4.1.

Gambaran Umum

Produk Semen Merek Tonasa merupakan produk yang di produksi oleh PT.
Semen Tonasa yang terletak di Sulawesi Selatan Kabupaten Pangkejene. Penjualan
Produk semen merek Tonasa sudah tersebar di kawasan Indonesia bagian timur
khususnya di Ambon .Produk Semen Merek Tonasa ini termasuk dalam 3 jenis
produk yaitu Semen Portland Tipe I (OPC),Semen Portland Komposit (PCC) dan Semen
Portland Pozzolan (PPC) .

Pada proses pendistribusiannya produk Semen Merek Tonasa di salurkan oleh

Distributor PT. Semen Tonasa dan beberapa perusahaan yang berfungsi sebagai
sub distributor adalah PT. Padi Mas Prima, PT. Subur Damai Makmur, PT. Gracia Sejahtera
Perkasa, dan CV. Nusa Ina Perkasa. dari PT. Padi Mas Prima produk tersebut di salurkan
kebeberapa toko atau ritel yang terletak di kota Ambon yaitu Ritel Aneka Guna,
Ritel Benua dan Ritel wayame.

Gambar 4.1. Saluran Distribusi PT. Semen Tonasa

4.2. Perhitungan Nilai bullwhip effect

Dari data pemesanan dan penjualan tahun 2017 maka dapat dihitung nilai besaran
bullwhip effect dari masing-masing pelaku supply chain , dalam hal ini peneliti
menghitung dengan menggunakan Microsoft office excel sebagai berikut:

1. Distributor PT. Padi Mas Prima

Tabel 4.1 Perhitungan bullwhip effect pada distributor PT. Padi Mas Prima

PERIODE PEMESANAN PENJUALAN

1 20225 19940
2 11700 11430
3 33911 33520
4 31235 30922
5 45080 44925
6 36300 35910
7 37975 37892
8 45615 45562
9 44460 44421
10 65175 63256
11 52200 49899
12 41900 40625
TOTAL 465776 458302
AVERAGE 38814,67 38191,83
STDEV 14046,12 13614,65
CV 0,362 0,36
BE 1,02

2. Ritel Aneka Guna

Tabel 4.2 Perhitungan bullwhip effect pada Ritel Aneka Guna
 PERIODE PEMESANAN PENJUALAN
1 400 360
2 400 390
3 400 350
4 400 400
5 400 400
6 400 350
7 400 360
8 400 300
9 600 550
10 600 500
11 600 450
12 600 550
TOTAL 5600 4960
AVERAGE 466,67 413,33
STDEV 98,47 81,84
CV 0,21 0,20
BE 1,07

3. Ritel Benua
Tabel 4.3 Perhitungan bullwhip effect pada Ritel Benua

PERIODE PEMESANAN PENJUALAN

1 10000 8600
2 8000 7800
3 8000 7200
 PERIODE PEMESANAN PENJUALAN
4 8000 6500
5 8000 7800
6 10000 9200
7 10000 8400
8 10000 9000
9 10000 8600
10 10000 9000
11 10000 9200
12 10000 8800
TOTAL 112000 100100
AVERAGE 9333,33 8341,67
STDEV 984,73 851,16
CV 0,11 0,10
BE 1,03

4. Ritel Wayame
Tabel 4.4 Perhitungan bullwhip effect pada Ritel Benua

PERIODE PEMESANAN PENJUALAN

1 250 210
2 250 200
3 250 230
4 250 240
5 500 400
 PERIODE PEMESANAN PENJUALAN
6 500 420
7 500 400
8 500 450
9 250 250
10 250 250
11 250 190
12 250 230
TOTAL 4000 3470
AVERAGE 333,33 289,17
STDEV 123,09 97,28
CV 0,37 0,34
BE 1,10

Berdasarkan Tabel 4.1 sampai tabel 4.4 di atas, Perhitungan nilai bullwhip
effect terjadi amplifikasi pemesanan dalam jumlah yang banyak dari sub distributor
dan ritel yang disebabkan, total pemesanan > total penjualan pada distributor
PT. Padi Mas Prima 465776> 458302, Ritel Aneka Guna 5600> 4960, Ritel Benua
112000>100100 dan Ritel Wayame 4000> 3470, berdasarkan koefisien variansi
pemesanan lebih besar dibandingkan dengan koefisien variansi penjualan dari
distributor PT. Padi Mas Prima 0.362> 0.36, Ritel Aneka Guna 0.21> 0.20,
Ritel Benua 0.11> 0.10 dan Ritel Wayame 0.37>0.34 yang mengakibatkan kenaikan
bullwhip effect yang cukup besar yaitu 1,02, 1,07, 1,03, 1,10 dari sub distributor dan
ritel dalam hal ini peneliti ingin memberikan solusi yang tepat guna mengurangi
terjadinya bullwhip effect.

4.2.1. Parameter Bullwhip Effect

Pada perhitungan bullwhip effect di atas, maka dibuat parameter untuk dapat
membandingkan apakah terjadi bullwhip effect dan jika nilai bullwhip effect lebih
besar dari parameter yang ditetapkan maka perlu adanya penekanan bullwhip effect.
Adapun perhitunganya sebagai berikut:

Lead time = 1 hari

Periode pengamatan = 12 bulan /360 hari
Parameter bullwhip effect :

Tabel 4.5 Perbandingan Parameter bullwhip effect

Sub Distributor dan

Ritel (2017) Nilai BE Parameter BE
PT. Padi Mas Prima 1,02 1,01
Aneka Guna 1,07
Benua 1,03

Wayame 1,10

Dari table 4.5 dapat dijelaskan bahwa hasil perbandingan Nilai bullwhip effect
tersebut, didapatkan dari sub distributor dan ritel tahun 2017 dari PT. Padi Mas
Prima, Ritel Aneka Guna, Ritel Benua dan ritel Wayame. Nilai bullwhip effect berada
di atas parameter bullwhip effect sebesar 1,01. Pada distributor PT. Padi Mas Prima
nilai bullwhip effect sebesar 1,02. Pada Ritel Aneka Guna nilai bullwhip effect sebesar
1,07, pada Ritel Benua nilai bullwhip effect sebesar 1,03 sedangkan pada Ritel
Wayame nilai bullwhip effect sebesar 1,10. Pihak distributor dan ritel perlu
melakukan penanganan yang secara intensif dan berkala untuk menekan peningkatan
nilai bullwhip effect pada tahun-tahun selanjutnya agar nilai bullwhip effect tidak
semakin besar.

4.3. Peramalan

Peramalan atau forecast adalah suatu fungsi bisnis yang berusaha

memperkirakan penjualan dan penggunaan produk sehingga produk-produk itu dapat
dibuat dalam kuantitas yang tetap (Gaspersz, 1998). Beberapa indikator digunakan
dalam pengukuran akurasi peramalan yang umum digunakan adalah MAD (Mean
Absolute Deviation), MAPE (Mean Absolute Preceetage Error) dan MSE (Mean
Square Error). Akurasi peramalan akan semakin baik apabila nilai-nilai MAD,MAPE
dan MSE semakin kecil.

Peramalan akan dilihat berdasarkan tingkat penjualan semen tonasa pada

tahun 2017 di PT. Padi Mas Prima, Ritel Aneka Guna, Ritel Benua dan Ritel Wayame
berdasarkan data historys penjualan semen tonasa selama 12 bulan terakhir sebagai
berikut:

1. Distributor PT. Padi Mas Prima

Tabel. 4.6 Total Penjualan Distributor PT. Padi Mas Pima

NO BULAN PENJUALAN
1 Januri 19940
2 Febuari 11430
3 Maret 33520
4 April 30922
5 Mei 44925
6 Juni 35910
7 Juli 37892
8 Agustus 45562
9 September 44421
10 Oktober 63256
11 November 49899
12 Desember 40625
Grand Total 458302

2. Ritel Aneka Guna

Tabel. 4.7 Total Penjualan Pada Ritel Aneka Guna

NO BULAN PENJUALAN
1 Januri 360
2 Febuari 390
3 Maret 350
4 April 400
5 Mei 400
6 Juni 350
7 Juli 360
8 Agustus 300
 NO BULAN PENJUALAN
9 september 550
10 Oktober 500
11 november 450
12 desember 550
Grand Total 4960

3. Ritel Benua
Tabel. 4.8 Total Penjualan Pada Ritel Benua

NO BULAN PENJUALAN
1 Januri 8600
2 Febuari 7800
3 Maret 7200
4 April 6500
5 Mei 7800
6 Juni 9200
7 Juli 8400
8 Agustus 9000
9 september 8600
10 Oktober 9000
11 november 9200
12 desember 8800
Grand Total 100100

4. Ritel Wayame
Tabel. 4.9 Total Penjualan Pada Ritel Wayame

NO BULAN PENJUALAN
1 Januri 210
2 Febuari 200
3 Maret 230
4 April 240
5 Mei 400
6 Juni 420
7 Juli 400
8 Agustus 450
9 september 250
10 Oktober 250
11 november 190
12 desember 230
 NO BULAN PENJUALAN
Grand Total 3470

4.3.1. Plotting Data Aktual Penjualan Semen tonasa

Berdasarkan perolehan dari data yang ada pada table 4.6 sampai dengan table 4.9
diatas, maka akan dilakukan plotting data penjualan semen tonasa di PT. Padi Mas
Prima, Ritel Aneka Guna, Ritel Benua dan Ritel Wayame selama 12 bulan terakhir
dari periode 2017 sebelum dilakukan peramalan maka terlebih dahulu harus dilihat
pola datanya. Hal ini berguna untuk mengetahui nilai alfa yang akan digunakan pada
metode peramalan single exponential smoothing. Berikut plot data penjualan actual
semen tonasa:

1. Distributor PT. Padi Mas Prima

Gambar 4.2 Plot data Total Penjualan Aktual Semen Tonasa

Distributor PT. Padi Mas Prima
 Grafik pada gambar 4.2 menunjukan bahwa hasil plotting data
menggambarkan pola data trend, hal ini terlihat pada penjualan actual terhadap semen
tonasa distributor PT. Padi Mas Prima mengalami peningkatan atau penurunan
sekuler jangka panjang dalam data dan berdasarkan grafik pada gambar data aktual
menunjukan bahwa fluktuasi data relative stabil selama 1 (satu) tahun. Artinya nilai
alfa yang akan digunakan untuk meramalkan penjualan periode selanjutnya dalam
metode peramalan SES mendekati 0. Dalam hal ini yang digunakan berdasarkan
tingkat fluktuasinya yang relative stabil tersebut adalah 0.25; 0.20; 0.15; 0.10; 0.05;
dan 0.01.

2. Ritel Aneka Guna

Gambar 4.3 Plot data Total Penjualan Aktual Semen Tonasa

Ritel Aneka Guna
 Grafik pada gambar 4.3 menunjukan bahwa hasil plotting data
menggambarkan pola data siklis hal ini terlihat pada penjualan actual terhadap semen
tonasa ritel Aneka guna mengalami peningkatan atau penurunan dalam jangka yang
panjang dari suatu garis atau kurva trend. dan berdasarkan grafik pada gambar data
aktual menunjukan bahwa fluktuasi data relative tidak stabil selama 1 (satu) tahun.
Artinya nilai alfa yang akan digunakan untuk meramalkan penjualan periode
selanjutnya dalam metode peramalan SES mendekati 1. Dalam hal ini yang
digunakan berdasarkan tingkat fluktuasinya yang relative tidak stabil tersebut adalah ;
dan 0.99; 0.95; 0.90; 0.85; 0.80; 0.75.

3. Ritel Aneka Guna

Gambar 4.4 Grafik Total Penjualan Pada Ritel Benua

 Grafik pada gambar 4.4 menunjukan bahwa hasil plotting data
menggambarkan pola data horizontal, hal ini terlihat pada penjualan actual terhadap
semen tonasa Ritel Benua mengalami kenaikan atau penurunan selama kurun waktu
tertentu di sekitar nilai rata-rata yang konstan. dan berdasarkan grafik pada gambar
data aktual menunjukan bahwa fluktuasi data relative tidak stabil selama 1 (satu)
tahun. Artinya nilai alfa yang akan digunakan untuk meramalkan penjualan periode
selanjutnya dalam metode peramalan SES mendekati 1. Dalam hal ini yang
digunakan berdasarkan tingkat fluktuasinya yang relative tidak stabil tersebut adalah ;
dan 0.99; 0.95; 0.90; 0.85; 0.80; 0.75.

4. Ritel Wayame

Gambar 4.5 Grafik Total Penjualan Pada Ritel Wayame

 Grafik pada gambar 4.4 menunjukan bahwa hasil plotting data
menggambarkan pola data horizontal hal ini terlihat pada penjualan penjualan actual
terhadap semen tonasa ritel wayame mengalami kenaikan atau penurunan selama
kurun waktu tertentu di sekitar nilai rata-rata yang konstan. dan berdasarkan grafik
pada gambar data aktual menunjukan bahwa fluktuasi data relative tidak stabil
selama 1 (satu) tahun. Artinya nilai alfa yang akan digunakan untuk meramalkan
penjualan periode selanjutnya dalam metode peramalan SES mendekati 1. Dalam hal
ini yang digunakan berdasarkan tingkat fluktuasinya yang relative tidak stabil
tersebut adalah ; dan 0.99; 0.95; 0.90; 0.85; 0.80; 0.75.

4.3.2. Peramalan Moving Average dan Single Exponential Smoothing

Proses peramalan dengan metode Moving Average dihitung dengan n-periode,

nilai n yang digunakan untuk metode MA adalah 1,2,3,4,5,6,7,8,9,10, dan 11, Dan
untuk metode Single Exponential Smoothing penentuan alfa dilihat berdasarkan grafik
pada gambar data actual di atas. Hasil nilai MAPE dan MAD pada peramalan
penjualan semen tonasa di PT. Padi Mas Prima, Ritel Aneka Guna, Ritel Benua dan
Ritel Wayame. Dapat dicari dengan menggunakan Minitab sebagai berikut:
1. Distributor PT. Padi Mas Prima
Tabel. 4.10 Nilai MAPE dan MAD untuk MA dan SES Penjualan
distributor PT. Padi Mas Prima
MA MAPE MAD SES MAPE MAD
1 28 9861 Alfa 0,25 38 9998
2 22 9304 Alfa 0,20 38 9946
3 18 8271 Alfa 0,15 38 9916
4 20 9292 Alfa 0,10 38 9786
5 19 8887 Alfa 0,05 40 9958
6 21 10217 Alfa 0,01 40 9941
7 24 12249
8 24 12728
9 25 14323
10 14 6986
11 7 2654
 Pada Tabel distributor PT. Padi Mas Prima diatas menunjukan nilai MAPE
dan MAD dari peramalan menggunakan Moving Average dan Single Exponential
Smoothing. Semakin kecil nilainya, maka semakin baik peramalan itu. Dari tabel
dapat dilihat nilai MAD dan MAPE terkecil jika mengunakan Moving Average pada
MA dengan n = 10 dan MA dengan n = 11.
Sedangkan nilai MAD dan MAPE terkecil jika menggunakan Single
Exponential Smoothing ada pada nilai alfa 0.15 dan SES dengan alfa 0.10. hasil
peramalan secara minitab untuk masing-masing alfa dapat dilihat pada lampiran dan
hasil ramalan minitab dan manual untuk MA dengan MAD dan MAPE terpilih dapat
dilihat sebagai berikut untuk nilai peramalan dapat dilihat sebagai berikut :

a. Moving average n = 10
Tabel 4.11 Hasil Peramalan Penjualan Semen Tonasa dengan MA n=10 dengan
Perhitungan Manual

Moving Average Plot for Aktual

Sedangkan hasil peramalan untuk MA dengan
70000
n = 10, dengan menggunakan Minitab
Variable
Actual
hasilnya sebagai berikut : 60000
Fits

Moving Average
Length 10

50000 Accuracy Measures

MAPE 14
MAD 6986
Aktual

40000 MSD 86445301

30000

20000

10000
1 2 3 4 5 6 7 8 9 10 11 12
Index
 b. Moving Average dengan n = 11

Gambar 4.6 Hasil Peramalan MA n=10 dengan Menggunakan

Software MINITAB

Tabel 4.12 Hasil Peramalan Penjualan Semen Tonasa dengan MA n=11 dengan
Perhitungan Manual

Sedangkan hasil peramalan untuk MA dengan n = 11, dengan menggunakan

Minitab hasilnya sebagai berikut:

Moving Average Plot for Aktual

70000 Variable
Actual
Fits
60000
Moving Average
Length 11

50000 Accuracy Measures

MAPE 7
MAD 2654
Aktual

40000 MSD 7045646

30000

20000

10000
1 2 3 4 5 6 7 8 9 10 11 12
Index
 Gambar 4.7 Hasil Peramalan MA n=11 dengan Menggunakan

Software MINITAB

c. Single Exponential Smoothing Model dengan α = 0.15

Tabel 4.13 Hasil Peramalan Penjualan Semen Tonasa dengan SES α = 0.15
dengan Perhitungan Manual

Sedangkan hasil peramalan untuk SES dengan alfa 0.15, dengan menggunakan
minitab hasilnya sebagai berikut :
 Smoothing Plot for Aktual
Single Exponential Method
70000 Variable
Actual
Fits
60000
Smoothing Constant
α 0.15
50000
Accuracy Measures
MAPE 38

Aktual
MAD 9916
40000
MSD 168293166

30000

20000

10000
1 2 3 4 5 6 7 8 9 10 11 12
Index

Gambar 4.8 Hasil Peramalan SES α = 0.15 dengan Menggunakan

Software MINITAB

d. Single Exponential Smoothing Model dengan α = 0.10

Tabel 4.14 Hasil Peramalan Penjualan Semen Tonasa dengan SES α = 0.10
dengan Perhitungan Manual

Sedangkan hasil peramalan untuk SES dengan alfa 0.10, dengan menggunakan
minitab hasilnya sebagai berikut :
 Smoothing Plot for Aktual
Single Exponential Method
70000 Variable
Actual
Fits
60000
Smoothing Constant
α 0.1
50000
Accuracy Measures
MAPE 38

Aktual
MAD 9786
40000
MSD 173116321

30000

20000

10000
1 2 3 4 5 6 7 8 9 10 11 12
Index

Gambar 4.9 Hasil Peramalan SES α = 0.10 dengan Menggunakan

Software MINITAB

2. Ritel Aneka Guna

Tabel. 4.15 Nilai MAPE dan MAD untuk MA dan SES Penjualan Ritel Aneka Guna

MA MAPE MAD SES MAPE MAD

1 13.95 62.73 Alfa 0,99 33 10519
2 14.3 64.5 Alfa 0,95 33 10353
3 13.32 60 Alfa 0,90 33 10148
4 15.92 72.81 Alfa 0,85 33 10030
5 17.61 81.71 Alfa 0,80 34 10042
6 19.6 93.1 Alfa 0,75 34 10042
7 22.8 109.4
8 23 120.9
9 20.1 103
10 19.2 99.5
11 27.1 149.1
 Pada Tabel ritel Aneka guna di atas menunjukan nilai MAPE dan MAD dari
peramalan menggunakan Moving Average dan Single Exponential Smoothing.
Semakin kecil nilainya, maka semakin baik peramalan itu. Dari tabel dapat dilihat
nilai MAD dan MAPE terkecil jika mengunakan Moving Average pada MA dengan
n = 1 dan MA dengan n = 3.

Sedangkan nilai MAD dan MAPE terkecil jika menggunakan Single

Exponential Smoothing ada pada nilai alfa 0.80 dan SES dengan alfa 0.75. hasil
peramalan secara minitab untuk masing-masing alfa dapat dilihat pada lampiran dan
hasil ramalan minitab dan manual untuk MA dengan MAD dan MAPE terpilih dapat
dilihat sebagai berikut untuk nilai peramalan dapat dilihat sebagai berikut :

a. Moving average n = 1
Tabel 4.16 Hasil Peramalan Penjualan Semen Tonasa dengan MA n=1 dengan
Perhitungan Manual

Moving Average Plot for Aktual

Variable
550
Actual
Fits

Sedangkan hasil peramalan untuk MA

500
dengan n = 1, dengan menggunakan
Moving Average
Length 1

Minitab hasilnya sebagai berikut : Accuracy Measures

MAPE 13.95
450
MAD 62.73
Aktual

MSD 8063.64

400

350

300

1 2 3 4 5 6 7 8 9 10 11 12
Index
 Gambar 4.10 Hasil Peramalan MA n=1 dengan Menggunakan

Software MINITAB

b. Moving Average n = 3
Tabel 4.17 Hasil Peramalan Penjualan Semen Tonasa dengan MA n=3 dengan
Perhitungan Manual

Sedangkan hasil peramalan untuk MA dengan n = 3, dengan menggunakan Minitab

hasilnya sebagai berikut :
 Moving Average Plot for Aktual
Variable
550
Actual
Fits

Moving Average
500
Length 3

Accuracy Measures
MAPE 13.32
450
MAD 60.00

Aktual
MSD 7269.14

400

350

300

1 2 3 4 5 6 7 8 9 10 11 12
Index

Gambar 4.11 Hasil Peramalan MA n=3 dengan Menggunakan

Software MINITAB

c. Exponential Smoothing Model dengan α = 0.80

Tabel 4.18 Hasil Peramalan Penjualan Semen Tonasa dengan SES α = 0.80 dengan
Perhitungan Manual

Sedangkan hasil peramalan untuk SES dengan alfa 0.80, dengan menggunakan
minitab hasilnya sebagai berikut :
 Smoothing Plot for Aktual
Single Exponential Method

550 Variable
Actual
Fits

500 Smoothing Constant

α 0.8

Accuracy Measures
450 MAPE 12.34

Aktual
MAD 54.12
MSD 6636.46
400

350

300

1 2 3 4 5 6 7 8 9 10 11 12
Index

Gambar 4.11 Hasil Peramalan SES α = 0.80 dengan Menggunakan

Software MINITAB

d. Exponential Smoothing Model dengan α = 0.75

Tabel 4.18 Hasil Peramalan Penjualan Semen Tonasa dengan SES α = 0.75 dengan
Perhitungan Manual

Sedangkan hasil peramalan untuk SES dengan alfa 0.75, dengan menggunakan
minitab hasilnya sebagai berikut :
 Smoothing Plot for Aktual
Single Exponential Method
70000 Variable
Actual
Fits
60000
Smoothing Constant
α 0.1
50000
Accuracy Measures
MAPE 38

Aktual
MAD 9786
40000
MSD 173116321

30000

20000

10000
1 2 3 4 5 6 7 8 9 10 11 12
Index

Gambar 4.12 Hasil Peramalan SES α = 0.75 dengan Menggunakan

Software MINITAB

3. Ritel Benua
Tabel. 4.19 Nilai MAPE dan MAD untuk MA dan SES Penjualan
Pada Ritel Benua

MA MAPE MAD SES MAPE MAD

1 8 691 Alfa 0,99 8 654
2 8 630 Alfa 0,95 8 650
3 8 689 Alfa 0,90 8 644
4 7 588 Alfa 0,85 8 639
5 8 674 Alfa 0,80 8 633
6 7 617 Alfa 0,75 8 627
7 8 697
8 8 700
9 9 796
10 8 760
11 6 500
 Pada Tabel ritel Benua di atas menunjukan nilai MAPE dan MAD dari
peramalan menggunakan Moving Average dan Single Exponential Smoothing.
Semakin kecil nilainya, maka semakin baik peramalan itu. Dari tabel dapat dilihat
nilai MAD dan MAPE terkecil jika mengunakan Moving Average pada MA dengan
n = 4 dan MA dengan n = 11.

Sedangkan nilai MAD dan MAPE terkecil jika menggunakan Single

Exponential Smoothing ada pada nilai alfa 0.80 dan SES dengan alfa 0.75. hasil
peramalan secara minitab untuk masing-masing alfa dapat dilihat pada lampiran dan
hasil ramalan minitab dan manual untuk MA dengan MAD dan MAPE terpilih dapat
dilihat sebagai berikut untuk nilai peramalan dapat dilihat sebagai berikut:

a. Moving average n = 4
Tabel 4.20 Hasil Peramalan Penjualan Semen Tonasa dengan MA n=4 dengan
Perhitungan Manual

Sedangkan hasil peramalan untuk MA dengan n = 4, dengan menggunakan Minitab

hasilnya sebagai berikut :
 Gambar 4.13 Hasil Peramalan MA n=4 dengan Menggunakan

Software MINITAB

b. Moving average n = 11
Tabel 4.21 Hasil Peramalan Penjualan Semen Tonasa dengan MA n=11 dengan
Perhitungan Manual

Sedangkan hasil peramalan untuk MA dengan n = 11, dengan menggunakan

Minitab hasilnya sebagai berikut :
 Gambar 4.14 Hasil Peramalan MA n=11 dengan Menggunakan

Software MINITAB

c. Single Exponential Smoothing Model dengan α = 0.80

Tabel 4.21 Hasil Peramalan Penjualan Semen Tonasa dengan SES α = 0.80 dengan
Perhitungan Manual

Sedangkan hasil peramalan untuk SES dengan alfa 0.80, dengan menggunakan
minitab hasilnya sebagai berikut :
 Gambar 4.14 Hasil Peramalan SES α = 0.80 dengan Menggunakan

Software MINITAB

d. Exponential Smoothing Model dengan α = 0.75

Tabel 4.22 Hasil Peramalan Penjualan Semen Tonasa dengan SES α = 0.75 dengan
Perhitungan Manual

Sedangkan hasil peramalan untuk SES dengan alfa 0.75, dengan menggunakan
minitab hasilnya sebagai berikut :
 Gambar 4.15 Hasil Peramalan SES α = 0.75 dengan Menggunakan

Software MINITAB

4. Ritel Wayame
Tabel. 4.23 Nilai MAPE dan MAD untuk MA dan SES Penjualan
Pada Rital Wayame

MA MAPE MAD SES MAPE MAD

1 19.28 54.55 Alfa 0,99 20.91 56.86
2 24.37 71 Alfa 0,95 21.29 57.92
3 32.2 93.3 Alfa 0,90 21.77 59.23
4 42.5 124.4 Alfa 0,85 22.24 60.5
5 45.2 126.6 Alfa 0,80 22.71 61.71
6 46.4 122.8 Alfa 0,75 23.14 62.85
7 46.3 117.4
8 43 94.38
9 42.41 90.37
10 46.13 94
11 28.06 64.55
Pada Tabel ritel wayame di atas menunjukan nilai MAPE dan MAD dari
peramalan menggunakan Moving Average dan Single Exponential Smoothing.
Semakin kecil nilainya, maka semakin baik peramalan itu. Dari tabel dapat dilihat
nilai MAD dan MAPE terkecil jika mengunakan Moving Average pada MA dengan
n = 1 dan MA dengan n = 11.

Sedangkan nilai MAD dan MAPE terkecil jika menggunakan Single

Exponential Smoothing ada pada nilai alfa 0.99 dan SES dengan alfa 0.95. hasil
peramalan secara minitab untuk masing-masing alfa dapat dilihat pada lampiran dan
hasil ramalan minitab dan manual untuk MA dengan MAD dan MAPE terpilih dapat
dilihat sebagai berikut untuk nilai peramalan dapat dilihat sebagai berikut :

a. Moving average n = 1
Tabel 4.24 Hasil Peramalan Penjualan Semen Tonasa dengan MA n = 1 dengan
Perhitungan Manual

Sedangkan hasil peramalan untuk MA dengan n = 1, dengan menggunakan

Minitab hasilnya sebagai berikut :
 Gambar 4.16 Hasil Peramalan MA n = 1 dengan Menggunakan

Software MINITAB

b. Moving Average dengan n = 11

Tabel 4.26 Hasil Peramalan Penjualan Semen Tonasa dengan MA n = 11 dengan
Perhitungan Manual

Sedangkan hasil peramalan untuk MA dengan n = 11, dengan menggunakan

Minitab hasilnya sebagai berikut :
 Gambar 4.17 Hasil Peramalan MA n = 11 dengan Menggunakan

Software MINITAB

c. Exponential Smoothing Model dengan α = 0.99

Tabel 4.27 Hasil Peramalan Penjualan Semen Tonasa dengan SES α = 0.99 dengan
Perhitungan Manual

Sedangkan hasil peramalan untuk SES dengan alfa 0.99, dengan

menggunakan minitab hasilnya sebagai berikut :
 Gambar 4.18 Hasil Peramalan SES α = 0.99 dengan Menggunakan

Software MINITAB

d. Exponential Smoothing Model dengan α = 0.95

Tabel 4.28 Hasil Peramalan Penjualan Semen Tonasa dengan SES α = 0.95 dengan
Perhitungan Manual

Sedangkan hasil peramalan untuk SES dengan alfa 0.95, dengan

menggunakan minitab hasilnya sebagai berikut :

Gambar 4.19 Hasil Peramalan SES α = 0.95 dengan Menggunakan

 Software MINITAB

4.3.3. Memilih Model Peramalan Dengan kesalahan Terkecil

Berdasarkan hasil perhitungan di atas maka peneliti dapat membuat perbandingan

hasil untuk masing-masing model pemilihan peramalan yang kemudian oleh sub
distributor dan ritel akan dijadikan sebagai acuan dalam melakukan pemesanan untuk
peridoe mendatang. kesalahan yang dipakai MAD (Mean Absolute deviation),
tersebut dengan menggunakan Microsoft office excel sebagai berikut:

1. Distributor PT. Padi Mas Prima

Tabel 4.29 Hasil Peramalan Penjualan Semen Tonasa dengan Model MA dan SES

Berdasarkan tabel 4.29 diatas, maka perbandingan Model peramalan MA dengan

n = 11 memiliki nilai MAD yang lebih kecil dibandingkan MA dengan n= 10,
SES dengan α = 0.15, SES dengan α = 0.10 namun nilai Tracking signal model MA
dengan n= 11 adalah 1.00 hal ini dinilai masih kurang tepat untuk digunakan karena
nilainya yang hanya 1.00, tracking signal disebut baik apabila memiliki RSFE yang
rendah, dan mempunyai positive error yang sama banyak atau seimbang dengan
negative error, sehingga pusat dari tracking signal mendekati nol , dan model
peramalan dengan Tracking signal dan nilai MAD yang baik adalah model SES
dengan α = 0.10 yaitu -4.00 s/d 2.50 dan nilai MAD sebesar 9786.
 2. Ritel Aneka guna
Tabel 4.30 Hasil Peramalan Penjualan Semen Tonasa dengan Model MA dan SES

Berdasarkan table 4.30 diatas, perbandingan Model peramalan SES dengan

α = 11 memiliki nilai MAD yang lebih kecil dibandingkan MA dengan n= 1, MA
dengan n= 3, SES dengan α = 0.80,Tracking signal model SES dengan α = 0.75
adalah -3.77 s/d 2.74 hal ini dinilai sangat tepat untuk digunakan karena nilainya
yang berada dalam batas kendali yang digunakan < ±4 , tracking signal disebut baik
apabila memiliki RSFE yang rendah, dan mempunyai positive error yang sama
banyak atau seimbang dengan negative error, sehingga pusat dari tracking signal
mendekati nol , dan model peramalan dengan Tracking signal dan nilai MAD yang
baik adalah model SES dengan α = 0.75 yaitu -3.77 s/d 2.74 dan nilai MAD
sebesar 53.86.

3. Ritel Benua
Tabel 4.31 Hasil Peramalan Penjualan Semen Tonasa dengan Model MA dan SES

Berdasarkan table 4.31 diatas, perbandingan Model peramalan MA dengan

n = 11 memiliki nilai MAD yang lebih kecil dibandingkan MA dengan n= 4, SES
dengan α = 0.80, SES dengan α = 0.75 namun nilai Tracking signal model MA
dengan n= 11 adalah 1.00 s/d 7.49 hal ini dinilai masih kurang tepat untuk digunakan
karena nilainya yang > ±4 , tracking signal disebut baik apabila memiliki RSFE yang
rendah, dan mempunyai positive error yang sama banyak atau seimbang dengan
negative error, sehingga pusat dari tracking signal mendekati nol , dan model
peramalan dengan Tracking signal dan nilai MAD yang baik adalah model SES
dengan α = 0.75 yaitu -3.77 s/d 2.74 dan nilai MAD sebesar 9786.

4. Ritel Wayame
Tabel 4.31 Hasil Peramalan Penjualan Semen Tonasa dengan Model MA dan SES

Berdasarkan tabel 4.31 diatas, maka perbandingan Model peramalan MA

dengan n = 1 memiliki nilai MAD yang lebih kecil dibandingkan MA dengan n= 11,
SES dengan α = 0.99, SES dengan α = 0.95 namun nilai Tracking signal model MA
dengan n= 11 adalah -1.00 s/d 5.60 hal ini dinilai masih kurang tepat untuk digunakan
karena nilainya yang > ±4, tracking signal disebut baik apabila memiliki RSFE yang
rendah, dan mempunyai positive error yang sama banyak atau seimbang dengan
negative error, sehingga pusat dari tracking signal mendekati nol, dan model
peramalan dengan Tracking signal dan nilai MAD yang baik adalah model SES
dengan α = 0.99 yaitu -1.70 s/d 3.40 dan nilai MAD sebesar 56.86.

4.4. Perhitungan dan perbandingan bullwhip effect Dengan Hasil Peramalan

Berdasarkan pemilihan model peramalan pada tabel di atas maka peneliti akan
menghitung kembali perhitungan bullwhip effect dengan model peramalan yang
sudah dipilih yaitu, distributor PT. Padi Mas Prima SES α = 0.10, Ritel Aneka Guna
SES α = 0.75, Ritel Benua SES α = 0.75, Ritel Wayame SES α = 0.99 dengan
menggunakan Microsoft office excel sebagai berikut:

1. Distributor PT. Padi Mas Prima

Tabel 4.32 Perhitungan Bullwhip Effect dengan SES α = 0.10

PERIODE PERAMALAN PENJUALAN

1 38191.83 19940
2 36366.65 11430
3 33872.99 33520
4 33837.69 30922
5 33546.12 44925
6 34684.01 35910
7 34806.61 37892
8 35115.14 45562
9 36159.83 44421
10 36985.95 63256
11 39612.95 49899
12 40641.56 40625
TOTAL 433821.32 458302
AVERAGE 36151.78 38191.83
STDEV 2324.13 13614.65
CV 0.06 0.36
BE 0.18
2. Ritel Aneka Guna

Tabel 4.33 Perhitungan Bullwhip Effect dengan SES α = 0.75

PERIODE PERAMALAN PENJUALAN

1 413.33 365

2 373.33 360

3 385.83 320

4 358.96 310

5 389.74 400

6 397.43 370

7 361.86 350

8 360.46 339

9 315.12 560

10 491.28 540

11 497.82 500

12 461.95 550

TOTAL 4807.13 4964

AVERAGE 400.59 413.67

STDEV 56.28 95.30

CV 0.14 0.23

BE 0.61
3. Ritel Benua

Tabel 4.34 Perhitungan Bullwhip Effect dengan SES α = 0.75

PERIODE PERAMALAN PENJUALAN

1 8342 8600

2 8535 7800

3 7984 7200

4 7396 6500

5 6724 7800

6 7531 9200

7 8783 8400

8 8496 9000

9 8874 8000

10 8668 9300

11 8917 9400

12 9129 9000

TOTAL 99379.13 100200

AVERAGE 8281.59 8350.00

STDEV 729.29 910.04

CV 0.09 0.11
BE 0.81
 4. Ritel Wayame

Tabel 4.35 Perhitungan Bullwhip Effect dengan SES α = 0.99

PERIODE PERAMALAN PENJUALAN

1 289 210
2 211 200
3 200 230
4 230 240
5 240 400
6 398 420
7 420 400
8 400 450
9 450 250
10 252 250
11 250 190
12 191 230
TOTAL 3530.16 3470
AVERAGE 294.18 289.17
STDEV 95.06 97.28
CV 0.32 0.34
BE 0.96

Berdasarkan Tabel sampai tabel Perhitungan nilai bullwhip effect dengan

hasil peramalan yang di atas terjadi penurunan bullwhip effect dimana,total
pemesanan dan total penjualan pada distributor PT. padi mas prima 433821< 458302,
ritel aneka guna 4807< 4960, ritel benua 99379< 100100 dan ritel wayame 3530>
3470, berdasarkan koefisien variansi pemesanan lebih kecil dibandingkan dengan
koefisien variansi penjualan dari distributor PT. Padi Mas Prima 0.06< 0.36, Ritel
Aneka Guna 0.14< 0.23, Ritel Benua 0.09< 0.11 dan Ritel Wayame 0.32<0.34. yang
mengakibatkan penurunan bullwhip effect sebesar 0.18, 0.61, 0.81, 0.96 dari sub
distributor dan ritel.

Tabel 4.36 Perbandingan Nilai Bullwhip Effect

Sub Distributor dan BE (Sebelum BE (Sesudah

Ritel Peramalan) Peramalan SES )
PT. Padi Mas Prima 1.02 0.18
Aneka Guna 1.07 0.61
Benua 1.03 0.81
Wayame 1.10 0.96

Dari tabel perbandingan hasil perhitungan bullwhip effect sebelum diterapkan

model peramalan dan sesudah diterapkan model peramalan Single exponential
smoothing yang telah dipilih didapatkan hasil bahwa terjadi penurunan nilai
bullwhip effect. Pada distributor PT. Padi Mas Prima terjadi penurunan bullwhip
effect yang sebelumnya 1.02 nilainya menurun menjadi 0.18 dengan tingkat
presentase penurunan sebesar 82.4%, Ritel Aneka Guna yang nilainya 1.07
menjadi 0.61 dengan tingkat presentase penurunan sebesar 43.0%, Ritel Benua
yang nilainya 1.03 nilainya menurun menjadi 0.81 dengan tingkat presentase
penurunan sebesar 21.4%, dan Ritel Wayame yang sebelumnya 1.10 nilainya
menurun menjadi 0.96 dengan tingkat presentase penurunan sebesar 12.7%. bisa
diartikan bahwa penerapan model peramalan dengan pemilihan model Single
Exponential Smoothing pada sub distributor dan ritel tersebut merupakan salah
satu pendekatan yang bisa diterapkan untuk menekan terjadinya bullwhip effect.