MODUL I
PERAMALAN
Disusun oleh:
Kelompok II
1. Ari Handayani (4409216094)
2. Caecilia Eka A.W.S. (4409216097)
3. Dwi Darmawan Saputra (4409216100)
Halaman
DAFTAR ISI ........................................................................................................................ i
DAFTAR GAMBAR ............................................................................................................ ii
DAFTAR TABEL ............................................................................................................... iii
DAFTAR LAMPIRAN ........................................................................................................ iv
BAB I PENDAHULUAN..................................................................................................... 1
1.1. Latar Belakang .................................................................................................... 1
1.2. Perumusan Masalah ........................................................................................... 2
1.3. Tujuan Praktikum ................................................................................................ 2
1.4. Pembatasan Masalah.......................................................................................... 3
BAB II LANDASAN TEORI................................................................................................ 4
2.1. Pengertian Peramalan Permintaan ..................................................................... 4
2.2. Kegunaan Peramalan ......................................................................................... 4
2.3. Metode Peramalan .............................................................................................. 5
2.4. Prosedur Peramalan ........................................................................................... 6
2.5. Definisi Peramalan Time Series .......................................................................... 6
2.6. Verifikasi dan Pengendalian Peramalan .............................................................. 9
2.7. Prosedur Peramalan Menggunakan Software WinQSB......................................10
BAB III PENGUMPULAN DAN PENGOLAHAN DATA .....................................................12
3.1. Pengumpulan Data ............................................................................................12
3.2. Pengolahan Data ...............................................................................................13
BAB IV KESIMPULAN DAN SARAN ................................................................................29
4.1. Kesimpulan ........................................................................................................29
4.2. Saran .................................................................................................................30
DAFTAR PUSTAKA .........................................................................................................31
i
DAFTAR GAMBAR
Halaman
Gambar 2. 1 Tampilan WinQSB – Problem Specification .................................................10
Gambar 2. 2 Tampilan WinQSB – Historical Data ............................................................10
Gambar 2. 3 Tampilan WinQSB – Forecasting Setup ......................................................11
Gambar 2. 4 Tampilan WinQSB – Forecasting Result .....................................................11
Gambar 3. 1 Grafik peramalan metode Moving Average ................................................ 15
Gambar 3. 2 Grafik Peramalan Metode Double Moving Average .....................................18
Gambar 3. 3 Grafik peramalan metode Weighted Moving Average..................................21
Gambar 3. 4 Grafik Peramalan Metode Single Exponential Smoothing ...........................24
Gambar 3. 5 Grafik Peramalan Metode Double Exponential Smoothing ..........................28
.
ii
DAFTAR TABEL
Halaman
Tabel 3. 1 Data permintaan tahun lalu .............................................................................12
Tabel 3. 2 Penghitungan peramalan Moving Average ......................................................13
Tabel 3. 3 Verifikasi Peramalan Metode Moving Average ................................................14
Tabel 3. 4 Penghitungan Peramalan Metode Double Moving Average ............................16
Tabel 3. 5 Verifikasi peramalan Metode Double Moving Average ....................................17
Tabel 3. 6 Penghitungan Peramalan Metode Weighted Moving Average .........................19
Tabel 3. 7 Verifikasi Peramalan Metode Weighted Moving Average ................................20
Tabel 3. 8 Penghitungan peramalan metode Single Exponential Smoothing ...................22
Tabel 3. 9 Verifikasi Peramalan Metode Single Exponential Smoothing ..........................23
Tabel 3. 10 Penghitungan peramalan metode Single Exponential Smoothing untuk 12
bulan berikutnya ............................................................................................25
Tabel 3. 11 Penghitungan Peramalan Metode Double Exponential Smoothing ................26
Tabel 3. 12 Verifikasi Peramalan Metode Double Exponential Smoothing .......................27
Tabel 4. 1 Rekapitulasi Hasil Peramalan Permintaan AADC Chair ................................. 29
Tabel 4. 2 Data permintaan yang akan datang menggunakan SES .................................29
iii
DAFTAR LAMPIRAN
iv
BAB I
PENDAHULUAN
1
2
Kursi kerja merupakan jenis kursi yang memiliki banyak model atau variasi.
Permintaan akan kursi kantor bersifat fluktuatif dan bergantung atas desain dari
penggunaan pekerjaan suatu perusahaan. Kursi yang didesain disesuaikan dengan
kebutuhan pekerjaan, dengan rancangan yang ergonomis dan nyaman digunakan.
3. Faktor-faktor lain
Faktor lain yang mempengaruhi permintaan adalah reaksi balik dari pesaing,
perilaku konsumen yang berubah, dan usaha-usaha yang dilakukan sendiri oleh
perusahaan seperti meningkatkan kualitas, pelayanan, anggaran iklan, dan
kebijaksanaan pembayaran secara kredit.
4
5
produk berulang secara periodic maka ini di sebut siklus. Pola siklus sangat
berguna untuk peramalan jangka menengah dan jangka panjang.
Pola musiman merupakan fluktuasi permintaan suatu produk yang dapat
naik atau turun disekitar garis trend dan biasanya berulang setiap tahun. Pola ini
biasanya di pengaruhi oleh faktor cuaca, musim liburan dan sebagainya. Variasi
acak biasanya terjadi untuk kejadian yang tidak mempunyai pola tertentu, seperti
bencana alam.
Berikut adalah beberapa metode yang digunakan dalam meramalkan
permintaan secara time series.
2.5.2. Rata – Rata Bergerak dengan Bobot / Weighted Moving Average (WMA)
Metode WMA merupakan solusi untuk mengatasi kelemahan kedua
dari metode MA. Secara matematis dapat ditulis sebagai berikut:
WMA W A
t ...................................................................... (2.5.2)
Dimana :
8
A A
F F t tN
t t 1 N ......................................................... (2.5.3)
3. Pilih problem type “Time Series Forecasting” dan isi judul peramalan dan
periode peramalan lalu klik OK
4. Muncul tampilan seperti berikut, isi jumlah permintaan tiap periode masa lalu.
6. Pilih metode yang akan digunakan lalu klik OK, maka akan muncul hasil
peramalan untuk periode yang akan datang, seperti berikut:
12
3.2. Pengolahan Data
3.2.1. Metode Moving Average
Tabel 3. 2 Penghitungan peramalan Moving Average
t Bulan at ft (at-ft) |at- ft| (at - ft)^2 |(at-ft)/at| (ft-at) n=3 MR |MR| MR bar 210.417
1 Jan 1000 UCL 559.708
2 Feb 1200 LCL -559.708
3 Mar 1100 A +/- 372.438
4 Apr 1300 1100 200 200 40000 0.1538 -200 B +/- 187.271
5 Mei 1400 1200 200 200 40000 0.1429 -200 0 0
6 Jun 1500 1267 233 233 54444 0.1556 -233 -33 33
7 Jul 1200 1400 -200 200 40000 0.1667 200 433 433
8 Agust 1300 1367 -67 67 4444 0.0513 67 -133 133
9 Sep 1150 1333 -183 183 33611 0.1594 183 117 117
10 Okt 1000 1217 -217 217 46944 0.2167 217 33 33
11 Nop 1500 1150 350 350 122500 0.2333 -350 -567 567
12 Des 1200 1217 -17 17 278 0.0139 17 367 367
Jumlah 300 1667 382222 1.29351675 1683
MAPE 14.37240832
13
Tabel 3. 3 Verifikasi Peramalan Metode Moving Average
Bulan ft-at UCL LCL A(+) A(-) B(+) B(-)
Apr -200 559.708 -559.708 372.438 -372.438 187.271 -187.271
Mei -200 559.708 -559.708 372.438 -372.438 187.271 -187.271
Jun -233 559.708 -559.708 372.438 -372.438 187.271 -187.271
Jul 200 559.708 -559.708 372.438 -372.438 187.271 -187.271
Agust 67 559.708 -559.708 372.438 -372.438 187.271 -187.271
Sep 183 559.708 -559.708 372.438 -372.438 187.271 -187.271
Okt 217 559.708 -559.708 372.438 -372.438 187.271 -187.271
Nop -350 559.708 -559.708 372.438 -372.438 187.271 -187.271
Des 17 559.708 -559.708 372.438 -372.438 187.271 -187.271
14
MA
800
600
400
ft-at
200 ucl
lcl
0 A(+)
1 2 3 4 5 6 7 8 9
A(-)
-200 B(+)
B(-)
-400
-600
-800
15
3.2.2. Metode Double Moving Average
Tabel 3. 4 Penghitungan Peramalan Metode Double Moving Average
n= 3 W1 = 0,2 W2 = 0,3 W2 = 0,5
|(at-
t Bulan at s' s'' ft (at-ft) |at-ft| (at - ft)^2 ft)/at| (ft-at) n=3 MR |MR|
1 Jan 1000
2 Feb 1200
3 Mar 1100 1100
4 Apr 1300 1200
5 Mei 1400 1266.667 1188.889
6 Jun 1500 1400 1288.889 1422.222 77.778 77.778 6049.383 0.052 -77.778
7 Jul 1200 1366.667 1344.444 1622.222 -422.222 422.222 178271.605 0.352 422.222 500 500
8 Agust 1300 1333.333 1366.667 1411.111 -111.111 111.111 12345.679 0.085 111.111 -311.111 311.111
9 Sep 1150 1216.667 1305.556 1266.667 -116.667 116.667 13611.111 0.101 116.667 5.556 5.556
10 Okt 1000 1150 1233.333 1038.889 -38.889 38.889 1512.346 0.039 38.889 -77.778 77.778
11 Nop 1500 1216.667 1194.444 983.333 516.667 516.667 266944.444 0.344 -516.667 -555.556 555.556
12 Des 1200 1233.333 1200 1261.111 -61.111 61.111 3734.568 0.051 61.111 577.778 577.778
Jumlah -155.556 1344.444 482469.136 1.025 2027.778
16
Tabel 3. 5 Verifikasi peramalan Metode Double Moving Average
Bulan ft-at UCL LCL A(+) A(-) B(+) B(-)
jun -77.778 898.981 -898.981 598.194 -598.194 300.787 -300.787
jul 422.222 898.981 -898.981 598.194 -598.194 300.787 -300.787
agust 111.111 898.981 -898.981 598.194 -598.194 300.787 -300.787
sep 116.667 898.981 -898.981 598.194 -598.194 300.787 -300.787
okt 38.889 898.981 -898.981 598.194 -598.194 300.787 -300.787
nop -516.667 898.981 -898.981 598.194 -598.194 300.787 -300.787
des 61.111 898.981 -898.981 598.194 -598.194 300.787 -300.787
17
DMA
1000.000
800.000
600.000
400.000
ft-at
ucl
200.000
lcl
0.000 A(+)
jun jul agust sep okt nop des
A(-)
-200.000
B(+)
B(-)
-400.000
-600.000
-800.000
-1000.000
18
3.2.3. Metode Weighted Moving Average
Tabel 3. 6 Penghitungan Peramalan Metode Weighted Moving Average
n= 3 W1 = 0,2 W2 = 0,3 W2 = 0,5
t Bulan at ft (at - ft) | at- ft | (at - ft)^2 |(at - ft)/at| (ft-at) n=3 MR |MR|
1 Jan 1000
2 Feb 1200
3 Mar 1100
4 Apr 1300 1110 190 190 36100 0.146153846 -190
5 Mei 1400 1220 180 180 32400 0.128571429 -180 10 10
6 Jun 1500 1310 190 190 36100 0.126666667 -190 -10 10
7 Jul 1200 1430 -230 230 52900 0.191666667 230 420 420
8 Agust 1300 1330 -30 30 900 0.023076923 30 -200 200
9 Sep 1150 1310 -160 160 25600 0.139130435 160 130 130
10 Okt 1000 1205 -205 205 42025 0.205 205 45 45
11 Nop 1500 1105 395 395 156025 0.263333333 -395 -600 600
12 Des 1200 1280 -80 80 6400 0.066666667 80 475 475
Jumlah 11300 250 1660 388450 1.290265966 1890
19
Tabel 3. 7 Verifikasi Peramalan Metode Weighted Moving Average
Bulan ft-at UCL LCL A(+) A(-) B(+) B(-)
Apr -190 628.425 -628.43 418.163 -418.163 210.263 -210.263
Mei -180 628.425 -628.43 418.163 -418.163 210.263 -210.263
Jun -190 628.425 -628.43 418.163 -418.163 210.263 -210.263
Jul 230 628.425 -628.43 418.163 -418.163 210.263 -210.263
Agust 30 628.425 -628.43 418.163 -418.163 210.263 -210.263
Sep 160 628.425 -628.43 418.163 -418.163 210.263 -210.263
Okt 205 628.425 -628.43 418.163 -418.163 210.263 -210.263
Nop -395 628.425 -628.43 418.163 -418.163 210.263 -210.263
Des 80 628.425 -628.43 418.163 -418.163 210.263 -210.263
20
WMA
800
600
400
ft-at
200 ucl
lcl
0 A(+)
Apr Mei Jun Jul Agust Sep Okt Nop Des
A(-)
-200 B(+)
B(-)
-400
-600
-800
21
3.2.4. Metode Single Exponential Smoothing
Tabel 3. 8 Penghitungan peramalan metode Single Exponential Smoothing
n= 3 α= 0,5
t Bulan Data historis (at) peramalan (ft) (at - ft) | at- ft | (at - ft)^2 |(at - ft)/at| (ft-at) n=3 MR |MR|
1 Jan 1000
2 Feb 1200 1000 200 200 40000 0,1667 -200
3 Mar 1100 1100 0 0 0 0 0 200 200
4 Apr 1300 1100 200 200 40000 0,1538 -200 -200 200
5 Mei 1400 1200 200 200 40000 0,1429 -200 0 0
6 Jun 1500 1300 200 200 40000 0,1333 -200 0 0
7 Jul 1200 1400 -200 200 40000 0,1667 200 400 400
8 Agust 1300 1300 0 0 0 0 0 -200 200
9 Sep 1150 1300 -150 150 22500 0,1304 150 150 150
10 Okt 1000 1225 -225 225 50625 0,2250 225 75 75
11 Nop 1500 1113 388 388 150156 0,2583 -388 -613 613
12 Des 1200 1306 -106 106 11289 0,0885 106 494 494
Jumlah 12344 306 1669 394570 1,2990 2331
MAPE 14,43347866 MR bar 291,406
22
Tabel 3. 9 Verifikasi Peramalan Metode Single Exponential Smoothing
Bulan ft-at UCL LCL A(+) A(-) B(+) B(-)
Feb -200 775.141 -775.141 515.789 -515.789 259.352 -259.352
Mar 0 775.141 -775.141 515.789 -515.789 259.352 -259.352
Apr -200 775.141 -775.141 515.789 -515.789 259.352 -259.352
Mei -200 775.141 -775.141 515.789 -515.789 259.352 -259.352
Jun -200 775.141 -775.141 515.789 -515.789 259.352 -259.352
Jul 200 775.141 -775.141 515.789 -515.789 259.352 -259.352
Agust 0 775.141 -775.141 515.789 -515.789 259.352 -259.352
Sep 150 775.141 -775.141 515.789 -515.789 259.352 -259.352
Okt 225 775.141 -775.141 515.789 -515.789 259.352 -259.352
Nop -388 775.141 -775.141 515.789 -515.789 259.352 -259.352
Des 106 775.141 -775.141 515.789 -515.789 259.352 -259.352
23
SES
1000
800
600
400
ft-at
ucl
200
lcl
0 A(+)
Feb Mar Apr Mei Jun Jul Agust Sep Okt Nop Des
A(-)
-200
B(+)
B(-)
-400
-600
-800
-1000
24
Tabel 3. 10 Penghitungan peramalan metode Single Exponential Smoothing untuk 12 bulan berikutnya
n= 3 α= 0,5
t Bulan Data historis (at) peramalan (ft) (at - ft) | at- ft | (at - ft)^2 |(at - ft)/at| (ft-at) n=3 MR |MR|
12 Des 1200 1306 -106 106 11236 0,08833 106
13 Jan 1253 1253 0 0 0 0,00000 0 -106 106
14 Feb 1253 1253 0 0 0 0,00000 0 0 0
15 Mar 1253 1253 0 0 0 0,00000 0 0 0
16 Apr 1253 1253 0 0 0 0,00000 0 0 0
17 Mei 1253 1253 0 0 0 0,00000 0 0 0
18 Jun 1253 1253 0 0 0 0,00000 0 0 0
19 Jul 1253 1253 0 0 0 0,00000 0 0 0
20 Agust 1253 1253 0 0 0 0,00000 0 0 0
21 Sep 1253 1253 0 0 0 0,00000 0 0 0
22 Okt 1253 1253 0 0 0 0,00000 0 0 0
23 Nop 1253 1253 0 0 0 0,00000 0 0 0
24 Des 1253 1253 0 0 0 0,00000 0 0 0
Jumlah 16342 -106 106 11236 0 106
MAPE 0,981481481 MR bar 13,250
Data peramalan 12 bulan berikutnya kurang valid karena data historis yang ada hanya data bulan ke-12, sehingga harus
selalu diperbarui pada bulan-bulan berikutnya.
25
3.2.5. Metode Double Exponential Smoothing
Tabel 3. 11 Penghitungan Peramalan Metode Double Exponential Smoothing
(ft-at)
t Bulan at S'(SES) S"(DES) a1 b1 ft/a+bm (at - ft) | at- ft | (at - ft)^2 |(at-ft)/at| n=3 MR |MR|
1 Jan 1000 1000 1000 1000 0
2 Feb 1200 1100 1050 1150 50 1000 200 200 40000 0.166667 -200
3 Mar 1100 1100 1075 1125 25 1200 -100 100 10000 0.090909 100 300 300
4 Apr 1300 1200 1137.5 1262.5 63 1150 150 150 22500 0.115385 -150 -250 250
5 Mei 1400 1300 1218.8 1381.3 81 1325 75 75 5625 0.053571 -75 75 75
6 Jun 1500 1400 1309.4 1490.6 91 1463 38 38 1406 0.025 -38 38 38
7 Jul 1200 1300 1304.7 1295.3 -5 1581 -381 381 145352 0.317708 381 419 419
8 Agust 1300 1300 1302.3 1297.7 -2 1291 9 9 88 0.007212 -9 -391 391
9 Sep 1150 1225 1263.7 1186.3 -39 1295 -145 145 21116 0.126359 145 155 155
10 Okt 1000 1113 1188.1 1036.9 -76 1148 -148 148 21802 0.147656 148 2 2
11 Nop 1500 1306 1247.2 1365.3 59 961 539 539 290167 0.359115 -539 -686 686
12 Des 1200 1253 1250.1 1256.1 3 1424 -224 224 50362 0.187012 224 763 763
Jumlah 12838 -188 1809 568418 1.429926 3078
MAPE 12.9993 MR bar 384.79
26
Tabel 3. 12 Verifikasi Peramalan Metode Double Exponential Smoothing
Bulan ft-at UCL LCL A(+) A(-) B(+) B(-)
Feb -200 1023.542 -1023.542 681.078 -681.078 342.463 -342.463
Mar 100 1023.542 -1023.542 681.078 -681.078 342.463 -342.463
Apr -150 1023.542 -1023.542 681.078 -681.078 342.463 -342.463
Mei -75 1023.542 -1023.542 681.078 -681.078 342.463 -342.463
Jun -38 1023.542 -1023.542 681.078 -681.078 342.463 -342.463
Jul 381 1023.542 -1023.542 681.078 -681.078 342.463 -342.463
Agust -9 1023.542 -1023.542 681.078 -681.078 342.463 -342.463
Sep 145 1023.542 -1023.542 681.078 -681.078 342.463 -342.463
Okt 148 1023.542 -1023.542 681.078 -681.078 342.463 -342.463
Nop -539 1023.542 -1023.542 681.078 -681.078 342.463 -342.463
Des 224 1023.542 -1023.542 681.078 -681.078 342.463 -342.463
27
DES
1500
1000
500 ft-at
ucl
lcl
0 A(+)
Feb Mar Apr Mei Jun Jul Agust Sep Okt Nop Des
A(-)
B(+)
-500 B(-)
-1000
-1500
28
BAB IV
KESIMPULAN DAN SARAN
4.1. Kesimpulan
Berikut adalah rekapitulasi hasil peramalan permintaan AADC Chair yang diproduksi
oleh PT Furniture Mesindo dengan menggunakan beberapa metode
Tabel 4. 1 Rekapitulasi Hasil Peramalan Permintaan AADC Chair
METODE PERAMALAN MAPE
Moving Average 14,3724
Double Moving Average 14,6412
Weighted Moving Average 14,3363
Single Exponential Smoothing 14,4335
Double Exponential Smoothing 12,9993
29
30
4.2. Saran
1. Dilakukan uji validasi terhadap hasil yang diperoleh menggunakan aplikasi
WIN-QSB
2. Untuk mengetahui efektifitas dan validitas dari data peramalan dapat
menggunakan WIN-QSB sebaiknya menggunakan software statistik lainnya
seperti POM-QM for Windows sebagai pembanding
3. Pemilihan metode peramalan juga harus didasarkan pada jenis barang/produk
yang dijual, terutama bila produk yang dijual ada produk musiman maka harus
menggunakan metode yang sesuai
4. Hasil peramalan harus di-perbarui setiap bulannya menggunakan data aktual
bulan-bulan sebelumnya agar peramalan bulan berikutnya dapat lebih akurat.
DAFTAR PUSTAKA
Herjanto, Edy. 2007. Manajemen Operasi (Edisi 3). Jakarta. Penerbit: Grasindo
O-13 Pengukuran bahan O-9 Pengukuran bahan O-5 Pengukuran bahan O-1 Pengukuran bahan
O-14 Pemotongan bahan O-10 Pemotongan bahan O-6 Pemotongan bahan O-2 Pemotongan bahan
O-17 Penyambungan
I-5 Inspeksi
O-18 Penyambungan
O-19 Penyambungan
I-6 Inspeksi
RINGKASAN
Kegiatan Jumlah Storage
20
Total 26