4.

Metode Constant
Tabel 4.21 Perhitungan Peramalan Menggunakan Metode Constant
pada type YB5LBBA
No. Bulan Penjualan Peramalan (dt)
1 Januari 5,069 2,914
2 February 494 2,914
3 Maret 2,506 2,914
4 April 272 2,914
5 Mei 3,948 2,914
6 Juni 927 2,914
7 Juli 210 2,914
8 Agustus 7,449 2,914
9 September 3,622 2,914
10 Oktober 226 2,914
11 November 3,356 2,914
12 Desember 6,891 2,914
Total ( ) 34,970 34,968
Sumber: Olah Data Penjualan
Dari Tabel 4.21 yang telah dihitung menggunakan metode constan pada type battery
YB5LBBA, dapat dianalisa nilai hasil peramalan spesifikasinya tidak begitu terpaut
jauh selisih 2 point sehingga masih bisa diantisipasi.

Tabel 4.22 Perhitungan Peramalan Menggunakan metode Constant

pada type YTZ5S
No. Bulan Penjualan 2014 dt'
1 Januari 2,900 2,094
2 February 1,022 2,094
3 Maret 2,591 2,094
4 April 921 2,094
5 Mei 6,140 2,094
6 Juni 1,183 2,094
7 Juli 456 2,094
8 Agustus 1,741 2,094
9 September 1,586 2,094
10 Oktober 474 2,094
11 November 2,976 2,094
12 Desember 3,139 2,094
Total ( ) 25,129 25,128
Sumber: Olah Data Penjualan

62

http://digilib.mercubuana.ac.id/
Dari Tabel 4.22 yang telah dihitung menggunakan metode constan pada type battery
YTZ5S, dapat dianalisa nilai hasil peramalan spesifikasinya tidak begitu terpaut jauh
selisih 1 point sehingga masih bisa diantisipasi.
Tabel 4.23 Perhitungan Peramalan Menggunakan Metode Constant
pada type NS 70
No. Bulan Penjualan 2014 dt'
1 Januari 1,498 950
2 February 268 950
3 Maret 620 950
4 April 333 950
5 Mei 1,242 950
6 Juni 1,027 950
7 Juli 246 950
8 Agustus 1,496 950
9 September 1,184 950
10 Oktober 444 950
11 November 1,184 950
12 Desember 1,857 950
Total ( ) 11,399 11,400
Sumber: Olah Data Penjualan
Dari Tabel 4.23 yang telah dihitung menggunakan metode constant pada type battery
NS70, dapat dianalisis nilai hasil peramalan spesifikasinya tidak begitu terpaut jauh.
5. Metode Siklis
1. Metode Siklis Konstan
Tabel 4.24 perhitungan peramalan menggunakan metode Siklis konstan
(N=6 ) type YB5LBBA
t
dt. dt .
. t.
t.
1 5,069 0.866 0.7499 0.5 0.25 0.433 4390 2535 0.866 0.5 6819
2 494 0.866 0.7499 -0.5 0.25 -0.433 428 -247 1.732 -1 6192
3 2,506 0 0 -1 1 0 0 -2506 0 -3 5201
4 272 -0.866 0.7499 -0.5 0.25 0.433 -236 -136 -3.464 -2 4837
5 3,948 -0.866 0.7499 0.5 0.25 -0.433 -3419 1974 4.33 2.5 5464
6 972 0 0 1 1 0 0 927 0 6 6455
7 210 0.866 0.7499 0.5 0.25 0.433 182 105 6.602 3.5 6819
8 7,449 0.866 0.7499 -0.5 0.25 -0.433 6451 -3725 6.928 -4 6192
9 3,662 0 0 -1 1 0 0 -3622 0 -9 5201
10 226 -0.866 0.7499 -0.5 0.25 0.433 -196 -113 -8.66 -5 4837
11 3,356 -0.866 0.7499 0.5 0.25 -0.433 -2906 1678 -9.526 5.5 5464
12 6,891 0 0 1 1 0 0 6891 0 12 645

34,970 0 6 0 6 0 4694 0 -10 6 69936

Sumber: Olah Data Penjualan

63

http://digilib.mercubuana.ac.id/
Dari Tabel 4.24 yang telah dihitung menggunakan metode siklis konstan dengan N=
6 pada type battery YB5LBBA, dapat dianalisa nilai hasil peramalan yang sangat
tinggi hingga 2 kali lipat dari penjualan ditahun 2014
Tabel 4.25 perhitungan peramalan menggunakan metode Siklis konstan
(N=6 ) type YTZ5S
t
dt. dt .
. t.
t.
1 2900 0.866 0.7499 0.5 0.25 0.433 2511 1450 0.866 0.5 3998
2 1022 0.866 0.7499 -0.5 0.25 -0.433 885 -511 1.732 -1 3281
3 2591 0 0 -1 1 0 0 -2591 0 -3 3471
4 921 -0.866 0.7499 -0.5 0.25 0.433 -798 -461 -3.464 -2 4379
5 6140 -0.866 0.7499 0.5 0.25 -0.433 -5317 3070 4.33 2.5 5096
6 1183 0 0 1 1 0 0 1183 0 6 4905
7 456 0.866 0.7499 0.5 0.25 0.433 395 228 6.602 3.5 3998
8 1741 0.866 0.7499 -0.5 0.25 -0.433 1508 -871 6.928 -4 3281
9 1586 0 0 -1 1 0 0 -1586 0 -9 3471
10 474 -0.866 0.7499 -0.5 0.25 0.433 -410 -237 -8.66 -5 4379
11 2976 -0.866 0.7499 0.5 0.25 -0.433 -2577 1488 -9.526 5.5 5096
12 3139 0 0 1 1 0 0 3139 0 12 4905

25129 0 6 0 6 0 -3803 4302 -10 6 50258

Sumber: Olah Data Penjualan

Dari Tabel 4.25 yang telah dihitung menggunakan metode siklis konstan dengan N=
6 pada type battery YTZ5S, dapat dianalisis nilai hasil peramalan yang sangat tinggi
hingga 2 kali lipat dari penjualan ditahun 2014.
Tabel 4.26 perhitungan peramalan menggunakan metode Siklis konstan(N=6 )type NS70
t
dt. dt .
. t.
t.
1 1498 0.866 0.7499 0.5 0.25 0.433 1297 749 0.866 0.5 2096
2 268 0.866 0.7499 -0.5 0.25 -0.433 232 -134 1.732 -1 1780
3 620 0 0 -1 1 0 0 -620 0 -3 1584
4 333 -0.866 0.7499 -0.5 0.25 0.433 -288 -167 -3.464 -2 1704
5 1242 -0.866 0.7499 0.5 0.25 -0.433 -1076 621 4.33 2.5 2020
6 1027 0 0 1 1 0 0 1027 0 6 2216
7 246 0.866 0.7499 0.5 0.25 0.433 213 123 6.602 3.5 2096
8 71496 0.866 0.7499 -0.5 0.25 -0.433 1296 -748 6.928 -4 1780
9 1184 0 0 -1 1 0 0 -1184 0 -9 1584
10 444 -0.866 0.7499 -0.5 0.25 0.433 -385 -222 -8.66 -5 1704
11 1184 -0.866 0.7499 0.5 0.25 -0.433 -1025 592 -9.526 5.5 2020
12 1857 0 0 1 1 0 0 1857 0 12 2216

11399 0 6 0 6 0 264 1895 -10 6 22798

Sumber: Olah Data Penjualan

64

http://digilib.mercubuana.ac.id/
Dari nilai Tabel 4.26 yang telah dihitung menggunakan metode siklis konstan dengan
N= 6 pada type battery NS70, dapat dianalisis nilai hasil peramalan yang sangat
tinggi hingga 2 kali lipat dari penjualan ditahun 2014.
Tabel 4.27 perhitungan peramalan menggunakan metode Siklis konstan
(N = 12 ) type YB5LBBA
t
. dt. dt .
t.
t.
1 5,069 0.5 0.25 0.866 0.749 0.433 2535 4390 0.5 0.866 3438
2 494 0.866 0.7499 0.5 0.25 0.433 428 247 1.732 1 2796
3 2,506 1 1 0 0 0 2506 0 3 0 2185
4 272 0.866 0.7499 -0.5 0.25 -0.433 136236 -136 3.464 -2 1769
5 3,948 0.5 0.25 -0.866 0.749 -0.433 1974 -3419 2.5 -4.33 1661
6 972 0 0 -1 1 0 0 -927 0 -6 1888
7 210 -0.5 0.25 -0.866 0.749 0.433 105 -182 -3.5 -6.062 2390
8 7,449 -0.866 0.7499 -0.5 0.25 0.433 64511 -3725 --6.928 -4 3032
9 3,662 -1 1 0 0 0 -3622 0 -9 0 3643
10 226 -0.866 0.7499 0.5 0.25 -0.433 -196 113 -8.66 5 4059
11 3,356 -0.5 0.25 0.866 0.749 -0.433 -1678 2906 -5.5 9526 4167
12 6,891 0 0 1 1 0 0 6891 0 12 3941

34,970 0 6 0 6 0 -4374 6159 -22 6 34968

Sumber: Olah Data Penjualan

Dari Tabel 4.27 yang telah dihitung menggunakan metode siklis konstan dengan N=
12 pada type battery YB5LBBA, dapat dianalisis nilai peramalan yang cukup stabil
dan fluktuatif mengalami siklus yang cukup stabil sehingga masih bisa diantisipasi.
Tabel 4.28 perhitungan peramalan menggunakan metode Siklis konstan
(N = 12 ) type YTZ5S
t
. dt. dt .
t.
t.
1 2900 0.5 0.25 0.866 0.749 0.433 1450 2511 0.5 0.866 2500
2 1022 0.866 0.7499 0.5 0.25 0.433 885 511 1.732 1 2672
3 2591 1 1 0 0 0 2591 0 3 0 2690
4 921 0.866 0.7499 -0.5 0.25 -0.433 798 -461 3.464 -2 2574
5 6140 0.5 0.25 -0.866 0.749 -0.433 3070 -5317 2.5 -4.33 2284
6 1183 0 0 -1 1 0 0 -1183 0 -6 1969
7 456 -0.5 0.25 -0.866 0.749 0.433 -228 -395 -3.5 -6.062 1688
8 1741 -0.866 0.7499 -0.5 0.25 0.433 -1508 -871 --6.928 -4 1516
9 1586 -1 1 0 0 0 -1586 0 -9 0 1499
10 474 -0.866 0.7499 0.5 0.25 -0.433 -410 237 -8.66 5 1641
11 2976 -0.5 0.25 0.866 0.749 -0.433 -1488 2577 -5.5 9526 1905
12 3139 0 0 1 1 0 0 3193 0 12 2219

25129 0 6 0 6 0 3573 749 -22 6 25128

Sumber: Olah Data Penjualan

65

http://digilib.mercubuana.ac.id/
Dari Tabel 4.28 yang telah dihitung menggunakan metode siklis konstan dengan N=
12 pada type battery YTZ5S, dapat dianalisis nilai peramalan yang cukup stabil dan
fluktuatif mengalami siklus yang cukup stabil sehingga masih bisa diantisipasi dalam
segala kondisi.
Tabel 4.29 perhitungan peramalan menggunakan metode Siklis konstan
(N=12 ) type NS70
t
. dt. dt .
t.
t.
1 1498 0.5 0.25 0.866 0.749 0.433 749 1297 0.5 0.866 1049
2 268 0.866 0.7499 0.5 0.25 0.433 232 134 1.732 1 905
3 620 1 1 0 0 0 620 0 3 0 772
4 333 0.866 0.7499 -0.5 0.25 -0.433 288 -167 3.464 -2 687
5 1242 0.5 0.25 -0.866 0.749 -0.433 621 -3419 2.5 -4.33 672
6 1027 0 0 -1 1 0 0 -927 0 -6 732
7 246 -0.5 0.25 -0.866 0.749 0.433 -123 -182 -3.5 -6.062 851
8 1496 -0.866 0.7499 -0.5 0.25 0.433 -1296 -3725 --6.928 -4 995
9 1184 -1 1 0 0 0 -1184 0 -9 0 1128
10 444 -0.866 0.7499 0.5 0.25 -0.433 -385 113 -8.66 5 1213
11 1184 -0.5 0.25 0.866 0.749 -0.433 -592 2906 -5.5 9526 1228
12 1857 0 0 1 1 0 0 6891 0 12 1168
11399 0 6 0 6 0 -1069 6159 -22 6 11400

Sumber: Olah Data

Dari Tabel 4.29 yang telah dihitung menggunakan metode siklis konstan dengan N=
12 pada type battery NS 70, dapat dianalisis nilai peramalan yang cukup stabil dan
fluktuatif mengalami siklus yang cukup stabil sehingga masih bisa diantisipasi dalam
segala kondisi.
2. Metode Siklis Linier
Tabel 4.30 perhitungan peramalan menggunakan metode Siklis Linier
(N = 6 ) type YB5LBBA
t
dt. dt . t. t.
.
1 5,069 0.866 0.75 0.5 0.25 0.433 4390 2535 0.866 0.5 14017
2 494 0.866 0.75 -0.5 0.25 -0.433 428 -247 1.732 -1 12095
3 2,506 0 `0 -1 1 0 0 -2506 0 -3 11033
4 272 -0.866 0.75 -0.5 0.25 0.433 -236 -136 -3.464 -2 10799
5 3,948 -0.866 0.75 0.5 0.25 -0.433 3419 1974 -4.33 2.5 11426
6 972 0 0 -1 1 0 0 927 0 6 11638
7 210 0.866 0.75 0.5 0.25 0.433 -182 105 6.062 3.5 10130
8 7,449 0.866 0.75 -0.5 0.25 -0.433 6451 -3752 6.928 -4 8207
9 3,662 0 0 -1 1 0 -0 3622 0 -9 7145
10 226 -0.866 0.75 -0.5 0.25 0.433 -196 -113 -8.66 -5 6912
11 3,356 -0.866 0.75 0.5 0.25 -0.433 -2906 168 -9.526 5.5 7538
12 6,891 0 0 1 1 0 0 6891 0 12 7751
34,970 0 6 0 6 0 4694 3761 -10 6 118691

Sumber: Olah Data Penjualan

66

http://digilib.mercubuana.ac.id/
Dari Tabel 4.30 yang telah dihitung menggunakan metode siklis linier dengan N= 6
pada type battery YB5LBBA, dapat dianalisis nilai hasil peramalan yang sangat
tinggi hingga 3 kali lipat dari penjualan ditahun 2014.
Tabel 4.31 perhitungan peramalan menggunakan metode Siklis Linier
(N = 6 ) type YTZ5S
t
dt. dt . t. t.
.
1 2900 0.866 0.75 0.5 0.25 0.433 2511 1450 0.866 0.5 8512
2 1022 0.866 0.75 -0.5 0.25 -0.433 885 -511 1.732 -1 7006
3 2591 0 `0 -1 1 0 0 -2591 0 -3 7024
4 921 -0.866 0.75 -0.5 0.25 0.433 -798 -461 -3.464 -2 6216
5 6140 -0.866 0.75 0.5 0.25 -0.433 -5317 3070 -4.33 2.5 6933
6 1183 0 0 -1 1 0 0 1183 0 6 8063
7 456 0.866 0.75 0.5 0.25 0.433 395 228 6.062 3.5 6144
8 1741 0.866 0.75 -0.5 0.25 -0.433 1508 -871 6.928 -4 4637
9 1586 0 0 -1 1 0 0 -1586 0 -9 4655
10 474 -0.866 0.75 -0.5 0.25 0.433 -410 -237 -8.66 -5 3847
11 2976 -0.866 0.75 0.5 0.25 -0.433 -2577 1488 -9.526 5.5 4564
12 3139 0 0 1 1 0 0 3139 0 12 5694

25129 0 6 0 6 0 3803 4302 -10 6 73295

Sumber: Olah Data Penjualan

Dari Tabel 4.31 yang telah dihitung menggunakan metode siklis linier dengan N= 6
pada type battery YTZ5S, dapat dianalisis nilai hasil peramalan yang sangat tinggi
hingga 3 kali lipat dari penjualan ditahun 2014.
Tabel 4.32 perhitungan peramalan menggunakan metode Siklis Linier
(N = 6 ) type NS70
t
dt. dt . t. t.
.
1 1498 0.866 0.75 0.5 0.25 0.433 1297 749 0.866 0.5 2388
2 268 0.866 0.75 -0.5 0.25 -0.433 232 -134 1.732 -1 2019
3 620 0 `0 -1 1 0 0 -620 0 -3 1822
4 333 -0.866 0.75 -0.5 0.25 0.433 -288 -167 -3.464 -2 1966
5 1242 -0.866 0.75 0.5 0.25 -0.433 -1076 621 -4.33 2.5 2282
6 1027 0 0 -1 1 0 0 1027 0 6 2427
7 246 0.866 0.75 0.5 0.25 0.433 213 123 6.062 3.5 2229
8 1496 0.866 0.75 -0.5 0.25 -0.433 1296 -748 6.928 -4 1816
9 1184 0 0 -1 1 0 0 -1184 0 -9 1663
10 444 -0.866 0.75 -0.5 0.25 0.433 -385 -222 -8.66 -5 1808
11 1184 -0.866 0.75 0.5 0.25 -0.433 -1025 592 -9.526 5.5 2124
12 1857 0 0 1 1 0 0 1857 0 12 2269

11399 0 6 0 6 0 264 1898 -10 6 24857

Sumber: Olah Data Penjualan

67

http://digilib.mercubuana.ac.id/
Dari Tabel 4.32 yang telah dihitung menggunakan metode siklis linier dengan N= 6
pada type battery NS70, dapat dianalisis nilai hasil peramalan yang sangat tinggi
hingga 3 kali lipat dari penjualan ditahun 2014.
Tabel 4.33 perhitungan peramalan menggunakan metode Siklis Linier (N
=12 ) type YB5LBBA
t
dt. dt . t. t.
.
1 5,069 0.5 0.25 0.866 0.75 0.433 2535 4390 0.5 0.866 6050
2 494 0.866 0.75 0..5 0.25 -0.433 428 247 1.732 1 4827
3 2,506 1 `1 0 0 0 2506 0 3 0 3580
4 272 0.866 0.75 -0.5 0.25 -0.433 236 -136 3.464 -2 2664
5 3,948 0.5 0.25 0.866 0.75 -0.433 1974 -3419 2.5 -4.33 2100
6 972 0 0 -1 1 0 0 -927 0 -6 1698
7 210 -0.5 0.25 -0.866 0.75 0.433 -105 -182 -3.5 -6.062 1342
8 7,449 -0.866 0.75 -0.5 0.25 0.433 -6451 -3752 -6.928 -4 1148
9 3,662 -1 0 0 0 0 -3622 0 -9 0 1306
10 226 -0.866 0.75 0.5 0.25 -0.433 -196 113 -8.66 5 1795
11 3,356 -0.5 0.25 0.866 0.25 -0.433 -1678 2906 -5.5 9.526 2260
12 6,891 0 0 1 1 0 0 6891 0 12 2234

34,970 0 6 0 6 0 4374 6159 -22 6 31002

Sumber: Olah Data Penjualan

Dari Tabel 4.33 yang telah dihitung menggunakan metode siklis linier dengan N= 12
pada type battery YB5LBBA, dapat dianalisis nilai peramalan total peramalan
memiliki selisih yaitu 3,968 pcs, lebih kecil dari nilai penjualan 2014
Tabel 4.34 perhitungan peramalan menggunakan metode Siklis Linier (N =12)
type YTZ5S
t
dt. dt . t.
. t.
1 2900 0.5 0.25 0.866 0.75 0.433 1450 2511 0.5 0.866 2166
2 1022 0.866 0.75 0..5 0.25 -0.433 885 511 1.732 1 2529
3 2591 1 `1 0 0 0 2591 0 3 0 2700
4 921 0.866 0.75 -0.5 0.25 -0.433 798 -461 3.464 -2 2509
5 6140 0.5 0.25 0.866 0.75 -0.433 3070 -5317 2.5 -4.33 2150
6 1183 0 0 -1 1 0 0 -1183 0 -6 1992
7 456 -0.5 0.25 -0.866 0.75 0.433 -228 -395 -3.5 -6.062 2219
8 1741 -0.866 0.75 -0.5 0.25 0.433 -1508 -871 -6.928 -4 2649
9 1586 -1 0 0 0 0 -1586 0 -9 0 2910
10 474 -0.866 0.75 0.5 0.25 -0.433 -410 237 -8.66 5 2809
11 2976 -0.5 0.25 0.866 0.25 -0.433 -1488 2577 -5.5 9.526 2515
12 3139 0 0 1 1 0 0 3139 0 12 2381

25129 0 6 0 6 0 3573 749 -22 6 29529

Sumber: Olah Data Penjualan

68

http://digilib.mercubuana.ac.id/
Dari Tabel 4.34 yang telah dihitung menggunakan metode siklis linier dengan N= 12
pada type battery YTZ5S, dapat dianalisis nilai peramalan yang cukup stabil dan
fluktuatif mengalami siklus yang cukup kecil. sehingga masih bisa diantisipasi dalam
segala kondisi, namun pada metode ini berbalik dengan type YB5LBBA disini
forecast lebih tinggi yaitu selilisih 4,400pcs lebih tinggi dari penjualan pada tahun
2014.
Tabel 4.35 perhitungan peramalan menggunakan metode Siklis Linier (N
=12 ) type NS70
t dt.
dt .
. t.
t.
1 1498 0.5 0.25 0.866 0.75 0.433 749 1297 0.5 0.866 1288
2 268 0.866 0.75 0..5 0.25 -0.433 232 134 1.732 1 1936
3 620 1 `1 0 0 0 620 0 3 0 2377
4 333 0.866 0.75 -0.5 0.25 -0.433 288 -167 3.464 -2 2420
5 1242 0.5 0.25 0.866 0.75 -0.433 621 -1076 2.5 -4.33 2269
6 1027 0 0 -1 1 0 0 -1027 0 -6 2329
7 246 -0.5 0.25 -0.866 0.75 0.433 -123 0213 -3.5 -6.062 2802
8 1496 -0.866 0.75 -0.5 0.25 0.433 -1296 -748 -6.928 -4 3485
9 1184 -1 0 0 0 0 -1184 0 -9 0 3975
10 444 -0.866 0.75 0.5 0.25 -0.433 -385 222 -8.66 5 4065
11 1184 -0.5 0.25 0.866 0.25 -0.433 -592 1025 -5.5 9.526 3950
12 1857 0 0 1 1 0 0 1857 0 12 956

11399 0 6 0 6 0 1069 1306 -22 6 31852

Sumber: Olah Data Penjualan

Dari Tabel 4.35 yang telah dihitung menggunakan metode siklis linier dengan N= 12
pada type battery NS70, dapat dianalisis nilai peramalan yang cukup stabil namun
mengalami kenaikan secara pasti sehingga nilai total peramalan lebih tinggi 2 kali
lipat lebih dari peramalan di tahun 2014. Jika dianalisa dengan nagka yang
menghasilkan 2 kali lipat dari penjualan sulit diterima, karena penelitian ini untuk
menegendalikan persediaan. Sehingga apabila persediaan menjadi lebih besar tujuan
dari penelitian tidak tercapai.metode ini kurang direkomendasikan karena tidak sesuai
dengan hasil yang diharapkan.

69

http://digilib.mercubuana.ac.id/
 Tabel 4.36 perhitungan peramalan menggunakan metode Musiman type
YB5LBBA
T (Waktu) Bulan Penjualan Y (a+bt)
1 Januari 5,069 2956
2 Februari 494 2998
3 Maret 2,506 3040
4 April 272 3082
5 Mei 3,948 3124
6 Juni 972 3166
7 Juli 210 3208
8 Agustus 7,449 3250
9 September 3,662 3292
10 Oktober 226 3334
11 November 3,356 3376
12 Desember 6,891 3418
Total () 34,970 38224
Sumber: Olah Data Penjualan
Dari Tabel 4.36 yang telah dihitung menggunakan metode musiman pada type
battery YB5LBBA, dapat dianalisis nilai peramalan yang cukup stabil dan trend hasil
peramalan menuju keatas. Total hasil peramalan mengalami kenaikan sekitar 9% dari
penjualan sesungguhnya.

Tabel 4.37 perhitungan peramalan menggunakan metode Musiman type

YTZ5S
T (Waktu) Bulan Penjualan Y (a+bt)
1 Januari 2900 2120
2 Februari 1022 2147
3 Maret 2591 2173
4 April 921 2199
5 Mei 6140 2226
6 Juni 1183 2252
7 Juli 456 2278
8 Agustus 1741 2305
9 September 1586 2331
10 Oktober 474 2358
11 November 2976 2384
12 Desember 3139 2411
Total () 25129 27189
Sumber: Olah Data Penjualan

70

http://digilib.mercubuana.ac.id/
Dari Tabel 4.37 yang telah dihitung menggunakan metode musiman pada type
battery YTZ5S, dapat dianalisis nilai peramalan yang cukup stabil dan trend hasil
peramalan menuju keatas. Total hasil peramalan mengalami kenaikan sekitar 8% dari
penjualan sesungguhnya.
Tabel 4.38 perhitungan peramalan menggunakan metode Musiman type
NS70
T (Waktu) Bulan Penjualan Y (a+bt)
1 Januari 1498 958
2 Februari 268 971
3 Maret 620 985
4 April 333 998
5 Mei 1242 1012
6 Juni 1027 1025
7 Juli 246 1039
8 Agustus 1496 1052
9 September 1184 1068
10 Oktober 444 1079
11 November 1184 1092
12 Desember 1857 1106
Total () 11399 12388
Sumber: Olah Data Penjualan
Dari Tabel 4.38 yang telah dihitung menggunakan metode musiman pada type
battery NS70, dapat dianalisis nilai peramalan yang cukup stabil dan trend hasil
peramalan menuju keatas. Total hasil peramalan mengalami kenaikan sekitar 8,6%
dari penjualan sesungguhnya.

4.7 Analisis Kesalahan Peramalan

Didalam menentukan peramalan paling baik, dibutuhkan suatu alat untuk dapat
menentukan yang layak untuk digunakan. Untuk menentukan itu semua dihitung
masing-masing menggunakan metode, MAD, MSE dan MAPE. Dari ketiga metode
tersebut dicari nilai yang paling terkecil, berikut rinciannya :

71

http://digilib.mercubuana.ac.id/
 Tabel 4.39 Analisa Kesalahan Peramalan pada type YB5LBBA ( satuan/ pcs)
METODE MAD MSE MAPE
Linier 2,062 5,872,457 365
Moving Average 2 Bulanan 2,641 11,814,426 428
3 Bulanan 2,560 9,386,990 396
4 bulanan 3,030 12,901,885 451
Exponenetial 0.1 2,388 8,781,967 51430
Smooting 0.2 2,400 8,537,291 44677
0.3 2,404 8,673,075 41889
0.4 2,383 8,983,467 39550
0.5 2,441 9,426,846 38894
0.6 2,545 9,947,688 38708
0.7 2,699 10,601,686 38716
0.8 2,849 11,289,656 38517
0.9 2,872 12,031,217 37509
Siklis Linier N=6 6,977 61,928,226 1334
N = 12 2,373 8,526,520 386
Siklis Konstan N=6 3,196 14,178,020 744
N = 12 1,934 5,397,550 340
Konstan 2,142 6,190,060 366
Musiman 2075 6,088,203 396
Sumber: Olah Data
Dari Tabel 4.39, setelah dilakukan perhitungan menggunakan metode MAD, MSE
dan MAPE. Nilai yang paling terkecil yaitu pada metode siklis konstan dengan n=12
yang memilki nilai MAD = 1,934, MSE = 5,397,550 dan MAPE 340. Oleh karena itu
hasil peramalan metode tersebut diasumsikan untuk dapat dijadikan acuan pada
peramalan tahun berikutnya.
Tabel 4.40 Analisa Kesalahan Peramalan pada type YTZ5S (satuan/ pcs)
METODE MAD MSE MAPE
Linier 1,211 2,344,544 103
Moving Average 2 Bulanan 1,741 4,448,353 154
3 Bulanan 1,437 2,987,698 110
4 bulanan 1,216 2,509,282 93
Exponenetial 0.1 1,377 2,833,058 23527
Smooting 0.2 1,327 2,935,972 12669
0.3 1,390 3,165,878 12275
0.4 1,411 3,412,970 12088
0.5 1,470 3,688,305 12211
0.6 1,538 3,997,059 12428
0.7 1,605 4,350,784 12615
0.8 1,663 4,764,946 12691
0.9 1,716 5,259,135 12643
Siklis Linier N=6 4,014 19,461,480 381
N = 12 2,652 10,249,252 219
Siklis Konstan N=6 2,268 6,275,667 245
N = 12 1,094 2,163,327 90
Konstan 1,213 2,348,488 103
Musiman 1,244 2,397,724 114
Sumber: Olah Data

72

http://digilib.mercubuana.ac.id/
Dari Tabel 4.40, setelah dilakukan perhitungan menggunakan metode MAD, MSE
dan MAPE. Nilai yang paling terkecil yaitu pada metode siklis konstan dengan n=12
yang memilki nilai MAD = 1094, MSE =2,163,327 dan MAPE 90. Oleh karena itu
hasil peramalan metode tersebut diasumsikan untuk dapat dijadikan acuan pada
peramalan tahun berikutnya.
Tabel 4.41 Analisa Kesalahan Peramalan pada type NS 70 (satuan/ pcs)
METODE MAD MSE MAPE
Linier 416 243,699 80
Moving Average 2 Bulanan 679 751,999 122
3 Bulanan 853 1,063,838 133
4 bulanan 951 1,372,619 107
Exponenetial 0.1 513 433,477 12619
Smooting 0.2 523 404,962 11654
0.3 537 399,424 11220
0.4 540 403,412 10944
0.5 537 414,247 10757
0.6 472 430,436 10136
0.7 523 450,922 10469
0.8 551 475,008 10787
0.9 588 502,744 11191
Siklis Linier N=6 1,118 1,503,629 240
N = 12 892 982,802 134
Siklis Konstan N=6 950 1,129,185 211
N = 12 427 237,813 81
Konstan 473 277,345 90
Musiman 445 269,272 94
Sumber: Olah Data
Dari Tabel 4.41, setelah dilakukan perhitungan menggunakan metode MAD, MSE
dan MAPE. Nilai yang paling terkecil yaitu pada metode siklis konstan dengan n=12
yang memilki nilai MAD = 427, MSE = 237,813 dan MAPE 81. Oleh karena itu hasil
peramalan metode tersebut diasumsikan untuk dapat dijadikan acuan pada peramalan
tahun berikutnya.
4.8 Menghitung Rencana Pemesanan
Berdasarkan dari perhitungan perencanaan permintaan menggunakan beberapa
metode, setelah ditemukan metode yang paling baik. Selanjutnya data tersebut
digunakan untuk menghitung DRP sesuai dengan sampel type yang telah ditentukan,
adapun didalam sistem DRP menentukan nilai-nilai diantaranya, yaitu:

73

http://digilib.mercubuana.ac.id/
 Tabel 4.42 Hasil perhitungan DRP pada type YB5LBBA di tahun 2014
Type : YB5LBBA Lot Size : 200 pcs
Lead Time : 1 Bulan Safety Stock : 1000 pcs
Keterangan Des13 Jan14 Feb14 Mar14 Apr14 Mei14 Jun14 Jul14 Ags14 Sep14 Okt14 Nov14 Des14 Total
Gross Requirement 3430 2796 2185 1769 1661 1888 2390 3032 3643 4059 4167 3941 34,961
Schedule Receipts
Project On Hand 6348 2918 1078 1093 1124 1063 1175 1185 1153 1110 1051 1084 1143 21,525
Net Requirements 1122 2107 1676 1537 1825 2215 2847 3490 3949 4116 3857 28,741
Planned Order 1200 2200 1800 1600 2000 2400 3000 3600 4000 4200 4000 30,000
Receipts
Planned Order 1200 2200 1800 1600 2000 2400 3000 3600 4000 4200 4000 0 30,000
Relesase
Biaya Simpan 7,008,192 3,221,472 1,190,112 1,206,672 1,240,896 1,173,552 1,297,200 1,308,240 1,272,912 1,225,440 1,160,304 1,196,736 1,261,872 23,763,600
Biaya Pengiriman 776,400 1,423,400 1,164,600 1,035,200 1,294,400 1,552,800 1,941,000 2,329,200 2,588,000 2,717,400 2,588,000 19,410,400
Sumber: Olah Data Penjualan

Tabel 4.43 Hasil perhitungan DRP pada type YB5LBBA di tahun 2015
Type : YB5LBBA Lot Size : 200 pcs
Lead Time : 1 Bulan Safety Stock : 1000 pcs
Keterangan Des14 Jan15 Feb15 Mar15 Apr15 Mei15 Jun15 Jul15 Ags15 Sep15 Okt15 Nov15 Des15 Total
Gross Requirement 1426 1393 1905 2827 3911 4866 5437 5471 4958 4036 2952 1997 41,179
Schedule Receipts
Project On Hand 1143 1117 1124 1019 1192 1081 1015 1178 1107 1149 1113 1161 1164 14,563
Net Requirements 1283 1276 1781 2808 3719 4785 5422 5293 4851 3887 2839 1836 39,780
Planned Order 1400 1400 1800 3000 3800 4800 5600 5400 5000 4000 3000 2000 41,200
Receipts
Planned Order 1400 1400 1800 3000 3800 4800 5600 5400 5000 4000 3000 2000 0 41,200
Relesase
Biaya Simpan
Biaya Pengiriman 1,261,872 1,233,168 1,240,896 1,124,976 1,315,968 1,193,424 1,120,560 1,300,512 1,222,128 1,268,496 1,228,752 1,281,774 1,285,056 16,077,582
905,800 905,800 1,164,600 1,941,000 2,458,600 3,105,600 3,623,200 3,493,800 3,235,000 2,588,000 1,941,000 1,291,000 0 26,653,400
Sumber: Olah Data Penjualan

74

http://digilib.mercubuana.ac.id/
 Tabel 4.44 Hasil perhitungan DRP pada type YTZ5S ditahun 2014
Type : YTZ5S Lot Size : 324 pcs
Lead Time : 1 Bulan Safety Stock : 600 pcs
Keterangan Des13 Jan14 Feb14 Mar14 Apr14 Mei14 Jun14 Jul14 Ags14 Sep14 Okt14 Nov14 Des14 Total
Gross Requirement 2,500 2,672 2,690 2,547 2,284 1,969 1,688 1,516 1,499 1,641 1,905 2,219 25,130
Schedule Receipts
Project On Hand 1,455 899 819 721 766 750 725 657 761 882 861 900 625 10,821
Net Requirements 1645 2373 2471 2426 2118 1819 1563 1459 1338 1359 1044 1319 20,934
Planned Order 1944 2592 2592 2592 2268 1944 1620 1620 1620 1620 1944 1944 24,300
Receipts
Planned Order 1944 2592 2592 2592 2268 1944 1620 1620 1620 1620 1944 1944 0 24,300
Relesase
Biaya Simpan 1,606,320 992,496 904,176 795,984 845,664 828,000 800,400 725,328 840,144 973,728 950,544 993,600 690,000 11,946,384
Biaya Pengiriman 1,257,768 1,677,024 1,677,024 1,677,024 1,46,396 1,257,768 1,048,140 1,048,140 1,048,140 1,048,140 1,257,768 1,257,768 0 14,254,704
Sumber: Olah Data Penjualan

Tabel 4.45 Hasil perhitungan DRP pada type YTZ5S ditahun 2015
Type : YTZ5S Lot Size : 324 pcs
Lead Time : 1 Bulan Safety Stock : 600 pcs
Keterangan Des14 Jan15 Feb15 Mar15 Apr15 Mei15 Jun15 Jul15 Ags15 Sep15 Okt15 Nov15 Des15 Total
Gross Requirement 474 700 2,201 1,315 2,750 3,092 2,689 3,270 1,515 2,890 1,535 2,500 24,931
Schedule Receipts
Project On Hand 625 821 717 784 765 607 755 658 628 733 759 844 612 9,308
Net Requirements 751 721 2084 1131 2585 3085 2534 3212 1487 2757 1376 2256 23,979
Planned Order 972 972 2268 1296 2592 3240 2592 3240 1620 2916 1620 2268 25,596
Receipts
Planned Order 972 1296 2268 1296 2592 3240 2592 3240 1620 2916 1620 2268 0 25,596
Relesase
Biaya Simpan
Biaya Pengiriman 690,000 906,384 791,568 865,536 844,560 670,128 833,520 726,432 693,312 809,232 837,936 931,76 675,648 8,827,432
628,884 629,856 1,46,396 838,512 1,67,024 2,096,280 1,677,024 2,096,280 1,048,140 1,886,652 1,048,140 1,467,396 0 15,240,584
Sumber: Olah Data Penjualan

75

http://digilib.mercubuana.ac.id/
 Tabel 4.46 Hasil perhitungan DRP pada type NS 70 ditahun 2014
Type : NS70 Lot Size : 100 pcs
Lead Time : 1 Bulan Safety Stock : 500 pcs
Keterangan Des13 Jan14 Feb14 Mar14 Apr14 Mei14 Jun14 Jul14 Ags14 Sep14 Okt14 Nov14 Des14 Total
Gross Requirement 1,049 905 772 687 672 732 851 995 1,128 1,213 1.228 1,168 11,400
Schedule Receipts
Project On Hand 1,050 599 594 522 535 563 531 580 585 557 544 516 548 7,724
Net Requirements 501 806 678 665 637 669 820 915 1043 1156 1184 1152 10,226
Planned Order 600 900 700 700 700 700 900 1000 1100 1200 1200 1200 10,900
Receipts
Planned Order 600 900 700 700 700 700 900 1000 1100 1200 1200 1200 0 10,900
Relesase
Biaya Simpan 2,718,450 1,550,811 1,537,866 1,351,458 1,385,115 1,457,607 1,374,759 1,501,620 1,514,56 1,442,073 1,408,416 1,335,924 1,418,712 19,997,376
5
Biaya Pengiriman 388,200 582,300 452,900 452,900 452,900 452,900 582,300 647,000 711,700 776,400 776,400 776,400 0 7,052,300
Sumber: Olah Data Penjualan

Tabel 4.47 Hasil perhitungan DRP pada type NS 70 ditahun 2015

Type : NS70 Lot Size : 100 pcs
Lead Time : 1 Bulan Safety Stock : 500 pcs
Keterangan Des14 Jan15 Feb15 Mar15 Apr15 Mei15 Jun15 Jul15 Ags15 Sep15 Okt15 Nov15 Des15 Total
Gross Requirement 769 796 891 1,029 1,172 1,283 1,331 1,304 1,209 1,071 4928 818 16,601
Schedule Receipts
Project On Hand 548 579 583 592 563 591 508 577 573 564 593 565 547 7,383
Net Requirements 721 717 808 937 1109 1192 1323 1227 1136 1007 4885 753 15,815
Planned Order 800 800 900 1000 1200 1200 1400 1300 1200 1100 4900 800 16,600
Receipts
Planned Order 800 800 900 1000 1200 1200 1400 1300 1200 1100 4900 800 16,600
Relesase
Biaya Simpan
Biaya Pengiriman 1,418,772 1,499,031 1,509,387 1,532,688 1,457,607 1,530,099 1,315,212 1,493,853 1,483,497 1,460,196 1,535,277 1,462,785 1,416,183 17,071,763
517,600 517,600 582,300 647,000 776,400 776,400 905,800 841,100 776,400 722,700 3,170,300 517,600 10,751,200
Sumber: Olah Data Penjualan

76

http://digilib.mercubuana.ac.id/
Perbandingan antara DRP 2014 dengan 2015 pada masing type battery
Dari Tabel 4.42, dapat dianalisis pada type battey YB5LBBA memiliki safety stock
1000 pcs, nilai tersebut diasumsikan dari rata-rata penjualan selama setahun yang
memilki kontrisbusi 30%. Pada DRP ini memilki leadtime 1 bulan dengan lotsize 200
pcs. Nilai gross recuirement didapat dari hasil perhitungan peramalan dengan metode
yang terbaik, pada dasarnya perhitungan DRP yaitu melakukan pemesanan untuk
mengantisipasi permintaan yang akan datang serta menjaga persediaan agar tetap
dalam posisi terkendali. Data gross recuirement dijadikan acuan pada planned order
receipt dan planned order release. Dari hasil perhitungan DRP disini memilki
persediaan akhir Desember sebesar 1143 pcs, dengan rata-rata biaya simpannya
sebesar Rp. 1,980,300. Dan rata-rata biaya pengiriman Rp. 1,617,533. Sedangkan dari
Tabel 4.43, dapat dianalisis pada type battey YB5LBBA nilai quantity yang
dihasilkan antara Net Requirement dengan planned order release memiliki selisih
sangat tipis yaitu sekitar 4%. Hal tersebut terjadi karena untuk mengantisipasi
persediaan, ketika masa tenggang terjadi di akhir dan menuju awal bulan sehingga
memiliki selisih nilai. Dari hasil perhitungan DRP disini memilki persediaan akhir
Desember sebesar 1,164 pcs,dengan rata-rata biaya simpannya sebesar Rp. 1,339,798.
Dan rata-rata biaya pengiriman Rp. 2,221,116.

Pada Tabel 4.44, dapat dianalisis pada type battery YTZ5S memiliki safety stock 600
pcs, nilai tersebut diasumsikan dari rata-rata penjualan selama setahun yang memilki
kontrisbusi 25%. Pada DRP ini memilki lead time 1 bulan dengan lotsize 324 pcs.
Dari hasil perhitungan DRP disini memilki persediaan akhir Desember sebesar 625
pcs, dengan rata-rata biaya simpannya sebesar Rp. 995,532. Dan rata-rata biaya
pengiriman Rp. 1,187,892. Sedangkan dari Tabel 4.45, dapat dianalisis pada type
battey YTZ5S nilai quantity yang dihasilkan antara Net Requirement dengan planned
order release memiliki selisih cukup besar yaitu sekitar 9%. Jika dianalisa lebih
lanjut persediaan yang dirancang sangat aman untuk kestabilan penjulan dan
memenuhi kebutuhan costumer. Dari hasil perhitungan DRP disini memilki

77

http://digilib.mercubuana.ac.id/
persediaan akhir Desember sebesar 625 pcs,dengan rata-rata biaya simpannya sebesar
Rp. 735,619. Dan rata-rata biaya pengiriman Rp. 1,270,048.

Pada Tabel 4.46, dapat dianalisis pada type battey NS 70 memiliki safety stock
500pcs, nilai tersebut diasumsikan dari rata-rata penjualan selama setahun yang
memilki kontrisbusi 40%. Pada DRP ini memilki lead time 1 bulan dengan lotsize
100 pcs. Dari hasil perhitungan DRP disini memilki persediaan akhir Desember
sebesar 548 pcs, dengan rata-rata biaya simpannya sebesar Rp.1,666,448. Dan rata-
rata biaya pengiriman Rp. 587,691. Sementara dari Tabel 4.47 di atas, dapat dianalisa
pada type battery NS 70 dari hasil perhitunga peralamalan jika dilihat pola nilainya
untuk type ini hampir menyerupai dengan type YB5LBBA dengan asumsi selisih
kebutuhan dan planned order release sekitar 4% . Dari hasil perhitungan DRP disini
memilki persediaan akhir Desember sebesar 625 pcs, dengan rata-rata biaya
simpannya sebesar Rp.1,422,646. Dan rata-rata biaya pengiriman Rp.895,933.

78

http://digilib.mercubuana.ac.id/