4.

1 Peramalan Permintaan Poster

Produk pertama yang akan dilakukan forecast pada PT. Nozomikaadalahproduk

poster. Dalam forecast ini, ada beberapa metode yang dilakukan yaitu model Moving
Average (MA), Weighted Moving Average (WMA) dan Exponential Smooth (ES).

4.1.1

Metode Moving Average

Dalam peramalan permintaan menggunakan metode moving average, digunakan

rentang nilai N mulai dari 2 hingga 5 bulan. Untuk menentukan nilai N yang optimal, dilakukan
perbandingan nilai mean absolutedeviation (MAD), mean squared error (MSE), dan mean
absolute percent error (MAPE). Berikut merupakan contoh perhitungan untuk n = 2 untuk
peralaman pertama.
(

Hasil permalan degan metode MA dapat dilihat pada tabel 4.1.

Tabel 4.1 HasilPeramalanMenggunakanMetode MA
PERIODE Data Aktual MA 2
MA 3
MA4
91
1
108
2
99,5
106
3
107 101,6666667
117
4
98 111,5 110,3333333 105,5
5
107 107,25
125 107,5
6
148 111,5 113,3333333 111,5
7
122
86 136,5 123,6666667
8
117 119,6666667 114,25
108
9
97
114 116,75
116
10
112 103,3333333 114,5
135
11
126 125,5 119,6666667 111,25
12
158 130,5 125,6666667 121,25
13
142 139,6666667 133,75
136
14
147
140 138,75
125
15

MA5

104
110,8
118,8
114,8
113
116,6
118,6
114,2
128,6
134,2

16
17
18
19

114

130,5 139,6666667 136,25

137

119,5

114

125,5 125,3333333

108

125,5 121,6666667

106,5

107

21

106

22

134

122,5 125,2

116 115,6

106 106,6666667

108,5 114,2

106

106,5

112 110,3333333

145

24

128

109

106,5

118

23

125 133,25 131,8

111 119,6666667 118,25 119,6

105

20

136

108

109 108,8

Dari perhitungan peramalan di atas dapat dianalisis kesalahan peramalan , dimana

untuk menentukannya dapat menggunakan metode MAD, MSE, MAPE, Tracking Singnal, dan
Grafik perbandingan antar peramalan.

Berikut ini merupakan contoh perhitungan untuk

metode perhitungan kesalahan peramalan. Pada metode moving average dengan N= 2.

MAD =
MSE =

MAPE =

=
(

16,15909091
(

410,6931818

= 13,61935497

Kesalahan peramalan untuk menentukan metode yang akan digunakan dapat dibandingkan
melalui tabel 4.2.
Tabel 4.2 Perbandingan nilai MAD, MSE, MAPE metode MA untuk produk poster
MAD
MSE
MAPE

TS

MA2
16,159

MA3
16,3

MA4
15,97

MA5
17,31579

410,6931818

403,9047619

391,4063

440,9873684

13,62

13,53

13,17

14,14022387

Bervariasi dari
3,45 sampai dengan
-0,146

Bervariasi dari
4,01 sampai dengan
0,22

Bervariasidari
4,35
sampaidengan
-1

Bervariasidari
4,99 sampaidengan
0,240

GRAFIK

200

200

200

200

100

100

100

100

1 5 9 13 17 21

0
1 5 9 13 17

1 5 9 13 17 21

1 5 9 13 17

Keterangan grafik : warna biru = data forecast dan merah = data aktual
Dari tabel 4.2 di atas dapat diketahui bahwa nilai MAD, MSE, MAPE terkecil didapatkan pada
saat nilai N yang digunakan adalah 4. Dan dalam membandingkan antra data actual dengan
peramalannya dalam grafikpun dalam menggunakan metode MA dengan N= 4 data forecast
mengikuti data aktual yang sudah ada. Jadi lebih baik untuk di pilih. Sehingga untuk metode
moving average pada produk canvas , nilai N = 4 merupakan nilai yang paling optimal.
4.1.2

Weight Moving Average

Metode berikutnya yang digunakan adalah weighted moving average. Nilai N yang

digunakan dalam metode ini mengikuti nilai N optimal pada metode moving average yang telah
dihitung sebelumnya. Pembobotan dilakukan berdasarkan nilai N yang digunakan. Misalnya,
dari hasil perhitungan MA di awal diketahui bahwa nilai N optimal adalah 4. Tetapi tidak
menutup kemungkinan untuk peralamalan menggunakan WMA ini menggunakan periode dari 3
bulanan hinggal 5 bulanan. Berikut ini merupakan perhitungan yang digunakan dalam meramal
untuk periode selanjutnya. Contoh yang diberikan merupakan contoh WMA dengan periode 3
bulanan .
WMA=

= 104.166

Dimana 91 merupakan nilai aktual bulan terakhir. Dari hasil perhitungan dengan rumus
di atas, didapatkan nilai peramalan untuk periode yang mendatang. Hasil dari perhitungan
peramalan menggunakan metode ini dapat dilihat pada tabel 4.3 .
Tabel 4.3 Peramalan menggunakan metode weight moving average
BULAN

PHOTO
CANVAS

WMA 2

WMA 3

91

108

106 102,3333

117 106,6667

104,1667

98 113,3333

111,8333

WMA 4

109,3

WMA 5

125 104,3333

105,6667

106,3

105,5333333

148

116

114,6667

113,4

112,5333333

86 140,3333

132

128

124,9333333

108 106,6667

113,1667

113,6

114

10

116 100,6667

107,3333

111,1

111,7333333

11

135 113,3333

108,3333

110,8

112,7333333

12

126 128,6667

124,1667

119

118,8666667

13

158

129

127,3333

124,9

121,3333333

14

136 147,3333

143,5

139,6

135,9333333

15

125 143,3333

141,6667

140,5

138,4

16

114 128,6667

134,1667

135

135,3333333

17

137 117,6667

121,3333

126,1

128

18

114 129,3333

127,3333

127,6

129,7333333

19

108 121,6667

121,6667

122

123,0666667

20

105

110

114,8333

116,2

117,3333333

21

107

106

107,5

110,9

112,4666667

22

106 106,3333

106,5

107,3

109,6

23

118 106,3333

106,1667

106,3

106,8666667

24

145

112,1667

110,9

110,2

114

Dari perhitungan peramalan diatas dapat dianalisis kesalahan peramalan. Dimana untuk
menentukannya dapat menggunakan metode MAD, MSE, MAPE, Tracking Singnal, dan Grafik
perbandingan antar peramalan. Berikut ini merupakan contoh perhitungan untuk metode
perhitungan kesalahan peramalan. Pada metode weight moving average dengan periode 3
bulanan.

MAD =

16,23016

MSE =

MAPE =

= 1.558777

Tracking signal =
Kesalahan peramalan untuk menentukan metode yang akan digunakan dapat dibandingkan
melalui tabel 4.4.
WMA3
16,23016

MAD
MSE

399,030423

MAPE

13,5587772
Bervariasi dari
-0,075
Sampai dengan
3,445378151

TS

GRAFIK

WMA4
16,11

WMA5
16,42807

393,009

411,4812

13,52075

13,3917

Bervariasi dari
0,15752567 sampai
dengan 4,249804229

Bervariasi dari -1 Sampai

dengan 3,243243243

200

200

200

100

100

100

0
1 4 7 10 131619

1 4 7 10 13 16 19

0
1 4 7 10 13 16 19

Keterangan : garis biru = data aktual dan garis merah = garis peramalan
Dari tabel 4.4 di atas dapat dilihat nilai yang dibandingkan dari masing masing aspek yang
memiliki nilai paling kecil merupakan metode WMA4. Dimana dalam menggunakan metode
tersebut dapat meminimalisir kesalahan dalam peramalannya. Sehingga dalammetode ini
weight moving average dengan periode 3 bulanan merupakan nilai yang optimal.

4.1.3

Eksponensial Smoothing

Berikutnya, digunakan metode exponential smoothing yang menggunakan nilai sebagai

konstanta pemulusan. Untuk menentukan nilai optimal, dilakukan cara trial-error dengan
menggunakan 5 nilai yang berbeda. Berikut ini merupakan contoh perhitungan untuk metode
eksponensial smoothing dengan menggunakan = 0,5
(

BULAN
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19

PHOTO
CANVAS

ft 0.6

ft 0.7

ft 0.8

ft 0.9

ft 0.5

118,20833
91 118,20833
108 104,60417 101,88333
105,55333
106 106,30208
105,82133
117 106,15104
112,52853
98 111,57552
103,81141
125 104,78776
116,52457
148 114,89388
135,40983
86 131,44694
105,76393
108 108,72347
107,10557
116 108,36174
112,44223
135 112,18087
125,97689
126 123,59043
125,99076
158 124,79522
145,1963
136 141,39761
139,67852
125 138,6988
130,87141
114 131,8494
120,74856
137 122,9247
130,49943
114 129,96235
120,59977
108 121,98118

118,20833 118,20833 118,20833

99,1625 96,441667 93,720833
105,34875 105,68833 106,57208
105,80463 105,93767 106,05721
113,64139 114,78753 115,90572
102,69242 101,35751 99,790572
118,30772

120,2715 122,47906

139,09232

142,4543 145,44791

101,9277

97,29086 91,944791

106,17831 105,85817 106,39448

113,05349 113,97163 115,03945
128,41605 130,79433 133,00394
126,72481 126,95887 126,70039
148,61744 151,79177 154,87004
139,78523 139,15835

137,887

129,43557 127,83167

126,2887

118,63067 116,76633 115,22887

131,4892 132,95327 134,82289
119,24676 117,79065 116,08229

113,03991 111,37403 109,95813 108,80823

20

105 114,99059

21

107 109,99529

22

106 108,49765

23

118 107,24882

24

145 112,62441

108,21596 106,91221 105,99163 105,38082

107,48639 106,97366 106,79833 106,83808
106,59455

106,2921 106,15967 106,08381

113,43782 114,48763 115,63193 116,80838

Dari perhitungan peramalan diatas terdapat perbedaan peramalan ditiap metodenya. Oleh
karena itu dianalisis kesalahan pada tiap ramalannya dengan menggunakan metode MAD, MSE,
MAPE, Tracking Signal dan grafik dari perhitungan peramalan yang ada. Berikut ini merupakan
contoh perhitungan metode kesalahan peramalan
MAD =
MSE =

15,019
(

MAPE =

365,5997

= 12,86812

Tracking signal =
yang kemudian dibandingkan nilai MAD, MSE, dan MAPE dari kelima

hasil perhitungan

tersebut. Perbandingan nilai MAD untuk kelima tersebut dapat dilihat dalam tabel 4.8 di
bawah ini.
Tabel 4.8 Perbandingan nilai MAD, MSE, dan MAPE metode ES untuk produk canvas
alfa
0.5
MA
D

0.6

0.7

0.8

0.9

15,295

15,82302

16,38364

16,92091

365,5997

378,6186

395,0559076

415,5805

440,9831

12,86812

13,15394

13,6569864

14,19596

14,7164

Berkisardari

Berkisardari

Berkisardari

Berkisardari

Berkisardari

2,7295519

2,5728488

2,35158

2,1615825

1,998281

Sampai dengan

Sampai dengan

Sampai dengan

Sampai dengan

Sampai dengan

-2,34108863

-2,01709

-1,74451

-1,573593367

-0,8097869

15,01924

MSE
MAP
E

TS

GRAFIK

200

200

200

200

150

150

150

150

150

100

100

100

100

100

50

50

50

50

50

0
1 6 111621

200

0
1 7 13 19

0
1 7 1319

1 7 13 19

1 7 1319

Dari tabel 4.8 di atas dapat diketahui bahwa nilai kesalahan peramalan terkecil untuk metode
ES didapatkan pada saat perhitungan peramalan menggunakan nilai = 0,5. Dari hasil ketiga
metode tersebut sangat terlihat jelas bahwa nilai peramalan tidak memiliki tingkat kesalahan
yang cukup signifikan. Hal ini juga didukung dari grafik perbandingan antara aktual dengan
peramalannya tidak signifikan.
4.1.4

PengambilanKeputusanUntukProduk Poster

Dari hasil peramalan dengan 3 metode sebelumya terdapat beberapa kesimpulan yang dapat
digunakan untuk membuat sebuah peramalan. Untuk menentukan metode peramalan yang
paling optimal digunakan bagi produk poster ini, dibandingkanlah nilai MAD dan tracking signal
dari ketiga metode yang telah digunakan. Perbandingan MAD ketiga metode dapat dilihat pada
tabel 4.9 di bawah ini.
Tabel 4.9 Perbandingan MAD, MSE, dan MAPE metode MA, WMA, dan ES untuk produk poster

12.868

WMA4
16.11
393.009
13.3917

Berkisar dari 2.72955 sampai

dengan -234108

Berkisar dari -1 sampai

dengan3.24324

0.5(ES)
15.01924

MAD
MSE
MAPE
TS

365.599

240

240

200

220

220

GRAFIK

Nilai TS

200

100

180

200
180
1 4 7 10 13 16 19

160
1 6 111621

Semua nilai tracking signal

berada di batas atas dan
batas bawah dari normal
sebuah tracking.
Banyaknya nilai tracking
signal positif seimbang
dengan nilai tracking sig
negatif.

MA4
15.97
391.4063
13.17
Bervariasidari 4.35
sampaidengan -1

Semua nilai tracking signal

berada pada atas garis
tengah (control line)dan
ada kecenderungan graafik
mendi seperti garis lurus.

160
1 5 9 131721

Nilai tracking
signalpositif rata-rata
pada keluar dari
tracking signal( out of
lier) yang dibutuhkan.

Pola
distribusi
nilai
ramalan.
Keputusan

Sesuai atau menyerupai

pola historis dari data
aktual permintaan
Menerima model ES (0.5)

Sesuai atau menyerupai

pola historis dari data
aktual permintaan.

Tidak sesuai dengan

pola historis dari data
aktual permintaan

Menolak model WMA (4)

Menolak model MA (4)

0
1 3 5 7 9 11 13 15 17 19

a.

-5

1 3 5 7 9 11 13 15 17 19 21 23

b.

-5

6
4
2

Series1

Series2

-2 1 4 7 10 13 16 19

Series3

-4

c.

-6

Gambar 4.1 (a) grafik untuk tracking signal metode ES 0.5 (b) grafikuntuk tracking signal metode MA 4
(c) grafik untuk tracking signal metode WMA 4