Anda di halaman 1dari 47

BAB III

PENYELESAIAN KASUS

3.1 Pendahuluan

Berisikan latar belakang, perumusan, tujuan, dan batasan masalah yang


akan dibahas.

3.1.1 Latar Belakang

Distribusi dipandang sebagai aktivitas terpenting dalam sistem manufaktur


yang tentunya dapat memberikan nilai tambah untuk sebuah produk. Menurut
Turner (1993), distribusi merupakan semua aspek pengiriman produk dari
produsen ke konsumen mulai dari masalah persediaan, pemilihan gudang sampai
perencanaan transportasi. Oleh karena itu dapat dikatakan bahwa proses distribusi
selalu berhubungan dengan transportasi dan segala biaya yang terkait. Biaya
tersebut dapat berupa biaya pemesanan, dan biaya gudang (biaya simpan) serta
biaya stockout. Sehingga perlu dilakukan penjadwalan untuk meminimalkan
biaya-biaya tersebut. Distribusi harus dirancang sedemikian rupa sehingga tidak
terjadi keterlambatan serta juga kelebihan/kekurangan stok yang menyebabkan
tidak terpenuhinya permintaan secara efisien dan efektif.

PT. Semen Padang memiliki beberapa packing plant yang tersebar di


beberapa daerah untuk memenuhi permintaan secara efisien dan efektif, dalam hal
ini juga dibutuhkan pengiriman kantong untuk produk semen tersebut, yang tidak
terlepas dari jumlah permintaan semen itu sendiri. Pendistribusian kantong semen
ke packing plant dilakukan dengan dua media, yaitu darat dan laut.

PT. Semen Padang merupakan satu-satunya produsen semen di Sumatera


Barat, hal ini menyebabkan tingginya permintaan semen khususnya untuk
Packing Plant Indarung. sehingga pengiriman kantong semen dibutuhkan hampir
setiap hari. Terdapat berbagai jenis kantong semen yang harus dikirim, sesuai
dengan variasi permintaan. Permasalahan akan terjadi terutama pada beberapa
jenis kantong yang memiliki jumlah permintaan sangat banyak, meyebabkan
kekurangan kantong, terjadinya timbunan pekerjaan, dan tidak efektifnya
penggunaan sumber daya.

Gambar 3.1 Pie Chart Rekap pengeluaran kantong selama Januari 2011

Berdasarkan pengamatan pada data selama 3 bulan jenis kantong pasted


kraft 3 ply pcc 50 kg hitam paling banyak dibutuhkan untuk pengiriman ke
Packing Plant Indarung. Seperti terlihat pada Gambar 3.2.

Gambar 3.2 Grafik Rekap Pengeluaran Kantong Berdasarkan Jenis


Ke Packing Plant Indarung Januari 2011

Dibutuhkan perhatian khusus terhadapat suatu jenis kantong dalam hal


peramalan dan penjadwalannya terutama untuk jenis kantong yang memiliki
permintaan cukup banyak dibanding yang lainnya. Berikut gambaran jumlah
pengiriman kantong pasted kraft 3 ply pcc 50 kg hitam selama 31 hari.

Gambar 3.3 Pengeluaran kantong pasted kraft 3 ply pcc 50 kg


Setiap Hari Selama 31 Hari Pada Januari 2011

Terlihat bahwa terjadi fluktuasi jumlah pengiriman yang disebabkan


fluktuasi permintaan kantong semen, oleh karna itu perlu dilakukan peramalan
dan penjadwalan distribusi untuk mengidentifikasi jumlah pengiriman kantong
dimasa mendatang, sehingga tidak menimbulkan kekurangan kantong,
mengurangi timbunan pekerjaan, dan efektifnya penggunaan sumber daya, karna
terdapatnya berbagai jenis kantong maka peramalan dan penjadwalan yang baik
untuk suatu jenis kantong akan memaksimalkan perhatian terhadap kantong
tersebut untuk mengefektifkan penggunaan sumber daya itu sendiri, baik itu
sumber daya produksi atau pun sumber daya gudang. Dalam hal ini hasil
peramalan dapat digunakan untuk menentukan target produksi sehingga
memaksimalkan sumber daya produksi dan hasil penjadwalan dapat digunakan

2
untuk menentukan jumlah dan jadwal kapan kantong harus dikirim sehingga tidak
menimbulkan penumpukan jumlah kantong di gudang, yang akan menimbulkan
modal terpendam dan biaya untuk penyimpanan kantong tersebut.

3.1.2 Perumusan Masalah

Permasalahan yang diselesaikan dalam penelitian ini adalah


memaksimalkan penggunaan sumber daya dan mengantisipasinya terjadinya
kekurangan kantong dengan menyesuaikan jumlah produksi kantong semen
berdasarkan jumlah pemakaian kantong semen melalui peramalan, serta
menentukan jumlah dan jadwal kapan kantong harus dikirim melalui penjadwalan
distribusi kantong semen dari gudang ke packing plant.

3.1.3 Tujuan

Tujuan dilaksanakan penelitian ini adalah sebagai berikut :


1. Meramalkan pemakaian kantong semen untuk 15 hari kedepan dengan
pedoman data pengiriman kantong untuk packing plant selama 31 hari
pada bulan Januari 2011.
2. Menentukan jadwal distribusi kantong semen untuk 15 hari kedepan
berdasarkan hasil peramalan kebutuhan kantong untuk 15 hari kedepan.

3.1.4 Batasan Masalah

Agar penelitian ini terarah maka penulis memberikan batasan masalah


sebagai berikut :

3
1. Penelitian membahas jenis kantong pasted kraft 3 ply pcc 50 kg hitam
yang dikirim ke Packing Plant Indarung.
2. Penelitian menggunakan data historikal bulan Januari 2011.
3. Peramalan dilakukan menggunakan Software Minitab 14.

3.2 Landasan Teori

Penjadwalan distribusi merupakan salah satu elemen penting dalam


kegiatan distribusi. Penjadwalan yang dilakukan diawali dengan melakukan
peramalan terhadap permintaan. Dengan adanya penjadwalan, diharapkan
permintaan dapat terpenuhi pada saat yang dibutuhkan dan dalam jumlah yang
telah diramalkan. Teori yang mendukung penjadwalan dan peramaland akan
dijelaskan lebih lanjut sebagai berikut.

3.2.1 Peramalan

Peramalan adalah suatu perkiraan tingkat permintaan yang diharapkan


untuk suatu produk atau beberapa produk dalam periode waktu tertentu pada
masa yang akan datang. Tujuan utama peramalan dalam manajemen permintaan
adalah untuk meramalkan permintaan dari item-item independent demand di masa
yang akan datang. Peramalan merupakan suatu taksiran yang ilmiah. Meskipun
terdapat sedikit kesalahan yang disebabkan adanya keterbatasan manusia, namun
peramalan dibutuhkan oleh suatu perusahaan karena setiap keputusan yang
diambil pada saat ini akan dapat mempengaruhi keadaan perusahaan pada masa
yang akan datang (Gaspersz, 2001).

Peramalan biasanya diklasifikasikan berdasarkan horizon waktu masa


depan yang dicakupnya. Horizon waktu terbagi atas beberapa kategori (Gaspersz,
2001) :

4
1. Peramalan jangka pendek
Peramalan ini mencakup jangka waktu hingga 1 tahun tetapi umumnya
kurang dari 3 bulan. Peramalan ini digunakan untuk merencanakan
pembelian, penjadwalan kerja, jumlah tenaga kerja, penugasan kerja dan
tingkat produksi.

2. Peramalan jangka menengah.


Peramalan ini mencakup hitungan bulanan hingga 3 tahun. Peramalan ini
berguna untuk rencana penjualan, perencanaan dan anggaran produksi dan
anggaran kas.
3. Peramalan jangka panjang
Umumnya untuk perencanaan masa 3 tahun atau lebih. Peramalan ini
untuk merencanakan produk baru, pembelanjaan modal, dan lokasi
pengembangan fasilitas.

Langkah-langkah dilakukannya peramalan adalah sebagai berikut :


1. Definisikan tujuan peramalan.
2. Buat diagram pencar
3. Pilih paling sedikit dua metode yang memenuhi tujuan peramalan dan
sesuai dengan plot data.
4. Hitung parameter-parameter fungsi peramalan.
5. Hitung kesalahan (error) peramalan yang terjadi.
6. Pilih metode yang terbaik.
7. Lakukan verifikasi peramalan.

3.2.2.1 Metode Peramalan

Berikut ini merupakan metode yang digunakan pada peramalan (Gaspersz,


2001):
1. Metode Qualitatif (Teknologis).

5
Metode ini menggabungkan faktor, seperti intuisi, emosi, pengalaman
pribadi, dan sistem nilai pengambil keputusan untuk meramal.
Berikut ini merupakan empat teknik peramalan kualitatif (Gaspersz, 2001):
a. Keputusan dari pendapat juri eksekutif
Pendapat sekumpulan kecil manajer atau pakar tingkat tinggi, sering
dikombinasikan dengan model statistik, dikumpulkan untuk
mendapatkan prediksi permintaan kelompok.
b. Metode Delphi
Terdapat tiga jenis peserta dalam metode ini, yaitu pengambil
keputusan, karyawan dan responden. Pengambil keputusan biasanya
terdiri dari 5 sampai 10 orang pakar.
c. Survei pasar konsumen
Metode ini meminta input dari konsumen mengenai rencana
pembelian mereka pada masa yang akan datang.
d. Gabungan dari tenaga penjualan
Setiap tenaga penjualan memperkirakan berapa penjualan yang bisa
dilakukan dalam wilayahnya.
1. Metode Quantitatif
Metode ini menggunakan model matematis yang beragam dengan data
masa lalu dan variabel sebab akibat untuk meramalkan permintaan.
Metode ini terdiri atas 2 teknik:
a. Teknik Deret Berkala (Time Series)
Metode ini memperlakukan sistem seperti kotak hitam dengan tidak
adanya usaha untuk menemukan faktor yang berpengaruh pada
perilaku sistem tersebut. Metode ini cocok untuk peramalan jangka
pendek atau menengah.
Metode yang sering dipakai dalam teknik deret berkala:
1) Metode Dekomposisi.
Metode ini dilakukan dengan cara membagi data masa lalu
menjadi komponen-komponen dan kemudian akan ada suatu
proyeksi ke masa depan yang terdiri atas empat komponen, yaitu
tren, musim, siklus dan variasi acak
2) Metode Smoothing.

6
Metode-metode yang termasuk metode smoothing adalah :
a). Metode Rataan
Metode ini terdiri dari beberapa metode yaitu Mean (Simple
Average), Simple Moving Average, Double Moving Average,
Weighted Moving Average.

b). Metode Eksponensial Smoothing.


Metode Eksponensial Smoothing terdiri dari beberapa metode
yaitu Single Eksponensial Smoothing, Double Eksponensial
Smoothing, Triple Eksponensial smoothing.
b. Metode Eksplanatoris atau Kausal
Yang termasuk ke dalam metode ini adalah :
1) Model Ekonometrik
Sebagaimana halnya regresi sederhana adalah kasus khusus dari
regresi berganda, regresi berganda juga merupakan khusus dari
model ekonometrik. Regresi berganda merupakan persamaaan
tunggal sedangkan model ekonometrik dapat mencakup
sejumlah persamaan regresi berganda secara simultan. Istilah
model ekonometrik menunjukan suatu persamaan linear yang
melibatkan beberapa variabel interdependen.
Langkah-langkah pemodelan ekonometrik:
a). Menetukan variabel mana yang harus dimasukkan ke dalam
setiap persamaan (spesifikasi)
b). Menentukan bentuk fungsional (linear, eksponensial,
logaritma dsb) setiap persamaan
c) Penaksiran secara simultan parameter-perameter persamaan
d). Pengujian signifikasi hasil secara statistik
e). Pemeriksaan kesahihan (validitas) asumsi yang digunakan
2). Metode Regresi.
Teknik regresi umumnya membahas masalah pendekatan sebab-
akibat (causal) atau yang bersifat menjelaskan (explanatory)
untuk peramalan. Teknik-teknik ini mencoba memperkirakan
keadaan di masa datang dengan menemukan dan mengukur

7
beberapa faktor bebas (independen) yang penting beserta
pengaruh mereka terhadap variabel tidak bebas yang akan
diramalkan.

Metode ini terdiri atas (Gaspersz, 2001):


a). Regresi Sederhana
Metode ini hanya memperhitungkan satu variabel tak
bebas yang akan diramalkan, sehingga merupakan kasus
khusus regresi berganda. Model umum yang digunakan
dalam peramalan ini adalah polinomial dengan bentuk
dasarnya yaitu:
^
^ ^ ^ ^
(3.1) ^
Y (t ) = a + b t + c t + ... + gt n −1 + h t n
2

dengan sejumlah poliomial n-order, dimana


^
Y (t )

merupakan nilai estimasi terhadap data sebenarnya, ,


Y (t )
pada waktu t dan yaitu koefisien penyesuaian dari
^ ^ ^
a, b,..., h

polinomial. Metode regresi sederhana ini juga terbagi atas


beberapa metode yaitu :

Metode Linear
Metode peramalan berikut digunakan jika terjadi fluktuasi
data historis berupa garis lurus baik ke arah atas atau ke
arah bawah dari bidang X dan Y sepanjang waktu.
Grafiknya dapat dilihat pada Gambar 3.4 berikut.

8
Grafik Metode Linier

20000
15000

Jumlah
10000
5000
0
1 6 11
Y'

Periode

Gambar 3.4 Grafik Metode Linier

Error yang terjadi dapat diminimasi dengan persamaan


(Gaspersz, 2001):
N .N  ^ ^

2


t =1
e (t ) = ∑ Y (t ) − a − bt 
2

t =1   (3.2)
Proses penyesuaian dengan menggunakan metode linear

dimulai dengan menghitung nilai , yaitu dengan


^
b

persamaan :
(3.3)
N N N
N ∑ tY (t ) − ∑ Y (t )∑ t
^
t =1 t =1
b= 2
N
 N
N ∑t2 − ∑t 
t =1  t =1 

Nilai yang diperoleh disubstitusikan pada persamaan


^
b

berikut untuk memperoleh nilai parameter .


^
a

9
(3.4)
^
N ^ ^ N
∑Y (t ) = N a + b ∑ t
t =1 t =1

yaitu koefisien penyesuaian dari polinomial.


^ ^
a, b

Nilai t adalah periode, dan Y adalah fungsi regresi.

Metode Kuadratis
Selanjutnya, dilakukan perhitungan peramalan untuk nilai
masa yang akan datang jika terjadi fluktuasi random data
dengan kurva kuadrat. Grafik yang dibentuk oleh metode
ini membentuk parabola dan dapat dilihat pada Gambar
3.5 berikut ini.
Grafik Metode Kuadratis

11500
11450
11400
Peramalan

11350 Y'

11300
11250
11200
1 6 11

Periode

Gambar 3.5 Grafik Metode kuadratis

Sum of the squared error dikriteriakan untuk meminimasi


nilai dari metode kuadratis yaitu (Gaspersz, 2001):
(3.5)
N N 2
 ^ ^ ^

∑ e (t ) = ∑ Y (t ) − a− bt− c t
t =1
2

t =1
2


10
Stimulasi yang diberikan pada persamaan tersebut yaitu

nilai , , dan yang didapatkan dengan membuat


^ ^ ^
a b c

persamaan nol untuk masing-masing parameter. Persamaan


yang digunakan yaitu :
(3.6)
^ γ δ− θ α
b=
γ β− α 2

Setelah nilai didapat, maka dapat dilakukan perhitungan


^
b

untuk nilai dengan persamaan :


^
c

(3.7)
^
^ θ − (b)(α )
c=
γ

Kemudian, dapat diperoleh nilai dengan persamaan :


^
a

(3.8)
N N N

^ ∑Y (t ) ^ ∑t ^ ∑t 2

a= t =1
−b t =1
−c t =1

N N N

Metode Eksponential
Metode Eksponensial ini menggunakan persamaan
[Bedworth,1987] :
(3.9)
^ ^ ^

Y (t ) = a eb t

11
dengan transformasi algoritma untuk persamaan di atas
dihitung dari persamaan berikut (Bedworth:1982):
(3.10)
^  ^ ^ ^ ^
ln Y (t ) = ln(a ) + ln(eb t ) = ln(a ) + b t
 

Grafik yang dibentuk oleh metode ini dapat dilihat pada


Gambar 3.6 berikut ini.
Grafik Metode Eksponensial

25000

20000

15000
Jumlah

Y'

10000

5000

0
1 4 7 10

Pe riode

. Gambar 3.6 Grafik Metode Eksponensial

b). Metode Siklis


Peramalan dengan metode siklis dilakukan berdasarkan pada
pola data masa lalu dan bersifat trigonometris sepanjang
periode yang merupakan fungsi sinus dan cosinus.
Persamaan yang digunakan adalah :
2πt 2πt
y ' = a + b cos + c sin
n n (3.11)

Nilai parameter a, b dan c pada persamaan tersebut dapat


dihitung dengan mengeliminasi tiga persamaan berikut
(Gaspersz, 2001):
2πt 2πt
∑ y = na + b∑ sin n
+ c ∑ cos
n (3.12)

2πt 2πt 2πt 2πt 2πt


∑ y cos n
= a ∑ cos
n
+ b∑ cos2
n
+ c ∑ sin
n
cos
n

12
2πt 2πt 2πt 2πt 2πt
∑ y sin n
= a ∑ sin
n
+ b∑ sin
n
cos
n
+ c ∑ sin 2
n
Dengan t = periode, dan n adalah ukuran periode terakhir
Pola peramalan metode ini dapat dilihat pada Gambar 3.7
berikut ini.

Grafik M etode Siklis

20000
15000
Jumlah

10000 Y'

5000
0
1 4 7 10

Pe riode

Gambar 3.7 Grafik Metode Siklis


c). Metode Trendsiklis
Persamaan yang digunakan pada metode trend siklis, yaitu :
2πt 2πt
∑ y = a + bt + c∑ cos n
+ d ∑ sin
n (3.13)

3.2.2.2 Kesalahan Peramalan


Hasil peramalan mempunyai kecendrungan memiliki kesalahan-kesalahan.

Besarnya kesalahan pada periode ke-i ( ) dinyatakan sebagai (Gaspersz,


ei

2001):

(3.14)
ei = d i − Fi

dengan :

13
kesalahan pada periode ke-i
ei =

= data aktual periode ke-i


di

= nilai peramalan ke-i


Fi

Beberapa statistik ukuran kesalahan yang biasa dipakai di antaranya


(Makridakis, 1999):
1. Mean Error : (3.15)
ME =
∑ (e ) i

2. Mean Absolut Deviation : (3.16)


MAD =
∑( e i )
n

3. Sum of Square Error : (3.17)


SSE = ∑ (ei ) 2

4. Mean Square Error : (3.18)


∑ (e )
2
i
MSE =
n

5. Standard Deviation of Error: (3.19)


 ∑ (ei )
2
2

SDE=  
 (n − 1) 
 

6. Percentege Error: (3.20)


e 
PE =  i  *100%
 xi 

7. Mean Percentage Error: (3.21)

MPE =
∑ ( PE ) i

8. Mean Absolute Percentage Error : (3.22)

MAPE =
∑ ( PE )
i

14
9. Standard Error of Estimate : (3.23)

SEE =
∑ (Y − Y `) 2

N −F

3.2.3 Konsep Dasar Sistem Distribusi

Distribusi barang mengacu pada hubungan yang ada di antara titik


produksi dan pelanggan akhir, yang sering terdiri dari beberapa jenis inventory
yang harus dikelola. Tujuan utama dari manajemen distribusi inventory adalah
memperoleh inventory dalam tempat yang tepat, pada waktu yang tepat,
spesifikasi kualitas yang tepat serta pada ongkos yang memadai. Tujuan ini untuk
mencapai tingkat pelayanan pelanggan (customer service level) yang diinginkan
pada atau dibawah tingkat ongkos yang telah ditetapkan (Gaspers, 2001).

Keputusan-keputusan distribusi akan mempengaruhi (Gaspers, 2001) :


1. Fasilitas
2. Transportasi
3. Investasi inventory
4. Frekuensi kehabisan stok
5. Manufacturing
6. Komunikasi dan pemrosesan data

Masalah – masalah yang sering muncul dalam sistem distribusi adalah


(Firmansyah, 2010) :
1. Inventori terlalu banyak.
2. Inventori pada lokasi yang salah.
3. Pelayanan costumer yang tidak memuaskan.
4. Kehilangan penjualan dikarenakan kekurangan persediaan produk.

Tujuan dari sistem distribusi adalah sebagai berikut (Gaspers, 2001) :


1. Pelayanan pelanggan
a. Waktu tunggu penyerahan menjadi tepat.

15
b. Pengamanan terhadap ketidakpastian permintaan.
c. Memberikan bermacam barang yang diperlukan.
1. Efisiensi
a. Ongkos transportasi minimum.
b. Tingkat produksi dari pengisian pesanan.
c. Ukuran dan lokasi penyimpanan.
d. Akurasi data inventory.
1. Investasi inventory minimum
a. Stok pengaman yang diperlukan minimum.
b. Kuantitas pesanan untuk mengendalikan cycle stock menjadi optimum.

Terdapat empat faktor yang dijadikan sebagai fungsi perlunya persediaan,


yaitu (Kosrianto, 2010) :
1. Faktor waktu
Faktor waktu menyangkut lamanya proses produksi dan distribusi sebelum
barang jadi sampai ke tangan konsumen
2. Faktor ketidakpastian waktu datang
Faktor ini menyebabkan perusahaan memerlukan persediaan agar tidak
menghambat proses produksi maupun keterlambatan pengiriman kepada
konsumen.

3. Faktor ketidakpastian penggunaan dalam pabrik


Faktor ini diebabkan oleh kesalahan dalam peramalan permintaan,
kerusakan mesin, keterlambatan operasi, bahan cacat, dan berbagai kondisi
lainnya.
4. Faktor ekonomi
Faktor ini disebabkan karena keinginan perusahaan untuk mendapatkan
alternatif biaya rendah dalam memproduksi atau membeli item dengan
menentukan jumlah yang paling ekonomis.

Pendistribusian kebutuhan didasarkan pada peramalan kebutuhan pada


level terendah dalam jaringan tersebut yang akan menentukan kebutuhan

16
persediaan pada level yang lebih tinggi. Konsep umum pendistribusian
kebutuhan/produk dapat dilihat pada Gambar 3.8.

Warehouse 1 Warehouse 2 Warehouse 3

Warehouse
Pusat

Pabrik

Gambar 3.8 Pendistribusian Kebutuhan/Produk


(Tersine, 1998)

Distribusi adalah bagian yang bertangung jawab terhadap perencanaan,


pelaksanaan, dan pengendaliaan aliran material dari produsen ke konsumen
dengan suatu keuntungan. Pergerakkan/aliran material ini terdiri dari pasokan
fisik yang merupakan pergerakkan dan penyimpanan bahan mentah dari pemasok
ke pabrikan, dan distribusi fisik yang mempunyai pergerakkan barang jadi dari
pabrik ke pelanggan (Adib Fahrozi Abdillah, 2009).

Sistem
Pemasok Pabrik Pelanggan
Distribusi

Gambar 3.9 Sistem Pendistribusian Produk Secara Sederhana

3.2.4 Metode Pendistribusian (Distribution Requirement Planning /DRP)

DRP lebih menekankan pada aktivitas penjadwalan daripada aktivitas


pemesanan. DRP mengantisipasi kebutuhan mendatang dengan perencanaan pada

17
setiap level pada jaringan distribusi. DRP berfungsi menentukan kebutuhan-
kebutuhan untuk mengisi kembali inventory pada warehouse atau distribution
centre yang telah ditentukan.

DRP memperluas konsep MRP hingga ke sistem distribusi fisik. Sistem


DRP menyediakan mekanisme untuk mengintegrasikan sistem distribusi fisik
dengan perencanaan produksi dan sistem penjadwalan. Fungsi DRP pada jalur
distribusi dapat disejajarkan dengan fungsi MRP II pada jalur produksi. Data yang
disimpan dalam DRP meliputi, prediksi kebutuhan produk untuk jangka waktu
tertentu disuatu titik distribusi tertentu, kebutuhan yang sebenarnya, stok yang
tersedia, stok yang sedang dalam perjalanan (transit), waktu tunggu (lead time)
transportasi, kebutuhan stok titik aman (safety stock) dan jumlah pengiriman
standar untuk menentukan jadwal pengiriman dan seterusnya (Dhewanto, 2007).

Perencanaan DRP yang berhubungan dengan aliran produk melalui sistem


distribusi. Permintaan dari konsumen akan diubah menjadi kebutuhan kotor pada
gusang suplai lokal. Kebutuan kotor bagi gudang suplai lokal akan dianggap
sebagai kebutuhan kotor bagi suplai gudang regional. Kebutuhan kotor gudang
suplai regional menjadi kebutuhan kotor gudang suplai nasional, dan seterusnya
[Nasution, A.H, 1999].

Aktifitas DRP terdiri atas (Annisa Kesy Garside, 2001) :


1. Netting
Netting merupakan proses untuk mencari jumlah kebutuhan bersih yang
didapat dari kebutuhan kotor dikurangi dengan Project On Hand (POH)
atau barang yang ada digudang.
2. Lot Sizing
Lot sizing merupakan penentuan kapasitas lot atau jumlah pengadaan
barang. Dalam menggunakan metode lot sizing yang tepat, ada beberapa
parameter yang digunakan yaitu jarak pengangkutan dari central
warehouse ke masing-masing warehouse, ordering cost dan holding cost.
3. Offsetting

18
Langkah ini bertujuan untuk menentukan saat yang tepat untuk melakukan
rencana pemesanan dalam rangka memenuhi kebutuhan bersih. Rencana
pemesanan diperoleh dangan cara mengurangkan saat awal tersedianya
ukuran lot yang diinginkan dengan besarnya lead time.
4. Explosion
Proses explosion adalah proses perhitungan kebutuhan kotor untuk tingkat
jaringan distribusi yang lebih rendah.

Teknik-teknik lot sizing adalah (Nasution, A.H, 1999):


a. Lot For Lot (LFL)
Metode LFL atau dikenal sebagai metode persediaan minimal berdasarkan
pada ide menyediakan persediaan (atau memproduksi) sesuai dengan yang
diperlukan saja, jumlah persediaan diusahakan seminimal mungkin.
b. Part Period Balancing (PPB)
Metode ini merupakan salah satu pendekatan dalam menentukan ukuran
lot untuk suatu kebutuhan material yang tidak seragam menjadi lot-lot
yang dapat memperkecil total biaya persediaan. Ukuran lot dicari dengan
menggunakan pendekatan periode bagian yang ekonomis (Economic Part
Period, EPP) yaitu dengan membagi biaya pemesanan dengan biaya
penyimpanan per unit per periode.

c. Period Order Quantity (POQ)


Metode ini disebut juga dengan metode uniform order cycle, merupakan
pengembangan dari metode EOQ untuk permintaan yang tidak seragam
dalam beberapa periode. Rata-rata permintaan dipergunakan dalam model
EOQ untuk mendapatkan rata-rata jumlah barang setiap kali pemesanan.
d. Fixed Order Quantity (FOQ)
Ukuran lot dalam FOQ ditentukan secara subyektif. Besarnya lot
ditentukan berdasarkan pengalaman produksi atau intuisi. Tidak ada teknik
yang dapat dikemukakan untuk menentukan berapa ukuran lot ini.
Kapasitas produksi selama lead time produksi dalam hal ini dapat
digunakan sebagai dasar untuk menentukan besarnya lot. Sekali ukuran lot

19
ditetapkan, maka lot ini akan digunakan untuk seluruh periode selanjutnya
dalam perencanaan.
e. Fixed Periode Requirement (FPR)
Penentuan ukuran lot dalam metode FPR didasarkan pada periode waktu
tertentu saja. Besarnya jumlah kebutuhan tidak berdasarkan ramalan, tetapi
dengan cara menjumlahkan kebutuhan bersih pada periode yang akan
datang. Bila dalam metode FOQ besarnya jumlah lot adalah tetap,
sementara selang waktu antar pesanan tidak tetap. Dalam metode FPR ini
selang waktu antar pemesanan dibuat tetap dengan ukuran lot sesuai pada
kebutuhan bersih
f. Economic Order Quantity (EOQ)
Apabila menggunakan pendekatan EOQ ukuran lotnya dihitung sebagai
berikut :
(3.24)
2 DS
EOQ =
H
Diketahui S : Biaya pesan, D : Rata-rata simpanan, H : Biaya simpan

g. Least Unit Cost (LUC)


Metode ini digunakan dengan memilih ongkos terkecil/memesan jumlah
barang dengan ongkos unit yang terkecil. Apabila carrying cost mendekati
nilai ongkos pesan, maka perhitungan dimulai pada periode pertama lagi.

h. Least Total Cost (LTC)


Metode ini menggabungkan kebutuhan sampai ongkos simpan mendekati
ongkos pesan dan memilih total ongkos minimum.
i. Wagner-Within Algorithm
Algoritma ini menghasilkan solusi yang optimal untuk memecahkan
permasalahan penentuan ukuran lot pemesanan yang bersifat deterministik
dinamis dalam horison yang terbatas. Algoritma ini digunakan untuk
menentukan kebijakan pengendalian ongkos yang minimum.
j. Silver Mean (SM)

20
Menitikberatkan pada ukuran lot yang harus dapat meminimumkan ongkos
total per-periode.

3.2.5 Komponen-komponen Distribution Requirement Planning (DRP)

Komponen-komponen yang ada pada DRP adalah sebagai berikut


(Gaspers,2001) :
1. On Hand Balance : merupakan total inventory yang dimiliki pada awal
periode tertentu yang akan digunakan pada periode selanjutnya.
2. Safety Stock : merupakan stok pengaman atau penentuan penambahan
penyimpanan inventory sebagai patokan untuk mengatasi adanya fluktuasi
permintaan (demand).
3. Lead Time : merupakan tenggang waktu yang dibutuhkan sejak dilakukan
pemesanan suatu item sampai item tersebut siap untuk digunakan.
4. Order Quantity : merupakan kuantitas pemesanan yang menyatakan
berapa banyak item yang harus dipesan serta teknik lot sizing apa yang
harus dipakai.
5. Forecast : merupakan peramalan total permintaan atau kebutuhan untuk
persediaan pada setiap periode waktu.
6. In Transit : merupakan jumlah yang dijadwalkan datang dan akan menjadi
stok atau persediaan.
7. Project On Hand : merupakan total inventory yang tersedia untuk
penggunannya pada periode tertentu.
Berikut adalah langkah-langkah dalam menentukan penjadwalan.

21
Start

Tentukan
GR

Hitung
NR

Tentukan Tentukan PORec


Ukuran lot Sebesar Ukuran Lot

Hitung
POH

Tentukan
PORel

Gambar 3.10 Langkah-langkah Perhitungan


Penjadwalan Kebutuhan/Produk

Keterangan :
1. Gross Requirement (GR) : total permintaan pada suatu perioda.
2. Scheduled Receipt (SR) : dikenal juga sebagai on-order, open orders, atau
scheduled order atau bahan yang sudah dipesan dan akan tiba di shop floor.
3. Projected on Hand (PoH) : merupakan persediaan yang akan ada pada akhir suatu
perioda yang dapat digunakan untuk memenuhi permintaan (GR) pada perioda
berikutnya.
4. Net Requirement (NR) : merupakan kebutuhan bersih yang harus dipenuhi setelah
memperhatikan GR dan kesediaan (SR dan PoH).
5. Planned Order Receipt (PORec) : NR yang dimodifikasi menjadi ukuran lot.
6. Planned Order Release (PORel) : PORec yang telah disesuaikan yaitu dengan
memperhatikan lead time.

DRP sangat berperan baik untuk sistem distribusi manufaktur yang


integrasi maupun sistem distribusi murni. Untuk organisasi manufaktur yang
memproduksi untuk memenuhi persediaan serta untuk dijual melalui jaringan
distribusinya sendiri, dapat dilakukan integrasi sistem dengan mengkombinasikan
DRP dan MRP.

22
Keuntungan yang didapat dari penerapan metode DRP adalah (Abdillah,
2009) :
1. Dapat dikenali saling ketergantungan persediaan distribusi dan
manufaktur.
2. Sebuah jaringan distribusi yang lengkap dapat disusun, yang memberikan
gambaran yang jelas dari atas maupun dari bawah jaringan.
3. DRP menyusun kerangka kerja untuk pengendalian logistik total dari
distribusi ke manufaktur untuk pembelian.
4. DRP menyediakan masukan untuk perencanaan penjadwalan distribusi
dari sumber penawaran ke titik distribusi.

Struktur distribusi berkaitan dengan pertanyaan yang menyangkut lokasi,


banyak dan ukuran pusat distribusi. Lokasi dari berbagai tingkat pusat distribusi
antara lain (Gaspers, 2001) :
1. Titik distribusi paling rendah (tingkat pengecer)
Biasanya mengambil lokasi yang dekat pada pelanggan, karena lokasi itu
memberikan ongkos transportasi yang memadai dan tingkat pelayanan
pelanggan (customer service level) yang tinggi.
2. Tingkat distribusi area (area distribution points)
Grosir atau distributor area secara langsung memasok titik distribusi paling
rendah (pengecer). Lokasi yang dipilih mungkin pada area yang kurang
memiliki akses seperti pada tingkat pengecer, tetapi fasilitas transportasi
seperti kemampuan jalan kereta api atau pengiriman melalui air menjadi
faktor penting untuk dipertimbangkan.
3. Titik distribusi regional (regional distribution points)
Sering diperlukan fasilitas penyimpanan distribusi regional untuk
memasok pusat-pusat area, seperti megambil lokasi diluar wilayah dari
pusat-pusat area (dapat diluar negeri) dengan mempertimbangkan ongkos
transportasi yag lebih rendah dan pelayanan yang lebih cepat.
4. Lokasi manufacturing

23
Banyak perusahaan yang mendistribusikan pabrk-pabrik secara geografis
untuk memberikan pelayanan lebih baik untuk salah satu titik distrbusi
regional atau titik distribusi area.

3.2.6 Metode Lotting Algoritma Wagner-Whitin

Penjadwalan distribusi produk menggunakan metode lotting Algoritma


Wagner Whitin, karena berdasarkan teorinya metode ini merupakan metode yang
memberikan biaya yang minimum. Perhitungan dengan metode Algoritma
Wagner Whitin maka dihitung dengan menggunakan persamaan berikut :
(3.25)
e
Zce = C + h * ∑ ( Qce − Qci)
i =c

Keterangan :
Zce = Total ongkos jika dibeli dari periode c sampai e
C = ongkos pesan/ongkos transportasi
h = ongkos simpan
Q = permintaan
fe = ongkos minimum dari periode 1 sampai e
= Min {Zce + fc-1} untuk c = 1, 2, . . . .6

3.3 Metodologi Penelitian


Bab ini membahas langkah-langkah dalam melakukan penelitian, sehingga
mendapatkan permasalahan, merancang dan menghasilkan solusi untuk
permasalahan tersebut. Langkah- langkah dalam metodologi penelitian dapat
dilihat pada Gambar 3.11.

24
Mulai

Penelititan Pendahuluan

Survey pada Pabrik Kantong PT. Semen


Padang Biro Distribusi dan Transportasi.

Batasan Masalah

- Penelitian membahas jenis kantong pasted kraft 3 ply pcc 50 kg


hitam terhadap Packing Plant Indarung.
- Penelitian menggunakan data historikal bulan Januari 2011 .
- Peramalan menggunakan Software Minitab 14.

Tujuan Penelitian

- Meramalkan pemakaian kantong semen untuk 15 periode kedepan


dengan pedoman data pengiriman kantong untuk packing plant selama
31 hari pada bulan Januari 2011.
- Menentukan jadwal distribusi kantong semen untuk 15 periode kedepan
berdasarkan hasil peramalan kebutuhan kantong untuk 15 periode
kedepan.

Pengumpulan Data

Data yang digunakan:


-Pengeluaran kantong selama 31 hari bulan Januari 2011
-Data biaya transportasi
-Lead time masing-masing pengiriman kantong semen.

Gambar 3.11 Flowchart Metodologi Penelitian

25
A

Tujuan Peramalan
Peramalan Pengolahan Data
Meramalkan pemakaian kantong
semen untuk 15 periode kedepan
dengan pedoman data pengiriman
kantong untuk packing plant
selama 31 hari pada bulan
January 2011

Buat diagram tebar dari data

Data pemakaian kantong semen oleh


packing plant dalam Sumbar, data biaya
transportasi dan lead time masing-
masing pengiriman semen .

Tentukan Metode
Menentukan MetodePeramalan
Peramalan
Berdasarkan sebaran data

Tentukan Parameter
Menentukan Parameter

Hitung Error peramalan


Metode MAD

Pilih metode terbaik yang


memiliki MAD terkecil

Verifikasi peramalan
Dengan menggunakan moving
range chart
`

tidak
Keluar dari
batas kontrol?

ya

ya
Tahu
Penyebab ?

tidak Tetap gunakan


model peramalan

• Ganti Metode
Peramalan
atau Ramalkan Pemakaian
• Buang data yang
keluar batas
kontrol

Penjadwalan

Penjadwalan pendistribusian kantong semen ke packing plant

26
Gambar 3.11 Flowchart Metodologi Penelitian (Lanjutan)

Analisis

Analisis mengenai peramalan dan penjadwalan yang telah


dilakukan

Penutup

Kesimpulan dan saran

Selesai

Gambar 3.11 Flowchart Metodologi Penelitian (Lanjutan)

3.3.1 Penelitian Pendahuluan

Penelitian pendahuluan dilakukan dengan cara melakukan survey pada


Pabrik Kantong PT. Semen Padang Biro Distribusi dan Transportasi. Selain itu,
juga dengan mengajukan pertanyaan dan mendengarkan penjelasan dari para staf
dan karyawan sehingga dapat mengetahui masalah yang ada dan mengangkatnya
sebagai topik penelitian.

3.3.2 Pengumpulan Data

Data yang digunakan dalam penelitian ini adalah data pengeluaran kantong
selama 31 hari bulan Januari 2011, data biaya transportasi dan lead time masing-
masing pengiriman kantong semen.

27
3.3.3 Pengolahan Data

Pengolahan data terdiri atas 2 tahap, yaitu peramalan dan penjadwalan


distribusi. Peramalan akan menggunakan data 31 hari bulan Januari 2011.
Penjadwalan akan berkaitan dengan data biaya transportasi dan lead time masing-
masing pengiriman kantong semen.

3.3.3.1 Peramalan

Dilakukan peramalan untuk beberapa periode kedepan berdasarkan


hystorical data yang telah dikumpulkan. Peramalan dilakukan dengan beberapa
metode, kemudian dipilih metode yang memiliki nilai error terkecil, setelah itu
dilakukan peramalan. Hasil peramalan kemudian digunakan untuk penjadwalan
distribusi.

3.3.3.2 Penjadwalan

Setelah dilakukan peramalan, maka selanjutnya dilakukan penjadwalan


pendistribusian kantong semen untuk 15 periode kedepan ke packing plant,
berdasarkan data peramalan yang telah diperoleh sebelumnya.

3.3.4 Analisis

Tahap ini dilakukan analisis terhadap jadwal pendistribusian kantong


semen ke Packing Plant yang telah didapatkan dari penjadwalan.

28
3.3.5 Penutup

Setelah dilakukan analisis, kemudian disimpulkan hasil yang diperoleh


dari pengolahan data dan memberikan saran kepada PT. Semen Padang bagian
Divisi Pabrik Kantong untuk mempertimbangkan penggunaan metode yang
diterapkan untuk peramalan dan pendistribusian kantong.

3.4 Pengumpulan dan Pengolahan Data

Pengolahan data dimulai dari peramalan permintaan packing plant untuk


15 hari kedepan dengan menggunakan metode peramalan linear dan kuadratis
pada minitab 14. Dilanjutkan dengan melakukan penjadwalan dari hasil
peramalan yang terpilih dan melakukan analisis terhadap hasil yang didapatkan.

3.4.1 Pengumpulan Data

Data yang digunakan adalah data pengeluaran kantong untuk Packing


Plant Indarung . Selain itu juga data lead time dari masing-masing pengiriman
semen, biaya transportasi (per ribu helai) dan biaya gudang (per ribu helai per
hari). Selain itu juga dibutuhkan data muatan truk, yaitu 16 ton.

3.4.1.1 Data Pengeluaran Kantong Semen

Data yang digunakan merupakan data pengeluaran kantong pasted kraft 3


ply pcc 50 kg hitam selama Januari 2011 untuk Packing Plant Indarung. Data

29
pengeluaran kantong pasted kraft 3 ply pcc 50 kg hitam selama Januari 2011
dapat dilihat pada Tabel 3.1
Tabel 3.1 Pengeluaran kantong pasted kraft 3 ply pcc 50 kg hitam
selama 31 hari untuk Packing Plant Indarung
Jumlah Jumlah
Hari pengiriman Hari pengiriman
setiap hari setiap hari
1 40.000 17 64.000
2 - 18 24.000
3 88.000 19 48.000
4 80.000 20 48.000
5 88.000 21 64.000
6 76.000 22 60.000
7 80.000 23 40.000
8 32.000 24 64.000
9 64.000 25 24.000
10 44.000 26 64.000
11 - 27 40.000
12 1.900 28 4.000
13 8.000 29 -
14 96.000 30 40.000
15 40.000 31 80.000
16 16.000 Jumlah 1.417.900

Gambar 3.12 Pengeluaran kantong pasted kraft 3 ply pcc 50 kg hitam


selama 31 hari untuk Packing Plant Indarung

3.4.1.2 Data Lead Time, dan Biaya yang Diperlukan

Biaya-biaya yang terkait dalam distribusi adalah biaya simpan, pesan, dan
transportasi. Namun dalam hal ini, tidak ada biaya pesan karena ini merupakan
distribusi dari gudang pusat ke gudang cabang. Biaya transportasi adalah
Rp.25.000 per ribu helai dan biaya simpan per ribu helai adalah Rp.31,5
3.4.2 Peramalan 15 Periode Berikutnya

Berdasarkan sebaran data permintaan periode sebelumnya, dapat


dilakukan peramalan dengan menggunakan metode yang sesuai dengan sebaran
data yaitu metode linear dan kuadratis menggunakan Minitab, dan metode linear,
kuadratis, siklis, trend siklis secara manual. Dalam hal ini tidak dapat dilakukan

30
menggunakan metode exponential ataupun s-curve karena jumlah pengiriman per
hari ada yang bernilai 0, dan nilai ln 0 adalah tak berhingga.

3.4.2.1 Peramalan Menggunakan Minitab 14

Langkah peramalan menggunakan minitab dilakukan untuk metode linear


dan kuadratis. Berikut hasil peramalan
1. Linear
Menggunakan data historical selama 31 hari didapatkan nilai
MAPE (Mean Absolute Percentage Error) : 169,932
MAD (Mean Absolute Deviation) : 24,101
MSD (Mean Square Deviation) : 813,591
Fitted Trend Equation Yt = 54,5103 - 0,548226*t

Gambar 3.13 Grafik Peramalan Metode Linear dengan Minitab


2. Kuadratis
Menggunakan data historical selama 31 hari didapatkan nilai
MAPE (Mean Absolute Percentage Error) : 166,430
MAD (Mean Absolute Deviation) : 24,066
MSD (Mean Square Deviation) : 808,975
Fitted Trend Equation Yt = 59,8033 - 1,51059*t + 0,0300738*t**2

31
Gambar 3.14 Grafik Peramalan Metode Kuadratis dengan Minitab

3.4.2.2 Peramalan Secara Manual

Metode peramalan terbaik adalah metode yang memiliki nilai kesalahan


paling kecil, oleh karena itu juga perlu dilakukan peramalan secara manual, agar
diperoleh metode terbaik. Dalam hal ini dilakukan untuk metode linear, kuadratis,
siklis dan trend siklis.
1. Metode Linear
Langkah pertama dalam menghitung nilai kesalahan mean absolute
deviation menggunakan metode linear secara manual adalah menghitung
nilai y’.

Tabel 3.2 Menghitung y’ menggunakan Metode Linear secara manual

32
Periode T t^2 y ty y'
1 1 1 40 40 53,962
2 2 4 0 0 53,414
3 3 9 88 264 52,866
4 4 16 80 320 52,317
5 5 25 88 440 51,769
6 6 36 76 456 51,221
7 7 49 80 560 50,673
8 8 64 32 256 50,125
9 9 81 64 576 49,576
10 10 100 44 440 49,028
11 11 121 0 0 48,480
12 12 144 1,9 23 47,932
13 13 169 8 104 47,383
14 14 196 96 1344 46,835
15 15 225 40 600 46,287
16 16 256 16 256 45,739
17 17 289 64 1088 45,190
18 18 324 24 432 44,642
19 19 361 48 912 44,094
20 20 400 48 960 43,546
21 21 441 64 1344 42,998
22 22 484 60 1320 42,449
23 23 529 40 920 41,901
24 24 576 64 1536 41,353
25 25 625 24 600 40,805
26 26 676 64 1664 40,256
27 27 729 40 1080 39,708
28 28 784 4 112 39,160
29 29 841 0 0 38,612
30 30 900 40 1200 38,064
31 31 961 80 2480 37,515
Jumlah 496 10416 1417,9 21327 1417,9

r r r
N ∑tiYi −∑ti ∑Yi
(31x 21327 ) − ( 496 x1417 ,9)
b= i =1 i =1 i =1
= = -0,548
r r
(31 x10416 ) − ( 496 ) 2
N ∑t 2 − ( ∑ti ) 2
i =1 i =1

N ∑ yt − ∑ y ∑ t (31x 21327) − (1417,9 x 496)


a= = = 54,51
n∑ t − (∑ t )
2 2
(31x10416) − ( 496) 2

Maka fungsi peramalan dengan metode ini adalah :


y’ = 54,51 t
- 0,548

33
Gambar 3.14 Grafik Peramalan Metode Linear secara manual

Tabel 3.3 Menghitung |e| Metode Linear


T y y' e = y- y' |e|
1 40 53,9621 -13,9621 13,9621
2 0 53,4139 -53,4139 53,4139
3 88 52,8656 35,1344 35,1344
4 80 52,3174 27,6826 27,6826
5 88 51,7692 36,2308 36,2308
6 76 51,2210 24,7790 24,7790
7 80 50,6727 29,3273 29,3273
8 32 50,1245 -18,1245 18,1245
9 64 49,5763 14,4237 14,4237
10 44 49,0281 -5,0281 5,0281
11 0 48,4798 -48,4798 48,4798
12 1,9 47,9316 -46,0316 46,0316
13 8 47,3834 -39,3834 39,3834
14 96 46,8352 49,1648 49,1648
15 40 46,2869 -6,2869 6,2869
16 16 45,7387 -29,7387 29,7387
17 64 45,1905 18,8095 18,8095
18 24 44,6423 -20,6423 20,6423
19 48 44,0940 3,9060 3,9060
20 48 43,5458 4,4542 4,4542
21 64 42,9976 21,0024 21,0024
22 60 42,4494 17,5506 17,5506
23 40 41,9011 -1,9011 1,9011
24 64 41,3529 22,6471 22,6471
25 24 40,8047 -16,8047 16,8047
26 64 40,2565 23,7435 23,7435
27 40 39,7082 0,2918 0,2918
28 4 39,1600 -35,1600 35,1600
29 0 38,6118 -38,6118 38,6118
30 40 38,0635 1,9365 1,9365
31 80 37,5153 42,4847 42,4847
Jumlah 1417,9 1417,900 747,1377

Kemudian nilai Mean Absolute Deviation dapat dihitung sebagai berikut :

MAD =
∑( e i )
=
747,1377
= 24,1012
n 31

2. Metode Kuadratis

34
Langkah pertama dalam menghitung nilai kesalahan mean absolute
deviation menggunakan metode kuadratis secara manual adalah
menghitung nilai y’. Perhitungan nilai y’ dapat dilihat pada Tabel 3.4.
Tabel 3.4 Menghitung y’ menggunakan Metode Kuadratis secara manual
Periode t t^2 t^3 t^4 y ty t^2y y`
1 1 1 1 1 40 40 40 34,171
2 2 4 8 16 0 0 0 32,751
3 3 9 27 81 88 264 792 31,391
4 4 16 64 256 80 320 1280 30,091
5 5 25 125 625 88 440 2200 28,851
6 6 36 216 1296 76 456 2736 27,671
7 7 49 343 2401 80 560 3920 26,551
8 8 64 512 4096 32 256 2048 25,492
9 9 81 729 6561 64 576 5184 24,493
10 10 100 1000 10000 44 440 4400 23,553
11 11 121 1331 14641 0 0 0 22,674
12 12 144 1728 20736 1,9 22,8 273,6 21,856
13 13 169 2197 28561 8 104 1352 21,097
14 14 196 2744 38416 96 1344 18816 20,398
15 15 225 3375 50625 40 600 9000 19,760
16 16 256 4096 65536 16 256 4096 19,181
17 17 289 4913 83521 64 1088 18496 18,663
18 18 324 5832 104976 24 432 7776 18,205
19 19 361 6859 130321 48 912 17328 17,807
20 20 400 8000 160000 48 960 19200 17,470
21 21 441 9261 194481 64 1344 28224 17,192
22 22 484 10648 234256 60 1320 29040 16,975
23 23 529 12167 279841 40 920 21160 16,818
24 24 576 13824 331776 64 1536 36864 16,720
25 25 625 15625 390625 24 600 15000 16,683
26 26 676 17576 456976 64 1664 43264 16,707
27 27 729 19683 531441 40 1080 29160 16,790
28 28 784 21952 614656 4 112 3136 16,933
29 29 841 24389 707281 0 0 0 17,137
30 30 900 27000 810000 40 1200 36000 17,401
31 31 961 29791 923521 80 2480 76880 17,725
Jumlah 496 10416 246016 6197520 1417,9 21326,8 437665,6 669,2085

y = nilai peramalan
y’ = nilai yang diramalkan

β = ( ∑t ) 2 − n ∑t 2 = ( 496 ) 2 − 31(10416 ) = -76880

35
γ = ( ∑t 2 ) 2 − n ∑t 4 = 10416 2 − 31(6197520 ) = -83630064

δ = ∑t ∑ y − n ∑ yt = 496 x1417 ,9 − 31( 21326 ,8) = 42147,6

θ = ∑t 2 ∑ y − n ∑t 2 y = 10416 x1417 ,9 − 31( 437665 ,6) = 1201212,8

α = ∑t ∑t 2 − n ∑t 3 = 496 x10416 − 31( 246016 ) = -2460160

γ .δ − θ .α - 83630064x42147,6 − 1201212,8 x ( −2460160)


b= = = -1,5106
γ .β − α 2 - 83630064x (-76880) − ( −24601602 )

θ − b.α 1201212,8 − ( −1,51) x ( −2460160)


c= = = 0,0301
γ 83630064

a=
∑ y − b∑ t − c ∑ t 2

=
1417,9 − ( − 1,51x 496) − ( − 0,03x10416)
= 59,8
n 31

Maka fungsi peramalan dengan metode ini adalah :


y'= 59,8 – 1,51t + 0,03t2

Gambar 3.15 Grafik Peramalan Metode Kuadratis secara manual

Tabel 3.3 Menghitung |e| Metode Kuadratis

36
T y y' e = y- y' |e|
1 40 58,3228 -18,3228 18,323
2 0 56,9024 -56,9024 56,902
3 88 55,5422 32,4578 32,458
4 80 54,2421 25,7579 25,758
5 88 53,0022 34,9978 34,998
6 76 51,8224 24,1776 24,178
7 80 50,7028 29,2972 29,297
8 32 49,6433 -17,6433 17,643
9 64 48,6440 15,3560 15,356
10 44 47,7048 -3,7048 3,705
11 0 46,8258 -46,8258 46,826
12 1,9 46,0069 -44,1069 44,107
13 8 45,2481 -37,2481 37,248
14 96 44,5496 51,4504 51,450
15 40 43,9111 -3,9111 3,911
16 16 43,3328 -27,3328 27,333
17 64 42,8147 21,1853 21,185
18 24 42,3566 -18,3566 18,357
19 48 41,9588 6,0412 6,041
20 48 41,6211 6,3789 6,379
21 64 41,3435 22,6565 22,656
22 60 41,1261 18,8739 18,874
23 40 40,9688 -0,9688 0,969
24 64 40,8717 23,1283 23,128
25 24 40,8348 -16,8348 16,835
26 64 40,8579 23,1421 23,142
27 40 40,9413 -0,9413 0,941
28 4 41,0847 -37,0847 37,085
29 0 41,2883 -41,2883 41,288
30 40 41,5521 -1,5521 1,552
31 80 41,8760 38,1240 38,124
Jumlah 1417,9 1417,900 0,000 746,0496

Kemudian nilai Mean Absolute Deviation dapat dihitung sebagai berikut :

MAD =
∑( e i )
=
746,0496
= 24,0662
n 31

3. Metode Siklis
Langkah pertama dalam menghitung nilai kesalahan mean absolute
deviation menggunakan metode siklis adalah menghitung nilai y’.
Perhitungan nilai y’ dapat dilihat pada Tabel 3.5.

Tabel 3.5 Menghitung y’ Menggunakan Metode Siklis

37
Pe ri 2π .t 2π .t
.t Cos 2 2πSin 2π .t y' 2π .t
t y S
in 2π .t t 2 2π yC
2π .Sin .t
C os
ode n Cos ySin n os n n
1 1 40 0,201 0,980 8,052n n
39,181 0,041 0,959
n
0,197 51
n
2 2 0 0,394 0,919 0,000 0,000 0,156 0,844 0,362 52
3 3 88 0,571 0,821 50,272 72,227 0,326 0,674 0,469 52
4 4 80 0,725 0,689 57,983 55,117 0,525 0,475 0,499 52
5 5 88 0,849 0,529 74,681 46,549 0,720 0,280 0,449 52
6 6 76 0,938 0,347 71,269 26,395 0,879 0,121 0,326 52
7 7 80 0,988 0,151 79,077 12,114 0,977 0,023 0,150 51
8 8 32 0,999 -0,051 31,959 -1,621 0,997 0,003 -0,051 50
9 9 64 0,968 -0,251 61,957 -16,042 0,937 0,063 -0,243 49
10 10 44 0,898 -0,440 39,503 -19,377 0,806 0,194 -0,395 48
11 11 0 0,791 -0,612 0,000 0,000 0,625 0,375 -0,484 47
12 12 1,9 0,651 -0,759 1,238 -1,442 0,424 0,576 -0,494 46
13 13 8 0,485 -0,874 3,882 -6,995 0,236 0,764 -0,424 44
14 14 96 0,299 -0,954 28,739 -91,597
y
n
i
S 2 π
n
.t
0,090 0,910 -0,286 43
15 15 40 0,101 -0,995 4,047 -39,795 0,010 0,990 -0,101 42
16 16 16 -0,101 -0,995 -1,619 -15,918 0,010 0,990 0,101 41
17 17 64 -0,299 -0,954 -19,159 -61,065 0,090 0,910 0,286 40
18 18 24 -0,485 -0,874 -11,647 -20,984 0,236 0,764 0,424 40
19 19 48 -0,651 -0,759 -31,266 -36,420 0,424 0,576 0,494 39
20 20 48 -0,791 -0,612 -37,957 -29,381 0,625 0,375 0,484 39
21 21 64 -0,898 -0,440 -57,459 -28,185 0,806 0,194 0,395 39
22 22 60 -0,968 -0,251 -58,085 -15,039 0,937 0,063 0,243 40
23 23 40 -0,999 -0,051 -39,949 -2,026 0,997 0,003 0,051 41
24 24 64 -0,988 0,151 -63,262 9,691 0,977 0,023 -0,150 42
25 25 24 -0,938 0,347 -22,506 8,335 0,879 0,121 -0,326 43
26 26 64 -0,849 0,529 -54,313 33,854 0,720 0,280 -0,449 44
27 27 40 -0,725 0,689 -28,992 27,559 0,525 0,475 -0,499 45
28 28 4 -0,571 0,821 -2,285 3,283 0,326 0,674 -0,469 47
29 29 0 -0,394 0,919 0,000 0,000 0,156 0,844 -0,362 48
30 30 40 -0,201 0,980 -8,052 39,181 0,041 0,959 -0,197 49
31 31 80 0,000 1,000 0,000 80,000 0,000 1,000 0,000 50
Jumlah4 96 1418 0 0 76,1081149 67,599922 15,5 15,5 0 1418

Hasil perhitungan pada tabel di atas, maka dapat dimasukkan ke dalam


tiga persamaan, sehingga diperoleh :
1417,9 = 31a + 0b + 0c
67,60 = 0a + 16b +0c
76,11 = 0a + 0b + 16c
Persamaan diatas maka didapat diubah ke dalam bentuk matrik berikut :
31 0 0 a 1417,9
0 16 0 x b = 67,60
0 0 16 c 76,11

38
31 0 0
Marik X = 0 16 0 det X = 7447,75
0 0 16

1418 0 0
Marik A = 67,60 16 0 det A = 340650
76,11 0 16

31 1417,90 0
Marik B = 0 67,60 0 det B = 32481,76
0 76,11 16

31 0 1417,90
Marik C = 0 16 67,60 det C = 36569,95
0 0 76,11

Maka nilai : a = det A/det X = 45,74


b = det B/det X = 4,36
c = det C/det X = 4,91
Maka fungsi peramalan dengan metode ini adalah :
y' = 45,74 – 4,36 cos 2пt/n + 4,91 sin 2пt/n

Gambar 3.16 Grafik Peramalan Metode Siklis secara manual

Tabel 3.6 Menghitung |e| Metode Siklis

39
t y y' e = y -y' |e|
1 40 51 -10,999 10,999
2 0 52 -51,683 51,683
3 88 52 35,877 35,877
4 80 52 27,698 27,698
5 88 52 35,787 35,787
6 76 52 24,142 24,142
7 80 51 28,747 28,747
8 32 50 -18,422 18,422
9 64 49 14,601 14,601
10 44 48 -4,226 4,226
11 0 47 -46,952 46,952
12 1,9 46 -43,728 43,728
13 8 44 -36,308 36,308
14 96 43 52,953 52,953
15 40 42 -1,897 1,897
16 16 41 -24,903 24,903
17 64 40 23,892 23,892
18 24 40 -15,543 15,543
19 48 39 8,769 8,769
20 48 39 8,814 8,814
21 64 39 24,590 24,590
22 60 40 20,108 20,108
23 40 41 -0,614 0,614
24 64 42 22,454 22,454
25 24 43 -18,649 18,649
26 64 44 20,121 20,121
27 40 45 -5,185 5,185
28 4 47 -42,513 42,513
29 0 48 -47,810 47,810
30 40 49 -9,022 9,022
31 80 50 29,900 29,900
Jumlah 756,907

Kemudian nilai Mean Absolute Deviation dapat dihitung sebagai berikut :

MAD =
∑( e i )
=
756,907
= 24,42
n 31

4. Metode Trend Siklis


Langkah pertama dalam menghitung nilai kesalahan mean absolute
deviation menggunakan metode siklis adalah menghitung nilai y’.
Perhitungan nilai y’ dapat dilihat pada Tabel 3.5.

40
Tabel 3.7 Menghitung y’ Menggunakan Metode Trend Siklis
P e r io s in c o s y s in y c o s s in 2 s n ( 2 π t/ n ) c s (
d
t t2 y ty t s i n ( 2 πt ct /on s) ( 2 π t / n ) c o s 2 ( 2 π t/ n ) y'
( 2 π t /( n2 )π t / n ) ( 2 π t/ (n2) π t / n( )2 π t / n ) 2 π t/ n )
1 1 1 4 0 4 0 0 , 2 0 10 ,9 8 0 0 , 2 0 1 0 ,9 8 0 8 , 0 5 23 9 , 1 801, 0 4 0 5 2 01 ,19 5 9 4 7 8 90 ,1 9 7 4 , 0 4
2 2 4 0 0 0 , 3 9 40 ,9 1 9 0 , 7 8 9 1 ,8 3 8 0 , 0 0 00 ,0 0 00 , 1 5 5 5 1 06 ,58 4 4 4 8 3 50 ,3 6 2 1 3 , 1 9
3 3 9 8 8 2 6 4 0 , 5 7 10 ,8 2 1 1 , 7 1 4 2 ,4 6 2 5 0 ,2 7 72 2 , 2 207, 3 2 6 3 4 07 ,46 7 3 6 5 2 60 ,4 6 9 2 1 , 7 4
4 4 1 6 8 0 3 2 0 0 , 7 2 50 ,6 8 9 2 , 8 9 9 2 ,7 5 6 5 7 ,9 8 53 5 , 1 107, 5 2 5 3 2 04 ,64 7 4 6 7 5 40 ,4 9 9 2 9 , 4 7
5 5 2 5 8 8 4 4 0 0 , 8 4 90 ,5 2 9 4 , 2 4 3 2 ,6 4 5 7 4 ,6 8 41 6 , 5 409, 7 2 0 1 9 07 ,12 7 9 8 0 2 90 ,4 4 9 3 6 , 1 8
6 6 3 6 7 6 4 5 6 0 , 9 3 80 ,3 4 7 5 , 6 2 7 2 ,0 8 4 7 1 ,2 6 29 6 , 3 905, 8 7 9 3 7 09 ,11 2 0 6 2 0 90 ,3 2 6 4 1 , 7 1
7 7 4 9 8 0 5 6 0 0 , 9 8 80 ,1 5 1 6 , 9 1 9 1 ,0 6 0 7 9 ,0 7 17 2 , 1 104, 9 7 7 0 6 09 ,60 2 2 9 3 0 40 ,1 5 0 4 5 , 9 5
8 8 6 4 3 2 2 5 6 0 , 9 9 9- 0 , 0 5 1 7 , 9 9 0 - 0 , 4 0 5 3 1 ,9 5 -91 , 6 2 01 , 9 9 7 4 3 04 ,70 0 2 5 6 5 3- 0 , 0 5 1 4 8 , 8 4
9 9 8 1 6 4 5 7 6 0 , 9 6 8- 0 , 2 5 1 8 , 7 1 3 - 2 , 2 5 6 6 1 ,9 5- 71 6 ,0 04 ,29 3 7 1 7 03 ,30 6 2 8 2 6 7- 0 , 2 4 3 5 0 , 3 9
1 0 1 0 1 0 0 4 4 4 4 0 0 , 8 9 8- 0 , 4 4 0 8 , 9 7 8 - 4 , 4 0 4 3 9 ,5 0- 31 9 ,3 07 ,78 0 6 0 5 03 ,01 9 3 9 4 7 0- 0 , 3 9 5 5 0 , 6 4
11 11 121 0 0 0 , 7 9 1- 0 , 6 1 2 8 , 6 9 9 - 6 , 7 3 3 0 , 0 0 00 ,0 0 00 , 6 2 5 3 2 06 ,33 7 4 6 7 3 7- 0 , 4 8 4 4 9 , 7 0
1 2 1 2 1 4 4 1 , 9 2 2 ,8 0 , 6 5 1- 0 , 7 5 9 7 , 8 1 6 - 9 , 1 0 5 1 , 2 3 8- 1 , 4 4 02 , 4 2 4 2 8 06 ,15 7 5 7 1 3 9- 0 , 4 9 4 4 7 , 7 4
13 13 169 8 1 0 4 0 , 4 8 5- 0 , 8 7 4 6 , 3 0 9 - 1 1 , 3 6 7 3 , 8 8 2- 6 , 9 9 05 , 2 3 5 5 1 08 ,07 6 4 4 8 2 0- 0 , 4 2 4 4 4 , 9 4
1 4 1 4 1 9 6 9 6 1 3 4 40 , 2 9 9- 0 , 9 5 4 4 , 1 9 1 - 1 3 , 3 5 82 8 ,7 3- 9 1 ,5 09 ,70 8 9 6 1 08 ,39 1 0 3 8 1 7- 0 , 2 8 6 4 1 , 5 4
1 5 1 5 2 2 5 4 0 6 0 0 0 , 1 0 1- 0 , 9 9 5 1 , 5 1 8 - 1 4 , 9 2 3 4 , 0 4 7- 3 9 ,7 09 ,50 1 0 2 3 05 ,09 8 9 7 6 5 0- 0 , 1 0 1 3 7 , 7 9
1 6 1 6 2 5 6 1 6 2 5 6 - 0 , 1 0 -10 , 9 9 5 - 1 ,6 1 9 - 1 5 , 9 1 8- 1 ,6 1 -91 5 ,9 01 ,80 1 0 2 3 05 ,09 8 9 7 6 5 00 ,1 0 1 3 3 , 9 7
1 7 1 7 2 8 9 6 4 1 0 8 8- 0 , 2 9 -90 , 9 5 4 - 5 ,0 8 9 - 1 6 , 2 2 0- 1 9 , 1 -5 69 1 ,0 06 ,50 8 9 6 1 08 ,39 1 0 3 8 1 70 ,2 8 6 3 0 , 3 4
1 8 1 8 3 2 4 2 4 4 3 2 - 0 , 4 8 -50 , 8 7 4 - 8 ,7 3 5 - 1 5 , 7 3 8- 1 1 , 6 -4 27 0 ,9 08 ,42 3 5 5 1 08 ,07 6 4 4 8 2 00 ,4 2 4 2 7 , 1 8
1 9 1 9 3 6 1 4 8 9 1 2 - 0 , 6 5 -10 , 7 5 9- 1 2 , 3 7 6 - 1 4 , 4 1 6- 3 1 , 2 -6 36 6 ,4 02 ,04 2 4 2 8 06 ,15 7 5 7 1 3 90 ,4 9 4 2 4 , 7 3
2 0 2 0 4 0 0 4 8 9 6 0 - 0 , 7 9 -10 , 6 1 2- 1 5 , 8 1 6 - 1 2 , 2 4 2- 3 7 , 9 -5 27 9 ,3 08 ,16 2 5 3 2 06 ,33 7 4 6 7 3 70 ,4 8 4 2 3 , 2 1
2 1 2 1 4 4 1 6 4 1 3 4 4- 0 , 8 9 -80 , 4 4 0- 1 8 , 8 5 4 - 9 , 2 4 8 - 5 7 , 4 -5 29 8 ,1 08 ,58 0 6 0 5 03 ,01 9 3 9 4 7 00 ,3 9 5 2 2 , 7 9
2 2 2 2 4 8 4 6 0 1 3 2 0- 0 , 9 6 -80 , 2 5 1- 2 1 , 2 9 8 - 5 , 5 1 4 - 5 8 , 0 -8 15 5 ,0 03 ,99 3 7 1 7 03 ,30 6 2 8 2 6 70 ,2 4 3 2 3 , 6 1
2 3 2 3 5 2 9 4 0 9 2 0 - 0 , 9 9 -90 , 0 5 1- 2 2 , 9 7 0 - 1 , 1 6 5 - 3 9 , 9 4- 29 , 0 2 06 , 9 9 7 4 3 04 ,70 0 2 5 6 5 30 ,0 5 1 2 5 , 7 6
2 4 2 4 5 7 6 6 4 1 5 3 6- 0 , 9 8 08 ,1 5 1 - 2 3 , 7 2 3 3 ,6 3 4 - 6 3 , 2 692,6 9 10 , 9 7 7 0 6 09 ,60 2 2 9 3 0 4- 0 , 1 5 0 2 9 , 2 6
2 5 2 5 6 2 5 2 4 6 0 0 - 0 , 9 3 08 ,3 4 7 - 2 3 , 4 4 4 8 ,6 8 3 - 2 2 , 5 086,3 3 50 , 8 7 9 3 7 09 ,11 2 0 6 2 0 9- 0 , 3 2 6 3 4 , 0 9
2 6 2 6 6 7 6 6 4 1 6 6 4- 0 , 8 4 09 ,5 2 9 - 2 2 , 0 6 5 1 3 , 7 5 3 - 5 4 , 3 13 33 , 8 504, 7 2 0 1 9 07 ,12 7 9 8 0 2 9- 0 , 4 4 9 4 0 , 1 6
2 7 2 7 7 2 9 4 0 1 0 8 0- 0 , 7 2 05 ,6 8 9 - 1 9 , 5 6 9 1 8 , 6 0 2 - 2 8 , 9 92 27 , 5 509, 5 2 5 3 2 04 ,64 7 4 6 7 5 4- 0 , 4 9 9 4 7 , 3 5
2 8 2 8 7 8 4 4 1 1 2 - 0 , 5 7 01 ,8 2 1 - 1 5 , 9 9 6 2 2 , 9 8 1 - 2 ,2 8 53 ,2 8 30 , 3 2 6 3 4 07 ,46 7 3 6 5 2 6- 0 , 4 6 9 5 5 , 4 8
2 9 2 9 8 4 1 0 0 - 0 , 3 9 04 ,9 1 9 - 1 1 , 4 3 6 2 6 , 6 5 0 0 , 0 0 00 ,0 0 00 , 1 5 5 5 1 06 ,58 4 4 4 8 3 5- 0 , 3 6 2 6 4 , 3 3
3 0 3 0 9 0 0 4 0 1 2 0 0- 0 , 2 0 01 ,9 8 0 - 6 ,0 3 9 2 9 , 3 8 6 - 8 ,0 5 32 9 , 1 801, 0 4 0 5 2 01 ,19 5 9 4 7 8 9- 0 , 1 9 7 7 3 , 6 5
3 1 3 1 9 6 1 8 0 2 4 8 00 , 0 0 01 ,0 0 0 0 , 0 0 0 3 1 , 0 0 0 0 , 0 0 08 0 , 0 000, 0 0 0 0 0 10 ,00 0 0 0 0 0 00 ,0 0 0 8 3 , 1 9
T o t a4l9 6 1 0 4 1 61 4 1 82 1 3 2 7 0 0 - 1 5 2 ,4 2 4 1 6 7 6 ,1 0 68 7 , 6 0 0 1 6 16 0 1203

Dari hasil perhitungan pada tabel di atas, maka dapat dimasukkan ke


dalam empat persamaan, sehingga diperoleh :
1418 = 0a + 496b + 0c + 0d
21327 = 496a + 10416b + 15,5c – 152,42d
67,60 = 0a + 15,5b + 15,5c + 0d

41
76,11 = 0a -152,42b + 0c + 15,5d
Persamaan diatas maka didapat diubah ke dalam bentuk matrik berikut :
0 496 0,000 0,000 a 1418
496 10416 15,500 -152,424 x b = 21327
0,000 15,500 15,500 0,000 c 67,600
0,000 -152,424 0,000 15,500 d 76,108

0,000 496 0,000 0,000


Matrik X = 496 10416 15,500 -152,424 Det X = -59105344,000
0,000 15,500 15,500 0,000
0,000 -152,424 0,000 15,500

1418 496 0,000 0,000


Matrik A = 21327 10416 15,500 -152,424 Det A = 409814396,483
67,600 15,500 15,500 0,000
76,108 -152,424 0,000 15,500

0,000 1418 0,000 0,000


Matrik B = 496 21327 15,500 -152,424 Det B = -168962635,600
0,000 67,600 15,500 0,000
0,000 76,108 0,000 15,500

0,000 496 1418 0,000


Matrik C = 496 10416 21327 -152,424 Det C = -88812632,282
0,000 15,500 67,600 0,000
0,000 -152,424 76,108 15,500

0,000 496 0,000 1418


Matrik D = 496 10416 15,500 21327 Det D = -1951764348,086
0,000 15,500 15,500 67,600
0,000 -152,424 0,000 76,108

Maka nilai : a = det A/det X = -6,934


b = det B/det X = 2,859
c = det C/det X = 1,503
d = det D/det X = 33,022
Maka fungsi peramalan dengan metode ini adalah :
y' = -6,934 – 2,859t + 1,503cos 2пt/n + 33,022sin 2пt/n

Gambar 3.16 Grafik Peramalan Metode Trend Siklis secara manual

Tabel 3.8 Menghitung |e| Metode Trend Siklis

42
t y y' e = y -y' |e|
1 40 4 36 36
2 0 13 -13 13
3 88 22 66 66
4 80 29 51 51
5 88 36 52 52
6 76 42 34 34
7 80 46 34 34
8 32 49 -17 17
9 64 50 14 14
10 44 51 -7 7
11 0 50 -50 50
12 2 48 -46 46
13 8 45 -37 37
14 96 42 54 54
15 40 38 2 2
16 16 34 -18 18
17 64 30 34 34
18 24 27 -3 3
19 48 25 23 23
20 48 23 25 25
21 64 23 41 41
22 60 24 36 36
23 40 26 14 14
24 64 29 35 35
25 24 34 -10 10
26 64 40 24 24
27 40 47 -7 7
28 4 55 -51 51
29 0 64 -64 64
30 40 74 -34 34
31 80 83 -3 3
Jumlah 936

Kemudian nilai Mean Absolute Deviation dapat dihitung sebagai berikut :

MAD =
∑( e i )
=
936
= 30,184
n 31

Tabel 3.9 Rekapitulasi Perhitungan Galat Metode Peramalan


No Metode MAD MAD Terkecil
1 Kuadratis 24,066
2 Linier 24,101
24,066
3 Siklis 24,416
4 Trend Siklis 30,184

Gambar 11 Histogram MAD per Metode Peramalan

43
Berdasarkan histogram MAD untuk keempat metode di atas, terlihat
bahwa MAD Kuadratis < Mad Linear < Mad Siklis < Mad Trend Siklis, maka
metode yang dipilih untuk melakukan peramalan adalah metode Kuadratis yang
mempunyai nilai MAD terkecil, yaitu 24,066.

3.4.3 Perhitungan dan Grafik Verifikasi Peramalan

Setelah dipilih metode kuadratis sebagai metode peramalan yang akan


digunakan, maka dilakukan verifikasi terhadap metode kuadratis. Verifikasi
metode peramalan dapat dilihat pada tabel berikut.
Tabel 3.10 Verifikasi Metode Peramalan

44
Periode Aktual y Forecast y' z = (y - y') Moving Range
1 40 58,323 -18,323 0
2 0 56,902 -56,902 38,580
3 88 55,542 32,458 89,360
4 80 54,242 25,758 6,700
5 88 53,002 34,998 9,240
6 76 51,822 24,178 10,820
7 80 50,703 29,297 5,120
8 32 49,643 -17,643 46,941
9 64 48,644 15,356 32,999
10 44 47,705 -3,705 19,061
11 0 46,826 -46,826 43,121
12 1,9 46,007 -44,107 2,719
13 8 45,248 -37,248 6,859
14 96 44,550 51,450 88,699
15 40 43,911 -3,911 55,362
16 16 43,333 -27,333 23,422
17 64 42,815 21,185 48,518
18 24 42,357 -18,357 39,542
19 48 41,959 6,041 24,398
20 48 41,621 6,379 0,338
21 64 41,344 22,656 16,278
22 60 41,126 18,874 3,783
23 40 40,969 -0,969 19,843
24 64 40,872 23,128 24,097
25 24 40,835 -16,835 39,963
26 64 40,858 23,142 39,977
27 40 40,941 -0,941 24,083
28 4 41,085 -37,085 36,143
29 0 41,288 -41,288 4,204
30 40 41,552 -1,552 39,736
31 80 41,876 38,124 39,676
Total 879,579

MR rata-rata = Total MR/N-1 = 29,319


BKA = 2,66 x MR rata-rata
= 2,66 x 29,319 = 77,989
BKB = -2,66 x MR rata-rata
= -2,66 x 29,319 = -77,989
2/3 BKA = 2/3 x 77,989 = 51,993
2/3 BKB = 2/3 x (-77,989) = -51,993
1/3 BKA = 1/3 x (77,989) = 25,996
1/3 BKA = 1/3 x (-77,989) = -25,996

45
Gambar12 Moving Range Chart

3.4.4 Peramalan dengan Metode Terbaik untuk 13 Periode ke Depan


Berdasarkan metode peramalan terbaik yang telah diperoleh dari hasil
perhitungan, yaitu metode kuadratis, maka dilakukan peramalan untuk 15
periode ke depan atas permintaan kantong pasted kraft 3 ply pcc 50 kg
hitam ke Packing Plant Indarung menggunakan Minitab 14.
Tabel 16 Peramalan 15 Periode ke Depan Kantong Pasted Kraft 3 Ply
Pcc 50 Kg Hitam Ke Packing Plant Indarung
No Periode Ramalan Produksi (unit)
1 32 42,2601
2 33 42,7043
3 34 43,2087
4 35 43,7732
5 36 44,3978
6 37 45,0826
7 38 45,8276
8 39 46,6327
9 40 47,4979
10 41 48,4233
11 42 49,4088
12 43 50,4545
13 44 51,5604
14 45 52,7263
15 46 53,9525

Gambar 16 Peramalan 15 Periode ke Depan Kantong Pasted Kraft 3 Ply


Pcc 50 Kg Hitam Ke Packing Plant Indarung

46
3.5.5 Penjadwalan Distribusi Kantong Semen

47