III-1
Bab III Pengumpulan dan Pengolahan Data III-2
d. Mixed Strategies
Melibatkan pengubahan beberapa variabel, misalnya bila pure strategy tidak
feasible.
(Sumber: https://bysatria.wordpress.com/2007/03/11/aggregate-planning-an-overview/;
Aggregate Planning; 28 Januari 2016)
3.1.6 Data Kapasitas RT, OT, Jumlah Tenaga Kerja Awal dan Inventory Awal
Data kapasitas RT OT, jumlah tenaga kerja awal, dan inventory awal dapat
dilihat pada Tabel 3.4.
Tabel 3.4 Data Kapasitas RT OT, Jumlah Tenaga Kerja Awal, dan Inventory Awal
Data Kapsistas Ragum Type S Ragum Type P
RT 17 16
OT 3 2
Tenaga Kerja Awal 108 108
Inventory 120 120
Contoh Perhitungan :
Tipe S Tipe P
8 ×60 ×24 8 ×60 ×24
RT = = 17 RT = = 16
642,294 683,922
OT = 17 x 0.2 = 3 OT = 16 x 0.15 = 2
Contoh perhitungan:
Total data waktu SK ragum tipe S
Hasil aggregate tipe S = ragum tipe S x
Total data waktu SK ragum tipe S
642,294
Periode 1 = 1165 x = 1165
642,294
Total data waktu SK ragum tipe P
Hasil aggregate tipe P = ragum tipe P x
Total data waktu SK ragum tipe S
683,922
Periode 1 = 1022 x = 1088,237
642,294
Jumlah demand = hasil aggregate tipe S + hasil aggregate tipe P
= 1165 + 1088,237 =2254
3.2.2 Forecasting
Sub sub bab ini akan menerangkan perhtingan peramalan.
1. Plot data dan perkiraan fungsi peramalan.
Plot data dan fungsi peramalan dapat dilihat pada Gambar 3.1.
Langkah 1 dan 2
Plot Data & Perkiraan Fungsi
Peramalan
Data Permintaan:
1 2254 5 2304 9 2162
1
2 2247 6 2284 0 2145
1
3 2446 7 2238 1 2010
1
4 2229 8 2111 2 2003
Plot Data Permintaan
2. Analisis Peramalan.
Analisis peramalan menggunakan metode SEST dapat dilihat pada Gambar 3.2.
LANGKAH 3 DAN 4
MELAKUKAN ANALISIS PERAMALAN
Metode : Single Exponential smoothing with trend (SEST)
Software yang digunakan : WINQSB
Nilai-nilai parameter:
Number of forecast : 12
Smoothing constant alpha : 0,33
Smoothing constant betha : 0,73
Analisis Kesalahan / error
MAD : 68.80981
MSE : 8491.416
MAPE : 3.082435
Analisis:
Nilai eror yang baik adalah mendekati nol, sedangkan pada metode SEST nilai eror
menyimpang lumayan jauh dari nilai 0, sehingga nilai MSE-nya besar.
Gambar 3.2 Analisis Peramalan Menggunakan Metode SEST
Analisis peramalan menggunakan metode DEST dapat dilihat pada Gambar 3.3.
LANGKAH 3 DAN 4
MELAKUKAN ANALISIS PERAMALAN
Metode : Double Exponential smoothing with trend (DEST)
Software yang digunakan : WINQSB
Nilai-nilai parameter:
Number of forecast : 12
Smoothing constant alpha : 0,32
Smoothing constant betha :-
Analisis Kesalahan / error
MAD : 66,632
MSE : 9161,873
MAPE : 3,013
Hasil peramalan untuk periode yang akan datang:
Periode Ft Resids
1 -
2 2254 -7
3 2249.52 196.48
4 2374.55 -145.55
5 2300.8 3.19922
6 2307.35 -23.347
7 2297.23 -59.231
8 2261.76 -150.76
9 2161.64 0.35669
10 2142.8 2.1958
11 2125.18 -115.18
12 2032.66 -29.658
13 1983.08
14 1949.44
15 1915.8
16 1882.16
17 1848.53
18 1814.89
19 1781.25
20 1747.61
21 1713.98
22 1680.34
23 1646.7
24 1613.06
Analisis:
Nilai eror yang baik adalah mendekati nol, sedangkan pada metode DEST nilai eror
menyimpang lumayan jauh dari nilai 0, sehingga nilai MSE-nya besar.
Mrbar =
∑ MR = 882,508 = 80,228
n−1 12
UCL = 2,66 x 80,228= 213,40648 LCL = -2,66 x 80,228= -213,40648
2 2
A+ = x 213,40648= 142,2709867 A- = - x -213,40648=
3 3
-142,27099
1 1
B+ = x 213,40648= 71,13549333 B- = - x -213,40648= -71,135493
3 3
Analisis : Dari grafik dan kriteria out of control, maka fungsi peramalan LR tidak terdapat data
yang out of control.
Gambar 3.7 Verifikasi Fungsi Peramalan (Lanjutan)
b. Cost Analysis
Data analisis ongkos untuk ragum dapat dilihat pada Tabel 3.7.
Tabel 3.7. Cost Analysis (Simple Model)
Cost Analysis for RAGUM (Simple Model)
2. Metode Transportasi
a. Planning Result
Data hasil perencanaan untuk ragum dengan menggunakan model
transportasi dapat dilihat pada Tabel 3.8.
Tabel 3.8. Planning Result (Transportation Model)
Planning Result for ragum (Transportation Model)
b. Cost Analysis
Data analisis ongkos untuk ragum dengan menggunakan model transportasi
dapat dilihat pada Tabel 3.9.
Tabel 3.9. Cost Analysis (Transportation Model)
Cost Analysis for ragum (Transportation Model)