BAB 4

Pengumpulan dan Pengolahan Data

4.1. Pengumpulan Data Pengukuran Waktu Operasi Produk
Di bawah ini merupakan data pengukuran operasi produk pada produk
gantungan handuk dan rak sepatu.
1. Gantungan handuk
Di bawah ini adalah tabel data pengukuran waktu operasi produk
gantungan handuk yang diperoleh dari data pengukuran waktu operasi.
Tabel 4.1 Data Pengukuran waktu operasi gantungan handuk
Set Up Time Run Time
Nama Komponen Elemen kerja Meni
t Detik Menit Detik
 Pengukuran 0 20 0 46
 Pemotongan 0 20 0 45
Batang atas
 Penghalusan 0 20 0 31
 Pemeriksaan 0 20 0 08
 Pengukuran 0 20 0 40
 Pemotongan 0 20 0 30
Penghubung I
 Penghalusan 0 20 0 27
 Pemeriksaan 0 20 0 08
 Pengukuran 0 20 0 49
 Pemotongan 0 20 0 389
Penghubung II
 Penghalusan 0 20 0 268
 Pemeriksaan 0 20 0 50
 Pengukuran 0 20 0 63
 Pemotongan 0 20 0 125
Tiang
 Penghalusan 0 20 0 116
 Pemeriksaan 0 20 0 11
 Pengukuran 0 20 0 10
 Pemotongan 0 20 0 17
Batang bawah
 Penghalusan 0 20 0 20
 Pemeriksaan 0 20 0 10
Batang atas + penghubung
1+ penghubung 2 + fitting Perakitan 0 20 0 283
elbow + fitting tee
Batang bawah +
penghubung 2 + fitting Perakitan 0 20 0 44
elbow +fitting tee
Bagian atas + bagian
Perakitan 0 20 0 48
bawah + tiang
Sumber pengumpulan data laboratorium ergonomic dan PSK
2021
2. Rak sepatu
Di bawah ini adalah tabel data pengukuran waktu operasi produk Gerobak
Jualan yang diperoleh dari data pengukuran waktu operasi.
Tabel 4.2 Data Pengukuran Waktu Operasi Produk rak sepatu
Set Up Time Run Time
Nama Komponen Elemen kerja Meni
t Detik Menit Detik
 Pengukuran 0 20 0 34
 Pemotongan 0 20 0 30
Batang atas
 Penghalusan 0 20 0 43
 Pemeriksaan 0 20 0 10
 Pengukuran 0 20 0 35
 Pemotongan 0 20 0 68
Penghubung I
 Penghalusan 0 20 0 144
 Pemeriksaan 0 20 0 07
 Pengukuran 0 20 0 66
 Pemotongan 0 20 0 351
Penghubung II
 Penghalusan 0 20 0 539
 Pemeriksaan 0 20 0 48
 Pengukuran 0 20 0 73
 Pemotongan 0 20 0 72
Tiang
 Penghalusan 0 20 0 163
 Pemeriksaan 0 20 0 06
 Pengukuran 0 20 0 37
 Pemotongan 0 20 0 17
Batang bawah
 Penghalusan 0 20 0 14
 Pemeriksaan 0 20 0 02
Batang atas + penghubung
1+ penghubung 2 + fitting Perakitan 0 20 0 214
elbow + fitting tee
Batang bawah +
penghubung 2 + fitting Perakitan 0 20 0 108
elbow +fitting tee
Bagian atas + bagian
Perakitan 0 20 0 69
bawah + tiang
Bagian atas + bagian
tengah + bagian bawah Perakitan 0 20 0 144
+ tiang
Sumber pengumpulan data laboratorium ergonomic dan PSK 2021
4.2. Rekapitulasi Waktu Operasi Produk (dalam menit)
 Dari data pengukuran waktu operasi produk diperoleh rekapitulasi waktu
operasi produk yaitu:
1. Gantungan handuk
Di bawah ini adalah tabel rekapitulasi waktu operasi produk gantungan
handuk yang diperoleh dari data pengukuran waktu operasi.
Tabel 4.3 Rekapitulasi Waktu Operasi Produk gantungan handuk
Set Up
Run Time Total
Nama Komponen Elemen kerja Time
(menit) menit
(menit)
Pengukuran 0,33 0,77 1,10
Pemotongan 0,33 0,75 1,08
Batang atas
Penghalusan 0,33 0,52 0,85
Pemeriksaan 0,33 0,13 0,46
Pengukuran 0,33 0,67 1,00
Pemotongan 0,33 0,50 0,83
Penghubung I
Penghalusan 0,33 0,45 0,78
Pemeriksaan 0,33 0,13 0,46
Pengukuran 0,33 0,82 1,15
Pemotongan 0,33 6,48 6,81
Penghubung II
Penghalusan 0,33 4,47 4,80
Pemeriksaan 0,33 0,83 1,16
Pengukuran 0,33 1,05 1,38
Pemotongan 0,33 2,08 2,41
Tiang
Penghalusan 0,33 1,93 2,26
Pemeriksaan 0,33 0,18 0,51
Pengukuran 0,33 0,17 0,50
Pemotongan 0,33 0,28 0,61
Batang bawah
Penghalusan 0,33 0,33 0,66
Pemeriksaan 0,33 0,17 0,50
Batang atas +
penghubung 1+
Perakitan 0,33 4,72 5,05
penghubung 2 + fitting
elbow + fitting tee
Batang bawah +
penghubung 2 + fitting Perakitan 0,33 0,73 1,06
elbow +fitting tee
Bagian atas + bagian
Perakitan 0,33 0,80 1,13
bawah + tiang
2. Rak sepatu

Sumber pengolahan data excel 2021

 Di bawah ini adalah tabel rekapitulasi waktu operasi produk Gerobak Jualan
yang diperoleh dari data pengukuran waktu operasi.
Tabel 4.4 Rekapitulasi Waktu Operasi Produk rak sepatu
Set Up
Run Time Total
Nama Komponen Elemen kerja Time
(menit) menit
(menit)
Pengukuran 0,33 0,57 0,90
Pemotongan 0,33 0,50 0,83
Batang atas
Penghalusan 0,33 0,72 1,05
Pemeriksaan 0,33 0,17 0,50
Pengukuran 0,33 0,58 0,91
Pemotongan 0,33 1,13 1,46
Penghubung I
Penghalusan 0,33 2,40 2,73
Pemeriksaan 0,33 0,12 0,45
Pengukuran 0,33 1,10 1,43
Pemotongan 0,33 5,85 6,18
Penghubung II
Penghalusan 0,33 8,98 9,31
Pemeriksaan 0,33 0,80 1,13
Pengukuran 0,33 1,22 1,55
Pemotongan 0,33 1,20 1,53
Tiang
Penghalusan 0,33 2,72 3,05
Pemeriksaan 0,33 0,10 0,43
Pengukuran 0,33 0,62 0,95
Batang bawah Pemotongan 0,33 0,28 0,61
Penghalusan 0,33 0,23 0,56
Pemeriksaan 0,33 0,03 0,36
Batang atas +
penghubung 1+
Perakitan 0,33 3,57 3,90
penghubung 2 + fitting
elbow + fitting tee
Batang bawah +
penghubung 2 + fitting Perakitan 0,33 1,80 2,13
elbow +fitting tee
Bagian atas + bagian
Perakitan 0,33 1,15 1,48
bawah + tiang
Bagian atas + bagian
tengah + bagian bawah Perakitan 0,33 2,40 2,73
+ tiang
Sumber pengolahan data excel 2021

4.3. Data Faktor Penyesuaian dan Faktor Kelonggaran

 Faktor penyesuaian adalah faktor yang memperhatikan ketidakwajaran
operator dalam bekerja termasuk kecepatan dan performansi kerja operator pada
saat pekerjaan berlangsung. Tujuannya adalah untuk menormalkan waktu kerja
yang disebabkan oleh ketidakwajaran operator dalam bekerja. Sedangkan faktor
kelonggaran adalah waktu yang diberikan kepada pekerja untuk menyelesaikan
pekerjaannya disamping waktu normal, misalnya istirahat, ke kamar kecil,
meminta bantuan dan sebagainya. Berikut ini adalah tabel faktor penyesuaian dan
faktor kelonggaran yang diberikan dalam proses pengerjaan.
Tabel 4.5 Faktor Penyesuaian dan Faktor Kelonggaran Pembuatan Produk
Faktor Penyesuaian Faktor Kelonggaran
(p) (l)
Keterampilan +0,01 Tenaga yang dikeluarkan 6%
Usaha +0,03 Sikap kerja 1%
Kondisi kerja +0,02 Gerakan kerja 4%
Konsistensi +0,03 Kelelahan mata 1%
Keadaan temperatur tempat kerja 2%
Keadaan atmosfer 2%
Keadaan lingkungan yang baik 2%
Jumlah +0,09 Jumlah 18%
Sumber pengumpulan data faktor penyesuaian dan faktor kelonggaran 2021
4.4. Data Permintaan
Berikut ini adalah tabel data permintaan (demand) yang digunakan untuk
merencanakan (plotting) data sehingga dapat ditentukan metode peramalan yang
cocok untuk data berikut:
Tabel 4.6 Data Permintaan (Demand)
Periode
Bulan
1 2 3 4 5 6 7 8 9 10 11 12
Gantunga 238 257 276 272 264 232 254 261 296 220 236 221
n handuk 4 0 5 7 5 0 9 0 5 5 2 3
Rak 264 254 236 234 221 265 246 276 255 257 265 247
sepatu 9 3 6 1 7 7 5 8 3 6 8 3
503 511 513 507 486 498 502 538 552 479 503 469
Jumlah
4 5 4 2 7 3 1 6 7 1 1 8
Sumber pengumpulan data permintaan laboratorium ergonomic dan PSK 2021

4.5 Pengumpulan Data Perencanaan Agregat, Jadwal Produksi Induk,

Perencanaan Kebutuhan Kapasitas Kasar
 Berikut ini adalah pengumpulan data produk gantungan handuk dan rak sepatu.
4.4.1. Waktu Baku
Waktu baku adalah waktu kerja dengan mempertimbangkan faktor
kelonggaran dan faktor penyesuaian.
Data waktu baku yang digunakan merupakan waktu baku pada modul
peramalan. Berikut pada tabel 4.7 merupakan waktu baku dari ketiga produk yaitu
produk gantungan handuk dan lemari baju.
Tabel 4.7 Data Waktu Baku (menit)
Produk Waktu Baku
Gantungan
47,12
handuk
Rak sepatu 59,47
Sumber pengolahan data excel 2021
4.4.2. Data Permintaan
Data permintaan (demand) masa lalu diperlukan untuk meramalkan
permintaan di masa yang akan datang. Berikut pada tabel 4.8 merupakan tabel
data permintaan (demand actual) masa lalu untuk masing-masing produk.

Tabel 4.8 Data Permintaan (unit)

Bulan Periode
1 2 3 4 5 6 7 8 9 10 11 12
Gantung
238 257 276 272 264 232 254 261 296 220 236 221
an
4 0 5 7 5 0 9 0 5 5 2 3
handuk
Rak 264 254 236 234 221 265 246 276 255 257 265 247
sepatu 9 3 6 1 7 7 5 8 3 6 8 3
Sumber pengumpulan data permintaan laboratorium ergonomic dan PSK 2021

4.4.3. Konversi
Konversi dilakukan dengan menggunakan waktu baku. Dalam hal ini
waktu baku setiap item dikonversikan pada item B. Berikut pada tabel 4.9
merupakan tabel rekapitulasi nilai konversi waktu terhadap waktu B dalam satuan
menit.
Tabel 4.9 Rekapitulasi Nilai Konversi (menit)
Ite Konver
m si
A 0,79
B 1
 4.4.4. Data Permintaan Hasil Konversi
Data permintaan hasil konversi adalah data permintaan (demand) dikali
dengan hasil konversi. Berikut pada tabel 4.10 merupakan tabel data permintaan
hasil konversi dari ketiga produk.
Tabel 4.10 Data Permintaan Hasil Konversi (unit)
Bula Periode
n 1 2 3 4 5 6 7 8 9 10 11 12
238 257 276 272 264 232 254 261 296 220 236 221
Gh
4 0 5 7 5 0 9 0 5 5 2 3
264 254 236 234 221 265 246 276 255 257 265 247
Rs
9 3 6 1 7 7 5 8 3 6 8 3
Total 503 511 513 507 486 498 502 538 552 479 503 469
4 5 4 2 7 3 1 6 7 1 1 8
Sumber pengolahan data excel 2021
4.4.5. Waktu Operasi Masing-masing Stasiun Kerja
Waktu operasi adalah waktu yang digunakan untuk pembuatan suatu
produk.. Berikut ini tabel 4.11 merupakan tabel rekapitulasi waktu operasi setiap
stasiun kerja untuk gantungan handuk dalam satuan menit.

Tabel 4.11 Data Rekapitulasi Waktu Operasi Setiap Stasiun Kerja Untuk
gantungan handuk (menit)
stasiun kerja komponen Waktu waktu total
batang atas 1,10
penghubung I 1,00
pengukuran penghubung II 1,15 5,13
tiang 1,38
batang bawah 0,50
batang atas 1,08
penghubung I 0,83
Pemotongan penghubung II 6,81 11,74
tiang 2,41
batang bawah 0,61
batang atas 0,85
penghubung I 0,78
Penghalusan penghubung II 4,80 9,35
tiang 2,26
batang bawah 0,66
batang atas 0,46
penghubung I 0,46
Pemekriksaan penghubung II 1,16 3,09
tiang 0,51
batang bawah 0,50
Perakitan Assembly 1 5,05 7,24

Sumber pengolahan data excel 2021

Assembly 2 1,06
Assembly 3 1,13
Berikut ini merupakan tabel rekapitulasi waktu operasi setiap stasiun kerja untuk
rak sepatu dalam satuan menit.

Tabel 4.12 Data Rekapitulasi Waktu Operasi Setiap Stasiun Kerja Untuk
rak sepatu (menit)
stasiun kerja komponen waktu  Waktu total
batang atas 0,90
penghubung I 0,91
pengukuran penghubung II 1,43 5,74
tiang 1,55
batang bawah 0,95
batang atas 0,83
penghubung I 1,46
pemotongan penghubung II 6,18 10,61
tiang 1,53
batang bawah 0,61
batang atas 1,05
penghubung I 2,73
penghalusan penghubung II 9,31 16,70
tiang 3,05
batang bawah 0,56
batang atas 0,50
penghubung I 0,45
pemekriksaan penghubung II 1,13 2,87
tiang 0,43
batang bawah 0,36
Assembly 1 3,90
perakitan Assembly 2 2,13
10,24
  Assembly 3 1,48
Assembly 3 2,73
Sumber pengolahan data excel 2021

Berikut ini tabel 4.13 merupakan tabel rekapitulasi data waktu operasi
setiap stasiun kerja dalam satuan menit.
Tabel 4.13 Rekapitulasi Data Waktu Operasi Setiap Stasiun Kerja (menit)
Waktu observasi (menit)
Stasiun kerja
Gantungan handuk Rak sepatu
Pengukuran 5,13 5,74
Pemotongan 11,74 10,61
Penghalusan 9,35 16,59
Pemeriksaan 3,09 2,87
Perakitan 7,24 10,24
Total 36,55 46,05
Sumber pengolahan data excel 2021
 4.4.6. Struktur Produk
Berikut ini merupakan gambar 4.1 yang menunjukkan Bill of Material
dari produk gantungan handuk.
Gantungan
Level 0
handuk

Penghubung I Penghubung
Penghubun II Elbow Batang atas Level 1

Tiang T Level 2

Batang T Penghubung Elbow Level 3

bawah II

Gambar 4.1 Struktur produk gantungan handuk

Berikut ini merupakan gambar 4.2 yang menunjukkan structur product dari
produk rak sepatu.

Rak sepatu

Batang atas T Penghubung I Penghubung II Elbow

T Tiang

Penghubung I Penghubung II T

T Tiang

Batang bawah T Penguhung II Elbow

Gambar 4.2 Struktur produk rak sepatu

4.2. Pengolahan Data
Berikut ini merupakan pengolahan data dari praktikum sistem produksi
sebagai berikut.
4.2.1. Pengolahan Data Peramalan
Berikut ini merupakan pengolahan data peramalan adalah sebagai berikut.
4.2.1.1 Perhitungan Waktu Baku dan Unit Konversi
Di bawah ini merupakan perhitungan waktu dan unit konversinya.
a. Waktu Siklus
Waktu siklus adalah waktu hasil pengamatan secara langsung yang tertera
pada stopwatch.
Berikut adalah perhitungan waktu siklus pada masing-masing produk.
1. Gantungan handuk
Perhitungan waktu siklus terhadap produk Lemari yaitu,
Ws = X́ = μ
Ws = 36,63 menit

2. Gerobak Jualan
Perhitungan waktu siklus terhadap produk Gerobak Jualan yaitu,
Ws = X́ = μ
Ws = 46,23 menit

b. Waktu Normal
Waktu normal adalah waktu kerja yang telah mempertimbangan faktor
penyesuaian.
Berikut adalah perhitungan waktu normal pada masing-masing produk,
1. Gantungan handuk
Perhitungan waktu normal terhadap produk gantungan handuk yaitu,
Wn = Ws × (1 + p)
Wn = 36,63 x (1 + 0,09)
Wn = 36,63x 1,09
Wn = 39,93 menit
 2. Rak sepatu
Perhitungan waktu normal terhadap produk gantungan handuk yaitu,
Wn = Ws × (1 + p)
Wn = 46,23 x (1 + 0,09)
Wn = 46,23 x 1,09
Wn = 50,39 menit

c. Waktu Baku
Waktu baku adalah waktu kerja dengan mempertimbangkan faktor
kelonggaran dan faktor penyesuaian.
Berikut adalah perhitungan waktu baku pada masing-masing produk,
1. Produk gantungan handuk
Perhitungan waktu baku terhadap produk gantungan handuk yaitu,
Wb = Wn + (Wn × I)
Wb = 39,93 + (39,93 x 0,18) menit
Wb = 47,11 menit

2. Produk rak sepatu

Perhitungan waktu baku terhadap produk Lemari yaitu,
Wb = Wn + (Wn × I)
Wb = 50,39 + (50,39 x 0,18) menit
Wb = 59,46 menit

d. Unit Konversi
Di bawah ini adalah tabel perhitungan unit konversi dari ketiga produk
dengan waktu baku unit B.

Tabel 4.15 Waktu Baku dan Konversi

Item Wb Konversi
Gantungan handuk 47,11 0,79
Rak sepatu 59,46 1
Sumber : Pengolahan data excel
Dari perhitungan pada tabel di atas maka diperoleh demand yang
akan digunakan untuk peramalan dapat dilihat pada tabel dibawah ini
 Tabel 4.16 Perhitungan Konversi dengan Waktu Baku Unit
Bula Periode
n 1 2 3 4 5 6 7 8 9 10 11 12
210 226 216 209 243
Gh 1955 2236 1902 2140 1808 1937 1815
7 7 9 0 1
254 236 221 246 255
Rs 2649 2341 2657 2768 2576 2658 2473
3 6 7 5 3
Total 465 463 438 455 498
4604 4577 4559 4908 4384 4595 4288
0 3 6 5 4
Sumber pengolahan data excel 2021

4.2.1.2 Metode Peramalan yang Digunakan

Berikut ini adalah metode peramalan yang digunakan untuk tiga produk
yang telah dibuat, yaitu Double Moving Average (DMA), Single Exponential
Smoothing (SES), dan regresi linear.

A. Metode Double Moving Average (DMA)

Berikut ini adalah perhitungan peramalan menggunakan metode Double
moving average dengan nilai N = 2.
X t + X t-1 + X t-2 +…+ X tN-1
S′t =
N
X 1 + X 2 4604 + 4650
S′2 = = = 4627
2 2
X 2 + X 3 4650 + 4633
S′3 = = = 4641,85
2 2
X 3 + X 4 4633 + 4577
S′4 = = = 4605,22
2 2
X 4 + X 5 4577 + 4386
S′5 = = = 4481,52
2 2

S't + S't-1 + S't-2 +…+ S'tN-1

S″t =
N
S'2 + S'3 4629 + 4641,85
S″3 = = = 4634,495
2 2
S'3 + S'4 4641,85,5 + 4605,22
S″4 = = = 4623,535
2 2
S'4 + S'5 4605,22 + 448 1,52
S″5 = = = 4543,37
2 2
at = (2S′t) – S″t
a3 = (2S′3) – S″3 = (2 x 4641,85) – 4634,495 = 4649,205
a4 = (2S′4) – S″4 = (2 x 4605,22) – 4623,535 = 4586,91

a5 = (2S′5) – S″5 = (2 x 4481,52) – 4543,37= 4419,67

2( S't - S'' t )
bt =
N-1
2( S'3 - S'' 3 ) 2( 4529,5 - 4634,75 )
b3 = == = 14,71
1 1

2( S'4 - S'' 4 ) 2( 4691 - 4610,75 )

b4 = == = -36,63
1 1

2( S'5 - S'' 5 ) 2( 4611,5 - 4651,25 )

b5 = == = -123,7
1 1

Ft + m = at + bt.m
F4 = a3 + b3.1 = 4641,85 + (14,71) (1) = 4663,915
F5 = a4 + b4.1 = 4605,22+ (-36,63) (1) = 4550,275
F6 = a5 + b5.1 = 4571,75 + (-123,7) (1) = 4295,97

Berikut ini adalah tabel hasil peramalan dengan Metode Double Moving
Average.
Tabel 4.17 Hasil Peramalan Dengan Metode Double Moving Average
Period
e DT S'T S''T a b ft+1
1 4604
2 4650 4627
3 4633 4641,85 4634,5 4649,21 14,71
4 4577 4605,22 4623,54 4586,91 -36,63 4663,92
5 4386 4481,52 4543,37 4419,67 -123,7 4550,28
6 4559 4472,65 4477,09 4468,22 -8,87 4295,97
7 4555 4557,29 4514,97 4599,61 84,64 4459,35
8 4908 4731,69 4644,49 4818,89 174,4 4684,25
9 4984 4946,25 4838,97 5053,53 214,56 4993,29
10 4384 4684,2 4815,23 4553,18 -262,05 5268,09
 11 4595 4489,47 4586,84 4392,11 -194,73 4291,13
12 4288 4441,25 4465,36 4417,14 -48,22 4197,38
Sumber pengolahan data excel 2021

B. Metode Single Exponential Smoothing (SES)

Berikut ini adalah perhitungan peramalan menggunakan metode Single
Exponential Smoothing dengan nilai α = 0,5401

Ft+1 = αX1 + (1- α)Ft

F2 = 0,5401 (4604) + 0,4599 (4604) = 4604
F3 = 0,5401 (4650) + 0,4599 (4604) = 4629,01
F4 = 0,5401 (4633) + 0,4599 (4604) = 4631,32
Berikut ini adalah tabel hasil peramalan untuk metode Single
Exponential
Smoothing:
Tabel 4.18 Hasil Perhitungan Peramalan dengan Metode Single Exponential
Smoothing
Periode Dt Ft+1
1 4604 -
2 4650 4603,88
3 4633 4629,01
4 4577 4631,32
5 4386 4602,06
6 4559 4485,31
7 4555 4525,33
8 4908 4541,45
9 4984 4739,53
10 4384 4871,73
11 4595 4608,36
12 4288 4601,06
Sumber pengolahan data excel 2021

C. Metode Peramalan Regresi Linear

 Berikut ini adalah perhitungan peramalan menggunakan Metode Regresi
Linier Koefisien intersep:

α=
∑ y = 56982 = 4748,5
n 12
Koefisien kemiringan :
∑ xy 2736
b=
∑ 2 = 572 = 4,78
X
Peramalan :
Ft = α + b.t
F1 = 4784,5 + (4,78)(1) = 4753,28
F2 = 4784,5 + (4,78)(2) = 4758,07
F3 = 4784,5 + (4,78)(3) = 4762,85
Tabel berikut ini merupakan data peramalan menggunakan Metode
Regresi Linear.

Tabel 4.19 Data Peramalan Menggunakan Metode Regresi Linear

No Periode (t) (y)t X Xy X2 Ft
1 1 4604 -11 -50642,68 121 4634,55
2 2 4650 -9 -41853,6 81 4627,12
3 3 4633 -7 -32433,1 49 4619,69
4 4 4577 -5 -22885,7 25 4612,26
5 5 4386 -3 -13157,7 9 4604,83
6 6 4559 -1 -4559,4 1 4597,41
7 7 4555 1 4555,18 1 4589,98
8 8 4908 3 14724,6 9 4582,55
9 9 4984 5 24921,5 25 4575,12
10 10 4384 7 30688,7 49 4567,69
11 11 4595 9 41353,56 81 4560,27
12 12 4288 11 47164,26 121 4552,84
Sigma 78 55124,3 0 -2124,38 572
Sumber pengolahan data excel 2021

4.2.1.3 Uji Kesalahan Peramalan

Di bawah ini merupakan perhitungan pengujian kesalahan peramalan
pada ketujuh metode peramalan sebelumnya.
A. Mean Absolute Error (MAE)
 Mean Absolute Error atau nilai tengah kesalahan absolut dapat dihitung
dengan menggunakan rumus sebagai berikut:
∑ |e |

MAE =
∑ | ei |
i-1
n
n

Dimana, ei diperoleh dari selisish antara Dt dengan Ft.

1. Metode Double Moving average (DMA)

Berikut ini merupakan tabel perhitungan uji kesalahan peramalan
menggunakan Mean Absolute Error atau nilai tengah kesalahan absolut untuk
Metode Double Moving average.
Tabel 4.20 Hasil Perhitungan Uji Kesalahan Peramalan Menggunakan MAE
Untuk Metode Double Moving Average

Period
DT S'T S''T A B ft+1 ei [ei]
e
1 4604
2 4650 4627
3 4633 4641,85 4634,5 4649,21 14,71
4623,5
4 4577 4605,22 4586,91 -36,63 4663,92
4 -86,775 86,775
4543,3
5 4386 4481,52 4419,67 -123,7 4550,28
7 -164,37 164,375
4477,0
6 4559 4472,65 4468,22 -8,87 4295,97
9 263,43 263,43
4514,9
7 4555 4557,29 4599,61 84,64 4459,35
7 95,835 95,835
4644,4
8 4908 4731,69 4818,89 174,4 4684,25
9 223,95 223,95
4838,9
9 4984 4946,25 5053,53 214,56 4993,29
7 -8,99 8,99
4815,2
10 4384 4684,2 4553,18 -262,05 5268,09
3 -883,99 883,99
4586,8
11 4595 4489,47 4392,11 -194,73 4291,13
4 303,715 303,715
4465,3
12 4288 4441,25 4417,14 -48,22 4197,38
6 90,285 90,285
Jumlah 2121,35
MAE 235,71
 n

MAE =
∑ | ei | = 2121,35
i-1
9
n
= 235,71
Maka nilai MAE untuk metode Double Moving Average adalah 235,71

2. Metode Single Exponential Smoothing (SES)

Berikut ini merupakan tabel perhitungan uji kesalahan peramalan
menggunakan Mean Absolute Error atau nilai tengah kesalahan absolut
untuk Metode Single Exponential Smoothing.
 Tabel 4.21 Hasil Perhitungan Uji Kesalahan Peramalan Menggunakan MAE
Untuk Metode Single Exponential Smoothing
DT Ft+1 Ei [ei]
4604
4650 4603,88 46,52 46,52
4633 4629,01 4,29 4,29
4577 4631,32 -54,18 54,18
4386 4602,06 -216,16 216,16
4559 4485,31 74,09 74,09
4555 4525,33 29,85 29,85
4908 4541,45 366,75 366,75
4984 4739,53 244,77 244,77
4384 4871,73 -487,63 487,63
4595 4608,36 -13,52 13,52
4288 4601,06 -313,40 313,40
Jumlah 1851,169
MAE 168,29

MAE =
∑ | ei | = 1851,169
i-1
11
n
= 168,29
Maka nilai MAE untuk metode Single Exponential Smoothing adalah 168,29
3. Metode Regresi Linier
Berikut ini merupakan tabel perhitungan uji kesalahan peramalan
menggunakan Mean Absolute Error atau nilai tengah kesalahan absolut untuk
Metode Regresi Linier.
Tabel 4.22 Hasil Perhitungan Uji Kesalahan Peramalan Menggunakan MAE
Untuk Metode Regresi Linier
No Periode (t) (y)t X Xy X2 Ft ei [ei]
1 1 4604 -11 -50642,68 121 4634,55 -30,67 30,67
2 2 4650 -9 -41853,6 81 4627,12 23,28 23,28
3 3 4633 -7 -32433,1 49 4619,69 13,61 13,61
4 4 4577 -5 -22885,7 25 4612,26 -35,12 35,12
5 5 4386 -3 -13157,7 9 4604,83 -218,93 218,93
6 6 4559 -1 -4559,4 1 4597,41 -38,01 38,01
7 7 4555 1 4555,18 1 4589,98 -34,80 34,80
8 8 4908 3 14724,6 9 4582,55 325,65 325,65
9 9 4984 5 24921,5 25 4575,12 409,18 409,18
10 10 4384 7 30688,7 49 4567,69 -183,59 183,59
11 11 4595 9 41353,56 81 4560,27 34,57 34,57
12 12 4288 11 47164,26 121 4552,84 -265,18 265,18
Jumlah 1612,59
 MEA 134,38
n

MAE =
∑ | ei | = 1 612,59
i-1
12
n
= 134,38
Maka nilai MAE untuk metode regresi linier adalah 134,38

B. Mean Square Error (MSE)

Mean Square Error atau nilai tengah kesalahan kuadrat dapat dihitung
dengan menggunakan rumus sebagai berikut.
n

MSE =
∑ ei2
i-1
n

Dimana, ei diperoleh dari selisish antara Dt dengan Ft.

1. Metode Double Moving average (DMA)
Berikut ini merupakan tabel perhitungan uji kesalahan peramalan
menggunakan Mean Square Error atau nilai tengah kesalahan kuadrat untuk
Metode Double Moving average.
Tabel 4.23 Hasil Perhitungan Uji Kesalahan Peramalan Menggunakan MSE
Untuk Metode Double Moving Average
DT S'T S''T a b ft+1 ei [ei] ei2
4604
4650 4627
4633 4641,85 4634,5 4649,21 14,71
4577 4605,22 4623,54 4586,91 -36,63 4663,92 -86,775 86,775 7529,90
4386 4481,52 4543,37 4419,67 -123,7 4550,28 -164,37 164,375 27019,14
4559 4472,65 4477,09 4468,22 -8,87 4295,97 263,43 263,43 69395,36
4555 4557,29 4514,97 4599,61 84,64 4459,35 95,835 95,835 9184,35
4908 4731,69 4644,49 4818,89 174,4 4684,25 223,95 223,95 50153,60
4984 4946,25 4838,97 5053,53 214,56 4993,29 -8,99 8,99 80,82
4384 4684,2 4815,23 4553,18 -262,05 5268,09 -883,99 883,99 781438,32
4595 4489,47 4586,84 4392,11 -194,73 4291,13 303,715 303,715 92242,80
4288 4441,25 4465,36 4417,14 -48,22 4197,38 90,285 90,285 8151,38
Jumlah 1045195,68
SDE 120,48
 n

MSE =
∑ ei2 = 1045195,68 = 120,48
i-1
8
n -1
Maka, nilai MSE untuk metode Double Moving Average adalah 120,48
2. Metode Single Exponential Smoothing (SES)
Berikut ini merupakan tabel perhitungan uji kesalahan peramalan
menggunakan Mean Square Error atau nilai tengah kesalahan kuadrat untuk
Metode Single Exponential Smoothing.
Tabel 4.24 Hasil Perhitungan Uji Kesalahan Peramalan Menggunakan MSE
Untuk Metode Single Exponential Smoothing
DT FT+1 Ei [ei] ei2
4604
4650 4603,88 46,52 46,52 2164,1104
4633 4629,01 4,29 4,29 18,44
4577 4631,32 -54,18 54,18 2936,01
4386 4602,06 -216,16 216,16 46725,00
4559 4485,31 74,09 74,09 5489,06
4555 4525,33 29,85 29,85 891,21
4908 4541,45 366,75 366,75 134505,17
4984 4739,53 244,77 244,77 59911,41
4384 4871,73 -487,63 487,63 237784,15
4595 4608,36 -13,52 13,52 182,83
4288 4601,06 -313,40 313,40 98218,66
Jumlah 588826,05
MSE 242,66

∑ ei 2 58826,05
MSE = i-1 = = 242,66
10
n -1
Maka, nilai MSE untuk metode Single Exponential Smoothing adalah
242,66

3. Metode Regresi Linier

Berikut ini merupakan tabel perhitungan uji kesalahan peramalan
menggunakan Mean Square Error atau nilai tengah kesalahan kuadrat untuk
Metode Regresi Linier.
 Tabel 4.25 Hasil Perhitungan Uji Kesalahan Peramalan Menggunakan MSE
untuk Metode Regresi Linier
No Periode (t) (y)t X Xy X2 Ft ei [ei] ei2
-
4634,5
1 1 4604 -11 50642,6 121 -30,67 30,67 940,35
5
8
4627,1
2 2 4650 -9 -41853,6 81 23,28 23,28 542,09
2
4619,6
3 3 4633 -7 -32433,1 49 13,61 13,61 185,25
9
4612,2
4 4 4577 -5 -22885,7 25 -35,12 35,12 1233,51
6
4604,8 -
5 5 4386 -3 -13157,7 9 218,93 47931,89
3 218,93
4597,4
6 6 4559 -1 -4559,4 1 -38,01 38,01 1444,43
1
4589,9
7 7 4555 1 4555,18 1 -34,80 34,80 1210,88
8
4582,5
8 8 4908 3 14724,6 9 325,65 325,65 106048,04
5
4575,1
9 9 4984 5 24921,5 25 409,18 409,18 167426,71
2
4567,6 -
10 10 4384 7 30688,7 49 183,59 33706,76
9 183,59
41353,5 4560,2
11 11 4595 9 81 34,57 34,57 1195,35
6 7
47164,2 4552,8 -
12 12 4288 121 265,18 70319,48
11 6 4 265,18
Jumlah 432184,74
MSE 36015,40

MSE =
∑ ei2 = 432184,74 = 36015,40
i-1
11
n -1
Maka, nilai MSE untuk metode regresi linier adalah 36015,40

C. Standar Deviation Error (SDE)

 Standar Deviation Error atau nilai tengah kesalahan absolut dapat
dihitung dengan menggunakan rumus sebagai berikut.
n

SDE =
√ ∑ ei2
i-1
n-1
Dimana, ei diperoleh dari selisish antara Dt dengan Ft.
1. Metode Double Moving average (DMA)
Berikut ini merupakan tabel perhitungan uji kesalahan peramalan
menggunakan Standar Deviation Error atau divisi standar kesalahan untuk
Metode Double Moving average.

Tabel 4.26 Hasil Perhitungan Uji Kesalahan Peramalan Menggunakan SDE

Untuk Metode Double Moving Average
DT S'T S''T a B ft+1 ei [ei] ei2
4604
4650 4627
4633 4641,85 4634,5 4649,21 14,71
4623,5
4577 4605,22 4586,91 -36,63 4663,92
4 -86,775 86,775 7529,90
4543,3
4386 4481,52 4419,67 -123,7 4550,28
7 -164,37 164,375 27019,14
4477,0
4559 4472,65 4468,22 -8,87 4295,97
9 263,43 263,43 69395,36
4514,9
4555 4557,29 4599,61 84,64 4459,35
7 95,835 95,835 9184,35
4644,4
4908 4731,69 4818,89 174,4 4684,25
9 223,95 223,95 50153,60
4838,9
4984 4946,25 5053,53 214,56 4993,29
7 -8,99 8,99 80,82
4815,2
4384 4684,2 4553,18 -262,05 5268,09
3 -883,99 883,99 781438,32
4586,8
4595 4489,47 4392,11 -194,73 4291,13
4 303,715 303,715 92242,80
4465,3
4288 4441,25 4417,14 -48,22 4197,38
6 90,285 90,285 8151,38
Jumlah 1045195,68
SDE 120,48
 n

SDE =
√
n-1
∑ ei2 =
i-1
√ 1045195,68
8
= 120,48

Maka, nilai SDE untuk metode Double Moving Average adalah 120,48

2. Metode Single Exponential Smoothing (SES)

Berikut ini merupakan tabel perhitungan uji kesalahan peramalan
menggunakan Standar Deviation Error atau divisi standar kesalahan untuk
Metode Single Exponential Smoothing.
Tabel 4.27 Hasil Perhitungan Uji Kesalahan Peramalan Menggunakan SDE
Untuk Metode Single Exponential Smoothing
DT FT+1 Ei [ei] ei2
4604
4650 4603,88 46,5 46,5 2164
4633 4629,01 4,29 4,29 18,44
4577 4631,32 -54,18 54,18 2936,01
4386 4602,06 -216,16 216,16 46725,00
4559 4485,31 74,09 74,09 5489,06
4555 4525,33 29,85 29,85 891,21
4908 4541,45 366,75 366,75 134505,17
4984 4739,53 244,77 244,77 59911,41
4384 4871,73 -487,63 487,63 237784,15
4595 4608,36 -13,52 13,52 182,83
4288 4601,06 -313,40 313,40 98218,66
Jumlah 588826,05
SDE 242,66

SDE =
√
n-1
∑ ei2 =
i-1
√ 588826,05
10
= 242,66

Maka, nilai SDE untuk metode Single Exponential Smoothing adalah 242,66

3. Metode Regresi Linier

Berikut ini merupakan tabel perhitungan uji kesalahan peramalan
menggunakan Standar Deviation Error atau divisi standar kesalahan untuk
Metode Regresi Linier.

Tabel 4.28 Hasil Perhitungan Uji Kesalahan Peramalan Menggunakan SDE

Untuk Metode Regresi Linier
No Period (y)t X Xy X2 Ft ei [ei] ei2
 e (t)
1 1 4604 -11 -50642,68 121 4634,55 -30,67 30,67 940,35
2 2 4650 -9 -41853,6 81 4627,12 23,28 23,28 542,09
3 3 4633 -7 -32433,1 49 4619,69 13,61 13,61 185,25
4 4 4577 -5 -22885,7 25 4612,26 -35,12 35,12 1233,51
5 5 4386 -3 -13157,7 9 4604,83 -218,93 218,93 47931,89
6 6 4559 -1 -4559,4 1 4597,41 -38,01 38,01 1444,43
7 7 4555 1 4555,18 1 4589,98 -34,80 34,80 1210,88
8 8 4908 3 14724,6 9 4582,55 325,65 325,65 106048,04
9 9 4984 5 24921,5 25 4575,12 409,18 409,18 167426,71
10 10 4384 7 30688,7 49 4567,69 -183,59 183,59 33706,76
11 11 4595 9 41353,56 81 4560,27 34,57 34,57 1195,35
12 12 4288 11 47164,26 121 4552,84 -265,18 265,18 70319,48
Jumlah 432184,74
SDE 198,22

Sumber pengolahan data excel 2021

n

SDE =
√ ∑ ei2 =
n-1
i-1
√ 432184,74
11
= 198,22

Maka, nilai SDE untuk metode Regresi Linier adalah 198,22

D. Mean Absolute Percentage Error (MAPE)

Mean Absolute Percentage Error dapat dihitung dengan menggunakan
rumus sebagai berikut:
∑ |PE |

MAPE =
∑ |PEi |
i-1
n
Dimana, Pei diperoleh dari selisish antara Dt dengan Ft.

1. Metode Double Moving average (DMA)

 Berikut ini merupakan tabel perhitungan uji kesalahan peramalan
menggunakan Mean Absolute Percentage Error untuk Metode Double
Moving average.
Tabel 4.29 Hasil Perhitungan Uji Kesalahan Peramalan Menggunakan MAPE
Untuk Metode Double Moving Average
DT Ft+1 [Pei]
4604
4650
4633
4577 4663,92 -0,02
4386 4550,28 -0,04
4559 4295,97 0,06
4555 4459,35 0,02
4908 4684,25 0,05
4984 4993,29 0,00
4384 5268,09 -0,17
4595 4291,13 0,07
4288 4197,38 0.02
Jumlah 0,00
MAPE 0,00

MAPE =
∑ |PEi | = 0,00 = 0,00
i-1
9
n
Maka, nilai MAPE untuk metode Double Moving Average adalah 0,00

2. Metode Single Exponential Smoothing (SES)

Berikut ini merupakan tabel perhitungan uji kesalahan peramalan
menggunakan Mean Absolute Percentage Error untuk Metode Single Exponential
Smoothing.

Tabel 4.30 Hasil Perhitungan Uji Kesalahan Peramalan Menggunakan MAPE

Untuk Metode Single Exponential Smoothing
Periode DT Ft+1 [Pei]
 1 4604
2 4650 4603,88 0,010
3 4633 4629,01 0,001
4 4577 4631,32 -0,012
5 4386 4602,06 -0,047
6 4559 4485,31 0,017
7 4555 4525,33 0,007
8 4908 4541,45 0,081
9 4984 4739,53 0,052
10 4384 4871,73 -0,100
11 4595 4608,36 -0,003
12 4288 4601,06 -0,068
Jumlah -0,06
MAPE -0,006

MAPE =
∑ |PEi | = -0,06 = -0,006
i-1
11
n
Maka, nilai MAPE untuk metode Single Exponential Smoothing adalah -0,006

3. Metode Regresi Linier

Berikut ini merupakan tabel perhitungan uji kesalahan peramalan
menggunakan Mean Absolute Percentage Error untuk Metode Regresi Linier.

Tabel 4.31 Hasil Perhitungan Uji Kesalahan Peramalan Menggunakan MAPE

Untuk Metode Regresi Linier
Periode Yt ft [Pei]
1 4604 4634,55 -0,007
2 4650 4627,12 0,005
3 4633 4619,69 0,003
4 4577 4612,26 -0,008
5 4386 4604,83 -0,048
 6 4559 4597,41 -0,008
7 4555 4589,98 -0,008
8 4908 4582,55 0,071
9 4984 4575,12 0,089
10 4384 4567,69 -0,040
11 4595 4560,27 0,008
12 4288 4552,84 -0,058
Jumlah 0,000
MAPE 0,00

MAPE =
∑ |PEi | = 0,00 = 0,00
i-1
12
n
Maka, nilai MAPE untuk metode regresi linier adalah 0,00

4.2.1.4 Pemilihan Metode Peramalan Terbaik

Berdasarkan hasil perhitungan uji kesalahan peramalan dengan
menggunakan MAE, MSE, SDE dan MAPE, selanjutnya dipilih metode
peramalan yang terbaik.
Berikut ini merupakan tabel metode peramalan terbaik berdasarkan
perhitungan peramalan yang telah dilakukan.
Tabel 4.32 Metode Peramalan Terbaik

Uji Kesalahan DMA SES Regresi Linier Metode Terbaik

MAE 235,71 168,29 134,38 Regresi Linier
MSE 168,29 5329,64 36015,40 DMA
SDE 120,48 242,66 198,22 DMA
MAPE 0,00 -0,006 0,000 Regresi Linier

Berdasarkan tabel 4.32 Metode Peramalan Terbaik diatas dapat diketahui

bahwa metode terbaik yang terpilih yaitu metode Regresi Linier.

4.2.1.5 Uji Validasi (Moving Range Test)

Moving Range Test dirancang untuk membandingkan nilai-nilai permintaan
yang akan terjadi sehingga dapat diketahui demand aktual bila terjadi perubahan-
perubahan yang tidak diharapkan. Perhitungan Moving Range Test dapat
dikerjakan dengan rumus:
MRt = |(Ft –Xt) – (Ft-1 – Xt-1)|
n

´
MR =
∑ MR t
i-1
n
MR2 = |(F2 –X2) – (F1 – X1)|
= |(4705,45-4732) – (4695,88-4746)|
= 76,66
MR3 = |(F3 –X3) – (F2 – X2)|
= |(4715,02-4327) – (4705,45-4732)|
= 414,57
MR4 = |(F4 –X4) – (F3 – X3)|
= |(4724,58-5055) – (4715,02-4327)|
= -718,43
Tabel 4.33 Uji Validasi (Moving Range Test)
Period
(y)t Ft MRt |MRt|
e
1
2
3
4
5
6
7
8
9
10
11
12

´ =
MR
∑ MR t
i-1
n
4692,53
´
MR =
11
´
MR = 426,59

Out of Control Test :

 Paremater-parameter dalam Out of Control Test, adalah:
UCL ´ = +2,66 x 426,59 = +1134,72
= +2,66 MR
LCL ´ = -2,66 x 426,59 = - 1134,72
= -2,66 MR
REGION A ´ ) = ± 2/3 (426,59 ) = ± 284,39
= ± 2/3 (2,66 MR
REGION B ´ ) = ± 1/3 (426,59) = ± 142,20
= ± 1/3 (2,66 MR
REGION C = CENTER LINE = 0

Berikut ini merupakan tabel 4.34 Nilai Batas dan Nilai Region
yang memuat parameter -parameter dalam Out of Control Test.
Tabel 4.34 Nilai Batas dan Nilai Region
Period Regio Region A Region B
UCL LCL Region A (-) Region B (-) ft-xt
e nC (+) (+)
1134,7
1 0 -7,28
2 -1134,7 -284,39 -142,20 284,39 142,20
1134,7
2 0 -26,07
2 -1134,7 -284,39 -142,20 284,39 142,20
1134,7
3 0 -435,85
2 -1134,7 -284,39 -142,20 284,39 142,20
1134,7
4 0 287,37
2 -1134,7 -284,39 -142,20 284,39 142,20
1134,7
5 0 -604,42
2 -1134,7 -284,39 -142,20 284,39 142,20
1134,7
6 0 -118,2
2 -1134,7 -284,39 -142,20 284,39 142,20
1134,7
7 0 273,02
2 -1134,7 -284,39 -142,20 284,39 142,20
1134,7
8 0 337,23
2 -1134,7 -284,39 -142,20 284,39 142,20
1134,7
9 0 592,45
2 -1134,7 -284,39 -142,20 284,39 142,20

Tabel 4.34 Nilai Batas dan Nilai Region (Lanjutan)

Period Region A Region B Regio Region A Region B
UCL LCL ft-xt
e (-) (-) nC (+) (+)
1134,7
10 0 -158,33
2 -1134,7 -284,39 -142,20 284,39 142,20
1134,7
11 0 -6,12
2 -1134,7 -284,39 -142,20 284,39 142,20
1134,7
12 0 -506,9
2 -1134,7 -284,39 -142,20 284,39 142,20

Berikut ini merupakan tampilan grafik Moving Range Test berdasarkan

data pada tabel 4.63 Nilai Batas dan Nilai Region.
 1500 GR A F IK MOV IN G R A N GE T E S T

1000

500

0
1 2 3 4 5 6 7 8 9 10 11 12

-500

-1000

-1500
UCL LCL Region A (-) Region B (-)
Region C Region A (+) Region B (+) ft-xt

Gambar 4.21 Grafik Moving Range Test

4.2.1.6 Peramalan 12 Periode ke Depan

Berdasarkan hasil perhitungan uji kesalahan peramalan dengan
menggunakan MAE, MSE, SDE dan MAPE, dapat diketahui bahwa metode
terbaik yang terpilih adalah Metode Regresi Linier sehingga metode inilah yang
akan digunakan untuk peramalan 12 periode kedepan.
Berikut ini adalah perhitungan peramalan untuk 12 periode kedepan
menggunakan Metode Regresi Linier.
Koefisien intersep:

α=
∑ y = 56982 = 4748,5
n 12
Koefisien kemiringan:

b=
∑ xy = 2736 = 4,78
∑ x 2 572
Peramalan :
Ft = α + bX
 F13 = 4748,5 + (4,78)(13) = 4810,68
F14 = 4748,5 + (4,78)(15) = 4815,47
F15 = 4748,5 + (4,78)(17) = 4820,25

Tabel berikut ini merupakan data peramalan menggunakan Metode

Regresi Linear.
Tabel 4.35 Data Peramalan Menggunakan Metode Regresi Linear
Period
x ft
e
13 13 4810,68
14 14 4815,47
15 15 4820,25
16 16 4825,03
17 17 4829,81
18 18 4834,60
19 19 4839,38
20 20 4844,16
21 21 4848,95
22 22 4853,73
23 23 4858,51
24 24 4863,30

4.2.1.7 Peramalan dengan Menggunakan Software

Di bawah ini merupakan perhitungan metode-metode peramalan dengan
menggunakan software POM QM.
A. Single Exponential Smoothing (SES)
Berikut ini merupakan hasil dari perhitungan peramalan dengan metode
Single Exponential Smoothing (SES) menggunakan software POM QM adalah
sebagai berikut:
 Gambar 4.3 Hasil Peramalan dengan Metode Single Exponential Menggunakan
software POM QM.

Berikut ini merupakan Detail and Error Analysis dengan Metode Single
Exponential

Gambar 4.4 Detail and Error Analysis dengan Metode Single Exponential
B. Regresi Linier
Berikut ini merupakan hasil dari perhitungan peramalan dengan metode
Regresi Linier menggunakan software POM QM adalah sebagai berikut:

Gambar 4.5 Hasil Peramalan dengan Metode Regresi Linier Menggunakan

software POM QM.

Berikut ini merupakan Detail and Error Analysis dengan Metode Regresi
Linier

Gambar 4.5 Hasil Peramalan dengan Metode Regresi Linier Menggunakan

software POM QM