4.2.

1 Permintaan Agregat
Data permintaan agregat adalah data jumlah permintaan produk akhir yang
dihasilkan pada suatu perusahaan selama satu periode. Berikut ini adalah
rangkuman data unit agregat.
Tabel 4.1 Rangkuman Data Unit Agregat
Periode Data Unit Agregat
1 4737
2 4742
3 4761
4 4767
5 4764
6 4771
7 4777
8 4773
9 4781
10 4784
11 4788
12 4791

4.2.2 Metode Weight Moving Average

Metode weight moving average di olah dengan pengolahan secara manual
dan dengan menggunakan software dengan pembobotan MA sebesar 4. Berikut
ini adalah pengolahan data peramalan metode weight moving average secara
manual dan dengan menggunakan pengolahan software.
Tabel 4.2 Peramalan Dengan Metode WMA
Ramalan
Indeks Penjualan
Berdasarkan Peramalan
Waktu Aktual
MA=4 (F,MA=4)
1 4737 - -
2 4742 - -
3 4761 - -
4 4767 - -
5 4764 4757,2 4758
6 4771 4762,1 4763
7 4777 4767,1 4768
8 4773 4771,6 4772
9 4781 4772,9 4773
10 4784 4776,8 4777
11 4788 4780,2 4781
12 4791 4783,9 4784
13 - 4787,7 4788
Contoh Perhitungan:

WMA (5) =
∑ (pembobot untuk periode n)(permintaan aktual dalam periode n)
∑(pembobot)
 ( 4767 X 4 ) + ( 4761 X 3 ) + ( 4742 X 2 ) +(4737 X 1)
WMA (5) = = 4757,2
10
( 4764 X 4 ) + ( 4767 X 3 ) + ( 4761 X 2 ) +(4742 X 1)
WMA (5) = = 4762,1
10
Berdasarkan tabel 4.2 diatas dapat diketahui pembobotan MA peramalan
dengan metode weight moving average sebesar 4 yang yang dimulai dari periode
5 sampai dengan periode 13. Nilai terbesar peramalan pada metode weighted
moving average yaitu terdapat pada periode 13 sebesar 4788 dan nilai terkecil
pada periode ke 5 sebesar 4758.
Tracking signal adalah suatu ukuran bagaimana baiknya suatu forecasting
atau peramalan memperkirakan nilai nilai aktual dan tracking signal berfungsi
untuk mengetahui kehandalah dari hasil peramalan dari setiap metode peramalan
yang ada. Berikut ini adalah tabel dari perhitungan tracking signal dengan metode
weight moving average.

Tabel 4.3 Tracking Signal Metode WMA

Kumulatif
Rsfe Absolute Tracking
Periode Forecast Aktual Error Absolute MAD
Kumulatif Error Signal
Error
1 4758 4764 6 6 6 6 6 1
2 4763 4771 8 14 8 14 7 2
3 4768 4777 9 23 9 23 7,6666 3
4 4772 4773 1 24 1 24 6 4
5 4773 4781 8 32 8 32 6,4 5
6 4777 4784 7 39 7 39 6,5 6
7 4781 4788 7 46 7 46 6,5714 7
8 4784 4791 7 53 7 53 6,625 8
MAD 6,625      
Contoh Perhitungan :
Error = Aktual – Forecast
= 4764 – 4758 = 6
Rsfe Kumulatif = Rsfe kumulatif (t-1) + Error (t)
= 6 + 8 = 14
Absolute Error = Hasil nilai error yang dipositifkan
Kumulatif Absolute Error = kumulatif absolute error (t-1) + absolute error (t)
= 6 + 8 = 14
MAD = kumulatif absolute error : periode
=6:1=6
Tracking Signal = Rsfe Kumulatif : MAD
=6:6=1
Berdasarkan tabel 4.3 diatas yaitu tracking signal metode weighted
moving average menjelaskan tentang perhitungan tracking signal dengan
menggunakan metode weight moving average dengan 8 periode dan terdapat 9
kolom yaitu periode dengan memiliki 8 periode, forecast yaitu yang berisikan data
hasil peramalan yang dilakukan dengan metode weighted moving average dengan
nilai pada periode ke 1 yaitu sebesar 4758 unit, aktual yaitu yang berisikan data
dari penjualan aktual dengan nilai sebesar 4764 unit pada periode ke 1, error yaitu
kesalahan peramalan pada metode weighted moving average yang didapat dari
hasil pengurangan nilai aktual dan nilai forecast dengan nilai pada periode ke 1
sebesar 6, rsfe kumulatif yaitu jumlah kumulatif dari nilai error dengan nilai
sebesar 6 pada periode ke 1, absolute error yaitu nilai error yang dipositifkan
dengan nilai sebesar 6 pada periode ke 1, kumulatif absolute error yaitu nilai
kumulatif error yang dipositifkan dengan nilai sebesar 6 pada periode ke 1, MAD
atau mean absolute deviation yaitu nilai total dari forecast error dengan nilai
sebesar 6 pada periode ke 1, dan tracking signal yaitu berisikan nilai yang
digunakan untuk membuat grafik dan untuk melihat seberapa banyak data yang
menimpang dari yang telah ditentukan dengan nilai sebesar 1 pada periode ke 1.
Grafik tracking signal berfungsi untuk menampilkan nilai dari tracking
signal secara grafis dan untuk megetahui apakah nilai tracking signal melewati
(BKA) atau batas kontrol atas dan (BKB) atau batas kontrol bawah yang telah di
tetapkan, jika nilai dari tracking signal melewati dari batas kontrol atas atau batas
kontrol bawah yang telah ditentukan maka metode peramalan tersebut tidak dapat
di andalkan. Berikut ini adalah gambar dari grafik tracking signal dengan
menggunakan metode weight moving average.
 10

4
Tracking Signal
2
BKA
0 BKB

-2

-4

-6
1 2 3 4 5 6 7 8
Gambar 4.5 Tracking Signal Metode WMA
Berdasarkan gambar 4.5 diatas yaitu gambar grafik tracking signal metode
weight moving average dengan nilai batas kontrol atas sebesar 4 dan nilai batas
kontrol bawah sebesar -4 dengan tracking signal yang terus mengalami kenaikan
dan melewati batas yaitu batas kontrol atas sebesar 4 yang berarti model
peramalan weight moving average dengan pembobotan MA sebesar 4 tidak dapat
diandalkan karena telah melewati batas kontrol atas.
Pengolahan software dilakukan dengan menggunakan aplikasi POM-QM
V5 untuk mengolah data peramalan dengan metode weight moving average
berikut ini adalah langkah langkah dari pengolahan data. Langkah pertama yaitu
membuka aplikasi POM-QM V5 selanjutnya klik menu module lalu pilih
forecasting. Lihatlah pada gambar di bawah ini.

Gambar 4.6 Menu Module Forecasting

 Langkah selanjutnya klik menu file lalu pilih new dan pilih time series
analysis. Lihatlah pada gambar dibawah ini.

Gambar 4.7 Langkah Permalan

Langkah selanjutnya yaitu akan muncul menu create date set for
forecaseting/time series analysis jika langkah di atas pada gambar diatas sudah
dilakukan. Isi pada bagian title dengan nama produk, dan pada bagian number of
past periods masukkan angka 12. Bagian file names pilih bulan, jika sudah
dilakukan semua selanjutnya klik ok. Lihatlah pada gambar dibawah ini.

Gambar 4.8 Menu Create Date Set For Forecaseting/Time Series Analysis
Langkah selanjutnya yaitu akan muncul tampilan untuk mengisi data
peramalan dengan metode yang akan dipilih, pada bagian method pilih weighted
moving average, dan pada periods to average masukkan angka 4, selanjutnya
masukkan data peramalan dari bulan januari sampai bulan desember dan
masukkan bobot nya dari periode 1 sebesar 4 dan periode 4 sebesar 1. Lihatlah
pada gambar dibawah ini.
 Ganbar 4.9 Menu Input Peramalan
Langkah selanjutnya yaitu klik solve untuk mengetahui hasil dari
peramalan dengan menggunakan metode weight moving average. Berikut ini
adalah gambar dari tombol solve.

Gambar 4.10 Tombol Solve

Output pengolahan software pada metode weight moving average ini
memiliki 4 output yaitu forecasting results, details and error analysis, tracking
signal, dan graph. Berikut ini adalah output yang dihasilkan pada pengolahan
software dengan metode weight moving average.

Gambar 4.11 Forecasting Result Metode WMA

Gambar 4.11 Forecasting Result Metode weight moving average diatas
dapat dilihat yaitu terdapat mean error sebesar 7,1499 yang berarti rata rata
kesalahan sebesar 7,1499. Selanjutnya terdapat mean absolute deviation sebesar
7,1499 yang berarti rata rata kesalahan mutlak dari perhitungan software POM-
QM V5. Bagian Mean Squared Error sebesar 56,7636 yang berarti nilai kuadrat
dari rata rata kesalahan semakin kecil maka akan semakin baik peramalan nya.
Bagian terdapat standard error atau simpangan baku sebesar 8,6997. Bagian
terdapat mean absolute error dengan nilai sebesar 0,1496%. Bagian terdapat next
periode dengan nilai sebesar 4787,7 yang berarti nilai peramalan yang akan
diterima pada periode selanjutnya.

Gambar 4.12 Details And Error Analysis Metode WMA

Gambar 4.12 Details And Error Analysis Metode weight moving average
diatas maka dapat dilihat yaitu terdapat demand(y) yaitu nilai permintaan aktual.
Terdapat forecas t yaitu nilai hasil peramalan dengan bobot sebesar 4. Terdapat
error dan terdapat |error| yaitu hasil pemutlakan dari nilai error di setiap periode.
Error2 yaitu nilai dari hasil error yang di kuadratkan. Pct error yaitu nilai
persentase error dari hasil error yang didapat.
 Gambar 4.13 Control Tracking Signal WMA
Berdasarkan gambar 4.13 Control Tracking Signal weight moving average
diatas dapat dilihat dengan 13 periode dengan pembobotan sebesar 4 yang dimulai
dari bulan may. Tracking signal metode weight moving average pengolahan
software ini terdapat kolom demand yaitu nilai permintaan aktual nya, selanjutnya
ada kolom forecast yaitu nilai peramalan nya, selanjutnya kolom error yang
terdiri dari positif saja, yang berarti nilai positif yaitu nilai peramalan nya lebih
kecil dari niai aktualnya. Terdapat juga kolom cum error, cum abs error, cum abs,
MAD atau mean absolute deviation dan tracking signal.

Gambar 4.14 Output Graph WMA

Berdasarkan gambar 4.14 output graph weight moving average di atas
dapat diketahui bahwa hasil peramalan di atas 4500 unit dan tidak ada yang
mengalami penurunan dari setiap periode. Terdapat 2 garis pada grafik di atas
yaitu garis warna merah menyambung yang berarti menunjukkan data penjualan
aktual dan garis berwarna biru putus putus yang berarti menunjukkan data hasil
peramalan.

4.2.3 Metode Single Exponential Smoothing (SES)

Metode Single Exponential Smoothing di olah dengan pengolahan secara
manual dan dengan menggunakan software dengan menggunakan alfa dari nilai
MAD atau mean absolute deviation terkecil. Berikut ini adalah pengolahan data
peramalan metode Single Exponential Smoothing secara manual dan dengan
menggunakan software.
Tabel 4.4 Nilai α = 0,1 - 0,9
Alfa MAD
0,1 24,748
0,2 18,057
0,3 13,841
0,4 11,084
0,5 9,196
0,6 7,898
0,7 7,113
0,8 6,687
0,9 6,427
Berdasarkan tabel di atas nilai mean absolute deviation dari alfa 0,1
sampai 0,9 didapatkan dari hasil pengolahan software POM-QM V5 yang
selanjutnya dipilih nilai mean absolute deviation terkecil untuk di jadikan pada
proses pengolahan data peramalan metode single exponensial smoothing secara
manual dan juga menggunakan software. Nilai mean absolute deviation dari alfa
0,1 adalah sebesar 24,748, alfa 0,2 sebesar 19,057, alfa 0,3 sebesar 13,841, alfa
0,,4 sebesar 11,084, alfa 0,5 sebesar 9,196, alfa 0,6 sebesar 7,898, alfa 0,7 sebesar
7,113, alfa 0,8 sebesar 6,687, alfa 0,9 sebesar 6,427 dan alfa 0,9 adalah yang
memiliki niai mean absolute deviation terkecil.
Metode single exponential smoothing di olah dengan pengolahan secara
manual dan dengan menggunakan software dengan nilai alfa sebesar 0,9. Berikut
ini adalah pengolahan data peramalan metode single exponential smoothing secara
manual dan dengan menggunakan pengolahan software.
 Tabel 4.5 Peramalan Metode Single Exponential Smoothing α = 0,9
Ramalan
Indeks
Penjualan Berdasarka
Bulan Waktu Hasil Peramalan
Aktual (A) n α =0,9
(t)
(F, α =0,9)
Januari 1 4737 4769,6666 4770
Februari 2 4742 4740,2666 4741
Maret 3 4761 4741,8266 4742
April 4 4767 4759,0826 4760
Mei 5 4764 4766,2082 4767
Juni 6 4771 4764,2208 4765
Juli 7 4777 4770,322 4771
Agustus 8 4773 4776,3322 4777
Septembe
9 4781 4773,3332 4774
r
Oktober 10 4784 4780,2333 4781
Novembe
11 4788 4783,6233 4784
r
Desember 12 4791 4787,5623 4788
Januari 13 - 4790,6562 4791
Contoh Perhitungan :

Ft1 =
∑ Penjualan Aktual = 57236 = 4769,6666
n 12
Ft2 = Ft-1 +  (At-1 – Ft-1)
= 4769,6666 + 0,9 (4737 – 4769,6666) = 4740,2666
Berdasarkan tabel di atas dapat diketahui yaitu perhitungan peramalan
dengan menggunakan metode single exponential smoothing dengan sebanyak 13
periode dan periode 13 sebagai hasil permalan untuk periode selanjutnya untuk
menjaga persediaan barang. Periode 13 harus menjaga persediaan barang sebesar
4791 unit. Hasil peramalan pada periode pertama yaitu sebesar 4770 unit dari
penjualan aktual periode pertama sebesar 4737 unit.
Tracking signal adalah suatu ukuran bagaimana baiknya suatu forecasting
atau peramalan memperkirakan nilai nilai aktual dan tracking signal berfungsi
untuk mengetahui kehandalah dari hasil peramalan dari setiap metode peramalan
yang ada. Berikut ini adalah tabel dari perhitungan tracking signal dengan metode
single exponential smoothing.
Tabel 4.6 Tracking Signal Metode SES
Kumulatif
Rsfe Absolute Tracking
Periode Forecast Aktual Error Absolute MAD
Kumulatif Error Signal
Error
 1 4770 4737 -33 -33 33 33 33 -1
2 4741 4742 1 -32 1 34 17 -1,8823
3 4742 4761 19 -13 19 53 17,6666 -0,7358
4 4760 4767 7 -6 7 60 15 -0,4
5 4767 4764 -3 -9 3 63 12,6 -0,7142
6 4765 4771 6 -3 6 69 11,5 -0,2608
7 4771 4777 6 3 6 75 10,7142 0,2800
8 4777 4773 -4 -1 4 79 9,875 -0,1012
9 4774 4781 7 6 7 86 9,5555 0,6279
10 4781 4784 3 9 3 89 8,9 1,0112
11 4784 4788 4 13 4 93 8,4545 1,5376
12 4788 4791 3 16 3 96 8 2
MAD = 8      
Contoh Perhitungan :
Error = Aktual – Forecast
= 4737 – 4770 = -33
Rsfe Kumulatif = Rsfe kumulatif (t-1) + Error (t)
= -33 + 1 = -32
Absolute Error = Hasil nilai error yang dipositifkan
Kumulatif Absolute Error = kumulatif absolute error (t-1) + absolute error (t)
= 33 + 1 = 34
MAD = kumulatif absolute error : periode
= 33 : 1 = 33
Tracking Signal = Rsfe Kumulatif : MAD
= -33 : 33 = -1
Berdasarkan tabel 4.6 diatas yaitu tracking signal metode single
exponential smoothing menjelaskan tentang perhitungan tracking signal dengan
menggunakan metode single exponential smoothing dengan 12 periode dan
terdapat 9 kolom yaitu periode dengan memiliki 12 periode, kolom forecast yaitu
kolom yang berisikan data hasil dari peramalan yang dilakukan dengan metode
single exponential smoothing dengan nilai peramalan pada periode ke 1 yaitu
sebesar 4770 unit, kolom aktual yaitu kolom yang berisikan data dari penjualan
aktual dengan nilai sebesar 4737 unit pada periode ke 1, error yaitu kesalahan
peramalan pada metode single exponential smoothing yang didapat dari hasil
pengurangan nilai aktual dan nilai forecast dengan nilai pada periode ke 1 sebesar
-33, rsfe kumulatif yaitu jumlah kumulatif dari nilai error dengan nilai sebesar -33
pada periode ke 1, absolute error yaitu nilai error yang dipositifkan dengan nilai
sebesar 33 pada periode ke 1, kumulatif absolute error yaitu nilai kumulatif error
yang dipositifkan dengan nilai sebesar 33 pada periode ke 1, MAD atau mean
absolute deviation yaitu nilai total dari forecast error dengan nilai sebesar 33 pada
periode ke 1, dan tracking signal yaitu berisikan nilai yang digunakan untuk
membuat grafik dan untuk melihat seberapa banyak data yang menyimpang dari
yang telah ditentukan dengan nilai sebesar -1 pada periode ke 1.
Grafik tracking signal berfungsi untuk menampilkan nilai dari tracking
signal secara grafis dan untuk megetahui apakah nilai tracking signal melewati
batas kontrol atas atau batas kontrol bawah yang telah di tetapkan, jika nilai dari
tracking signal melewati dari batas kontrol atas atau batas kontrol bawah yang
telah ditentukan maka metode peramalan tersebut tidak dapat di andalkan. Berikut
ini adalah gambar dari grafik tracking signal dengan menggunakan metode single
exponential smoothing.
5
4
3
2
1
Tracking Signal
0
BKA
-1 BKB
-2
-3
-4
-5
1 2 3 4 5 6 7 8 9 10 11 12
Gambar 4.15 Tracking Signal Peramalan Metode SES  = 0,9
Berdasarkan gambar 4.15 diatas yaitu gambar grafik tracking signal
metode single exponential smoothing dengan nilai (BKA) atau batas kontrol atas
sebesar 4 dan nilai (BKB) atau batas kontrol bawah sebesar -4 dengan tracking
signal yang terus mengalami kenaikan kecuali pada periode 2, 5 dan 8 yang
mengalami penurunan dari periode sebelumnya serta tracking signal tidak
melewati (BKA) atau batas kontrol atas maupun (BKB) atau batas kontrol bawah
yang berarti bahwa peramalan dengan metode single exponential smoothing masih
dapat diandalkan.
Pengolahan software dilakukan dengan menggunakan aplikasi POM-QM
v5 untuk mengolah data peramalan dengan metode single exponential smoothing
berikut ini adalah langkah langkah dari pengolahan data. Langkah pertama yaitu
membuka aplikasi POM-QM v5 selanjutnya klik menu module lalu pilih
forecasting. Lihatlah pada gambar di bawah ini.

Gambar 4.16 Menu Module Forecasting

Langkah selanjutnya klik menu file lalu pilih new dan pilih time series
analysis. Lihatlah pada gambar dibawah ini.

Gambar 4.17 Langkah Peramalan

Langkah selanjutnya yaitu akan muncul menu create date set for
forecaseting/time series analysis jika langkah di atas pada gambar diatas sudah
dilakukan. Isi pada bagian title dengan nama produk, dan pada bagian number of
past periods masukkan angka 12. dan pada file names pilih bagain bulan, jika
sudah dilakukan semua selanjutnya klik ok. Lihatlah pada gambar dibawah ini.
 Gambar 4.18 Menu Create Date Set For Forecaseting/Time Series Analysis
Langkah selanjutnya yaitu akan muncul tampilan untuk megisi data
peramalan dengan metode yang akan dipilih, pada bagian method pilih
exponential smoothing, dan pada alpha for smoothing masukkan angka 0,90,
selanjutnya masukkan data peramalan dari bulan januari sampai bulan desember
dan untuk pass periode masukkan data aktual nya dengan cara menjumlahkan
semua data aktual lalu membagi nya dengan 12 periode. Lihatlah pada gambar
dibawah ini.

Ganbar 4.19 Menu Input Peramalan

Langkah selanjutnya yaitu klik solve untuk mengetahui hasil dari
peramalan dengan menggunakan metode single exponential smoothing. Berikut
ini adalah gambar dari tombol solve.

Gambar 4.20 Tombol Solve

 Output pengolahan software pada metode single exponential smoothing ini
memiliki 4 output yaitu forecasting results, details and error analysis, tracking
signal, dan graph. Berikut ini adalah output yang dihasilkan pada pengolahan
software dengan metode single exponential smoothing.

Gambar 4.21 Forecasting Result Metode SES

Berdasarkan gambar 4.21 di atas menggunakan perhitungan menggunakan
software POM-QM v5, didapatkan error measures atau perhitungan error,
diantaranya mean error atau rata-rata kesalahan sebesar 1,9126, mean absolute
deviation totalnya sebesar 8,336, mean squarred error sebesar 144,3772,
Standard Error sebesar 13,1626, dan mean absolute percent error totalnya
sebesar 1751%, dan perhitungan forecast untuk next period atau periode
selanjutnya didapatkan sebesar 4790,656.

Gambar 4.22 Details and Error Analysis Metode SES

Berdasarkan gambar 4.22 diatas yaitu output details and error analysis,
kesimpulan dapat dilihat pada kolom average atau rata-rata dibagian bawah tabel,
untuk demand atau permintaan didapat sebesar 4769,692, error sebesar 1,9126, |
error| sebesar 8,336, error^2 sebesar 144,3772 dan percentage error sebesar
1751%. Next period forecast menunjukkan hasil peramalan untuk periode yang
akan datang yakni sebesar 4790,656. Standar error yang berarti penyimpangan
dari nilai rata-rata yakni sebesar 13,1626.

Gambar 4.23 Control Tracking Signal SES

Output selanjutnya yaitu control dari tracking signal. Berdasarkan output
tersebut, hasil yang didapatkan dengan menggunakan software POM-QM V5
tidak jauh berbeda dengan menggunakan manual menggunakan spreadsheet
excel. Perbedaannya terletak pada penggunaan desimalnya, karena pada
perhitungan manual hanya menggunakan 4 angka desimal dibelakang koma,
sedangkan pada perhitungan software semua angka yang didapat di proses, maka
keakuratan hasil yang didapat lebih mengacu kepada perhitungan menggunakan
software.

Gambar 4.24 Output Graph SES

 Berdasarkan gambar 4.24 output graph single exponential di atas dapat
diketahui bahwa hasil peramalan di atas 4500 unit dan tidak ada yang mengalami
penurunan dari setiap periode kecuali pada periode 2,5 dan periode 8 yang
mengalami penurunan dari periode sebelumnya. Terdapat 2 garis pada grafik di
atas yaitu garis warna merah menyambung yang berarti menunjukkan data
penjualan aktual dan garis berwarna biru putus putus yang berarti menunjukkan
data hasil peramalan.

4.2.4 Metode Regresi Linier

Metode regresi linier adalah suatu metode yang populer untuk berbagai
macam permasalahan. Regresi linier sederhana adalah hubungan secara linear
antara satu variabel independen (X) dengan variabel dependen (Y). Analisis ini
untuk mengetahui arah hubungan antara variabel independen dengan variabel
dependen apakah positif atau negatif dan untuk memprediksi nilai dari variabel
dependen apabila nilai variabel independen mengalami kenaikan atau penurunan.
Berikut ini adalah tabel yang berisikan perhitungan variabel yang digunakan
untuk perhitungan peramalan regresi linier.
Tabel 4.7 Perhitungan Metode Regresi Linier
Penjualan
Periode (X) X² X.Y
Aktual (Y)
1 4737 1 4737
2 4742 4 9484
3 4761 9 14283
4 4767 16 19068
5 4764 25 23820
6 4771 36 28626
7 4777 49 33439
8 4773 64 38184
9 4781 81 43029
10 4784 100 47840
11 4788 121 52668
12 4791 144 57492
78 57236 650 372670
Contoh perhitungan:
n ∑ xy- ∑x.∑y
Nilai b =
n ∑ x 2−(∑ x )²
( 12 x 372670 ) -(78 x 57236)
=
(12 x 650)- ( 78 ) ²
 4472040-4464408
=
7800-6084
7632
= = 4,4475
1716

Nilai a =
∑ y - b.∑x
n
57236 - (4,4475 x 78)
=
12
57236 - 349,05
=
12
56886,95
=
12
= 4740,7579

Perhitungan hasil peramalan regresi linier membutuhkan dua variabel

yakni nilai a dan nilai b. Nilai b atau nilai slope merupakan suatu nilai yang
menunjukkan seberapa besar kontribusi yang diberikan suatu variabel X terhadap
Y, nilai slope juga bisa dikatakan sebagai tingkat kemiringan dari suatu garis.
Nilai B didapat sebesar 4,4475. Sedangkan nilai a atau nilai intersep merupakan
nilai rata-rata pada variabel Y apabila nilai pada variabel X bernilai 0, atau bisa
dikatakan sebagi titik perpotongan antara suatu garis dengan sumbu Y pada
diagram/sumbu kartesius saat nilai X = 0. Nilai A didapatkan sebesar 4740,7579
Hasil peramalan dengan menggunakan metode regresi linier memiliki nilai
yang berbeda selama 12 periode, untuk mengetahui hasilnya maka dibuat tabel
hasil peramalan regresi linier. Berikut ini adalah tabel hasil peramalan dengan
menggunakan metode peramalan regresi linier.
Tabel 4.8 Hasil Peramalan Metode Regresi Linier
Periode (X) Hasil Peramalan (F)
1 4746
2 4750
3 4755
4 4759
5 4763
6 4768
7 4772
8 4777
9 4781
10 4786
11 4790
12 4795
Contoh perhitungan :
Y = a + bx
Periode 1 Y = a + bx
= 4740,7579 + (4,4475 x 1)
= 4740,7579 + 4,4475
= 4745,2054 ≈ 4746
Periode 2 Y = a + bx
= 4740,7579 + (4,4475 x 2)
= 4740,7579 + 8,95
= 4749,7079 ≈ 4750
Perhitungan peramalan metode regresi linier menggunakan rumus nilai a
atau intesep ditambahkan dengan perkalian antara nilai b atau slope dengan
periode yang ingin didapat. Contoh pada periode 1, dengan nilai A sebesar
4740,7579, nilai B sebesar 4,4475, dan nilai X sebesar 1, maka didapat hasil dari
peramalan untuk periode 1 adalah sebesar 4745,2054, dan dibulatkan keatas
menjadi 4746.
Tracking signal adalah suatu ukuran bagaimana baiknya suatu forecasting
atau peramalan memperkirakan nilai nilai aktual dan tracking signal berfungsi
untuk mengetahui kehandalah dari hasil peramalan dari setiap metode peramalan
yang ada. Berikut ini adalah tabel dari perhitungan tracking signal dengan metode
regresi linier.
Tabel 4.9 Tracking Signal Metode Regresi Linier
Kumulatif
Rsfe Absolute Tracking
Periode Forecast Aktual Error Absolute MAD
Kumulatif Error Signal
Error
1 4746 4737 -9 -9 9 9 9 -1
2 4750 4742 -8 -17 8 17 8,5 -2
3 4755 4761 6 -11 6 23 7,6666 -1,4347
4 4759 4767 8 -3 8 31 7,75 -0,3870
5 4763 4764 1 -2 1 32 6,4 -0,3125
6 4768 4771 3 1 3 35 5,8333 0,1714
7 4772 4777 5 6 5 40 5,7142 1,05
8 4777 4773 -4 2 4 44 5,5 0,3636
9 4781 4781 0 2 0 44 4,8888 0,409
10 4786 4784 -2 0 2 46 4,6 0
11 4790 4788 -2 -2 2 48 4,3636 -0,4583
12 4795 4791 -4 -6 4 52 4,3333 -1,3846
MAD = 4,3333      
Contoh Perhitungan :
Error = Aktual – Forecast
= 4737 – 4746 = -9
Rsfe Kumulatif = Rsfe kumulatif (t-1) + Error (t)
= -9 + -8 = -17
Absolute Error = Hasil nilai error yang dipositifkan
Kumulatif Absolute Error = kumulatif absolute error (t-1) + absolute error (t)
= 9 + 8 = 17
MAD = kumulatif absolute error : periode
=9:1=9
Tracking Signal = Rsfe Kumulatif : MAD
= -9 : 9 = -9
Berdasarkan tabel 4.9 diatas yaitu tracking signal metode regresi linier
menjelaskan tentang perhitungan tracking signal dengan menggunakan metode
regresi linier dengan 12 periode dan terdapat 9 kolom yaitu periode dengan
memiliki 12 periode, forecast yaitu yang berisikan data hasil peramalan yang
dilakukan dengan metode regresi linier dengan nilai pada periode ke 1 yaitu
sebesar 4746 unit, aktual yaitu yang berisikan data dari penjualan aktual dengan
nilai sebesar 4737 unit pada periode ke 1, error yaitu kesalahan peramalan pada
metode regresi linier yang didapat dari hasil pengurangan nilai aktual dan nilai
forecast dengan nilai pada periode ke 1 sebesar -9, rsfe kumulatif yaitu jumlah
kumulatif dari nilai error dengan nilai sebesar -9 pada periode ke 1, absolute
error yaitu nilai error yang dipositifkan dengan nilai sebesar 9 pada periode ke 1,
kumulatif absolute error yaitu nilai kumulatif error yang dipositifkan dengan nilai
sebesar 9 pada periode ke 1, mean absolute deviation yaitu nilai total dari forecast
error dengan nilai sebesar 9 pada periode ke 1, dan tracking signal yaitu berisikan
nilai yang digunakan untuk membuat grafik dan untuk melihat seberapa banyak
data yang menyimpang dari yang telah ditentukan dengan nilai sebesar -1 pada
periode ke 1.
Grafik tracking signal berfungsi untuk menampilkan nilai dari tracking
signal secara grafis dan untuk megetahui apakah nilai tracking signal melewati
batas kontrol atas atau batas kontrol bawah yang telah di tetapkan, jika nilai dari
tracking signal melewati dari batas kontrol atas atau batas kontrol bawah yang
telah ditentukan maka metode peramalan tersebut tidak dapat di andalkan. Berikut
ini adalah gambar dari grafik tracking signal dengan menggunakan metode regresi
linier.

1
Tracking Signal
0
BKA
-1 BKB

-2

-3

-4

-5
1 2 3 4 5 6 7 8 9 10 11 12
Gambar 4.25 Tracking Signal Peramalan Metode Regesi Linier
Berdasarkan gambar 4.25 diatas yaitu gambar grafik tracking signal
metode regresi linier dengan nilai (BKA) atau batas kontrol atas sebesar 4 dan
nilai (BKB) atau batas kontrol bawah sebesar -4 dengan tracking signal yang
mengalami kenaikan pada periode 3, 4, 5, 6, 7, 9 maupun penurunan pada periode
2, 8, 10, 11, 12 serta tracking signal tidak melewati (BKA) atau batas kontrol atas
maupun (BKB) atau batas kontrol bawah yang berarti peramalan dengan metode
regresi linier masih dapat di andalkan.
Pengolahan software dilakukan dengan menggunakan aplikasi POM-QM
V5 untuk mengolah data peramalan dengan metode regresi linier berikut ini
adalah langkah langkah dari pengolahan data. Langkah pertama yaitu membuka
aplikasi POM-QM V5 selanjutnya klik menu module lalu pilih forecasting.
Lihatlah pada gambar di bawah ini.
 Gambar 4.26 Menu Module Forecasting
Langkah selanjutnya klik menu file lalu pilih new dan pilih time series
analysis. Lihatlah pada gambar dibawah ini.

Gambar 4.27 Langkah Peramalan

Langkah selanjutnya yaitu akan muncul menu create date set for
forecaseting/time series analysis jika langkah di atas pada gambar diatas sudah
dilakukan. Isi pada bagian title dengan nama produk, dan pada bagian number of
past periods masukkan angka 12. dan pada file names pilih bagain bulan, jika
sudah dilakukan semua selanjutnya klik ok. Lihatlah pada gambar dibawah ini.

Gambar 4.28 Menu Create Date Set For Forecaseting/Time Series Analysis
 Langkah selanjutnya yaitu akan muncul tampilan untuk megisi data
peramalan dengan metode yang akan dipilih, pada bagian method pilih linier
regression / least square, dan pada x value for forecast masukkan angka 12,
selanjutnya masukkan data peramalan dari bulan januari sampai bulan desember
dan masukkan pada kolom time (x) dari januari sampai desember dengan dimulai
1 sampai dengan 12. Lihatlah pada gambar dibawah ini.

Gambar 4.29 Menu Input Peramalan

Langkah selanjutnya yaitu klik solve untuk mengetahui hasil dari
peramalan dengan menggunakan metode regresi linier. Berikut ini adalah gambar
dari tombol solve.

Gambar 4.30 Tombol Solve

Output pengolahan software pada metode regresi linier ini memiliki 4
output yaitu forecasting results, details and error analysis, tracking signal, dan
graph. Berikut ini adalah output yang dihasilkan pada pengolahan software
dengan metode regresi linier.
 Gambar 4.31 Forecasting Result Metode Regresi Linier
Kolom diatas yaitu kolom measure menunjukkan perhitungan yang dicari,
value menunjukkan hasil perhitungan dari measure, future period berarti periode
yang akan datang, dan forecast berarti nilai hasil peramalan dari setiap periode
yang akan datang. Output results tedapat error measures yang menggambarkan
kesalahan dalam perhitungan peramalan yang terdiri dari rata-rata error, mean
absolute deviation, mean squarred error, Standard Error, dan mean absolute
percent error. Regression Line menunjukkan nilai A dan nilai B yang didapat,
nilai A didapat 4750,757 dan nilai B didapat 4,4476. Output statistic didapatkan
hasil corelation coefficient sebesar 0,9451, dan coefficient of determination
sebesar 0,8933. Forecast menunjukkan rata-rata sebesar 4794,128.

Gambar 4.32 Details and Error Analysis Metode Regresi Linier

Output details and error analysis diatas memiliki kesimpulan dapat dilihat
pada kolom average atau rata-rata dibagian bawah tabel, untuk demand atau
permintaan didapat sebesar 4769,667, error sebesar 0,0002, |error| sebesar
4,2064, error^2 sebesar 25,8359 dan percentage error sebesar 0853%. Next
period forecast menunjukkan hasil peramalan untuk periode yang akan datang
yakni sebesar 4798,576. Standar error yang berarti penyimpangan dari nilai rata-
rata yakni sebesar 5,568. Intercept merupakan titik perpotongan antara suatu garis
dengan sumbu Y pada diagram/sumbu kartesius saat nilai X = 0, nilai intercept
didapat 4740,757, sedangkan slope merupakan tingkat kemiringan garis sebesar
4,4476.

Gambar 4.33 Control Tracking Signal Regresi Linier

Output control dari tracking signal diatas hasil yang didapatkan dengan
menggunakan software POM-QM V5 tidak jauh berbeda dengan menggunakan
manual menggunakan spreadsheet excel. Perbedaannya terletak pada penggunaan
desimalnya, karena pada perhitungan manual hanya menggunakan 4 angka
desimal dibelakang koma, sedangkan pada perhitungan software semua angka
yang didapat di proses, maka keakuratan hasil yang didapat lebih mengacu kepada
perhitungan menggunakan software.

Gambar 4.34 Output Graph Regresi Linier

 Berdasarkan gambar 4.34 output graph regresi inier di atas dapat diketahui
bahwa hasil peramalan di atas 4500 unit dan tidak ada yang mengalami penurunan
dari setiap periode kecuali pada periode 2,5 dan periode 8 yang mengalami
penurunan dari periode sebelumnya. Terdapat 2 garis pada grafik di atas yaitu
garis warna merah menyambung yang berarti menunjukkan data penjualan aktual
dan garis berwarna biru putus putus yang berarti menunjukkan data hasil
peramalan.

4.2.5 Moving Range

Metode untuk mengevaluasi metode peramalan menggunakan jumlah dari
kesalahan-kesalahan yang absolute. Mean absolute deviation (MAD) mengukur
ketepatan ramalan dengan merata-rata kesalahan dugaan (nilai absolut masing-
masing kesalahan). Mean absolute deviation berguna ketika mengukur kesalahan
ramalan dalam unit yang sama sebagai deret asli. Perhitungan moving range
diawali dengan perbadingan dari nilai mean absolute deviation. Berikut ini adalah
tabel perbandingan perhitungan manual dan pengolahan software nilai mean
absolute deviation.
Tabel 4.10 Perbandingan Nilai MAD
Metode Manual Software
Weight Moving Average 6,625 7,1499
Single Exponential Smoothing 8 8,336
Regresi Linier 4,3333 4,2064
Berdasarkan tabel 4.10 di atas dapat diketahui nilai dari perhitungan
manual dan juga pengolahan software dari semua metode peramalan. Nilai
tersebut dibandingkan untuk mengetahui nilai dari hasil perhitungan manual dan
software apakah nilainya mendekati atau berbeda jauh dan untuk mengetahui nilai
terkecil dari setiap metode peramalan untuk dijadikan metode peramalan yang
akan dipilih. Nilai perhitungan manual metode weight moving average adalah
sebesar 6,625 sedangkan nilai pengolahan software sebesar 7,1499, nilai
perhitungan manual metode single exponential smoothing yaitu sebesar 8 dan
pengolahan software sebesar 8,336, nilai perhitungan manual metode regresi linier
yaitu sebesar 4,3333 dan pengolahan software sebesar 4,2064. Mean absolute
deviation yang digunakan menggunakan nilai mean absolute deviation terkecil
dari setiap metode, yang berarti kesalahan suatu peramalan dengan menggunakan
metode tersebut lebih kecil dibandingkan dengan metode lainnya. Tabel
perbandingan diatas telah diketahui nilai yang terkecil dari setiap metode
peramalan yaitu metode peramalan regresi linear, maka nilai mean absolute
deviation yang digunakan adalah nilai mean absolute deviation pada metode
regresi linier sebesar 4,2064.
Peta Moving Range dirancang untuk membandingkan nilai permintaan
aktual dengan nilai peramalan. Data permintaan aktual dibandingkan dengan nilai
peramalan pada periode yang sama. Peta tersebut dikembangkan ke periode yang
akan datang hingga dapat dibandingkan data peramalan dengan permintaan aktual.
Peta Moving Range digunakan untuk pengujian kestabilan sistem sebab-akibat
yang mempengaruhi permintaan. Kegunaan peta Moving Range ialah untuk
melakukan verifikasi hasil peramalan least square terdahulu. Jika peta Moving
Range menunjukkan keadaan diluar kriteria kendali. Hal ini berarti terdapat data
yang tidak berasal dari sistem sebab-akibat yang sama dan harus dibuang maka
peramalan pun harus diulangi lagi. Berikut ini adalah hasil perhitungan moving
range pada hasil peramalan yang menggunakan metode regresi linier.

Tabel 4.11 Tabulasi Hasil Perhitungan Moving Range

Peramala Penjualan
Bulan A-F MR MR Absolute
n Aktual
Januari 4746 4737 -9 0 0
Februari 4750 4742 -8 1 1
Maret 4755 4761 6 14 14
April 4759 4767 8 2 2
Mei 4763 4764 1 -7 7
Juni 4768 4771 3 2 2
Juli 4772 4777 5 2 2
Agustus 4777 4773 -4 -9 9
Septembe
4781 4781 0 4 4
r
Oktober 4786 4784 -2 -2 2
Novembe
4790 4788 -2 0 0
r
Desember 4795 4791 -4 -2 2
Total 45
Contoh perhitungan :
MR = (Ft-1 – At-1) - (Ft – At)
 = (4746 – 4737) – (4750 – 4742)
=9–8=1
MR Absolute = nilai MR yang di positifkan

´
MR =
∑ MR
n−1
45
= = 4,0909
11
BKA = 2,66 x MR
´
= 2,66 x 4,0909
= 10,8817
BKB = -2,66 x MR
´
= -2,66 x 4,0909
= -10,8817
Berdasarkan tabel 4.11 di atas yaitu tabel tabulasi hasil perhitungan
moving range yang terdapat data hasil peramalan dari metode regresi linier dan
data penjualan aktual. Jumlah nilai dari moving range absolute adalah sebesar 45
yang berfungsi untuk menentukan moving range bar dan nilai batas kontrol atas
serta batas kontrol bawah. Hasil dari perhitungan moving rang bar yaitu
didapatkan hasil sebesar 4,0909 dan batas kontrol atas sebesar 10,8817 serta batas
kontrol bawah sebesar -10,8817 yang selanjutnya nilai tersebut akan dijadikan
tampilan grafik.
Grafik peta moving range berfungsi untuk menampilkan nilai dari moving
range secara grafis dan untuk megetahui apakah nilai dari moving range melewati
batas kontrol atas atau batas kontrol bawah yang telah di tetapkan, jika nilai dari
moving range berada diantara batas kontrol atas atau batas kontrol bawah yang
telah ditentukan maka peramalan tersebut dikatakan cukup baik dan bila terdapat
di luar batas maka peramalan permintaan tersebut dapat dikatakan kurang baik.
Berikut ini adalah gambar dari grafik tracking signal dengan menggunakan
metode regresi linier.
 20

15

10

5 MR
0 BKA
BKB
-5

-10

-15
1 2 3 4 5 6 7 8 9 10 11 12
Gambar 4.35 Peta Moving Range
Berdasarkan gambar 4.35 diatas yaitu gambar grafik peta moving range
dengan nilai (BKA) atau batas kontrol atas sebesar 10,8817 dan nilai (BKB) atau
batas kontrol bawah sebesar -10,8817 dengan moving rang yang keluar dari batas
kontrol atas pada periode 3 yang dapat dikatakan bahwa peramalan permintaan
pada periode 3 dikatakan kurang baik serta pada periode lainnya nilai dari moving
range tidak melewati (BKA) atau batas kontrol atas maupun (BKB) atau batas
kontrol bawah yang dapat dikatakan peramalan permintaan pada periode tersebut
cukup baik.

4.2.6 Hasil Peramalan Metode Terpilih

Hasil peramalan metode terpilih yaitu metode peramalan regresi linier.
Berikut ini adalah rangkuman dari hasil peramalan metode regresi linier.
Tabel 4.12 Hasil Peramalan Metode Regresi Linier
Periode (X) Hasil Peramalan (F)
1 4746
2 4750
3 4755
4 4759
5 4763
6 4768
7 4772
8 4777
9 4781
10 4786
11 4790
12 4795
 Berdasarkan tabel 4.12 di atas yaitu tabel hasil peramalan terpilih yaitu
peramalan dengan metode regresi linier. Regresi linier adalah model peramalan
yang digunakan untuk peramalan apabila pola historis data aktual permintaan
menunjukkan adanya keenderungan menaik dari waktu ke waktu. Model
peramalan regresi linier dipilih karena memmiliki nilai mean absolute deviation
yang terkecil diantara 3 metode peramalan lainnya, karena semakin kecil nilai
mean absolute deviation maka akan semakin baik. Nilai mean absolute deviation
dengan metode regresi linier yaitu sebesar 4,333 untuk perhitungan manual dan
4,2064 untuk pengolahan software