JURNAL OPTIMASI SISTEM INDUSTRI - VOL. XX NO.

XX (2017) XXX-XXX

Available online at : http://josi.ft.unand.ac.id/

Jurnal Optimasi Sistem Industri

| ISSN (Print) 2088-4842 | ISSN (Online) 2442-8795 |

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

PENDAHULUAN produksi yang baik agar memberi hasil yang

optimal.
Dunia industri sangat berkembang pesat
dalam beberapa waktu ke belakang. Setiap
Perencanaan produksi pada perusahaan
perusahaan melakukan penentuan strategi untuk
manufaktur dilakukan untuk sebuah perusahaan
masing-masing kegiatan mereka. Hal ini
mengetahui rencana produksi pada periode ke
dilakukan bertujuan untuk tidak kalah saing
depannya. Hal ini juga termasuk terhadap
dengan perusahaan kompetitor mereka.
pengendalian bahan yang digunakan pada
Penentuan strategi ini diharapkan dapat
proses produksi. Pengendalian dimulai dari
membantu perusahaan dalam menentukan
peramalan produksi, verifikasi dan validasi, dan
pemberdayaan sumber daya dengan efektif dan
dilanjutkan dengan perhitungan MRP sebagai
efisien. Begitu juga dengan perusahaan
penentuan pengendalian bahan produksi.
manufaktur yang memerlukan perencanaan
https://doi.org/10.25077/xxxxx Attribution-NonCommercial 4.0 International. Some rights reserved
 2JURNAL OPTIMASI SISTEM INDUSTRI - xx (2017) xxx-xxx

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).

Validasi dengan menggunakan peta

Gambar 1. Pola Data Time Series Moving Range (MR) dapat dihitung
menggunakan rumus sebagai berikut :

Suatu peramalan yang dibuat haruslah

memenuhi kriteria tertentu sehingga peramalan Σ MR
MR= , dimana n-1 adalah jumlah MR
n−1
tersebut bisa diterima dan dikatakan memiliki
UCL = +2.66 MR
akurasi yang baik. Akurasi suatu peramalan
CL = 0
dilihat dari tingkat error-nya. Error digunakan
LCL= - 2.66 MR
sebagai acuan akurasi peramalan yang meliputi
Region A = ± 1,77 MR, Region B = ± 0,89 MR
SEE, MSE, MAPE, dan MAD.

Selain itu, metode tracking signal juga

√
n

∑ (dt- D' t)2 dapat digunakan. Tracking signal merupakan

SEE = i =1
salah satu bentuk ukuran sebagaimana agar
(n-f)
n baiknya suatu ramalan dapat memperkirakan

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

Dimana: dalam melakukan perencanaan agregat

Σ( absolut dari forcast error) perusahaan harus memilih beberapa strategi
MAD =
n yang tepat bagi perusahaan. Strategi-strategi
n = banyaknya periode sebuah data yang dapat digunakan untuk memenuhi
permintaan pelanggan yang berfluktuatif yaitu:
2.3. Perencanaan Agregat Chase Strategy dan Level Strategy (Sultana
Perencanaan agregat (agregate planning) dkk., 2014).
atau sering disebut dengan Penjadwalan agregat
merupakan Perencanaan yang dikatagori Level strategy adalah rencana agregat di
kedalam perencanaan jangka menengah untuk mana tingkat produksi tetap dari periode ke
merencanakan jadwal induk produksi selama periode selama jangka waktu perencanaan
satu tahun. Perencanaan agregat biasanya agregat. Strategi perencanaan produksi dengan
dilakukan oleh para manajer operasi yang tingkat produksi yang konstan dari satu periode
bersangkutan dengan penentuan produksi, ke periode lainnya yang bertujuan untuk
persediaan, dan tingkat tenaga kerja untuk memenuhi rata-rata permintaan. Kemungkinan
memenuhi permintaan yang berfluktuasi (Takey ke dua, level strategy ini menggunakan
& Mesquita, 2006). Perencanaan agregat inventory dari adanya variasi dalam permintaan.
memberikan cara terbaik untuk memenuhi Permintaan yang menurun mengakibatkan
perkiraan permintaan dalam waktu 3-18 bulan kelebihan produksi, maka kelebihan produksi
ke depan, dengan menyesuaikan tingkat reguler tersebut disimpan sebagai persediaan untuk
dan lembur produksi, tingkat persediaan, tingkat digunakan pada saat permintaan meningkat,
tenaga kerja, subkontrak dan backorder tingkat, sehingga pada strategi ini menimbulkan biaya
dan variabel terkontrol lainnya (Mortezaei, simpan yang tinggi.
Zulkifli, Hong, & Yusuff, 2013)

Chase strategy merupakan strategi yang

Pada dasarnya tujuan dari perencanaan mencoba untuk mencapai tingkat output untuk
agregat yaitu untuk mengembangkan suatu setiap periode yang memenuhi prediksi
rencana produksi secara menyeluruh yang dapat permintaan untuk periode tersebut. Strategi ini
memenuhi permintaan pasar sesuai kapasitas dapat terpenuhi dengan cara merubah tingkat
yang ada dengan biaya yang minimal. Untuk tenaga kerja dengan mempekerjakan atau PHK,
memproleh biaya dan keuntungan yang optimal sub-kontrak, penggunaan lembur, penggunaan
sesuai dengan tujuan perencanaan agregat, maka
4 First Author https://doi.org/10.25077/xxxxx
 FIRST AUTHOR / JOURNAL ON OPTIMIZATIONS OF SYSTEMS AT INDUSTRIES - VOL. XX NO. 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).

5 https://doi.org/10.25077/xxxxx First Author

 6JURNAL OPTIMASI SISTEM INDUSTRI - xx (2017) xxx-xxx

METODOLOGI PENELITIAN dan biaya penyimpanan. Data historis

pemakaian batu bara dapat dilihat pada Tabel 1.
Berikut merupakan gambar diagram alir dari
Biaya pemesanan batu bara sebesar
metodologi penelitian jurnal ini.
Rp24.800,00 untuk sekali pesan. Biaya
penyimpanan batu bara sebesar Rp10.496,00 per
ton per bulannya.

4.2 Peramalan Batu Bara

Tahap ini merupakan tahapan awal
dalam melakukan proses pengendalian bahan
menggunakan metode AWW. Pada tahap ini
diramalkan berapa banyak kebutuhan batu bara
yang dibutuhkan pada periode yang akan
diramalkan yaitu bulan Januari-Desember tahun
2022. Data yang digunakan berupa data
kebutuhan batu bara yang diperlukan pada
perusahaan PT Semen Padang. Data didapatkan
dimulai dari bulan Januari 2020 sampai
Desember 2021. Data tersebut selanjutnya akan
diramalkan menggunakan beberapa metode
peramalan dengan Microsoft Excel. Berikut ini
merupakan data kebutuhan batu bara pada
perusahaan PT Semen Padang.

Tabel 1. Data Permintaan Batu Bara

Gambar 2. Diagram Alir Metodologi Penelitian Demand
Tahun Periode Bulan
(Ton)
1 Januari 129612,27
HASIL DAN PEMBAHASAN 2 Februari 135700,74
3 Maret 95133,25
4.1 Pengumpulan Data 2020 4 April 34925,02
Data yang dikumpulkan merupakan data 6 Juni 112117,09
historis pemakaian batu bara, biaya pemesanan, 7 Juli 140338,01
8 Agustus 119053,82
6 First Author https://doi.org/10.25077/xxxxx
 FIRST AUTHOR / JOURNAL ON OPTIMIZATIONS OF SYSTEMS AT INDUSTRIES - VOL. XX NO. XX (2017) XXX-XXX

Demand Berikut merupakan hasil peramalan batu

Tahun Periode Bulan
(Ton)
bara periode 2020/ 2021 menggunakan metode
9 September 89641,11
10 Oktober 83109,29 regresi linier
11 November 107176,44
12 Desember 106455,04
13 Januari 74059,23
14 Februari 66155,18
15 Maret 115341,24
16 April 125495,27
17 Mei 82914,85
18 Juni 111783,61
2021
19 Juli 140338,01 Gambar 4. Grafik Peramalan Batu Bara Tahun
20 Agustus 119053,82 Metode Regresi Linier
21 September 93273,10
22 Oktober 84448,49
23 November 89404,63 Berdasarakan perhitungan peramalan
24 Desember 48095,52 batu bara menggunakan metode regresi linier
didapatkan nilai kesalahan Mean Absolute
Percent Error (MAPE) sebesar 31,95%.

2. Metode Kuadratis
Berikut merupakan hasil peramalan batu
bara periode 2020/ 2021 menggunakan metode
regresi kuadratis.

Gambar 3. Grafik Pemakaian Batu Bara Tahun

2020-2021

Berikut merupakan perhitungan dari

masing-masing metode yang digunakan.
1. Metode Regresi Linear
Perhitungan hasil peramalan Gambar 5. Grafik Peramalan Batu Bara Tahun
menggunakan metode regresi linier dapat dilihat Metode Kuadratis

pada Lampiran A.
Berdasarakan perhitungan peramalan
batu bara menggunakan metode kuadratis

7 https://doi.org/10.25077/xxxxx First Author

 8JURNAL OPTIMASI SISTEM INDUSTRI - xx (2017) xxx-xxx

didapatkan nilai kesalahan Mean Absolute Gambar 7. Grafik Peramalan Batu Bara Tahun
Percent Error (MAPE) sebesar 31%. Metode Siklis

Berdasarakan perhitungan peramalan

3. Metode Siklis
batu bara menggunakan metode siklis
Berikut merupakan hasil peramalan batu
didapatkan nilai kesalahan Mean Absolute
bara periode 2020/ 2021 menggunakan metode
Percent Error (MAPE) sebesar 28,21%.
regresi siklis..

Pemilihan metode peramalan batu bara

terbaik dapat dipilih dengan cara
membandingkan nilai kesalahan setiap metode
peramalan yang digunakan. Berdasarkan
perhitungan yang telah dilakukan didapatkan
metode tren siklis memiliki nilai kesalahan
terkecil dibandingkan ketiga metode lainnya.
Gambar 6. Grafik Peramalan Batu Bara Tahun
Metode Siklis Nilai kesalahan pada metode tren siklis sebesar
Berdasarakan perhitungan peramalan 28,21% , sedangkan metode regresi linier,
batu bara menggunakan metode sikilis sebesar 31,95%, metode kuadratis, dan metode
didapatkan nilai kesalahan Mean Absolute siklis sebesar 31%.
Percent Error (MAPE) sebesar 31%.

4. Metode Tren Siklis 4.3 Verifikasi dan Validasi

Berikut merupakan hasil peramalan batu
bara periode 2020/ 2021 menggunakan metode
tren siklis
Verifikasi dan validasi dilakukan pada
metode peramalan terpilih. Metode verifikasi
dan validasi yang akan digunakan yaitu
menggunakan metode moving average dan
tracking signal . berikut penjabaran dari kedua
metode tersebut.

1. Moving Average

8 First Author https://doi.org/10.25077/xxxxx

 FIRST AUTHOR / JOURNAL ON OPTIMIZATIONS OF SYSTEMS AT INDUSTRIES - VOL. XX NO. XX (2017) XXX-XXX

Berikut merupakan verifikasi metode

terpilih pada peramalan batu bara periode 2020/
2021.

Gambar 9. Grafik Validasi Metode Peramalan

Terpilih

Gambar 8. Grafik Verifikasi Metode Gambar 9 menunjukkan tracking signal

Peramalan Terpilih
hasil peramalan batu bara menggunakan metode
terpilih. Besarnya nilai-nilai tracking signal
Berdasarkan Gambar 8 yaitu verifikasi
periode 2020/2021 yang diramalkan berada
metode terpilih (metode tren siklis) dapat dilihat
pada batas toleransi yang bisa diterima yaitu ±4
bahwa tidak ada satupun titik yang berada diluar
sehingga metode peramalan menggunakan tren
batas kendali dan juga tidak ada satupun yang
siklis layak digunakan untuk meramalkan
memenuhi kriteria peta out of control.
permintaan untuk periode selanjutnya. Permalan
12 bulan kedepan menggunakan metode terpilih
beserta hasil perhitungan metode moving
average dan tracking signal dapat dilihat pada
Lampiran B.

4.4 Pengendalian Persediaan

2. Tracking Signal PENUTUP

Berikut merupakan validasi metode
Bagian penutup berisikan kesimpulan dan saran
terpilih pada peramalan batu bara periode 2020/
dari penelitian ini.
2021.

5.1 Kesimpulan

9 https://doi.org/10.25077/xxxxx First Author

 10JURNAL OPTIMASI SISTEM INDUSTRI - xx (2017) xxx-xxx

Kesimpulan dari penelitian ini adalah 2. Perusahaan dapat menerapkan metode

sebagai berikut. peramalan permintaan agar perusahaan
1. Peramalan permintaan batu bara tahun dapat memperkirakan jumlah material
2020 dan 2021 mengikuti pola data jenis secara tepat dengan tetap memenuhi
Horizontal sehingga metode yang kebutuhan produksi.
digunakan dalam melakukan peramalan
DAFTAR PUSTAKA
terdiri dari metode regresi linier,
kuadratis, siklis, dan tren siklis. [1]Ardhiansyah, Arie Rama. 2016. Perencanaan
2. Metode peramalan permintaan Agregat Produksi Kertas di PT Tunas Alfin
menggunakan tren siklis merupakan Tbk. untuk Meminimasi Biaya Total
metode terbaik dalam meramalkan Produksi, Sarjana thesis, Universitas
permintaan batubara karena memiliki Brawijaya.
MAPE terkecil dibandingkan metode [2]Anggriana, Katarina Zita. 2015. Analisis
lainnya yaitu sebesar 28,21%. Perencanaan dan Pengendalian Persediaan
3. Validasi terhadap metode terpilih yaitu Busbar Berdasarkan Sistem MRP (Material
metode tren siklis menunjukkan bahwa Requirement Planning) Di PT. TIS. Jurnal
metode tersebut dapat digunakan untuk PASTI, 9, 320-337.
meramalkan permintaan batu bara [3]
ditahun berikutnya. Hal tersebut
dibuktikan dengan tidak adanya titik
yang berada diluar batas kendali maupun
tidak ada titik yang sesuai dengan
kriteria terjadinya peta out of control.
4.

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

10 First Author https://doi.org/10.25077/xxxxx

LAMPIRAN
LAMPIRAN A
(Metode Peramalan)
Lampiran Tabel A.1 Peramalan Metode Regresi Linier
t dt t.dt t2 b a Dt' = a + b.t e = dt-Dt' e^2 PE |PE|
1 129612,27 129612,27 1 103002,66 26609,61 708071260,98 20,5% 20,5%
2 135700,74 271401,48 4 102565,59 33135,15 1097938464,51 24,4% 24,4%
3 95133,25 285399,75 9 102128,51 -6995,26 48933654,22 -7,4% 7,4%
4 34925,02 139700,08 16 101691,43 -66766,41 4457753949,20 -191,2% 191,2%
5 47805,85 239029,25 25 101254,36 -53448,51 2856742927,64 -111,8% 111,8%
6 112117,09 672702,54 36 100817,28 11299,81 127685679,47 10,1% 10,1%
7 140338,01 982366,07 49 100380,21 39957,80 1596626172,66 28,5% 28,5%
8 119053,82 952430,56 64 99943,13 19110,69 365218509,78 16,1% 16,1%
9 89641,11 806769,99 81 99506,05 -9864,94 97317099,22 -11,0% 11,0%
10 83109,29 831092,90 100 99068,98 -15959,69 254711604,74 -19,2% 19,2%
11 107176,44 1178940,84 121 98631,90 8544,54 73009150,41 8,0% 8,0%
12 106455,04 1277460,48 144 98194,82 8260,22 68231156,71 7,8% 7,8%
-437,08 103439,74
13 74059,23 962769,99 169 97757,75 -23698,52 561619785,14 -32,0% 32,0%
14 66155,18 926172,52 196 97320,67 -31165,49 971287925,84 -47,1% 47,1%
15 115341,24 1730118,60 225 96883,60 18457,64 340684604,64 16,0% 16,0%
16 125495,27 2007924,32 256 96446,52 29048,75 843829853,74 23,1% 23,1%
17 82914,85 1409552,45 289 96009,44 -13094,59 171468400,26 -15,8% 15,8%
18 111783,61 2012104,98 324 95572,37 16211,24 262804359,52 14,5% 14,5%
19 140338,01 2666422,19 361 95135,29 45202,72 2043285700,31 32,2% 32,2%
20 119053,82 2381076,40 400 94698,22 24355,60 593195442,32 20,5% 20,5%
21 93273,10 1958735,10 441 94261,14 -988,04 976223,04 -1,1% 1,1%
22 84448,49 1857866,78 484 93824,06 -9375,57 87901386,39 -11,1% 11,1%
23 89404,63 2056306,49 529 93386,99 -3982,36 15859174,01 -4,5% 4,5%
24 48095,52 1154292,48 576 92949,91 -44854,39 2011916460,76 -93,3% 93,3%
300 2351430,88 28890248,51 4900 2351430,88 0,00 19657068945,51 -323,71% 766,92%

Lampiran Tabel A.2 Peramalan Metode Kuadratis

2 2 3 4 2
t dt t.dt t t *dt t t Dt e=dt-Dt e PEt
γ = -18302480 1 129612,27 129612,27 1 129612,27 1 1 97610,45 32001,82 1024116607,87 25%
δ = 12063299,75999992 135700,74 271401,48 4 542802,96 8 16 98580,04 37120,70 1377946637,97 27%
θ = 368877318,6399973 95133,25 285399,75 9 856199,25 27 81 99421,75 -4288,50 18391198,85 5%
α = -690000 4 34925,02 139700,08 16 558800,32 64 256 100135,58 -65210,56 4252416778,03 187%
β = -27600 5 47805,85 239029,25 25 1195146,25 125 625 100721,53 -52915,68 2800069172,02 111%
6 112117,09 672702,54 36 4036215,24 216 1296 101179,60 10937,49 119628603,88 10%
a = 96512,98115612637 140338,01 982366,07 49 6876562,49 343 2401 101509,80 38828,21 1507629951,43 28%
b = 1161,406188385558 119053,82 952430,56 64 7619444,48 512 4096 101712,12 17341,70 300734695,52 15%
c = -63,9392906658565
9 89641,11 806769,99 81 7260929,91 729 6561 101786,55 -12145,44 147511817,43 14%
10 83109,29 831092,90 100 8310929,00 1000 10000 101733,11 -18623,82 346846819,39 22%
11 107176,44 1178940,84 121 12968349,24 1331 14641 101551,80 5624,64 31636630,73 5%
12 106455,04 1277460,48 144 15329525,76 1728 20736 101242,60 5212,44 27169556,18 5%
13 74059,23 962769,99 169 12516009,87 2197 28561 100805,52 -26746,29 715364108,07 36%
14 66155,18 926172,52 196 12966415,28 2744 38416 100240,57 -34085,39 1161813594,87 52%
15 115341,24 1730118,60 225 25951779,00 3375 50625 99547,73 15793,51 249434844,97 14%
16 125495,27 2007924,32 256 32126789,12 4096 65536 98727,02 26768,25 716539113,85 21%
17 82914,85 1409552,45 289 23962391,65 4913 83521 97778,43 -14863,58 220926050,73 18%
18 111783,61 2012104,98 324 36217889,64 5832 104976 96701,96 15081,65 227456095,20 13%
19 140338,01 2666422,19 361 50662021,61 6859 130321 95497,61 44840,40 2010661041,24 32%
20 119053,82 2381076,40 400 47621528,00 8000 160000 94165,39 24888,43 619434014,69 21%
21 93273,10 1958735,10 441 41133437,10 9261 194481 92705,28 567,82 322415,09 1%
22 84448,49 1857866,78 484 40873069,16 10648 234256 91117,30 -6668,81 44473035,06 8%
23 89404,63 2056306,49 529 47295049,27 12167 279841 89401,44 3,19 10,18 0%
24 48095,52 1154292,48 576 27703019,52 13824 331776 87557,70 -39462,18 1557263512,54 82%
Total 300 2351430,88 28890248,51 4900 464713916,39 90000 1763020 2351430,88 0,00 19477786305,80 750%
Lampiran Tabel A.3 Peramalan Metode Siklis
a = 97976,2866666666 b = -6315,2263596553 c = -6315,2263596553
BULAN dt sin(2πt/n) cos(2πt/n) DT*sin(2πt/n) DT*cos(2πt/n) dt' e=|dt-dt'| e^2 PEt
1 129612,27 0,26 0,97 33529,51 125200,29 94096,10 35516,17 1261398440,49 27,40%
2 135700,74 0,50 0,87 67819,17 117538,29 92805,73 42895,01 1839981515,81 31,61%
3 95133,25 0,71 0,71 67242,58 67296,15 91867,38 3265,87 10665909,75 3,43%
4 34925,02 0,87 0,50 30236,68 17478,56 91344,92 56419,90 3183204796,75 161,55%
5 47805,85 0,97 0,26 46168,68 12403,70 91273,92 43468,07 1889472777,86 90,93%
6 112117,09 1,00 0,00 112117,05 89,28 91659,21 20457,88 418524840,90 18,25%
7 140338,01 0,97 -0,26 135589,79 -36196,20 92474,57 47863,44 2290908995,06 34,11%
8 119053,82 0,87 -0,50 103166,78 -59417,40 93664,48 25389,34 644618456,37 21,33%
9 89641,11 0,71 -0,71 63461,51 -63310,08 95147,94 5506,83 30325202,80 6,14%
10 83109,29 0,50 -0,87 41650,13 -71919,54 96823,95 13714,66 188092034,12 16,50%
11 107176,44 0,26 -0,97 27890,41 -103483,88 98578,42 8598,02 73925985,06 8,02%
12 106455,04 0,00 -1,00 169,55 -106454,90 100291,89 6163,15 37984444,25 5,79%
13 74059,23 -0,26 -0,97 -19044,48 -71568,69 101847,71 27788,48 772199761,79 37,52%
14 66155,18 -0,50 -0,87 -32971,08 -57353,43 103139,97 36984,79 1367874827,81 55,91%
15 115341,24 -0,71 -0,71 -81396,04 -81720,78 104080,69 11260,55 126800004,21 9,76%
16 125495,27 -0,86 -0,50 -108548,60 -62978,28 104605,82 20889,45 436369083,80 16,65%
17 82914,85 -0,97 -0,26 -80040,97 -21640,59 104679,62 21764,77 473705044,89 26,25%
18 111783,61 -1,00 0,00 -111783,29 -267,05 104297,05 7486,56 56048566,24 6,70%
19 140338,01 -0,97 0,26 -135647,27 35980,20 103484,17 36853,84 1358205501,75 26,26%
20 119053,82 -0,87 0,50 -103261,28 59253,02 102296,31 16757,51 280813982,25 14,08%
21 93273,10 -0,71 0,71 -66137,61 65769,96 100814,35 7541,25 56870499,17 8,09%
22 84448,49 -0,50 0,86 -42437,61 73010,94 99139,18 14690,69 215816283,20 17,40%
23 89404,63 -0,26 0,97 -23403,13 86287,20 97384,83 7980,20 63683617,16 8,93%
24 48095,52 0,00 1,00 -153,20 48095,28 95670,75 47575,23 2263402724,25 98,92%
TOTAL 2351430,88 0,00 -0,01 -75782,72 -27907,95 2351468,97 566831,66 19340893295,77 751,50%

Lampiran Tabel A.4 Peramalan Metode Tren Siklis

a = 127526,973561792 b = -2364,17792863603 c = 106,784029178414 d = -24270,0385423941 pi = 3,14
2
t.sin (2π.t/n) t.cos (2π.t/n) dt.sin (2π.t/n) dt.cos (2π.t/n) sin2(2πt/n) cos 2(2πt/n) sin(2πt/n).cos(2πt/n) Dt e = dt-Dt e PE

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 Tabel A.5 Perbandingan Nilai Kesalahan Metode Peramalan

Metode SEE MSE MFE MAPE
Linear 29891,52 819044539,396 1,78867E-11 31,95%
Kuadratis 30455,108 811574429,408 2,0312E-11 31,23%
Siklis 30347,898 805870553,990 23617,9858 31,31%
Trend Siklis 28331,188 702324193,133 -1,2642E-10 28,21%
 FIRST AUTHOR / JOURNAL ON OPTIMIZATIONS OF SYSTEMS AT INDUSTRIES - VOL. XX NO. XX (2017) XXX-XXX

LAMPIRAN B
(Verifikasi dan Validasi)

15 https://doi.org/10.25077/xxxxx First Author

Lampiran Tabel B.1 Verifikasi Metode Moving Average Pada Metode Terpilih
Region A Region B
t dt Dt dt-Dt MR |MR| MR bar UCL LCL Region C
+ - + -
1 129612,27 118987,51 10624,76 - 68705,36 -68705,36 45717,47 -45717,47 22987,88 -22987,88 0
2 135700,74 110761,67 24939,07 14314,31 14314,31 68705,36 -68705,36 45717,47 -45717,47 22987,88 -22987,88 0
3 95133,25 103355,30 -8222,05 -33161,12 33161,12 68705,36 -68705,36 45717,47 -45717,47 22987,88 -22987,88 0
4 34925,02 97111,68 -62186,66 -53964,61 53964,61 68705,36 -68705,36 45717,47 -45717,47 22987,88 -22987,88 0
5 47805,85 92294,91 -44489,06 17697,60 17697,60 68705,36 -68705,36 45717,47 -45717,47 22987,88 -22987,88 0
6 112117,09 89071,96 23045,13 67534,19 67534,19 68705,36 -68705,36 45717,47 -45717,47 22987,88 -22987,88 0
7 140338,01 87501,30 52836,71 29791,58 29791,58 68705,36 -68705,36 45717,47 -45717,47 22987,88 -22987,88 0
8 119053,82 87528,91 31524,91 -21311,80 21311,80 68705,36 -68705,36 45717,47 -45717,47 22987,88 -22987,88 0
9 89641,11 88991,96 649,15 -30875,76 30875,76 68705,36 -68705,36 45717,47 -45717,47 22987,88 -22987,88 0
10 83109,29 91629,88 -8520,59 -9169,74 9169,74 68705,36 -68705,36 45717,47 -45717,47 22987,88 -22987,88 0
11 107176,44 95102,14 12074,30 20594,89 20594,89 68705,36 -68705,36 45717,47 -45717,47 22987,88 -22987,88 0
12 106455,04 99011,40 7443,64 -4630,66 4630,66 68705,36 -68705,36 45717,47 -45717,47 22987,88 -22987,88 0
25829,081
13 74059,23 102930,56 -28871,33 -36314,97 36314,97 68705,36 -68705,36 45717,47 -45717,47 22987,88 -22987,88 0
14 66155,18 106431,85 -40276,67 -11405,34 11405,34 68705,36 -68705,36 45717,47 -45717,47 22987,88 -22987,88 0
15 115341,24 109115,96 6225,28 46501,95 46501,95 68705,36 -68705,36 45717,47 -45717,47 22987,88 -22987,88 0
16 125495,27 110639,19 14856,08 8630,79 8630,79 68705,36 -68705,36 45717,47 -45717,47 22987,88 -22987,88 0
17 82914,85 110736,90 -27822,05 -42678,13 42678,13 68705,36 -68705,36 45717,47 -45717,47 22987,88 -22987,88 0
18 111783,61 109241,49 2542,12 30364,18 30364,18 68705,36 -68705,36 45717,47 -45717,47 22987,88 -22987,88 0
19 140338,01 106093,79 34244,22 31702,09 31702,09 68705,36 -68705,36 45717,47 -45717,47 22987,88 -22987,88 0
20 119053,82 101347,17 17706,65 -16537,57 16537,57 68705,36 -68705,36 45717,47 -45717,47 22987,88 -22987,88 0
21 93273,10 95163,81 -1890,71 -19597,36 19597,36 68705,36 -68705,36 45717,47 -45717,47 22987,88 -22987,88 0
22 84448,49 87803,72 -3355,23 -1464,52 1464,52 68705,36 -68705,36 45717,47 -45717,47 22987,88 -22987,88 0
23 89404,63 79607,02 9797,61 13152,84 13152,84 68705,36 -68705,36 45717,47 -45717,47 22987,88 -22987,88 0
24 48095,52 70970,79 -22875,27 -32672,88 32672,88 68705,36 -68705,36 45717,47 -45717,47 22987,88 -22987,88 0
Total 594068,87

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

Lampiran Tabel B.3 Peramalan 12 Bulan Kedepan Menggunakan Metode Terpilih

t Dt Dt
25 62247,238 62248
26 54021,400 54022
27 46615,033 46616
28 40371,408 40372
29 35554,636 35555
30 32331,690 32332
31 30761,033 30762
32 30788,643 30789
33 32251,689 32252
34 34889,613 34890
35 38361,874 38362
36 42271,130 42272
Total 480465,387 480472,000

17 https://doi.org/10.25077/xxxxx First Author

LAMPIRAN C
(Pengendalian Persediaan)