MODUL 1 PRAKTIKUM

SISTEM PRODUKSI
“FORECASTING (PERAMALAN)”

Diajukan untuk Memenuhi Tugas

Praktikum Sistem Produksi
Program Strata Satu Jurusan Teknik Industri
Sekolah Tinggi Teknologi Bandung

Disusun Oleh :

Nama : Ilmi Malia Safitri

NPM : 19262011019
Kelas : TI-RP-19A

PROGRAM STUDI TEKNIK INDUSTRI

SEKOLAH TINGGI TEKNOLOGI BANDUNG
2021
 Article I. BAB III
PENGOLAHAN DATA

1.1 Pengumpulan Data

Perusahaan PT XYZ ingin melakukan peramalan terhadap permintaan
untuk 2 tahu ke depan (24 bulan) menggunakan forecasting. Data yang
dibutuhkan untuk meramalkan adalah data permintaan pada masa lalu atau
lebih sering disebut demand yang mana sebagai berikut ini :

Tabel 3.1 Data Demand

Period Demand
e
1 12701
2 12133
3 13515
4 10726
5 14617
6 15417
7 13370
8 9470
9 13953
10 14324
11 13572
12 15010
13 17262
14 15112
15 13785
16 14219
17 12926
18 17435
19 11989
20 14097
21 12178
22 14654
23 11406
24 16809
 Tabel 3.2 Data Demand NPM
Period Period Period Period
Demand Demand Demand Demand
e e e e
12701+N1
1 7 13370 13 17262 19 11989
N2
9470+NPM
2 12133 8 14 15112 20 14097
2
13785+N2 12178+N1
3 13515 9 13953 15 21
N1 N2 N2 N2
10726+NPM
4 10 14324 16 14219 22 14654
1
13572+N2 12926+N2 11406+N2
5 14617 11 17 23
N1 N2 N1 N2
6 15417 12 15010 18 17435 24 16809

Tabel 3.3 Data Demand Konversi NPM

Period Demand
e
1 12701+19 =
12720
2 12133
3 13515
4 10726+ 1 =
10727
5 14617
6 15417
7 13370
8 9470+9 = 9479
9 13953
10 14324
11 13572+91=13663
12 15010
13 17262
14 15112
15 13785+919=1470
4
16 14219
17 12926+991=1391
7
18 17435
19 11989
20 14097
21 12178+199=1237
 7
22 14654
23 11406+99=11505
24 16809
1.2 Pengolahan Data
Data demand pada perusahaan PT XYZ diolah dengan menggunakan
bantuan software WinQSB yang mana langkah-langkahnya adalah sebagai
berikut :
1. Buka aplikasi WinQSB dengan cara klik menu star > klik All
Programs > WinQSB > Klik Forecasting and linear regression.
Gambar 3.1 Tampilan Aplikasi WinQSB

2. Pilih atau klik New Problem pada menu file.

3. Pilih Time Series Forecasting.
4. Problem title dapat di isi dengan format : NAMA
DEPAN_PRAKTIKAN (SALES).
5. Time unit bisa di isi 24 (karena 24 periode perencanaan).
6. Klik Ok.
7. Isikan historical data selama 24 bulan sesuai dengan data demand.
Gambar 3.2 Tampilan New Problem

8. Masukkan semua data ke dalam sistem

Gambar 3.3 Tampilan Input Data
9. Klik menu Solve And Analyze, pilih perform forecasting.
10. Forecasting Setup :
a. Single exponential smoothing (SES)
b. Methods parameters = pertama lakukan dengan assign value dan
setelah keluar hasilnya langkah kedua lakukan juga dengan
search the best untuk memperoleh hasil yang lebih baik.
c. Number of periods to forecast = 24
d. Smoothing constant alpha = 0.3
e. Initial Value F (0) if known dikosongkan
11. Klik Ok
Gambar 3.4 Tampilan Forecasting Setup
1.3 Hasil Pengolahan Data
1. Method Parameters Assign Values
Sistem peramalan menggunakan program WinQSB dan metode
SES dapat mengetahui hasil peramalan untuk 24 periode kedepan
menggunakan data historis 24 bulan sebelumnya, output menunjukkan
nilai forecast error jika dilihat dari Mean Absolute Deviation (MAD)
adalah sebesar 1688,4. Berikut gambar hasil peramalan dengan
menggunakan method parameters assign values.
Gambar 3.5 Output WinQSB Metode SES Parameters Assign
Values
Gambar 3.6 Output WinQSB Metode SES Parameters Assign
Values

Gambar 3.7 Output WinQSB Metode SES Parameters Assign

Values
Untuk hasil peramalan secara detail, tinjau menu bar, kemudian Klik
Result > Show Forecasting Detail, berikut Output yang ditunjukkan :

Gambar 3.8 Output Forecasting Detail WinQSB Metode SES

Parameters Assign Values

Gambar 3.9 Output Forecasting Detail WinQSB Metode SES

Parameters Assign Values
 Gambar 3.10 Output Forecasting Detail WinQSB Metode SES
Parameters Assign Values

Selanjutnya untuk melihat pola data demand dari hasil peramalan

menggunakan metode SES dengan method parameters assign values
dapat dilihat dari hasil output grafik dibawah ini. Dimana dari gambar
 tersebut terlihat pola data aktual penjualan produk dan pola data hasil
peramalan yang dilakukan WinQSB. Data penjualan aktual dan data
hasil peramalan tersebut memiliki pola acak.

Gambar 3.11 Output Grafik WinQSB Metode SES Parameters Assign

Values

2. Method Parameters Search The Best

Hasil peramalan yang sudah didapatkan masih bisa mendapatkan
hasil yang lebih maksimal, dengan kata lain hasil peramalan sebelumnya
bukan hasil yang terbaik. Untuk menunjukan hasil yang terbaik dapat
dilakukan pengujian ulang dengan memilih Method Parameters Search
The Best untuk menghasilkan hasil terbaik. Berikut gambar cara
mendapatkan hasil yang lebih maskimal:

Gambar 3.12 Tampilan Forecasting Setup Maksimal

Berikut output dari hasil peramalan menggunakan Method Parameters
Search The Best.

Gambar 3.13 Output WinQSB Metode SES Parameters Search The Best

Gambar 3.14 Output WinQSB Metode SES Parameters Search The Best
Gambar 3.15 Output WinQSB Metode SES Parameters Search The Best

Selanjutnya untuk melihat pola data demand dari hasil peramalan

menggunakan metode SES dengan method parameters search the best
dapat dilihat dari hasil output grafik dibawah ini yaitu dengan
memplotkan hasil peramalan . Dimana dari gambar tersebut terlihat pola
data aktual penjualan produk dan pola data hasil peramalan yang
dilakukan WinQSB. Data penjualan aktual dan data hasil peramalan
tersebut memiliki pola acak.

Gambar 3.16 Output Grafik WinQSB Metode SES Parameters Search

The Best
 Article II. BAB IV

ANALISIS DATA

4.1 Hasil Penelitian

Pengambilan data tentang volume penjualan produk dilakukan pada PT.

XYZ. Data yang diambil adalah data penjualan sales. Penggunaan model Single
Exponential Smooting (SES) untuk forecasting berdasarkan langkah-langkah yang
telah dijabarkan pada bab 3 di atas terhadap data penjualan produk diperoleh hasil
sebagai berikut.

4.2 Analisis Data di PT XYZ

1. Model Single Exponential Smooting (SES) dengan Parameter Metode
Assign Values
Data penjualan di PT. XYZ menggunakan model Single
Exponential Smooting dengan parameter metode Assign values
menggunakan program Win QSB 2.0 diperoleh hasil MSE = 4279128 dan
MAPE = 12,59736.
2. Model Single Exponential Smooting (SES) dengan Parameter Metode
Search the Best
Data penjualan di PT. XYZ menggunakan model Single
Exponential Smooting dengan parameter metode Search the best dengan
mencari kriteria MAD menggunakan program Win QSB 2.0 diperoleh
hasil MSE = 4037516 dan MAPE = 12,09388.
3. Analisis Grafik
 Grafik Plot dan trend data asli menggunakan model Single
Exponential Smooting dengan parameter metode Assign values maupun
model Single Exponential Smooting dengan parameter metode Search the
best dengan mencari kriteria MAD menunjukkan bahwa data belum
stasioner, karena nilai-nilai aktualnya jauh dari garis linier dan mempunyai
variansi yang besar.