D .-,,1;/ E .1,;2/ 1;11,<I 6MA+3, --,,;-D .-5,I,/ E .,,I5/ 1;1-,'-
2ra!$k '5,DD<< '1,D5;5 MAPE #ari table perbandingan diatas dapat diketahui bahwa nilai $ # terkecil dimiliki oleh metode ini dengan n>-, sedangkan pada hasil tracking signal keduanya memiliki data yang keluar dari garis batas tracking signal .1.3. Anal$sa -em3an)$ngan has$l -eramalan -erm$ntaan Pr*)uk 3 Tabel 1.,; nalisa Pembandingan $etode Terpilih No ' , #eskripsi Nilai Peramalan permintaan produk ' Nilai Tracking !ignal $ # Tebaran nilai-nilai tracking signal $odel $ .-/ ,;<,-.-1,5;/ E .,,D-/ -5,D1 Nilai rata-rata ada yang berada $odel !*! .a>;,5/ '1< .',;;/ E .2,<D/ 1;,'Nilai rata-rata ada yang keluar diantara garis $odel )$ .a>,/ ,2-,-.-,,1;/ E .1,;2/ -5,122D !emua nilai rata rata berada di antara garis 37
Universitas Brawijaya
201 3
1 5 2
(erdasarkan tabel analisa diatas maka dapat di simpulkan bahwa yang memiliki $ # paling kecil adalah peramalan dengan metode )eight Moving Average dengan n>, dimana tracking signal yang dimiliki data peramalan hanya satu yang keluar dari garis batas dan tidak terlalu menyimpang jauh seperti pada metode Moving Average dan Simple Exponential Smoothing. Tebaran nilai yang dimiliki oleh ketiga metode semua sudah baik yaitu sudah mengikuti trend dari data historisnya, namun karena , pertimbangan sebelumnya, maka dipilihlah metode )eight Moving Average dengan n>, yang terbaik untuk digunakan dalam peramalan produk - ini.
Universitas Brawijaya
38