Modul 2

LAPORAN PRAKTIKUM
MODUL II
“PERAMALAN PERMINTAAN”
No. Kelompok : 27
Nama / NIM : Muhammad Alif Al Ayuba / 063.18.126
Bima Setyo Prawiro / 063.18.071
Rifdah Hanifah / 063.18.148
Hari / Shift : Rabu/ IIB
Asisten : I Wayan Gede Dayananda
PERANCANGAN INDUSTRI MANUFAKTUR II
JURUSAN TEKNIK INDUSTRI
FAKULTAS TEKNOLOGI INDUSTRI
UNIVERSITAS TRISAKTI
JAKARTA
2020
KATA PENGANTAR
Assalamu’alaikum Warahmatullah Wabarakatuh.

Puji syukur atas kehadirat Tuhan Yang Maha Esa yang telah memberikan rahmat
dan karunia-Nya, sehingga kami dapat melaksanakan praktikum dan menyelesaikan
laporan praktikum Perancangan Industri Manufaktur II. Laporan yang kami susun dengan
sistematis dan sebaik mungkin ini bertujuan untuk menyelesaikan tugas Laporan Modul
II dengan baik.
Laporan ini kami susun sesuai hasil praktikum Perancangan Industri Manufaktur
II dan asumsi-asumsi dari asisten. Penyelesaian laporan ini tidak terlepas dari arahan,
masukan, dan bimbingan dari berbagai pihak. Kami menyampaikan terimakasih kepada
semua pihak yang telah membantu jalannya praktikum maupun penyusunan dari laporan
praktikum. Baik asisten, orang tua, sahabat, kerabat, dan pihak-pihak yang tidak bisa kami
sebutkan satu persatu. Tanpa bantuan mereka, maka laporan ini tidak dapat
dirampungkan.
Kami menyadari bahwa laporan ini masih belum sempurna. Oleh karena itu, kami
dengan sangat terbuka menerima kritik dan saran dari pembaca. Kami memohon maaf
bila ada kesalahan dalam kata-kata maupun penulisan. Semoga laporan ini bermanfaat
untuk semua pihak. Aamiin.
Wassalamu’alaikum Warahmatullah Wabarakatuh.
Jakarta, 21 September 2020
Kelompok 27
i
DAFTAR ISI
KATA PENGANTAR .................................................................................................................. i

DAFTAR ISI................................................................................................................................ ii
BAB I PENDAHULUAN .......................................................................................................... I-1
I.1 Tujuan ................................................................................................................................ I-1
I.2 Pembatas Masalah ............................................................................................................. I-1
BAB II METODOLOGI PENELITIAN ................................................................................II-1
II.1 Flowchart Metodologi Penelitian....................................................................................II-1
II.2 Flowchart Pengolahan Data ............................................................................................II-4
BAB III PENGOLAHAN DATA .......................................................................................... III-1
III.1 Data dan Plot Data Permintaan .................................................................................... III-1
III.1.1 Data dan Plot Data Permintaan Truk Emergency ................................................. III-1
III.1.2 Data dan Plot Data Permintaan Truk Dump ......................................................... III-2
III.1.3 Data dan Plot Data Permintaan Loko Emergency................................................. III-3
III.1.4 Data dan Plot Data Permintaan Loko Dump ......................................................... III-4
III.2 Pengujian Metode Peramalan Permintaan ................................................................... III-5
III.2.1 Pengujian Metode Peramalan Permintaan Truk Emergency ................................. III-5
III.2.2 Pengujian Metode Peramalan Permintaan Truk Dump ......................................... III-7
III.2.3 Pengujian Metode Peramalan Permintaan Loko Emergency .............................. III-11
III.2.4 Pengujian Metode Peramalan Permintaan Loko Dump ...................................... III-13
III.3 Rekap Tingkat Akurasi Metode Peramalan ............................................................... III-15
III.4 Data dan Grafik Tracking Signal ............................................................................... III-18
III.4.1 Data dan Grafik Tracking Signal Truk Emergency............................................. III-18
III.4.2 Data dan Grafik Tracking Signal Truk Dump ..................................................... III-20
III.4.3 Data dan Grafik Tracking Signal Loko Emergency ............................................ III-22
III.4.4 Data dan Grafik Tracking Signal Loko Dump .................................................... III-24
III.5 Peramalan Permintaan 6 Periode Menggunakan Metode Terpilih............................. III-26
III.5.1 Peramalan Permintaan 6 Periode Truk Emergency ............................................. III-26
III.5.2 Peramalan Permintaan 6 Periode Truk Dump ..................................................... III-27
III.5.3 Peramalan Permintaan 6 Periode Loko Emergenncy .......................................... III-28
III.5.4 Peramalan Permintaan 6 Periode Loko Dump .................................................... III-28
III.6 Peramalan WINQSB dalam Peramalan Permintaan .................................................. III-29
ii
III.7 Studi Kasus dan Analisa ............................................................................................ III-63
BAB IV ANALISA HASIL ................................................................................................... IV-1
IV.1 Analisa Plot Data Permintaan ...................................................................................... IV-1
IV.2 Analisa Pengujian Metode Peramalan Permintaan ...................................................... IV-2
IV.3 Analisa Tingkat Akurasi Model Peramalan ................................................................. IV-5
IV.4 Analisa Tracking Signal............................................................................................... IV-6
IV.5 Analisa Peramalan Permintaan 6 Periode .................................................................... IV-7
IV.6 Analisa Pemanfaatan WINQSB dalam Peramalan Permintaan ................................... IV-8
BAB V KESIMPULAN DAN SARAN .................................................................................. V-1
V.1 Kesimpulan .................................................................................................................... V-1
V.2 Saran .............................................................................................................................. V-1
DAFTAR PUSTAKA ................................................................................................................. iv
LAMPIRAN................................................................................................................................. v
iii
BAB I
PENDAHULUAN
I.1 Tujuan
1. Mengidentifikasi pola data permintaan yang sesuai dengan plot data berdasakan
asumsi 48 data pada produk Truk Dump.
2. Mengidentifikasi metode peramalan terbaik yang sesuai dengan plot data berdasakan
asumsi 48 data pada produk Truk Emergency.
3. Menentukan peramalan untuk 6 bulan kedepan pada produk Loko Dump.
4. Menentukan nilai a dan b pada produk Loko Emergency dengan metode Regresi
Linier
5. Menentukan nilai MSE, MAD, dan MAPE produk Truk Dump dengan metode
Regresi Linier.
6. Menentukan nilai MAPE pada produk Loko Emergency dengan metode DMA.
7. Menentukan peramalan untuk 6 bulan kedepan pada produk Loko Dump.
I.2 Pembatas Masalah
1. Menggunakan WinQSB untuk melakukan pengolahan data permintaan.
2. Menggunakan Produk mainan kayu Truck Dump, Truck Emergency, Loko Dump,
Loko Emergency sebagai acuan produk.
3. Menggunakan 48 periode asumsi data.
4. Menggunakan 4 pola data pada peramalan, yaitu pola data horizontal, pola data trend,
pola data siklis dan pola data musiman.
5. Menggunakan nilai alpha 0.2, 0.5 dan 0.9 pada metode Single Exponential Smoothing
dan Double Exponential Smoothing.
6. Menggunakan nilai N sebesar 3, 5, 9 untuk digunakan pada Double Moving Average.
7. Menggunakan metode MSE, MAPE, dan MAD untuk menghitung tingkat akurasi
peramalan.
8. Menggunakan tracking signal untuk menentukan metode peramalan terbaik.
9. Menggunakan nilai UCL 4 dan LCL -4 pada perhitungan tracking signal.
I-1
I-2
Laporan Modul II Peramalan Permintaan
10. Menggunakan N sebesar 2, 5, 9 untuk digunakan pada metode Single Moving Average.
Laboratorium Perancangan Industri Manufaktur II

BAB II
METODOLOGI PENELITIAN
II.1 Flowchart Metodologi Penelitian

Start
Pendahuluan
Tujuan Penelitian
Pembatas Masalah
Pengambilan Data
Pembentukan Metode Penelitian
Pengolahan Data
Analisa Data
Kesimpulan Dan Saran
End
II-1
II-2
• Start
Berisi intruksi untuk persiapan yang diperlukan sebelum menangani pemecahan
masalah.
• Pendahuluan
Sebelum melakukan praktikum, praktikan mempelajari terlebih dahulu materi yang
akan diberikan. Selain itu juga mendapat tugas sebelum praktikum dan kuis yang
diberikan sebelum praktikum dimulai.
• Tujuan Penelitian
Tujuan praktikum tersebut adalah untuk mengetahui jenis pola data, metode
peramalan permintaan, tingkat akurasi metode peramalan, tracking signal, dan
peramalan permintaan untuk 6 periode kedepan.
• Pembatasan Masalah
Saat praktikum berlangsung menggunakan aplikasi berupa WINQSB untuk
membantu melihat data yang sudah dihitung akurat atau tidak. Menggunakan 3 jenis
pola data yaitu horizontal, seasonal, dan trend.
• Pembentukan Metode Penelitian
Dilakukan untuk mengetahui cara-cara yang akan dilakukan selama melakukan
peramalan.
• Pengolahan Data
Merupakan proses manipulasi data ke dalam bentuk yang lebih berarti berupa
informasi, sedangkan informasi adalah hasil dari kegiatan-kegiatan pengolahan data
yang memberikan bentuk yang lebih berarti dari suatu kegiatan peristiwa.
• Analisa Data
Melakukan analisa dari pengolahan data yang sudah didapatkan sehingga dapat jenis
pola data, metode peramalan, metode terbaik dan peramalan untuk 6 periode kedepan
pada ke empat produk.
• Kesimpulan dan Saran

II-3
Kesimpulan merupakan jawaban dari tujuan penelitian dan saran merupakan

masukkan apa yang akan diberikan.
• Finish
Berisi keterangan bahwa praktikum selesai.

II-4
II.2 Flowchart Pengolahan Data

Start
Pendahuluan
Tujuan Penelitian
Pembatasan Masalah
Asumsi Masalah
Pengolahan Data
Plot Data
Plot Data Seasonal/Musiman Trend
Regresi Regresi Regresi

SMA SES Dekomposisi Multiplicative Dekomposisi Multiplicative SMA SES Dekomposisi Multiplicative
Linear Linear Linear
Pengujian Tingkat
Akurasi
MSE MAD MAPE
No
Tracking
Signal
Yes
Peramalan 6 Bulan
Finish

BAB III
PENGOLAHAN DATA
III.1 Data dan Plot Data Permintaan

III.1.1 Data dan Plot Data Permintaan Truk Emergency
Periode Demand Periode Demand Periode Demand Periode Demand
1 336 13 323 25 313 37 360
2 333 14 305 26 352 38 318
3 359 15 318 27 321 39 320
4 326 16 340 28 353 40 330
5 356 17 333 29 306 41 339
6 320 18 347 30 305 42 305
7 303 19 327 31 348 43 333
8 301 20 334 32 334 44 355
9 341 21 346 33 318 45 343
10 352 22 322 34 330 46 334
11 340 23 352 35 339 47 322
12 342 24 353 36 350 48 312
Truk Emergency
380
360
340
320
Truk Emergency
300
280
260
1 4 7 10131619222528313437404346
III-1
III-2
III.1.2 Data dan Plot Data Permintaan Truk Dump

1 345 13 344 25 345 37 346
2 341 14 342 26 343 38 344
3 338 15 339 27 340 39 341
4 336 16 337 28 338 40 339
5 334 17 335 29 336 41 337
6 338 18 339 30 340 42 341
7 336 19 337 31 338 43 339
8 334 20 335 32 336 44 337
9 334 21 335 33 336 45 337
10 333 22 334 34 335 46 336
11 334 23 335 35 336 47 337
12 343 24 344 36 345 48 346
Truk Dump
350
345
340
Truk Dump
335
330
325
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46

III-3
III.1.3 Data dan Plot Data Permintaan Loko Emergency

1 217 13 232 25 250 37 264
2 220 14 236 26 253 38 264
3 222 15 237 27 254 39 265
4 224 16 239 28 255 40 268
5 226 17 239 29 256 41 269
6 227 18 240 30 257 42 270
7 228 19 240 31 258 43 271
8 229 20 241 32 259 44 271
9 230 21 242 33 261 45 272
10 231 22 245 34 262 46 273
11 231 23 246 35 263 47 274
12 233 24 247 36 264 48 276
Loko Emergency
300
250
200
150
Loko Emergency
100
50
0
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46

III-4
III.1.4 Data dan Plot Data Permintaan Loko Dump

1 200 13 219 25 243 37 258
2 201 14 222 26 245 38 260
3 203 15 224 27 247 39 261
4 204 16 227 28 247 40 263
5 207 17 228 29 247 41 263
6 209 18 230 30 249 42 263
7 211 19 231 31 250 43 266
8 213 20 233 32 252 44 268
9 214 21 236 33 253 45 270
10 216 22 239 34 254 46 271
11 218 23 240 35 255 47 271
12 217 24 241 36 256 48 274
Loko Dump
300
250
200
150
Loko Dump
100
50
0
1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46

III-5
III.2 Pengujian Metode Peramalan Permintaan

III.2.1 Pengujian Metode Peramalan Permintaan Truk Emergency
Regresi Linier
t y(t) ty(t) t^2 Fi ei cum ei |ei| cum |ei| |ei|^2 |ei|/yt*100
1 336 336 1 333,45 2,55 2,55 2,55 2,55 6,5 0,76
2 333 666 4 333,4 -0,4 2,15 0,4 2,95 0,16 0,12
3 359 1077 9 333,35 25,65 27,8 25,65 28,6 657,92 7,14
4 326 1304 16 333,3 -7,3 20,5 7,3 35,9 53,29 2,24
5 356 1780 25 333,25 22,75 43,25 22,75 58,65 517,56 6,39
6 320 1920 36 333,2 -13,2 30,05 13,2 71,85 174,24 4,13
7 303 2121 49 333,15 -30,15 -0,1 30,15 102 909,02 9,95
8 301 2408 64 333,1 -32,1 -32,2 32,1 134,1 1030,4 10,66
9 341 3069 81 333,05 7,95 -24,25 7,95 142,05 63,2 2,33
10 352 3520 100 333 19 -5,25 19 161,05 361 5,4
11 340 3740 121 332,95 7,05 1,8 7,05 168,1 49,7 2,07
12 342 4104 144 332,9 9,1 10,9 9,1 177,2 82,81 2,66
13 323 4199 169 332,85 -9,85 1,05 9,85 187,05 97,02 3,05
14 305 4270 196 332,8 -27,8 -26,75 27,8 214,85 772,84 9,11
15 318 4770 225 332,75 -14,75 -41,5 14,75 229,6 217,56 4,64
16 340 5440 256 332,7 7,3 -34,2 7,3 236,9 53,29 2,15
17 333 5661 289 332,65 0,35 -33,85 0,35 237,25 0,12 0,11
18 347 6246 324 332,6 14,4 -19,45 14,4 251,65 207,36 4,15
19 327 6213 361 332,55 -5,55 -25 5,55 257,2 30,8 1,7
20 334 6680 400 332,5 1,5 -23,5 1,5 258,7 2,25 0,45
21 346 7266 441 332,45 13,55 -9,95 13,55 272,25 183,6 3,92
22 322 7084 484 332,4 -10,4 -20,35 10,4 282,65 108,16 3,23
23 352 8096 529 332,35 19,65 -0,7 19,65 302,3 386,12 5,58
24 353 8472 576 332,3 20,7 20 20,7 323 428,49 5,86
25 313 7825 625 332,25 -19,25 0,75 19,25 342,25 370,56 6,15
26 352 9152 676 332,2 19,8 20,55 19,8 362,05 392,04 5,63
27 321 8667 729 332,15 -11,15 9,4 11,15 373,2 124,32 3,47
28 353 9884 784 332,1 20,9 30,3 20,9 394,1 436,81 5,92
29 306 8874 841 332,05 -26,05 4,25 26,05 420,15 678,6 8,51
30 305 9150 900 332 -27 -22,75 27 447,15 729 8,85
31 348 10788 961 331,95 16,05 -6,7 16,05 463,2 257,6 4,61
32 334 10688 1024 331,9 2,1 -4,6 2,1 465,3 4,41 0,63
33 318 10494 1089 331,85 -13,85 -18,45 13,85 479,15 191,82 4,36
34 330 11220 1156 331,8 -1,8 -20,25 1,8 480,95 3,24 0,55

III-6
35 339 11865 1225 331,75 7,25 -13 7,25 488,2 52,56 2,14
36 350 12600 1296 331,7 18,3 5,3 18,3 506,5 334,89 5,23
37 360 13320 1369 331,65 28,35 33,65 28,35 534,85 803,72 7,88
38 318 12084 1444 331,6 -13,6 20,05 13,6 548,45 184,96 4,28
39 320 12480 1521 331,55 -11,55 8,5 11,55 560 133,4 3,61
40 330 13200 1600 331,5 -1,5 7 1,5 561,5 2,25 0,45
41 339 13899 1681 331,45 7,55 14,55 7,55 569,05 57 2,23
42 305 12810 1764 331,4 -26,4 -11,85 26,4 595,45 696,96 8,66
43 333 14319 1849 331,35 1,65 -10,2 1,65 597,1 2,72 0,5
44 355 15620 1936 331,3 23,7 13,5 23,7 620,8 561,69 6,68
45 343 15435 2025 331,25 11,75 25,25 11,75 632,55 138,06 3,43
46 334 15364 2116 331,2 2,8 28,05 2,8 635,35 7,84 0,84
47 322 15134 2209 331,15 -9,15 18,9 9,15 644,5 83,72 2,84
48 312 14976 2304 331,1 -19,1 -0,2 19,1 663,6 364,81 6,12
1176 15949 390290 38024 663,6 13006 201,37
b -0,05
a 333,5
MAD 13,83
MAPE 4,2
MSE 270,97

III-7
III.2.2 Pengujian Metode Peramalan Permintaan Truk Dump

MSM (Seasonal)
Data Permintaan
Tahun Tahun Tahun Tahun
Bulan
1 2 3 4
Januari 345 344 345 346
Februari 341 342 343 344
Maret 338 339 340 341
April 336 337 338 339
Mei 334 335 336 337
Juni 338 339 340 341
Juli 336 337 338 339
Agustus 334 335 336 337
September 334 335 336 337
Oktober 333 334 335 336
November 334 335 336 337
Desember 343 344 345 346
Total 4046 4056 4068 4080
Rata-rata 337,17 338 339 340
Tabel Index Musiman

Tahun Tahun Tahun Tahun Rata-
Bulan Total
1 2 3 4 rata
Januari 1,02 1,02 1,02 1,02 4,08 1,02
Februari 1,01 1,01 1,01 1,01 4,04 1,01
Maret 1 1 1 1 4 1
April 1 1 1 1 4 1
Mei 0,99 0,99 0,99 0,99 3,96 0,99
Juni 1 1 1 1 4 1
Juli 1 1 1 1 4 1
Agustus 0,99 0,99 0,99 0,99 3,96 0,99
September 0,99 0,99 0,99 0,99 3,96 0,99
Oktober 0,99 0,99 0,99 0,99 3,96 0,99
November 0,99 0,99 0,99 0,99 3,96 0,99
Desember 1,02 1,02 1,02 1,02 4,08 1,02

III-8
Rata-rata Index Musiman

Tahun Tahun Tahun Tahun
Bulan
1 2 3 4
Januari 343,91 344,76 345,78 346,8
Februari 340,54 341,38 342,39 343,4
Maret 337,17 338 339 340
April 337,17 338 339 340
Mei 333,8 334,62 335,61 336,6
Juni 337,17 338 339 340
Juli 337,17 338 339 340
Agustus 333,8 334,62 335,61 336,6
September 333,8 334,62 335,61 336,6
Oktober 333,8 334,62 335,61 336,6
November 333,8 334,62 335,61 336,6
Desember 343,91 344,76 345,78 346,8
Period cum |ei|/yt*10

Demand S't ei cum ei |ei| |ei|^2
e |ei| 0
343,9
1 345 1,09 1,09 1,09 1,09 1,19 0,32
1
340,5
2 341 0,46 1,55 0,46 1,55 0,21 0,13
4
337,1
3 338 0,83 2,38 0,83 2,38 0,69 0,25
7
337,1
4 336 -1,17 1,21 1,17 3,55 1,37 0,35
7
5 334 333,8 0,2 1,41 0,2 3,75 0,04 0,06
337,1
6 338 0,83 2,24 0,83 4,58 0,69 0,25
7
337,1
7 336 -1,17 1,07 1,17 5,75 1,37 0,35
7
8 334 333,8 0,2 1,27 0,2 5,95 0,04 0,06
9 334 333,8 0,2 1,47 0,2 6,15 0,04 0,06
10 333 333,8 -0,8 0,67 0,8 6,95 0,64 0,24
11 334 333,8 0,2 0,87 0,2 7,15 0,04 0,06
343,9
12 343 -0,91 -0,04 0,91 8,06 0,83 0,27
1

III-9
344,7
13 344 -0,76 -0,8 0,76 8,82 0,58 0,22
6
341,3
14 342 0,62 -0,18 0,62 9,44 0,38 0,18
8
15 339 338 1 0,82 1 10,44 1 0,29
16 337 338 -1 -0,18 1 11,44 1 0,3
334,6
17 335 0,38 0,2 0,38 11,82 0,14 0,11
2
18 339 338 1 1,2 1 12,82 1 0,29
19 337 338 -1 0,2 1 13,82 1 0,3
334,6
20 335 0,38 0,58 0,38 14,2 0,14 0,11
2
334,6
21 335 0,38 0,96 0,38 14,58 0,14 0,11
2
334,6
22 334 -0,62 0,34 0,62 15,2 0,38 0,19
2
334,6
23 335 0,38 0,72 0,38 15,58 0,14 0,11
2
344,7
24 344 -0,76 -0,04 0,76 16,34 0,58 0,22
6
345,7
25 345 -0,78 -0,82 0,78 17,12 0,61 0,23
8
342,3
26 343 0,61 -0,21 0,61 17,73 0,37 0,18
9
27 340 339 1 0,79 1 18,73 1 0,29
28 338 339 -1 -0,21 1 19,73 1 0,3
335,6
29 336 0,39 0,18 0,39 20,12 0,15 0,12
1
30 340 339 1 1,18 1 21,12 1 0,29
31 338 339 -1 0,18 1 22,12 1 0,3
335,6
32 336 0,39 0,57 0,39 22,51 0,15 0,12
1
335,6
33 336 0,39 0,96 0,39 22,9 0,15 0,12
1
335,6
34 335 -0,61 0,35 0,61 23,51 0,37 0,18
1
335,6
35 336 0,39 0,74 0,39 23,9 0,15 0,12
1
345,7
36 345 -0,78 -0,04 0,78 24,68 0,61 0,23
8

III-10
37 346 346,8 -0,8 -0,84 0,8 25,48 0,64 0,23

38 344 343,4 0,6 -0,24 0,6 26,08 0,36 0,17
39 341 340 1 0,76 1 27,08 1 0,29
40 339 340 -1 -0,24 1 28,08 1 0,29
41 337 336,6 0,4 0,16 0,4 28,48 0,16 0,12
42 341 340 1 1,16 1 29,48 1 0,29
43 339 340 -1 0,16 1 30,48 1 0,29
44 337 336,6 0,4 0,56 0,4 30,88 0,16 0,12
45 337 336,6 0,4 0,96 0,4 31,28 0,16 0,12
46 336 336,6 -0,6 0,36 0,6 31,88 0,36 0,18
47 337 336,6 0,4 0,76 0,4 32,28 0,16 0,12
48 346 346,8 -0,8 -0,04 0,8 33,08 0,64 0,23
33,08 26,83 9,76
MAD 0,69
MAPE 0,2
MSE 0,56

III-11
III.2.3 Pengujian Metode Peramalan Permintaan Loko Emergency

DES 0,9
t y(t) S't S''t a b Fi ei cum ei |ei| cum |ei| |ei|^2 |ei|/yt*100
1 217 217 217 217 0
2 220 219,7 219,43 219,97 2,43 217 3 3 3 3 9 1,36
3 222 221,77 221,54 222 2,07 222,4 -0,4 2,6 0,4 3,4 0,16 0,18
4 224 223,78 223,56 224 1,98 224,07 -0,07 2,53 0,07 3,47 0 0,03
5 226 225,78 225,56 226 1,98 225,98 0,02 2,55 0,02 3,49 0 0,01
6 227 226,88 226,75 227,01 1,17 227,98 -0,98 1,57 0,98 4,47 0,96 0,43
7 228 227,89 227,78 228 0,99 228,18 -0,18 1,39 0,18 4,65 0,03 0,08
8 229 228,89 228,78 229 0,99 228,99 0,01 1,4 0,01 4,66 0 0
9 230 229,89 229,78 230 0,99 229,99 0,01 1,41 0,01 4,67 0 0
10 231 230,89 230,78 231 0,99 230,99 0,01 1,42 0,01 4,68 0 0
11 231 230,99 230,97 231,01 0,18 231,99 -0,99 0,43 0,99 5,67 0,98 0,43
12 233 232,8 232,62 232,98 1,62 231,19 1,81 2,24 1,81 7,48 3,28 0,78
13 232 232,08 232,13 232,03 -0,45 234,6 -2,6 -0,36 2,6 10,08 6,76 1,12
14 236 235,61 235,26 235,96 3,15 231,58 4,42 4,06 4,42 14,5 19,54 1,87
15 237 236,86 236,7 237,02 1,44 239,11 -2,11 1,95 2,11 16,61 4,45 0,89
16 239 238,79 238,58 239 1,89 238,46 0,54 2,49 0,54 17,15 0,29 0,23
17 239 238,98 238,94 239,02 0,36 240,89 -1,89 0,6 1,89 19,04 3,57 0,79
18 240 239,9 239,8 240 0,9 239,38 0,62 1,22 0,62 19,66 0,38 0,26
19 240 239,99 239,97 240,01 0,18 240,9 -0,9 0,32 0,9 20,56 0,81 0,38
20 241 240,9 240,81 240,99 0,81 240,19 0,81 1,13 0,81 21,37 0,66 0,34
21 242 241,89 241,78 242 0,99 241,8 0,2 1,33 0,2 21,57 0,04 0,08
22 245 244,69 244,4 244,98 2,61 242,99 2,01 3,34 2,01 23,58 4,04 0,82
23 246 245,87 245,72 246,02 1,35 247,59 -1,59 1,75 1,59 25,17 2,53 0,65
24 247 246,89 246,77 247,01 1,08 247,37 -0,37 1,38 0,37 25,54 0,14 0,15
25 250 249,69 249,4 249,98 2,61 248,09 1,91 3,29 1,91 27,45 3,65 0,76
26 253 252,67 252,34 253 2,97 252,59 0,41 3,7 0,41 27,86 0,17 0,16
27 254 253,87 253,72 254,02 1,35 255,97 -1,97 1,73 1,97 29,83 3,88 0,78
28 255 254,89 254,77 255,01 1,08 255,37 -0,37 1,36 0,37 30,2 0,14 0,15
29 256 255,89 255,78 256 0,99 256,09 -0,09 1,27 0,09 30,29 0,01 0,04
30 257 256,89 256,78 257 0,99 256,99 0,01 1,28 0,01 30,3 0 0
31 258 257,89 257,78 258 0,99 257,99 0,01 1,29 0,01 30,31 0 0
32 259 258,89 258,78 259 0,99 258,99 0,01 1,3 0,01 30,32 0 0
33 261 260,79 260,59 260,99 1,8 259,99 1,01 2,31 1,01 31,33 1,02 0,39
34 262 261,88 261,75 262,01 1,17 262,79 -0,79 1,52 0,79 32,12 0,62 0,3
35 263 262,89 262,78 263 0,99 263,18 -0,18 1,34 0,18 32,3 0,03 0,07
36 264 263,89 263,78 264 0,99 263,99 0,01 1,35 0,01 32,31 0 0
37 264 263,99 263,97 264,01 0,18 264,99 -0,99 0,36 0,99 33,3 0,98 0,38
38 264 264 264 264 0 264,19 -0,19 0,17 0,19 33,49 0,04 0,07
39 265 264,9 264,81 264,99 0,81 264 1 1,17 1 34,49 1 0,38
40 268 267,69 267,4 267,98 2,61 265,8 2,2 3,37 2,2 36,69 4,84 0,82

III-12
41 269 268,87 268,72 269,02 1,35 270,59 -1,59 1,78 1,59 38,28 2,53 0,59
42 270 269,89 269,77 270,01 1,08 270,37 -0,37 1,41 0,37 38,65 0,14 0,14
43 271 270,89 270,78 271 0,99 271,09 -0,09 1,32 0,09 38,74 0,01 0,03
44 271 270,99 270,97 271,01 0,18 271,99 -0,99 0,33 0,99 39,73 0,98 0,37
45 272 271,9 271,81 271,99 0,81 271,19 0,81 1,14 0,81 40,54 0,66 0,3
46 273 272,89 272,78 273 0,99 272,8 0,2 1,34 0,2 40,74 0,04 0,07
47 274 273,89 273,78 274 0,99 273,99 0,01 1,35 0,01 40,75 0 0
48 276 275,79 275,59 275,99 1,8 274,99 1,01 2,36 1,01 41,76 1,02 0,37
41,76 79,38 17,05
MAD 0,89
MAPE 0,36
MSE 1,69

III-13
III.2.4 Pengujian Metode Peramalan Permintaan Loko Dump

Loko Dump (DES = 0.9)
t y(t) S't S''t a b fi ei cumei |ei| Cum|ei| |ei |^2 x100
1 200 200 200 200 0

2 201 200,9 200,81 200,99 0,81 200 1 1 1 1 1 0,5
3 203 202,79 202,59 202,99 1,8 201,8 1,2 2,2 1,2 2,2 1,44 0,59
4 204 203,88 203,75 204,01 1,17 204,79 -0,79 1,41 0,79 2,99 0,62 0,39
5 207 206,69 206,4 206,98 2,61 205,18 1,82 3,23 1,82 4,81 3,31 0,88
6 209 208,77 208,53 209,01 2,16 209,59 -0,59 2,64 0,59 5,4 0,35 0,28
7 211 210,78 210,56 211 1,98 211,17 -0,17 2,47 0,17 5,57 0,03 0,08
8 213 212,78 212,56 213 1,98 212,98 0,02 2,49 0,02 5,59 0 0,01
9 214 213,88 213,75 214,01 1,17 214,98 -0,98 1,51 0,98 6,57 0,96 0,46
10 216 215,79 215,59 215,99 1,8 215,18 0,82 2,33 0,82 7,39 0,67 0,38
11 218 217,78 217,56 218 1,98 217,79 0,21 2,54 0,21 7,6 0,04 0,1
12 217 217,08 217,13 217,03 -0,45 219,98 -2,98 -0,44 2,98 10,58 8,88 1,37
13 219 218,81 218,64 218,98 1,53 216,58 2,42 1,98 2,42 13 5,86 1,11
14 222 221,68 221,38 221,98 2,7 220,51 1,49 3,47 1,49 14,49 2,22 0,67
15 224 223,77 223,53 224,01 2,16 224,68 -0,68 2,79 0,68 15,17 0,46 0,3
16 227 226,68 226,37 226,99 2,79 226,17 0,83 3,62 0,83 16 0,69 0,37
17 228 227,87 227,72 228,02 1,35 229,78 -1,78 1,84 1,78 17,78 3,17 0,78
18 230 229,79 229,58 230 1,89 229,37 0,63 2,47 0,63 18,41 0,4 0,27
19 231 230,88 230,75 231,01 1,17 231,89 -0,89 1,58 0,89 19,3 0,79 0,39
20 233 232,79 232,59 232,99 1,8 232,18 0,82 2,4 0,82 20,12 0,67 0,35
21 236 235,68 235,37 235,99 2,79 234,79 1,21 3,61 1,21 21,33 1,46 0,51
22 239 238,67 238,34 239 2,97 238,78 0,22 3,83 0,22 21,55 0,05 0,09
23 240 239,87 239,72 240,02 1,35 241,97 -1,97 1,86 1,97 23,52 3,88 0,82
24 241 240,89 240,77 241,01 1,08 241,37 -0,37 1,49 0,37 23,89 0,14 0,15
25 243 242,79 242,59 242,99 1,8 242,09 0,91 2,4 0,91 24,8 0,83 0,37
26 245 244,78 244,56 245 1,98 244,79 0,21 2,61 0,21 25,01 0,04 0,09
27 247 246,78 246,56 247 1,98 246,98 0,02 2,63 0,02 25,03 0 0,01
28 247 246,98 246,94 247,02 0,36 248,98 -1,98 0,65 1,98 27,01 3,92 0,8
29 247 247 246,99 247,01 0,09 247,38 -0,38 0,27 0,38 27,39 0,14 0,15
30 249 248,8 248,62 248,98 1,62 247,1 1,9 2,17 1,9 29,29 3,61 0,76
31 250 249,88 249,75 250,01 1,17 250,6 -0,6 1,57 0,6 29,89 0,36 0,24
32 252 251,79 251,59 251,99 1,8 251,18 0,82 2,39 0,82 30,71 0,67 0,33
33 253 252,88 252,75 253,01 1,17 253,79 -0,79 1,6 0,79 31,5 0,62 0,31
34 254 253,89 253,78 254 0,99 254,18 -0,18 1,42 0,18 31,68 0,03 0,07
35 255 254,89 254,78 255 0,99 254,99 0,01 1,43 0,01 31,69 0 0
36 256 255,89 255,78 256 0,99 255,99 0,01 1,44 0,01 31,7 0 0
37 258 257,79 257,59 257,99 1,8 256,99 1,01 2,45 1,01 32,71 1,02 0,39
38 260 259,78 259,56 260 1,98 259,79 0,21 2,66 0,21 32,92 0,04 0,08
39 261 260,88 260,75 261,01 1,17 261,98 -0,98 1,68 0,98 33,9 0,96 0,38
40 263 262,79 262,59 262,99 1,8 262,18 0,82 2,5 0,82 34,72 0,67 0,31

III-14
41 263 262,98 262,94 263,02 0,36 264,79 -1,79 0,71 1,79 36,51 3,2 0,68
42 263 263 262,99 263,01 0,09 263,38 -0,38 0,33 0,38 36,89 0,14 0,14
43 266 265,7 265,43 265,97 2,43 263,1 2,9 3,23 2,9 39,79 8,41 1,09
44 268 267,77 267,54 268 2,07 268,4 -0,4 2,83 0,4 40,19 0,16 0,15
45 270 269,78 269,56 270 1,98 270,07 -0,07 2,76 0,07 40,26 0 0,03
46 271 270,88 270,75 271,01 1,17 271,98 -0,98 1,78 0,98 41,24 0,96 0,36
47 271 270,99 270,97 271,01 0,18 272,18 -1,18 0,6 1,18 42,42 1,39 0,44
48 274 273,7 273,43 273,97 2,43 271,19 2,81 3,41 2,81 45,23 7,9 1,03
45,23 72,16 19,06
MAD 0,96
MSE 1,54
MAPE 0,41

III-15
III.3 Rekap Tingkat Akurasi Metode Peramalan

• Truk Emergency
Tabel Metode Peramalan Terbaik
Akurasi Tingkat
Metode Peramalan Ket
MAPE MSE MAD
tidak
Seasonal 3,72 241,05 12,26
layak
tidak
Dekomposisi 3,95 274,27 13,13
layak
Regresi Linier 4,2 270,97 13,83 layak
SMA N = 9 4,24 273,73 14,01 -
SES 0,2 4,8 455,32 15,79 -

SES 0,5 5,14 386,89 16,95 -
SMA N = 5 5,25 376,61 17,16 -
SES 0,9 5,62 487,4 18,59 -
SMA N = 2 5,62 455,32 18,52 -
• Truk Dump
Akurasi Tingkat
MAPE MSE MAD
tidak
Dekomposisi 0,09 0,17 0,31
layak
Seasonal 0,2 0,56 0,69 layak
Regresi Linier 0,92 13,24 3,12 -

III-16
• Loko Emergency
Akurasi Tingkat
MAPE MSE MAD
Seasonal 0,38 1,35 0,93 tidak layak
DES 0,5 0,36 1,33 0,89 tidak layak
DES 0,9 0,36 1,69 0,89 layak
DMA N = 3 0,4 1,59 1 -
Dekomposisi 0,44 1,74 1,09 -
DMA N = 5 0,51 2,12 1,28 -
DES 0,2 0,53 1,96 1,28 -
DMA N = 9 0,44 2,1 1,13 -
• Loko Dump
Akurasi Tingkat
MAPE MSE MAD
tidak
DES 0,5 0,39 1,27 0,91
layak
DES 0,9 0,41 1,54 0,96 layak
DMA N = 5 0,42 1,49 1,02 -
DMA N = 3 0,46 1,77 1,13 -
DMA N = 9 0,46 2,02 1,17 -
Seasonal 0,61 3,16 1,47 -

III-17
DES 0,2 0,65 3,54 1,48 -
Dekomposisi 0,66 3,74 1,56 -

III-18
III.4 Data dan Grafik Tracking Signal

III.4.1 Data dan Grafik Tracking Signal Truk Emergency
Tracking Signal
t MAD LCL UCL TS
1 2,55 -4 4 1
2 1,48 -4 4 1,45
3 9,53 -4 4 2,92
4 8,98 -4 4 2,28
5 11,73 -4 4 3,69
6 11,98 -4 4 2,51
7 14,57 -4 4 -0,01
8 16,76 -4 4 -1,92
9 15,78 -4 4 -1,54
10 16,11 -4 4 -0,33
11 15,28 -4 4 0,12
12 14,77 -4 4 0,74
13 14,39 -4 4 0,07
14 15,35 -4 4 -1,74
15 15,31 -4 4 -2,71
16 14,81 -4 4 -2,31
17 13,96 -4 4 -2,42
18 13,98 -4 4 -1,39
19 13,54 -4 4 -1,85
20 12,94 -4 4 -1,82
21 12,96 -4 4 -0,77
22 12,85 -4 4 -1,58
23 13,14 -4 4 -0,05
24 13,46 -4 4 1,49
25 13,69 -4 4 0,05
26 13,93 -4 4 1,48
27 13,82 -4 4 0,68
28 14,08 -4 4 2,15
29 14,49 -4 4 0,29
30 14,91 -4 4 -1,53
31 14,94 -4 4 -0,45

III-19
32 14,54 -4 4 -0,32
33 14,52 -4 4 -1,27
34 14,15 -4 4 -1,43
35 13,95 -4 4 -0,93
36 14,07 -4 4 0,38
37 14,46 -4 4 2,33
38 14,43 -4 4 1,39
39 14,36 -4 4 0,59
40 14,04 -4 4 0,5
41 13,88 -4 4 1,05
42 14,18 -4 4 -0,84
43 13,89 -4 4 -0,73
44 14,11 -4 4 0,96
45 14,06 -4 4 1,8
46 13,81 -4 4 2,03
47 13,71 -4 4 1,38
48 13,83 -4 4 -0,01
Tracking Signal
5
4
3
2
1
0
-1 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47
-2
-3
-4
-5
LCL UCL TS

III-20
III.4.2 Data dan Grafik Tracking Signal Truk Dump

Tracking Signal
t MAD LCL UCL TS
1 1,09 -4 4 1
2 0,77 -4 4 2,01
3 0,79 -4 4 3,01
4 0,89 -4 4 1,36
5 0,75 -4 4 1,88
6 0,76 -4 4 2,95
7 0,82 -4 4 1,3
8 0,74 -4 4 1,72
9 0,68 -4 4 2,16
10 0,69 -4 4 0,97
11 0,65 -4 4 1,34
12 0,67 -4 4 -0,06
13 0,68 -4 4 -1,18
14 0,67 -4 4 -0,27
15 0,7 -4 4 1,17
16 0,71 -4 4 -0,25
17 0,7 -4 4 0,29
18 0,71 -4 4 1,69
19 0,73 -4 4 0,27
20 0,71 -4 4 0,82
21 0,69 -4 4 1,39
22 0,69 -4 4 0,49
23 0,68 -4 4 1,06
24 0,68 -4 4 -0,06
25 0,68 -4 4 -1,21
26 0,68 -4 4 -0,31
27 0,69 -4 4 1,14
28 0,7 -4 4 -0,3
29 0,69 -4 4 0,26
30 0,7 -4 4 1,69
31 0,71 -4 4 0,25
32 0,7 -4 4 0,81

III-21
33 0,69 -4 4 1,39
34 0,69 -4 4 0,51
35 0,68 -4 4 1,09
36 0,69 -4 4 -0,06
37 0,69 -4 4 -1,22
38 0,69 -4 4 -0,35
39 0,69 -4 4 1,1
40 0,7 -4 4 -0,34
41 0,69 -4 4 0,23
42 0,7 -4 4 1,66
43 0,71 -4 4 0,23
44 0,7 -4 4 0,8
45 0,7 -4 4 1,37
46 0,69 -4 4 0,52
47 0,69 -4 4 1,1
48 0,69 -4 4 -0,06
Tracking Signal
5
4
3
2
1
0
-1 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49
-2
-3
-4
-5
LCL UCL TS

III-22
III.4.3 Data dan Grafik Tracking Signal Loko Emergency

Tracking Signal
t MAD LCL UCL TS
1 0 -4 4 #DIV/0!
2 1,5 -4 4 2
3 1,13 -4 4 2,3
4 0,87 -4 4 2,91
5 0,7 -4 4 3,64
6 0,75 -4 4 2,09
7 0,66 -4 4 2,11
8 0,58 -4 4 2,41
9 0,52 -4 4 2,71
10 0,47 -4 4 3,02
11 0,52 -4 4 0,83
12 0,62 -4 4 3,61
13 0,78 -4 4 -0,46
14 1,04 -4 4 3,9
15 1,11 -4 4 1,76
16 1,07 -4 4 2,33
17 1,12 -4 4 0,54
18 1,09 -4 4 1,12
19 1,08 -4 4 0,3
20 1,07 -4 4 1,06
21 1,03 -4 4 1,29
22 1,07 -4 4 3,12
23 1,09 -4 4 1,61
24 1,06 -4 4 1,3
25 1,1 -4 4 2,99
26 1,07 -4 4 3,46
27 1,1 -4 4 1,57
28 1,08 -4 4 1,26
29 1,04 -4 4 1,22
30 1,01 -4 4 1,27
31 0,98 -4 4 1,32
32 0,95 -4 4 1,37

III-23
33 0,95 -4 4 2,43
34 0,94 -4 4 1,62
35 0,92 -4 4 1,46
36 0,9 -4 4 1,5
37 0,9 -4 4 0,4
38 0,88 -4 4 0,19
39 0,88 -4 4 1,33
40 0,92 -4 4 3,66
41 0,93 -4 4 1,91
42 0,92 -4 4 1,53
43 0,9 -4 4 1,47
44 0,9 -4 4 0,37
45 0,9 -4 4 1,27
46 0,89 -4 4 1,51
47 0,87 -4 4 1,55
48 0,87 -4 4 2,71
Tracking Signal
5
4
3
2
1
0
-1 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47
-2
-3
-4
-5
LCL UCL TS

III-24
III.4.4 Data dan Grafik Tracking Signal Loko Dump

Tracking Signal
t MAD LCL UCL TS
1 0 -4 4 #DIV/0!
2 0,5 -4 4 2
3 0,73 -4 4 3,01
4 0,75 -4 4 1,88
5 0,96 -4 4 3,36
6 0,9 -4 4 2,93
7 0,8 -4 4 3,09
8 0,7 -4 4 3,56
9 0,73 -4 4 2,07
10 0,74 -4 4 3,15
11 0,69 -4 4 3,68
12 0,88 -4 4 -0,5
13 1 -4 4 1,98
14 1,04 -4 4 3,34
15 1,01 -4 4 2,76
16 1 -4 4 3,62
17 1,05 -4 4 1,75
18 1,02 -4 4 2,42
19 1,02 -4 4 1,55
20 1,01 -4 4 2,38
21 1,02 -4 4 3,54
22 0,98 -4 4 3,91
23 1,02 -4 4 1,82
24 1 -4 4 1,49
25 0,99 -4 4 2,42
26 0,96 -4 4 2,72
27 0,93 -4 4 2,83
28 0,96 -4 4 0,68
29 0,94 -4 4 0,29
30 0,98 -4 4 2,21
31 0,96 -4 4 1,64
32 0,96 -4 4 2,49

III-25
33 0,95 -4 4 1,68
34 0,93 -4 4 1,53
35 0,91 -4 4 1,57
36 0,88 -4 4 1,64
37 0,88 -4 4 2,78
38 0,87 -4 4 3,06
39 0,87 -4 4 1,93
40 0,87 -4 4 2,87
41 0,89 -4 4 0,8
42 0,88 -4 4 0,38
43 0,93 -4 4 3,47
44 0,91 -4 4 3,11
45 0,89 -4 4 3,1
46 0,9 -4 4 1,98
47 0,9 -4 4 0,67
48 0,94 -4 4 3,63
Tracking Signal
5
4
3
2
1
0
-1 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47
-2
-3
-4
-5
LCL UCL TS

III-26
III.5 Peramalan Permintaan 6 Periode Menggunakan Metode Terpilih

III.5.1 Peramalan Permintaan 6 Periode Truk Emergency
Peramalan 6 Bulan Kedepan
t Fi = a+bt Unit
49 331,05 332
50 331 331
51 330,95 331
52 330,9 331
53 330,85 331
54 330,8 331

III-27
III.5.2 Peramalan Permintaan 6 Periode Truk Dump

t yt ty(t) t^2
1 345 345 1
2 342,5 685 4
3 339,5 1018,5 9
4 337,5 1350 16
5 335,5 1677,5 25
6 339,5 2037 36
7 337,5 2362,5 49
8 335,5 2684 64
9 335,5 3019,5 81
10 334,5 3345 100
11 335,5 3690,5 121
12 344,5 4134 144
78 4062,5 26348,5 650
b -0,4038
a 341,17
Peramalan 6 Bulan
Kedepan
t Fi = a+bt Unit
49 321,384 322
50 320,98 321
51 320,576 321
52 320,172 321
53 319,769 320
54 319,365 320

III-28
III.5.3 Peramalan Permintaan 6 Periode Loko Emergency

t Fi = a + b (m) Unit
49 277,79 278
50 279,59 280
51 281,39 282
52 283,19 284
53 284,99 285
54 286,79 287
III.5.4 Peramalan Permintaan 6 Periode Loko Dump

t Fi = a + b (m) Unit
49 276,4 277
50 278,83 279
51 281,26 282
52 286,12 287
53 286,12 287
54 288,55 289

III-29
III.6 Peramalan WINQSB dalam Peramalan Permintaan

• Truk Emergency
SMA N = 2
1. Klik New Problem kemudian pilih Problem Type Time Series Forecasting dan isi
Problem Tittle dengan nama produk, Time Unit dengan month, Number of Time
Units (Periods) dengan 48.
2. Masukkan data permintaan asumsi historis produk Truk Emergency kedalam

WINQSB.

III-30

III-31
3. Pilih Moving Average (MA), isi Number of periodes to forecast dengan 6 dan
Number of periods in average dengan 2. Kemudian klik OK.
4. Berikut hasil peramalannya.

III-32

III-33
5. Klik icon grafik untuk melihat hasil plot data.

III-34
Metode SES 𝜶 = 0,5

2. Masukkan data permintaan asumsi historis produk Truk Emergency kedalam

WINQSB.

III-35

III-36
3. Pilih Single Exponential Smoothing (SES), isi Number of periodes to forecast

dengan 6 dan Smoothing constant alpha dengan 0,5. Kemudian klik OK.
4. Berikut hasil peramalannya

III-37

III-38
5. Klik Icon grafik untuk melihat hasil plot data.

III-39
SMA N = 2

III-40
Grafik SMA N=2

III-41
SMA N = 5

III-42
Grafik SMA N = 5

III-43
SMA N = 9

III-44
Grafik SMA N = 9

III-45
SES 0,2

III-46
Grafik SES 0,2

III-47
SES 0,5

III-48
Grafik SES 0,5

III-49
SES 0,9

III-50
Grafik SES 0,9

III-51
• Truk Dump
Regresi Linier
2. Masukkan data permintaan asumsi historis produk Truk Dump kedalam WINQSB.

III-52
3. Pilih Linier regression with time (LR) isi Number of periodes to forecast dengan 6.
Kemudian klik OK.

III-53

III-54
5. Klik icon grafik untuk melihat hasil plot data.

III-55
• Loko Emergency
Regresi Linier
2. Masukkan data permintaan asumsi historis produk Loko Emergency kedalam

WINQSB.

III-56
Kemudian klik OK.

III-57

III-58
5. Klik icon grafik untuk melihat hasil plot data

III-59
• Loko Dump
Regresi Linier
7. Masukkan data permintaan asumsi historis produk Loko Dump kedalam WINQSB.

III-60
Kemudian klik OK.

III-61

III-62
10. Klik icon grafik untuk melihat hasil plot data

III-63
III.7 Studi Kasus dan Analisa

Periode Demand Periode Demand
1 215 13 293
2 265 14 273
3 259 15 281
4 210 16 260
5 272 17 271
6 247 18 276
7 225 19 232
8 207 20 293
9 281 21 242
10 265 22 244
11 234 23 275
12 274 24 298
Demand
350
300
250
200
150
100
50
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

III-64
Regresi Linier
t y(t) ty(t) t^2 Fi ei cum ei |ei| cum |ei| |ei|^2 |ei|/yt*100
1 215 215 1 239,48 -24,48 -24,48 24,48 24,48 599,27 11,39
2 265 530 4 241,09 23,91 -0,57 23,91 48,39 571,69 9,02
3 259 777 9 242,7 16,3 15,73 16,3 64,69 265,69 6,29
4 210 840 16 244,31 -34,31 -18,58 34,31 99 1177,18 16,34
5 272 1360 25 245,92 26,08 7,5 26,08 125,08 680,17 9,59
6 247 1482 36 247,53 -0,53 6,97 0,53 125,61 0,28 0,21
7 225 1575 49 249,14 -24,14 -17,17 24,14 149,75 582,74 10,73
8 207 1656 64 250,75 -43,75 -60,92 43,75 193,5 1914,06 21,14
9 281 2529 81 252,36 28,64 -32,28 28,64 222,14 820,25 10,19
10 265 2650 100 253,97 11,03 -21,25 11,03 233,17 121,66 4,16
11 234 2574 121 255,58 -21,58 -42,83 21,58 254,75 465,7 9,22
12 274 3288 144 257,19 16,81 -26,02 16,81 271,56 282,58 6,14
13 293 3809 169 258,81 34,19 8,17 34,19 305,75 1168,96 11,67
14 273 3822 196 260,42 12,58 20,75 12,58 318,33 158,26 4,61
15 281 4215 225 262,03 18,97 39,72 18,97 337,3 359,86 6,75
16 260 4160 256 263,64 -3,64 36,08 3,64 340,94 13,25 1,4
17 271 4607 289 265,25 5,75 41,83 5,75 346,69 33,06 2,12
18 276 4968 324 266,86 9,14 50,97 9,14 355,83 83,54 3,31
19 232 4408 361 268,47 -36,47 14,5 36,47 392,3 1330,06 15,72
20 293 5860 400 270,08 22,92 37,42 22,92 415,22 525,33 7,82
21 242 5082 441 271,69 -29,69 7,73 29,69 444,91 881,5 12,27
22 244 5368 484 273,3 -29,3 -21,57 29,3 474,21 858,49 12,01
23 275 6325 529 274,91 0,09 -21,48 0,09 474,3 0,01 0,03
24 298 7152 576 276,52 21,48 0 21,48 495,78 461,39 7,21
300 6192 79252 4900 495,78 13355 199,34
b 1,6104
a 237,87
MAD 20,66
MAPE 8,31
MSE 556,46

III-65
Tracking Signal
t MAD LCL UCL TS
1 24,48 -4 4 -1
2 24,2 -4 4 -0,02
3 21,56 -4 4 0,73
4 24,75 -4 4 -0,75
5 25,02 -4 4 0,3
6 20,94 -4 4 0,33
7 21,39 -4 4 -0,8
8 24,19 -4 4 -2,52
9 24,68 -4 4 -1,31
10 23,32 -4 4 -0,91
11 23,16 -4 4 -1,85
12 22,63 -4 4 -1,15
13 23,52 -4 4 0,35
14 22,74 -4 4 0,91
15 22,49 -4 4 1,77
16 21,31 -4 4 1,69
17 20,39 -4 4 2,05
18 19,77 -4 4 2,58
19 20,65 -4 4 0,7
20 20,76 -4 4 1,8
21 21,19 -4 4 0,36
22 21,56 -4 4 -1
23 20,62 -4 4 -1,04
24 20,66 -4 4 0

III-66
Tracking Signal
5
4
3
2
1
0
-1 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47
-2
-3
-4
-5
LCL UCL TS

t Fi = a+bt Unit
25 278,13 279
26 279,74 280
27 281,351 282
28 282,961 283
29 284,572 285
30 286,182 287

III-67
Analisa Studi Kasus:

Pada studi kasus kali ini diambil secara acak (random) data dengan range 200-300
untuk menentukan permintaan 24 periode. Kemudian data tersebut dilakukan plot data untuk
diketahui pola permintaannya. Pola permintaan yang didapat setelah diplot adalah pola data
horizontal. Dimana pada pola data ini, digunakan metode Single Exponential Smoothing,
Single Moving Average, MSM atau Seasonal, dan Regresi Linier. Pada kali ini digunakan
metode Regresi Linier untuk melakukan peramalan. Pada metode regresi linier dicari nilai a
dan b untuk melakukan peramalan dimana didapat nilai a sebesar 237,87 dan b sebesar
1,6104. Setelah itu digunakan untuk mencari peramalan dengan rumus a+bt yang mana t
adalah nilai periodenya. Setelah nilai peramalan didapat, dicari nilai errornya untuk
mengetahui tingkat akurasi peramalan nilai MAD sebesar 20,66, nilai MAPE sebesar 8,31,
dan nilai MSE sebesar 556,46. Dari data yang sudah didapat kemudia dicari nilai tracking
signal dengan mencari nilai MAD masing masing periode kemudian didapat nilai TSnya.
Setelah itu di analisa dengan nilai batas control UCL sebesar 4 dan LCL sebsar -4. Nilai TS
yang dihasilkan pada metode ini, in control atau berada diantara nilai UCL dan LCL. Setelah
itu dicarilah peramalan 6 bulan kedepan yang mana berada pada periode 25 sampai 30.
Peramalan pada periode 25 sebesar 279 unit, periode 26 sebesar 280 unit, periode 27 sebesar
282 unit, periode 28 sebesar 283, periode 29 sebesar 285, dan periode 30 sebesar 287.

BAB IV
ANALISA HASIL
IV.1 Analisa Plot Data Permintaan

Pada praktikum kali ini diminta untuk melakukan peramalan pada 4 produk yaitu
produk Truk Dump, Truk Emergency, Loko Dump, dan Loko Emergency dengan
menggunakan data permintaan masa lalu. Sebelum dilakukan peramalan, dilakukan plot data
pada data permintaan setiap produk untuk menentukan metode apa yang digunakan pada
peramalan. Terdapat lima pola data permintaan yaitu horizontal, yaitu fluktuasi data sekitar
rata-rata yang konstan. Trend yaitu data yang mengalami kenaikan atau penurunan yang
sistematis. Seasonal yaitu data yang mengalami kenaikan/penurunan yang berulang
tergantung pada waktu, hari, minggu, bulan, musim. Siklis yaitu penurunan yang bertahap
untuk periode yang panjang. Dan random, tidak dapat diramalkan dengan menggunakan
metode kuantitatif. Pada produk Truk Dump plot data yang dihasilkan adalah jenis plot data
seasonal, karena mengalami kenaikan yang berulang tergantung pada waktu. Metode yang
digunakan untuk meramalkan produk Truk Dump adalah Regresi Linier, MSM, dan
Dekompososisi. Pada produk Truk Emergency plot data yang dihasilkan adalah jenis plot
data horizontal karena data permintaan data rata-rata yang konstan, Metode yang digunakan
untuk meramalkan produk Truk Emergency adalah Single Exponential Smoothing, Single
Moving Average, MSM, Regresi Linier, dan Dekomposisi. Pada produk Loko Dump, jenis
plot data yang dihasilkan pola data trend, karena datanya mengalami kenaikan yang
sistematis. Metode yang digunakan untuk meramalkan produk ini adalah Double Moving
Average, Double Exponential Smoothing, Regresi Linier, Dekomposisi, dan MSM. Pada
produk Loko Emergency, jenis plot data yang dihasilkan pola data trend, karena datanya
mengalami kenaikan yang sistematis. Metode yang digunakan untuk meramalkan produk ini
adalah Double Moving Average, Double Exponential Smoothing, Regresi Linier,
Dekomposisi, dan MSM.
IV-1
IV-2
IV.2 Analisa Pengujian Metode Peramalan Permintaan

Berdasarkan pola data yang sudah diplot datanya, pada produk Truk Emergency
menggunakan metode Single Exponential Smoothing, Single Moving Average, MSM,
Regresi Linier, dan Dekomposisi. Pada 48 data permintaan produk Truk Dump diramalkan
dengan metode Single Exponential Smoothing. dicari total dari nilai mutlak ei (error), nilai
total ei kuadrat serta mencari nilai mutlak ei dibagi periode kemudian dikali dengan 100,
maka didapatkan nilai mutlak errornya adalah 852, ei kuadrat 20945 dan 258.39 untuk untuk
error dibagi periode dikali 100. Setelah itu didapatkan nilai MAPE, MAD,MSE. Nilai MAPE
sebesar 5.62, nilai MSE sebesar 455.3 dan nilai MAD sebesar 18.52. Langkah-langkah
seperti sebelumnya dilakukan Kembali untuk table selanjutnya dengan N = 5 dan N = 9. Pada
table N = 5 didapatkan nilai MAD sebesar 17.16, nilai MAPE sebesar 5.25 dan nilai MSE
sebesar 376.6. dan untuk table N dengan nilai 9 nilai MAD,MAPE,MSE yang didapatkan
adalah 14.01 untuk MAD, 4.24 untuk MAPE dan 273.7 untuk MSE. Kemudian lanjut ke-
metode Ses, dimana metode SES memiliki kesamaan cara pengerjaannya dengan metode
SMA. Namun yang membedakan pada metode SES tidak menggunakan N tetapi
menggunakan nilai Alpha. Nilai Alpha yang digunakan adalah 0.2, 0.5, dan 0.9. Langkah
awal yang dilakukan ialah menghitung S’t dari data demand yang sudah diberikan kemudian
mencari nilai ei atau error, kemudian mencari nilai cumulative error, nilai error dikuadratin
dan nila error yang dibagi dengan demand dikali 100. Setelah didapatkan data-data
perhitungan tersebut maka Langkah selanjutnya ialah menghitung nilai total ei atau error
mutlak kemudian nilai multak error yang dikuadratin dan nilai error di bagi demand dikali
dengan 100, maka didapatkan nilai error mutlaknya adalah 742.2, error multak kuadratnya
adalah 15326, dan nilai error mutlak dibagi demandnya dikali 100 adalah 225.73. setelah
ketiga hal tersebut telah didapatkan jumlah totalnya maka Langkah selanjutnya adalah
menghitung nilai MAD, MAPE, dan MSE. Nilai MAD dengan metode SES alpha 0.2
didapatkan nilai sebesar 15.79, kemudian nilai MAPE sebesar 4.8 dan nilai MSE didapatkan
326.1. Langkah Langkah tersebut dilakukan Kembali untuk metode SES dengan alpha yang
berbeda yangni nilai Alpha 0.5 dan alpha 0.9 kemudian ditotalin error mutlaknya, dicari nilai

IV-3
total mutlak kuadrat dan nilai error dibagi demand dikali 100nya hingga mencari nilai
MAD,MAPE,dan MSE untuk masing masing table alpha tersebut.
Berdasarkan pola data yang sudah diplot datanya, pada produk Truk Dump
menggunakan metode Regresi Linier, MSM, dan Dekomposisi. Pada 48 data permintaan
produk Truk Dump diramalkan dengan metode Regresi Linier dicari total dari periode, total
demand, perkalian periode dan total demand, dan total kuadrat periode. Setelah itu, mencari
nilai b dengan rumus periode dikalikan total perkalian periode dan total demand dikurangi
total demand dikali total periode dibagi periode dikali total kuadrat dikurang jumlah periode
yang dikuadratkan. Maka didapat nilai b sebesar 0,0492. Kemudian dicari nilai a dengan
rumus total demand dibagi periode dikurang total periode dibagi periode. Maka didapat nilai
a sebesar 337,34. Setelah mendapat nilai a dan b, kemudian meramalkan permintaan di
periode berikutnya dengan rumus a + b (t). Setelah didapatkan data permintaan peramalan
pada periode berikutnya, kemudian dicari nilai error yang didapatkan dari pengurangan data
masa lalu dengan data permintaan peramalan. Kemudian dicari nilai mutlak dari error, mutlak
error kuadrat dan error per-demand dikali 100. Setelah dicari error, kemudian dicari nilai
MAPE, MSE, dan MAD. Nilai MAPE sebesar 0,92, nilai MSE sebesar 13,24 dan nilai MAD
sebesar 3,12. Metode selanjutnya yang digunakan pada Truk Dump adalah MSM. Tabel 1
dipisah data permintaan menjadi 4 tahun. Kemudian Tabel 2 index musimam yang dimana
tahun data permintaan dibagi rata-rata pertahunnya. Kemudian pada Tabel 3, rata-rata Index
Musimam dimana rata-rata dari periode masa lalu dikali dengan rata-rata pada tabel 2 index
musimam. Nilai rata-rata index musiman adalah nilai data peramalan. Setelah itu mencari
nilai error, dimana dari nilai error itu didapatkan nilai MAPE sebesar 0,2, nilai MSE sebesar
0,56, dan nilai MAD sebesar 0,69. Metode selanjutnya yang digunakan pada porduk Truk
Dump digunakan dekomposisi, yang dilakukan beberapa tahap. Setelah mendapatkan nilai
peramalan dicari nilai error untuk mendapatkan nilai MAPE, MSE, dan MAD. Nilai MAPE
sebesar 0,49, nilai MSE sebesar 0,38 dan nilai MAD sebesar 0,49.
Berdasarkan 48 data yang didapat dari Loko Emergency dan sudah di plot datanya
dan merupakan pola data tren, karena data permintaan pada produk Loko Emergency datanya

IV-4
mengalami kenaikan rata-rata yang sistematis. Metode yang digunakan pada pola data ini
adalah Double Moving Average, Double Exponential Smoothing, Regresi Linier,
Dekomposisi, Multiplicative Seasonal Method. Pada perhitungan regresi liniernya mendapat
nilai a sebesar 218,6 dan nilai b sebesar 1,22, sedangkan untuk nilai MAD mendapat nilai
sebesar 1,17, untuk MAPE sebesar 0,47 dan MSE mendapat nilai sebesar 1,96. Pada DMA
N=3 untuk MAD mendapat sebesar 1, untuk MAPE sebesar 0,4, untuk MSE sebesar 1,53,
kemudian untuk DMA N=5 untuk MAD mendapat sebesar 1,28 , untuk MAPE sebesar 0,51,
untuk MSE sebesar 2,12 dan pada DMA N=9 mendapat MAD sebesar 1,13, untuk MAPE
sebesar 0,44, MSE sebesar 2,1. Sedangkan untuk DES 0,2 untuk MAD mendapat sebesar
1,28, untuk MAPE sebesar 0,53, untuk MSE sebesar 2,82, kemudian untuk DES 0,5
mendapat nilai MAD sebesar 0,89, untuk MAPE sebesar 0,36, untuk MSE sebesar 1,33, dan
untuk DES 0,9 mendapat MAD sebesar 0,89, untuk MAPE sebesar 0,36, untuk MSE sebesar
1,69.
Hampir sama seperti Loko Emergency, pada 48 data yang didapat dari Loko Dump
dan sudah di plot datanya dan merupakan pola data tren, karena data permintaan pada produk
Loko Dump datanya mengalami kenaikan rata-rata yang sistematis. Metode yang digunakan
juga sama seperti Loko Emergency yaitu menggunakan metode seperti Double Moving
Average, Double Exponential Smoothing, Regresi Linier, Dekomposisi, Multiplicative
Seasonal Method. Pada perhitungan regresi liniernya mendapat nilai a sebesar 200,6 dan nilai
b sebesar 1,57, sedangkan untuk nilai MAD mendapat nilai sebesar 1,56, untuk MAPE
sebesar 0,66 dan MSE mendapat nilai sebesar 3,74. Pada DMA N=3 untuk MAD mendapat
sebesar 1,13, untuk MAPE sebesar 0,46, untuk MSE sebesar 1,77, kemudian untuk DMA
N=5 untuk MAD mendapat sebesar 1,02 , untuk MAPE sebesar 0,42, untuk MSE sebesar
1,49 dan pada DMA N=9 mendapat MAD sebesar 1,17, untuk MAPE sebesar 0,46, MSE
sebesar 2,02. Sedangkan untuk DES 0,2 untuk MAD mendapat sebesar 1,48, untuk MAPE
sebesar 0,65, untuk MSE sebesar 3,54, kemudian untuk DES 0,5 mendapat nilai MAD
sebesar 0,91, untuk MAPE sebesar 0,39, untuk MSE sebesar 1,27, dan untuk DES 0,9
mendapat MAD sebesar 0,96, untuk MAPE sebesar 0,41, untuk MSE sebesar 1,54.

IV-5
IV.3 Analisa Tingkat Akurasi Model Peramalan

Pada tingkat akurasi peramalan ini, akan mencari nilai MAPE, MSE dan MSE yang
terdapat pada 4 produk, Truck Emergency ,Truck Dump ,Loko Emergency ,Loko Dump yang
dimana memiliki metodenya masing-masing.. Dimulai dengan menganalisa Truck
Emergency. Pada produk Truck Emergency terdapat 6 metode yang di uji. Ke-6 metode
tersebut adalah Metode Seasonal dengan nilai Akurasi peramalannya sebesar 3.72 untuk
MAPE, 241.05 untuk MSE dan 12.26 untuk MAD dengan keterangan tidak layak yang
artinya out of control. Untuk metode Dekomposisi didapatkan nilai sebesar 3.95 untuk
MAPE, nilai sebesar 274.27 untuk MSE dan nilai sebesar 13.13 untuk MAD dengan
keterangan tidak layak artinya nilainya out of control. Kemudian metode Regresi Linear
sebesar 4.2 untuk MAPE, nilai sebesar 270.97 untuk MSE dan nilai sebesar 13.83 untuk
MAD dengan keterangan layak. Lalu ada metode SMA dengan N = 9 nilai MAPE 4.24,
273.73 untuk MSE dan 14.01 untuk MADnya. Kemudian metode SMA dengan N = 5
mendapatkan nilai MAPE 5.25, untuk MSE 376.61 dan 17.16 untuk MADnya. Dan N = 2
nilai MAPEnya 5.62, MSE 455.32, dan MAD 18.52. Selanjutnya ada metode SES 0.2 dengan
MAPE 4.8, MSE 455.32, dan MAD 15.79. metode SES 0.5 didapatkan nilai MAPE 5.14,
MSE 386.89 dan MAD 16.95. metode SES 0.9 mendapatkan nilai MAPE 5.62, SES 487.4
dan MAD 18.52. kemudian pada produk Truck Dump dengan metode Seasonal didapatkan
nilai MAPE 0.2, MSE 0.56, dan MAD 0.69 dengan keterangan layak yang berarti In Control.
dengan metode Dekomposisi didapatkan nilai MAPE 0.09, MSE 0.17, dan MAD 0.31 dengan
keterangan tidak layak. Kemudain ada metode Regrasi dengan nilai MAPE 0.92, MSE 13.24,
dan MAD 3.12. Selanjutnya untuk Produk Loko Emergency didapatkan nilai Seasonal untuk
MAPE 0.28, MSE 0.8, dan MAD 0.68 dengan keterangan tidak layak atau out of control.
Metode DES 0.5 mendapatkan nilai MAPE sebesar 0.36, MSE 1.33, dan MAD 0.89 dengan
keterangan tidak layak, kemudian metode DES 0.9 dengan nilai MAPE 0.36, MSE 1.69, dan
MAD 0.89 dengan keterangan Layak atau in-control. Dengan metode DMA N=3 nilai MAPE
0.4, MSE 1.74, dan MAD 1. DMA N=5 nilai MAPE 0.51, MSE 2.12, dan MAD 1.28. DMA
N=9 nilai MAPE 0.44, MSE 2.1, dan MAD 1.13. lalu ada metode Dekomposisi dengan nilai

IV-6
MAPE 0.44, MSE 1.74, dan MAD 1.09. metode DES 0.2 dengan nilai MAPE 0.53, MSE
1.96, dan MAD 1.28. kemudian metode Regresi linear didapatkan dengan nilai MAPE 0.47,
MSE 1.96, dan MAD 1.17. Selanjutnya untuk Produk Loko Dump Metode DES 0.5
didapatkan nilai MAPE sebesar 0.39, MSE 1.27, dan MAD 0.91 dengan keterangan tidak
layak, kemudian metode DES 0.9 dengan nilai MAPE 0.41, MSE 1.54, dan MAD 0.96
dengan keterangan Layak atau in-control. . Dengan metode DMA N=5 nilai MAPE 0.42,
MSE 1.49, dan MAD 1.02. dengan DMA N=3 nilai MAPE 0.46, MSE 1.17, dan MAD 1.13.
DMA N=9 nilai MAPE 0.46, MSE 2.02, dan MAD 1.17. dengan metode Seasonal MAPE
yang didapatkan sebesar 0.61, MSE 3.16, dan MAD 1.47. untuk metode DES 0.2 nilai MAPE
0.65, MSE 3.54, dan MAD 1.48, untuk metode Regresi Linear nilai MAPE 0.66, MSE 3.74,
dan MAD 1.56, untuk metode Dekomposisi nilai MAPE 0.66, MSE 3.74, dan MAD 1.56.
IV.4 Analisa Tracking Signal
Tracking Signal biasanya dihitung sebagai jumlah kesalahan peramalan atau biasa
disebut running sum forecast error) dibandingkan dengan nilai MAD. Pada nilai positif
tracking signal biasanya menunjukan bahwa data sebenarnya masih lebih besar dibandingkan
dengan data peramalannya. Sedangkan untuk negatifnya berarti bahwa data sebenernya lebih
kecil dibandingkan data peramalannya. Pada perhitungan Tracking Signal juga bertujuan
untuk memverifikasi metode peramalan Tracking Signal yang dihitung dengan menggunakan
data kumulatif ei mutlak dan tidak mutlak. Metode ini juga memiliki batasan nilai seperti
batas atasnya adalah 4 dan batas bawahnya adalah -4.
Pada produk Truk emergency pertama kali menggunakan metode seasonal, ternyata
pada metode ini tidak layak karena banyak data yang out of control. Kemudian gunakan
metode selanjutnya metode dekomposisi, ternyata metode jni juga tidak layak karena ada
data yg ouf of control. Selanjutnya digunakan metode regresi linier, ternyata metode ini layak
digunakan karena berada pada batas kontrol atau tidak ada data yg in control. Nilai Tsnya
pada periode 1 sampe 48 ada di rentang -2,71 sampai 3,69 yang dimana berada di batas LCL
dan UCL. Sehingga metode ini yang digunakan untuk peramalan 6 bulan kedepan.

IV-7
Pada perhitungan Tracking Signal produk Truk Dump menggunakan metode

Multiplicative Seasonal Method, data ini memakai metode ini karena in control dibanding
metode lainnya karena nilai TS nya berada pada rentang -1,22 sampai 3,01 sehingga data
inilah yang akan digunakan dalam peramalan 6 bulan kedepan. Pada perhitungan Tracking
Signal produk Loko Emergency menggunakan metode DES 0,9, data ini memakai metode
ini karena in control dibanding metode lainnya karena nilai TS nya berada pada rentang -
0,46 sampai 3,66 sehingga data inilah yang akan digunakan dalam peramalan 6 bulan
kedepan. Terakhir Pada perhitungan Tracking Signal produk Loko Dump menggunakan
metode DES 0,9 juga, data ini juga memakai metode ini karena in control dibanding metode
lainnya karena nilai TS nya berada pada rentang -0,5 sampai 3,68 sehingga data inilah yang
akan digunakan dalam peramalan 6 bulan kedepan. Dari keempat produk diatas dapat
disimpulkan bahwa Tracking Signal dilakukan dengan cara menentukan penggunaan metode
peramalan berdasarkan In Control nya suatu metode sehingga dapat dipakai dalam
melakukan peramalan 6 bulan berikutnya.
IV.5 Analisa Peramalan Permintaan 6 Periode
Pada perhitungan permalan permintaan 6 periode mendatang menggunakan cara yang
berbeda-beda untuk setiap penggunaan metodenya. Seperti pada Truk Dump untuk
perhitungan permalan 6 bulan kedepan dilakukan dengan menggunakan metode
Multiplicative Seasonal Method memiliki nilai a sebesar 339,12 dan kemudian nilai b sebesar
-0,089. Pada perhitungan tabelnya mendapat nilai t total sebesar 78, yt total sebesar 4062,5,
ty(t) total sebesar 26348,5, t^2 total sebesar 650. Kemudian pada periode 49, 50, 51, 52, 53,
54 mendapatkan unit sebanyak 335.
Pada perhitungan permalan permintaan 6 periode mendatang menggunakan cara yang
berbeda-beda untuk setiap penggunaan metodenya. Seperti pada Truk Emergency untuk
perhitungan permalan 6 bulan kedepan dilakukan dengan menggunakan metode Regresi
Linier yang memiliki nilai a sebesar 333,5 dan nilai b sebesar -0,05. Sedangkan pada
perhitungan tabelnya untuk periode ke 49 mendapat 332 unit, untuk periode 50, 51, 52, 53,
54 mendapatkan peramalan 331 unit.

IV-8
Kemudian pada perhitungan permalan permintaan 6 periode mendatang

menggunakan cara yang berbeda-beda untuk setiap penggunaan metodenya. Seperti pada
Loko Emergency untuk perhitungan permalan 6 bulan kedepan dilakukan dengan
menggunakan metode DES 0,9 yang memiliki nilai a sebesar 275,99 dan nilai b sebesar 1,8.
Sedangkan pada perhitungan tabelnya untuk periode ke 49 mendapat 278 unit, untuk periode
50 mendapat 280 unit, untuk periode 51 mendapat 282 unit, untuk periode 52 mendapat 284
unit, untuk periode 53 mendapat 285 unit dan untuk periode 54 mendapat 287 unit.
Terakhir pada perhitungan permalan permintaan 6 periode mendatang menggunakan
cara yang berbeda-beda untuk setiap penggunaan metodenya. Seperti pada Loko Dump
untuk perhitungan permalan 6 bulan kedepan dilakukan dengan menggunakan metode DES
0,9 yang memiliki nilai a sebesar 273,97 dan nilai b sebesar 2,4. Sedangkan pada perhitungan
tabelnya untuk periode ke 49 mendapat 277 unit, untuk periode 50 mendapat 279 unit, untuk
periode 51 mendapat 282 unit, untuk periode 52 mendapat 287 unit, untuk periode 53
mendapat 287 unit dan untuk periode 54 mendapat 289 unit.
IV.6 Analisa Pemanfaatan WINQSB dalam Peramalan Permintaan
Pemanfaatan untuk aplikasi WinQSB biasanya digunakan untuk mempermudah
dalam menentukan peramalan 6 periode kedepan. Biasanya aplikasi WinQSB digunakan
dalam melakukan perbandingan nilai peramalan yang didapatkan dari perhitungan WinQSB
sebelumnya dan juga perhitungan manual sebelumnya dengan cara memasukkan data
demand pada menu forecasting pada aplikasinya WinQSB nya. WinQSB juga merupakan
software yang mengandung algoritma problem solving untuk kepentingan riset operasi dan
ilmu manajemen. Pada tampilan WinQSB sendiri menggunakan mekanisme tampilan jendela
seperti windows yang kita gunakan tetapi bedanya software menggunakan tampilan Windows
XP. Selain yang sudah dijelaskan sebelumnya software ini juga berfungsi untuk memecahkan
masalah yang berkaitan dengan optimasi ataupun terkait sistem produksi. Jika pada
perhitungan peramalan tidak ada data yang berbeda maka bisa disimpulkan bahwa data pada
perhitungan manual sudah betul atau tidak memiliki kesalahan lagi (error).

BAB V
KESIMPULAN DAN SARAN
V.1 Kesimpulan
1. Jenis pola data permintaan pada produk Truk Dump adalah Seasonal karena pola data
permintaan mengalami kenaikan atau penurunan yang berulang tergantung pada
waktu hari, minggu, bulan.
2. Pada produk Truk Emergency dilakukan peramalan dengan menggunakan metode
Single Exponential Smoothing, Single Moving Average, Regresi Linier, Dekomposisi,
MSM. Metode terbaik yang digunakan pada produk ini adalah Regresi Linier.
3. Jumlah peramalan produk Loko Dump pada periode ke 49 sebesar 332 unit, pada
periode ke 50 sebesar 331, periode ke 51 sebesar 331, periode ke 52 sebesar 331,
periode ke 53 sebesar 331, dan periode ke 54 sebesar 331.
4. Nilai a dan b pada produk Loko Emergency dengan metode Regresi Linier sebesar
218,6 dan 1,2231.
5. Nilai MSE, MAD, dan MAPE pada produk Truk Dump sebesar 13.24, 3.12, dan 0,92.
6. Nilai MAPE pada produk Loko Emergency metode DMA sebesar 0,4
7. Jumlah peramalan produk Loko Dump pada periode ke 49 sebesar 277 unit, pada
periode ke 50 sebesar 279, periode ke 51 sebesar 282, periode ke 52 sebesar 287,
periode ke 53 sebesar 287, dan periode ke 54 sebesar 289.
V.2 Saran
1. Pemberian waktu untuk kuisnya mungkin bisa sedikit diperpanjang karena mungkin
terlalu cepat dan kadang koneksi internet juga kurang bagus sehingga membutuhkan
sedikit tambahan waktu.
2. Menyediakan platform yang lebih baik untuk praktikum online selanjutnya.
V-1
DAFTAR PUSTAKA
1. Bedworth, Davis D., James E. Bailey, Integrated Production Control System : Analysis
Design, 2nd ed., John Willey & Sons, 1987.
2. Fogarty, Donald W, John H. Blanckstone & Thomas R. Hoffmann, : Production &
Inventory Management, 2nd edition, South-Western Publishing Co., 1991
3. Groover, Mikell. P, Automation Production Systems and Computer Integrated
Manufacturing, 2nd ed., Prentice Hall, 2001
4. Krajewski, Lee J., Larry P. Ritzman, Operations Management : Processes and Supply
Chains” 10th Edition, Pearson USA., 2013
5. Makridakis, S., Stevan C. Wheelwright & Victor E. McGee, “Forecasting Methods and
Application, 2nd Edition, John Wiley & Sons, 1983
iv
LAMPIRAN

Modul 2

Diunggah oleh

Informasi Dokumen

Deskripsi Asli:

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Modul 2

Diunggah oleh

Hak Cipta:

Format Tersedia

LAPORAN PRAKTIKUM

Nama / NIM : Muhammad Alif Al Ayuba / 063.18.126

Bima Setyo Prawiro / 063.18.071

Rifdah Hanifah / 063.18.148

Hari / Shift : Rabu/ IIB

Asisten : I Wayan Gede Dayananda

PERANCANGAN INDUSTRI MANUFAKTUR II

JURUSAN TEKNIK INDUSTRI

FAKULTAS TEKNOLOGI INDUSTRI

Assalamu’alaikum Warahmatullah Wabarakatuh.

Wassalamu’alaikum Warahmatullah Wabarakatuh.

Jakarta, 21 September 2020

KATA PENGANTAR .................................................................................................................. i

Laboratorium Perancangan Industri Manufaktur II

II.1 Flowchart Metodologi Penelitian

Pembentukan Metode Penelitian

Kesimpulan Dan Saran

Laboratorium Perancangan Industri Manufaktur II

Kesimpulan merupakan jawaban dari tujuan penelitian dan saran merupakan

Laboratorium Perancangan Industri Manufaktur II

II.2 Flowchart Pengolahan Data

Plot Data Seasonal/Musiman Trend

Regresi Regresi Regresi

MSE MAD MAPE

Laboratorium Perancangan Industri Manufaktur II

III.1 Data dan Plot Data Permintaan

III.1.2 Data dan Plot Data Permintaan Truk Dump

Laboratorium Perancangan Industri Manufaktur II

III.1.3 Data dan Plot Data Permintaan Loko Emergency

Laboratorium Perancangan Industri Manufaktur II

III.1.4 Data dan Plot Data Permintaan Loko Dump

Laboratorium Perancangan Industri Manufaktur II

III.2 Pengujian Metode Peramalan Permintaan

Laboratorium Perancangan Industri Manufaktur II

Laboratorium Perancangan Industri Manufaktur II

III.2.2 Pengujian Metode Peramalan Permintaan Truk Dump

Tabel Index Musiman

Laboratorium Perancangan Industri Manufaktur II

Rata-rata Index Musiman

Period cum |ei|/yt*10

Laboratorium Perancangan Industri Manufaktur II

Laboratorium Perancangan Industri Manufaktur II

37 346 346,8 -0,8 -0,84 0,8 25,48 0,64 0,23

Laboratorium Perancangan Industri Manufaktur II

III.2.3 Pengujian Metode Peramalan Permintaan Loko Emergency

Laboratorium Perancangan Industri Manufaktur II

Laboratorium Perancangan Industri Manufaktur II

III.2.4 Pengujian Metode Peramalan Permintaan Loko Dump

1 200 200 200 200 0

Laboratorium Perancangan Industri Manufaktur II

Laboratorium Perancangan Industri Manufaktur II

III.3 Rekap Tingkat Akurasi Metode Peramalan

Regresi Linier 4,2 270,97 13,83 layak

SMA N = 9 4,24 273,73 14,01 -

SES 0,2 4,8 455,32 15,79 -

SMA N = 5 5,25 376,61 17,16 -

SES 0,9 5,62 487,4 18,59 -

SMA N = 2 5,62 455,32 18,52 -

Regresi Linier 0,92 13,24 3,12 -

Laboratorium Perancangan Industri Manufaktur II

DMA N = 3 0,4 1,59 1 -

Dekomposisi 0,44 1,74 1,09 -