XX (2017) XXX-XXX
Studi Kasus
Pengendalian Persediaan Batu Bara PT Semen Padang pada tahun 2022 dengan
Menggunakan Metode Algoritma Wagner Within
Windi Andrea1, Salsabilla Putri Maharani1, Yodi Tarmanto1, Latif Assyah Wali1, Faisa Kirana Besia1
1
Jurusan Teknik Industri, Fakultas Teknik, Universitas Andalas, Padang, Kampus Limau Manis, Padang 25163, West Sumatra, Indonesia
ARTICLE INFORMATION A B S T R A C T
Authors must supply a structured abstract in their
Received: February 00, 00
Revised: March 00, 00 submission, which includes; Purpose,
Available online: April 00, 00
Design/methods/approach, Findings/results, Conclusions.
KEYWORDS Maximum 250 words in total excluding keywords.
Five words maximum, comma separated A B S T R A K
KATA KUNCI
Authors must supply a structured abstract in their
submission, which includes; Purpose,
Five words maximum, comma separated
Design/methods/approach, Findings/results, Conclusions.
CORRESPONDENCE
Maximum 250 words in total excluding keywords.
Phone: +62 (0751) 12345678
E-mail: first_author@affiliation.xx.xx
Seluruh tahapan tersebut nantinya akan waktu yang diketahui melalui hasil identifikasi
dianalisis untuk mendapatkan pengendalian yang dilakukan sebelum dilakukan proses
yang paling baik bagi perusahaan. pemodelan dan peramalan. Peramalan yang baik
yang salah satunya dicirikan dengan tingkat
1.1 Rumusan Masalah keakuratan dan kemampuan menirukan perilaku
Rumusan masalah dari laporan ini data deret waktu historisnya.
adalah sebagai berikut.
1. Bagaimana cara melakukan peramalan Metode peramalan secara kuantitatif
produksi? dapat dibagi menjadi dua jenis metode
2. Bagaimana cara perhitungan verifikasi peramalan, yaitu model deret waktu (time
dan validasi hasil peramalan? series) dan model regresi (regression).
3. Bagaimana menentukan kebutuhan Penentuan metode peramalan pada data time
bahan (MRP)? series perlu diketahui pola dari data tersebut
sehingga peramalan menggunakan metode yang
1.2 Tujuan sesuai dengan pola data dapat dilakukan. Ada
Tujuan laporan perencanaan produksi ini beberapa Pola Data (Seto, 2016):
adalah sebagai berikut.
1. Mampu melakukan peramalan produksi. 1. Trend (T), terjadi bila ada kenaikan atau
2. Mampu melakukan verifikasi dan penurunan dari data secara gradual dari
validasi hasil peramalan. gerakan datanya dalam kurun waktu
3. Mampu menentukan kebutuhan bahan panjang.
(MRP). 2. Seasonality (S) pola musiman terjadi
bila pola datanya berulang sesudah suatu
periode tertentu: hari, mingguan,
TINJAUAN PUSTAKA
bulanan, triwulan dan tahun.
2.1. Forecasting
3. Cycles (C), Siklus adalah suatu pola data
Forecasting atau peramalan merupakan
yang terjadinya setiap beberapa tahun,
perkiraan untuk suatu kejadian di waktu yang
biasanya dipengaruhi oleh fluktuasi
akan datang. Untuk diperoleh hasil peramalan
ekonomi jangka panjang berkaitan
yang baik perlu tersedia data deret waktu yang
dengan siklus bisnis.
memadai dan pemilihan metode peramalan yang
tepat sesuai dengan karakteristik dari data deret
2 First Author https://doi.org/10.25077/xxxxx
FIRST AUTHOR / JOURNAL ON OPTIMIZATIONS OF SYSTEMS AT INDUSTRIES - VOL. XX NO. XX (2017) XXX-XXX
4. Horizontal (H) / Stasioner, terjadi bila D’t = Data peramalan pada periode t
nilai data berfluktuasi di sekitar nilai n = Jumlah periode
rata-rata yang tetap, stabil atau disebut f = derajat kebebasan
stasioner terhadap nilai rata-ratanya
2.2. Verifikasi dan validasi
Untuk mengetahui benar ata tidaknya
peramalan yang telah dilakukan, dilakukan
validasi peramalan untuk melihat bahwa data
yang diramalkan valid (Sri Hartini, 2011).
√
n
MSE =
∑ (dt- D t) ' 2
nilai-nilai aktual. Tracking signal dihitung
i =1
n sebagai hasil running sum of forcast error
n
(RSFE) dibagi oleh mean absolute deviation
MAPE =
∑ | PEt |
i-1 (MAD), seperti berikut ini:
n
RSFE
dt = Data permintaan aktual pada periode t Tracking Signal =
MAD
3 https://doi.org/10.25077/xxxxx First Author
4JURNAL OPTIMASI SISTEM INDUSTRI - xx (2017) xxx-xxx
pekerja sementara, dll. Strategi ini cocok Salah satu metode yang dapat digunakan
digunakan ketika biaya persediaan sangat tinggi. adalah metode AWW. Metode ini menggunakan
Namun, kebijakan semacam itu dapat konsep ukuran lot dengan prosedur optimasi
menciptakan keresahan buruh. (Jayakumar dkk., program linear, bersifat matematis. Perhitungan
2017) MRP menggunakan metode AWW merupakan
perhitungan yang lebih matematis daripada
Mixed Strategy merupakan perencanaan metode lainnya. Langkah penyelesaian diawali
agregat dengan menggunakan level strategy dan dengan menentukan alternatif produksi tiap
chase strategy. periode yang disesuaikan dengan kebutuhan
bersih per komponennya. Kemudian dilakukan
2.4. Disagregasi perhitungan biaya total yang akan dikeluarkan
Perencanaan produksi dapat dibahas pada masing-masing produksi. Nantinya biaya
dalam bentuk agregat, yaitu satu satuan yang minimum dari matriks total biaya akan menjadi
mempresentasikan kumpulan beberapa produk. penentu dalam melakukan lot size perhitungan
Dalam hal ini, perlu dilakukan disagregasi MRP.
sesuai jumlah masing-masing produki. Hasil
disagregasi ini dapat digunakan untuk
perencanaan kebutuhan material. Disagregasi
perencanaan produksi merupakan proses
pengalokasian hasil perencanaan produksi
agregat dari masing-masing sumber produksi ke
perencanaan produksi masing-masing jenis
produk (Ardhiansyah. 2016).
2.5. MRP
MRP merupakan sebuah metode
perencanaan dan pengendalian material (bahan
baku, parts, komponen, dan sub komponen)
yang terikat pada unit produksi yang akan
dihasilkan, dengan menggunakan suatu sistem
yang sudah terintegrasi (Anggriana. 2015).
2. Metode Kuadratis
Berikut merupakan hasil peramalan batu
bara periode 2020/ 2021 menggunakan metode
regresi kuadratis.
pada Lampiran A.
Berdasarakan perhitungan peramalan
batu bara menggunakan metode kuadratis
didapatkan nilai kesalahan Mean Absolute Gambar 7. Grafik Peramalan Batu Bara Tahun
Percent Error (MAPE) sebesar 31%. Metode Siklis
1. Moving Average
5.1 Kesimpulan
5.2 Saran
Saran dari penelitian ini adalah sebagai
berikut.
1. Pengolahan data dengan menggunakan
data historis yang lebih banyak akan
menghasilkan data yang lebih akurat
0,26 0,97 33529,51 125200,29 0,07 0,93 0,25 118987,51 10624,76 112885567,64 8,2%
1,00 1,73 67819,17 117538,29 0,25 0,75 0,43 110761,67 24939,07 621957217,34 18,4%
2,12 2,12 67242,58 67296,15 0,50 0,50 0,50 103355,30 -8222,05 67602158,12 8,6%
3,46 2,00 30236,68 17478,56 0,75 0,25 0,43 97111,68 -62186,66 3867180467,58 178,1%
4,83 1,30 46168,68 12403,70 0,93 0,07 0,25 92294,91 -44489,06 1979276166,08 93,1%
6,00 0,00 112117,05 89,28 1,00 0,00 0,00 89071,96 23045,13 531078008,52 20,6%
6,76 -1,81 135589,79 -36196,20 0,93 0,07 -0,25 87501,30 52836,71 2791717565,87 37,6%
6,93 -3,99 103166,78 -59417,40 0,75 0,25 -0,43 87528,91 31524,91 993819719,01 26,5%
6,37 -6,36 63461,51 -63310,08 0,50 0,50 -0,50 88991,96 649,15 421397,15 0,7%
5,01 -8,65 41650,13 -71919,54 0,25 0,75 -0,43 91629,88 -8520,59 72600505,26 10,3%
2,86 -10,62 27890,41 -103483,88 0,07 0,93 -0,25 95102,14 12074,30 145788609,87 11,3%
0,02 -12,00 169,55 -106454,90 0,00 1,00 0,00 99011,40 7443,64 55407764,89 7,0%
-3,34 -12,56 -19044,48 -71568,69 0,07 0,93 0,25 102930,56 -28871,33 833553598,87 39,0%
-6,98 -12,14 -32971,08 -57353,43 0,25 0,75 0,43 106431,85 -40276,67 1622210133,78 60,9%
-10,59 -10,63 -81396,04 -81720,78 0,50 0,50 0,50 109115,96 6225,28 38754158,73 5,4%
-13,84 -8,03 -108548,60 -62978,28 0,75 0,25 0,43 110639,19 14856,08 220703059,15 11,8%
-16,41 -4,44 -80040,97 -21640,59 0,93 0,07 0,25 110736,90 -27822,05 774066630,65 33,6%
-18,00 -0,04 -111783,29 -267,05 1,00 0,00 0,00 109241,49 2542,12 6462399,38 2,3%
-18,36 4,87 -135647,27 35980,20 0,93 0,07 -0,25 106093,79 34244,22 1172666388,52 24,4%
-17,35 9,95 -103261,28 59253,02 0,75 0,25 -0,43 101347,17 17706,65 313525501,88 14,9%
-14,89 14,81 -66137,61 65769,96 0,50 0,50 -0,50 95163,81 -1890,71 3574775,74 2,0%
-11,06 19,02 -42437,61 73010,94 0,25 0,75 -0,43 87803,72 -3355,23 11257562,11 4,0%
-6,02 22,20 -23403,13 86287,20 0,07 0,93 -0,25 79607,02 9797,61 95993111,18 11,0%
-0,08 24,00 -153,20 48095,28 0,00 1,00 0,00 70970,79 -22875,27 523278167,86 47,6%
-91,28 11,71 -75782,72 -27907,95 12,01 11,99 0,00 2351430,88 0,00 16855780635,18 677,0%
LAMPIRAN B
(Verifikasi dan Validasi)
Lampiran Tabel B.2 Verifikasi Metode Tracking Signal Pada Metode Terpilih
Kumulatif
Tracking
Bulan (t) Dt Ft Dt-Ft RSFE Kumulatif Absolute Error Absolut MAD UCL LCL
Signal
Error
1 129612,27 118987,51 10624,76 10624,76 10624,76 10624,76 10624,76 1,00 4 -4
2 135700,74 110761,67 24939,07 35563,83 24939,07 35563,83 17781,92 2,00 4 -4
3 95133,25 103355,30 -8222,05 27341,78 8222,05 43785,89 14595,30 1,87 4 -4
4 34925,02 97111,68 -62186,66 -34844,88 62186,66 105972,54 26493,14 -1,32 4 -4
5 47805,85 92294,91 -44489,06 -79333,94 44489,06 150461,60 30092,32 -2,64 4 -4
6 112117,09 89071,96 23045,13 -56288,81 23045,13 173506,73 28917,79 -1,95 4 -4
7 140338,01 87501,30 52836,71 -3452,10 52836,71 226343,44 32334,78 -0,11 4 -4
8 119053,82 87528,91 31524,91 28072,81 31524,91 257868,34 32233,54 0,87 4 -4
9 89641,11 88991,96 649,15 28721,96 649,15 258517,49 28724,17 1,00 4 -4
10 83109,29 91629,88 -8520,59 20201,36 8520,59 267038,09 26703,81 0,76 4 -4
11 107176,44 95102,14 12074,30 32275,66 12074,30 279112,38 25373,85 1,27 4 -4
12 106455,04 99011,40 7443,64 39719,30 7443,64 286556,02 23879,67 1,66 4 -4
13 74059,23 102930,56 -28871,33 10847,97 28871,33 315427,35 24263,64 0,45 4 -4
14 66155,18 106431,85 -40276,67 -29428,70 40276,67 355704,02 25407,43 -1,16 4 -4
15 115341,24 109115,96 6225,28 -23203,41 6225,28 361929,30 24128,62 -0,96 4 -4
16 125495,27 110639,19 14856,08 -8347,34 14856,08 376785,38 23549,09 -0,35 4 -4
17 82914,85 110736,90 -27822,05 -36169,39 27822,05 404607,43 23800,44 -1,52 4 -4
18 111783,61 109241,49 2542,12 -33627,26 2542,12 407149,56 22619,42 -1,49 4 -4
19 140338,01 106093,79 34244,22 616,95 34244,22 441393,78 23231,25 0,03 4 -4
20 119053,82 101347,17 17706,65 18323,60 17706,65 459100,43 22955,02 0,80 4 -4
21 93273,10 95163,81 -1890,71 16432,90 1890,71 460991,14 21951,96 0,75 4 -4
22 84448,49 87803,72 -3355,23 13077,67 3355,23 464346,36 21106,65 0,62 4 -4
23 89404,63 79607,02 9797,61 22875,27 9797,61 474143,97 20614,96 1,11 4 -4
24 48095,52 70970,79 -22875,27 0,00 22875,27 497019,25 20709,14 0,00 4 -4
FIRST AUTHOR / JOURNAL ON OPTIMIZATIONS OF SYSTEMS AT INDUSTRIES - VOL. XX NO. XX (2017) XXX-XXX