BAB IV

HASIL DAN PEMBAHASAN

4.1 Pengumpulan Data

Data yang digunakan pada penelitian ini terdiri dari data permintaaan
aktual dan data peramalan produk Acticare Antiseptik Handscrub 500ML. Berikut
ini tabel 4.1 merupakan data permintaan aktual dengan data peramalan produk
Acticare Antiseptik Handscrub 500ML.
Tabel 4.1 Data Permintaan dan Peramalan Produk Acticare Antiseptik Handscrub
500ML
Tahun Periode Permintaan Peramalan
2019 Januari'19 900 1000
2019 Febuari'19 950 1200
2019 Maret'19 870 950
2019 April'19 600 900
2019 Mei'19 500 700
2019 Juni'19 575 700
2019 Juli'19 900 700
2019 Agustus'19 800 900
2019 September'19 500 925
2019 Oktober'19 1500 900
2019 November'19 1000 950
2019 Desember'19 850 1100
Sumber : Data Data Permintaan dan Peramalan Produk Acticare Antiseptik
Handscrub 500ML, 2019
Berdasarkan pada tabel 4.1 data permintaan dan data peramalan pada produk
Acticare Antiseptik Handscrub 500ML diambil dari bulan Januari 2019 hingga
Bulan Desember 2019 dengan hasil permintaan dan data peramalan yang berbeda-
beda setiap bulannya. Data permintaan terbanyak dari bulan januari 2019 hingga
Bulan Desember 2019 yaitu pada Bulan Oktober 2019 sebesar 1500, untuk data
peramalan terbanyak terdapat di Bulan Febuari 2019 sebesar 1200. Berikut adalah
grafik yang menunjukkan pola data permintaan produk Acticare Antiseptik
Handscrub 500ML tahun 2019.

IV-1
 IV-2

Permintaan Produk Acticare HandScrub

500 ML
2000
1500
1000 Permintaan Periode
2019
500
0

Gambar 4.1 Pola Data Permintaaan Produk Acticare Handscrub 500 ML (Botol)
Berdasarkan hasil pola pada gambar 4.1 diatas dapat dilihat bahwa pola data
permintaan produk Acticare Antiseptik Handscrub 500ML 2019 yaitu pola data
horizontal karena pada data permintaan menunjukkan tidak mengikut pola atau
trend tertentu dimana dalam datanya hampir rata dengan sumbu horizontal .

4.2 Pengolahan Data

Pengolahan data adalah suatu proses pengumpulan, manipulasi dan
pemrosesan data berdasarkan data yang dikumpulkan agar dapat digunakan untuk
mencapai tujuan tertentu. Pengolahan data ini bertujuan untuk mencari hasil
peramalan lebih akurat untuk meramalkan berdasarkan data historis penjualan
selama 12 periode. Berikut adalah penjelasan peramalan menggunakan Eksisting (
Metode Perusahaan), Metode Single Exponential Smoothing dan Metode Moving
Average dengan menggunakan Software POM QM.

4.2.1 Eksisting (Metode Perusahaan)

Peramalan yang dilakukan perusahaan PT. Medtracos Esana Prima pada
produk Acticare Antiseptik Handscrub 500ML yaitu menggunakan metode
gabungan penjualan dimana setiap sales manager dalam tiap daerah meramalkan
tingkat penjualan didaerah masing-masing yang digabung dengan tingkat
nasional. Berikut adalah hasil peramalan yang digunakan oleh metode perusahaan.
 IV-3

Tabel 4.2 Hasil Peramalan Produk Acticare Antiseptik Handscrub 500ML Menggunakan
Metode Perusahaan
Penyimpangan
Tahun Periode Permintaan Peramalan
Mutlak
2019 Januari'19 900 1000 100
2019 Febuari'19 950 1200 250
2019 Maret'19 870 950 80
2019 April'19 600 900 300
2019 Mei'19 500 700 200
2019 Juni'19 575 700 125
2019 Juli'19 900 700 200
2019 Agustus'19 800 900 100
2019 September'19 500 925 425
2019 Oktober'19 1500 900 600
2019 November'19 1000 950 50
2019 Desember'19 850 1100 200
∑ Penyimpangan 2630
Sumber : Data Hasil Peramalan Produk Acticare Antiseptik Handscrub 500ML
Menggunakan Metode Perusahaan, 2019
Berdasarkan pada tabel 4.2 data permintaan dan data peramalan pada
produk Acticare Antiseptik Handscrub 500ML diambil dari bulan Januari 2019
hingga Bulan Desember 2019 dengan hasil permintaan dan data peramalan yang
berbeda-beda setiap bulannya. Penyimpangan mutlak pada nilai penyimpangan
berguna untuk menghindari nilai error pada penyimpangan peramalan yang
sebenarnya besar seolah-olah kelihatan kecil karena kalau error dijumlahkan
begitu saja error positif besar akan dihilangkan oleh error negatif yang besar.
Permintaaan produk Acticare Antiseptik Handscrub 500ML terbanyak terjadi
dibulan Oktober 2019, untuk nilai penyimpangan terbanyak terjadi pada bulan
oktober 2019 yaitu sebesar 600. Total penyimpangan pada data permintaan dan
peramalan produk Acticare Antiseptik Handscrub 500ML selama 12 periode yaitu
sebesar 2630. Berikut adalah perhitungan penyimpangan nilai MAD, MSE, dan
MAPE mengggunakan metode yang diakukan perusahaan.
 IV-4

Tabel 4.3 Nilai Kesalahan Eksisting

Nilai Eksisting (Metode
Kesalahan Perusahaan)
MAD 219,166
MSE 576.408,333
MAPE 2,203
Sumber : Data Nilai Kesalahan Eksisting, 2019
Tabel 4.3 menunjukkan hasil output MAD, MSE, dan MAPE berdasarkan
hasil perhitungan Eksisting (Metode Perusahaan). Mean Absolute Deviation atau
MAD merupakan perhitungan yang digunakan untuk menghitung rata-rata
kesalahan mutlak yaitu sebesar 219,166. MSE merupakan metode yang
memperkuat pengaruh angka-angka kesalahan besar, tetapi memperkecil
angka kesalahan peramalan yang kecil yaitu sebesar 576.408,333. MAPE
merupakan menunjukan rata-rata kesalahan absolut peramalan dalam bentuk
presentase terhadap data aktual yaitu sebesar 2,203%.

4.2.2 Metode Single Exponential Smoothing

Metode Single Exponential Smoothing merupakan metode yang digunakan
pada peramalan jangka pendek yang biasanya hanya 1 bulan ke depan yang
mengasumsikan bahwa data berfluktuasi di sekitar nilai mean yang tetap tanpa
trend atau pola pertumbuhan konsisten. Konstanta penghalusan nilai α (Alpha)
yaitu dari 0-1. Cara mendapatkan nilai α (Alpha) ditentukan dengan melihat nilai
Trial and Error. Jika nilai MAD terkecil diantara semua konstanta pemulusan
maka nilai α (Alpha) itulah yang terpakai dalam software POM QM. Berikut
adalah hasil nilai error α (Alpha) dari 0,1 – 0,9 yaitu.
 IV-5

Tabel 4.4 Nilai α dari 0,1 – 0,9

Nilai α Nilai MAD
0,1 211,112
0,2 214,641
0,3 216,606
0,4 214,643
0,5 221,968
0,6 228,168
0,7 236,097
0,8 249,224
0,9 259,997
Berdasarkan Tabel 4.4 Nilai α (Alpha) yang digunakan pada Metode
Single Exponential Smoothing menggunakan software POM QM adalah 0,1
karena memiliki nilai error α terkecil yaitu sebesar 211,112. Berikut adalah
Perhitungan Forecasting Result pada Metode Single Exponential Smoothing
menggunakan software POM QM.
Tabel 4.5 Forecasting Result Single Exponential Smoothing
Measure Value
Error Measures
Bias (Mean Error) -28,961
MAD (Mean Absolute Deviation) 211,112
MSE (Mean Squared Error) 85.616,370
Standard Error (denom=n-2=21) 323,485
MAPE (Mean Absolute Percent
28,990%
Error)
Forecast
next period 868,142
Sumber : Output Software POM QM, 2022
Berdasarkan Tabel 4.5 menunjukkan hasil output MAD, MSE, MAPE,
Bias (Mean Error), Standard Error, Bias (Mean Error), Forecast, next period
berdasarkan hasil perhitungan Metode Single Exponential Smoothing melalui
software POM QM. Mean Absolute Deviation atau MAD merupakan perhitungan
yang digunakan untuk menghitung rata-rata kesalahan mutlak yaitu sebesar
211,112. MSE merupakan metode yang memperkuat pengaruh angka-
angka kesalahan besar, tetapi memperkecil angka kesalahan peramalan
yang kecil yaitu sebesar 85.616,37. MAPE menunjukan rata-rata kesalahan
absolut peramalan dalam bentuk presentase terhadap data aktual yaitu sebesar
 IV-6

28,990%. Bias (Mean Error) merupakan nilai tengah kesalahan yaitu sebesar -
28,961 . Standard Error adalah hasil nilai yang diperoleh menyimpang dengan
perhitungan, berdasarkan tabel diatas yaitu nilainya sebesar 323,485. Nilai
Forecast period adalah nilai peramalan periode selanjutnya yang dihasilkan pada
periode ke 13 yaitu sebesar 868,142 yang dibulatkan menjadi 868 botol.
Details and Error Analyst adalah nilai kesalahan yang error pada
perhitungan. Berikut adalah tabel Detail and Error Analyst Metode Single
Exponential Smoothing pada software POM QM.
Tabel 4.6 Detail and Error Analyst Single Exponential Smoothing
Demand Forecast Error |Error| Error² |Pct Error|
Januari 900 - - - - -
Februari 950 900 50 50 2500 5,260%
Maret 870 905 -35 35 1225 4,020%
April 600 901,500 -301,500 301,500 90.902,300 50,250%
Mei 500 871,350 -371,350 371,350 137.901 74,270%
Juni 575 834,215 -259,220 259,215 67.192,400 45,080%
Juli 900 808,294 91,707 91,707 8.410,090 10,190%
Agustus 800 817,464 -17,464 17,464 304,995 2,180%
September 500 815,718 -315,720 315,718 99.677,70 63,140%
Oktober 1500 784,146 715,854 715,854 512.447 47,720%
November 1000 855,731 144,269 144,269 20.813,500 14,430%
Desember 850 870,158 -20,158 20,158 406,353 2,370%
TOTALS 9.945 -318,580 2.322,230 941.780 318,930%
AVERAGE 828,75 -28,961 211,112 85.616,400 28,990%
Next period
868,142 (Bias) (MAD) (MSE) (MAPE)
forecast
Sumber : Output Software POM QM, 2022
Tabel 4.6 diatas merupakan Details and Error Analyst pada Metode Single
Exponential Smoothing dengan software POM QM. Terdapat 7 kolom pada tabel
diatas yaitu Period, Demand, Forecast, Error, |Error|, Error² dan |Pct Error|.
Kolom Pertama pada tabel yaitu period yang berarti periode dalam melakukan
peramalannya. Kolom selanjutnya yaitu Demand yang berarti data permintaan
aktual pada peramalannya dengan contoh nilai terbesar yaitu 1500 pada bulan
oktober 2019. Kolom selanjutnya yaitu Forecast yang berisikan hasil data
 IV-7

peramalan dimulai data periode 1-12. Kolom selanjutnya yaitu Error yang
berisikan nilai tengah kesalahan error, dengan nilai terbesar dalam 12 periode
yaitu 784,146 dibulan Oktober 2019. Kolom selanjutnya yaitu |Error| yang berisi
hasil perhitungan mutlak dari tabel error dimana nilai sebesar 715,854 didapatkan
di bulan Oktober 2019. Kolom selanjutnya yaitu Error² yang berisi perhitungan
kesalahan tabel error yang dikuadratkan dengan contoh nilai 512.447 dibulan
Oktober 2019. Pada kolom terakhir yaitu |Pct Error| menunjukkan hasil peramalan
yang sudah didapatkan dengan contoh nilai sebesar 47,720% dibulan Oktober
2019. Totals merupakan hasil perjumlahan pada setiap kolom dengan jumlah
totalnya 9945 pada kolom demand dan AVERAGE merupakan nilai dari rata-rata
setiap hasil kolom. Nilai Forecast period adalah nilai peramalan periode
selanjutnya yang dihasilkan pada periode ke 13 yaitu sebesar 868,142 yang
dibulatkan menjadi 868 botol.
Tracking Signal adalah suatu ukuran bagaimana baiknya suatu peramalan
memperkirakan nilai-nilai aktual. Berikut adalah Tabel Tracking Signal Metode
Single Exponential Smoothing dengan software POM QM.
Tabel 4.7 Output Tracking Signal Single Exponential Smoothing
Cum
Track
Demand Forecast Error Cum Error Abs Cum Abs MAD
Signal
Error
Januari 900 - - - - - - -
Februari 950 900 50 50 50 50 50 1
Maret 870 905 -35 15 35 85 42,5 0,353
April 600 901,500 -301,500 -286,500 301,500 386,500 128,833 -2,224
Mei 500 871,350 -371,350 -657,850 371,350 757,850 189,463 -3,472
Juni 575 834,215 -259,220 -917,070 259,215 1.017,070 203,413 -4,508
Juli 900 808,294 91,707 -825,360 91,707 1.108,770 184,795 -4,466
Agustus 800 817,464 -17,464 -842,820 17,464 1.126,240 160,891 -5,238
September 500 815,718 -315,720 -1158,500 315,718 1.441,950 180,244 -6,428
Oktober 1500 784,146 715,854 -442,690 715,854 2.157,810 239,756 -1,846
November 1000 855,731 144,269 -298,420 144,269 2.302,080 230,208 -1,296
Desember 850 870,158 -20,158 -318,580 20,158 2.322,230 211,112 -1,509
Sumber : Output Software POM QM, 2022
 IV-8

Tabel 4.7 Merupakan hasil dari output Tracking Signal pada metode
Single Exponential Smoothing dengan software POM QM. Terdapat 9 Kolom
pada tabel diatas yaitu Period, Demand, Forecast, Error, Cum Error, Cum Abs
Error, MAD dan Tracking Signal. Kolom pertama yaitu demand(y) yang artinya
permintaan aktual yang didapat dari data agregat yang sudah ada dari periode 1
hingga periode 12, dengan contoh nilai terbesar pada bulan Oktober 2019 yaitu
1500. Kolom selanjutnya adalah forecast yang berarti nilai hasil peramalan
dimana pada bulan Oktober 2019 yaitu 784,146. Kolom selanjutnya yaitu error
yang artinya selisih dari nilai demand dengan nilai forecast, hal tersebut
merupakan penyimpangan dimana jika semakin mendekati 0 maka peramalan
akan semakin baik dimana pada nilai dibulan Oktober 2019 didapatkan sebesar
715,854. Kolom selanjutnya yaitu cum error yaitu penjumlahan kumulatif dari
nilai pada kolom error dimana nilai di bulan Oktober 2019 yaitu -442,69. Kolom
selanjutnya yaitu kolom cum abs error merupakan pemutlakan dari nilai pada
kolom error dengan contoh nilai dibulan Oktober 2019 yaitu 715,854. Kolom
selanjutnya yaitu cum abs didapat pada bulan Oktober 2019 yaitu 2.157,81.
dimana hasil ini menunjukkan permutlakan dari nilai pada kolom cum error. Nilai
cum MAD menunjukan penyimpangan atau selisih dari nilai aktual dengan
peramalannya dimana nilai pada bulan Oktober 2019 didapatkan sebesar 239,756.
Kolom tracking signal merupakan suatu ukuran bagaimana baiknya suatu
peramalan memperkirakan nilai aktual, nilai tersebut didapat dari pembagian
antara nilai pada kolom cum error dengan nilai pada kolom cum MAD dimana
pada bulan Oktober 2019 didapat hasil yaitu -1,846.
Grafik adalah kumpulan data dari beberapa tabel yang disajikan atau
ditampilkan dalam bentuk gambar, seperti persegi, lingkaran, tabung, segitiga,
balok, kerucut dan lain-lain. Grafik juga biasa diartikan sebagai suatu kerangka
atau gambar yang digunakan untuk membuat objek visualisasi dari data-data pada
tabel dengan tujuan memberikan informasi mengenai suatu data dari penyaji
materi kepada penerima materi. Berikut adalah hasil output grafik peramalan pada
Metode Single Exponential Smoothing dengan software POM QM.
 IV-9

Gambar 4.2 Grafik Single Exponential Smoothing Alpha = 0,1, 2022

Gambar 4.2 merupakan grafik yang menjelaskan kecocokan data aktual
dengan data hasil peramalan dengan metode Single Exponential Smoothing
dengan konstanta α (Alpha) 0,1. Garis yang berwarna hitam menunjukkan data
aktual yang dimulai dari periode 1 sampai 12 sedangkan garis yang berwarna biru
menunjukkan data hasil peramalan. Garis yang terbentuk dari data hasil peramalan
dan data aktual menunjukkan bahwa data cukup akurat dikarenakan data aktual
yang disebabkan oleh faktor – faktor tertentu.

4.2.3 Metode Moving Average

Moving Average atau rata-rata bergerak adalah metode peramalan yang
menghitung rata-rata suatu nilai runtut waktu dan kemudian digunakan untuk
memperkirakan nilai pada periode selanjutnya. Moving Average atau Rata-rata
Bergerak diperoleh melalui penjumlahan dan pencarian nilai rata-rata dari
sejumlah periode tertentu, kemudian menghilangkan nilai terlamanya dan
menambah nilai baru. Berikut adalah perhitungan Forecasting Result pada
Metode Moving Average menggunakan software POM QM.
 IV-10

Tabel 4.8 Forecasting Result Moving Average

Measure Value
Error Measures
Bias (Mean Error) -4,545
MAD (Mean Absolute Deviation) 268,182
MSE (Mean Squared Error) 143.232
Standard Error (denom=n-2=21) 418,403
MAPE (Mean Absolute Percent
30,49%
Error)
Forecast
next period 850
Sumber : Output Software POM QM, 2022
Berdasarkan Tabel 4.8 menunjukkan hasil output MAD, MSE, MAPE,
Bias (Mean Error), Standard Error, Bias (Mean Error), Forecast, next period
berdasarkan hasil perhitungan Metode Moving Average melalui software POM
QM. Mean Absolute Deviation atau MAD merupakan perhitungan yang
digunakan untuk menghitung rata-rata kesalahan mutlak yaitu sebesar 268,182.
MSE merupakan metode yang memperkuat pengaruh angka-
angka kesalahan besar, tetapi memperkecil angka kesalahan peramalan
yang kecil yaitu sebesar 143.232. MAPE menunjukan rata-rata kesalahan absolut
peramalan dalam bentuk presentasenya terhadap data aktual yaitu sebesar 30,49%.
Bias (Mean Error) merupakan nilai tengah kesalahan yaitu sebesar -4,545.
Standard Error adalah hasil nilai yang diperoleh menyimpang dengan
perhitungan, berdasarkan tabel diatas yaitu nilainya sebesar 418,403. Nilai
Forecast period adalah nilai peramalan periode selanjutnya yang dihasilkan pada
periode ke 13 yaitu sebesar 850 botol.
Details and Error Analyst adalah nilai kesalahan yang error secara pada
perhitungan. Berikut adalah tabel Detail and Error Analyst Metode Moving
Average pada software POM QM.
 IV-11

Tabel 4.9 Detail and Error Analyst Moving Average

Demand Forecast Error |Error| Error² |Pct Error|
Januari 900
Februari 950 900 50 50 2.500 5,260%
Maret 870 950 -80 80 6.400 9,200%
April 600 870 -270 270 72.900 45,000%
Mei 500 600 -100 100 10.000 20,000%
Juni 575 500 75 75 5.625 13,040%
Juli 900 575 325 325 105.625 36,110%
Agustus 800 900 -100 100 10.000 12,500%
September 500 800 -300 300 90.000 60,000%
Oktober 1500 500 1.000 1.000 1.000.000 66,670%
November 1000 1500 -500 500 250.000 50,000%
Desember 850 1000 -150 150 22.500 17,650%
TOTALS 9945 -50 2.950 1.575.550 335,430%
AVERAGE 828,75 -4,545 268,182 143.232 30,490%
Next period
850 (Bias) (MAD) (MSE) (MAPE)
forecast
Sumber : Output Software POM QM, 2022
Tabel 4.9 diatas merupakan Details and Error Analyst pada Metode
Moving Average dengan software POM QM. Terdapat 7 kolom pada tabel diatas
yaitu Period, Demand, Forecast, Error, |Error|, Error² dan |Pct Error|. Kolom
Pertama pada tabel yaitu period yang berarti periode dalam melakukan
peramalannya. Kolom selanjutnya yaitu Demand yang berarti data permintaan
aktual pada peramalannya dimana nilai terbesar yaitu 1500 yang didapat pada
bulan oktober 2019. Kolom selanjutnya yaitu Forecast yang berisikan hasil data
peramalan dimulai data periode 1 sampai periode 12. Kolom selanjutnya yaitu
Error yang berisikan nilai tengah kesalahan error dengan contoh nilai 500 dibulan
Oktober 2019. Kolom selanjutnya yaitu |Error| yang berisi hasil perhitungan
mutlak dari tabel error dimana nilai sebesar 500 didapatkan di bulan Oktober
2019. Pada kolom selanjutnya yaitu Error² yang berisi perhitungan kesalahan tabel
error yang dikuadratkan dengan contoh nilai 250.000 dibulan Oktober 2019.
Dalam kolom terakhir yaitu |Pct Error| menunjukkan hasil peramalan yang sudah
didapatkan dengan contoh nilai sebesar 50,000% dibulan Oktober 2019. Totals
 IV-12

merupakan hasil perjumalahan pada setiap kolom dengan jumlah totalnya dengan
contoh jumlah total pada demand yaitu sebesar 9.945 dan AVERAGE merupakan
nilai dari rata-rata setiap hasil kolom. Nilai Forecast period adalah nilai
peramalan periode selanjutnya yang dihasilkan pada periode ke 13 yaitu sebesar
850 botol.
Tracking Signal adalah suatu ukuran bagaimana baiknya suatu peramalan
memperkirakan nilai-nilai aktual. Berikut adalah Tabel Tracking Signal Metode
Moving Average dengan software POM QM.
Tabel 4.10 Output Tracking Signal Moving Average
Cum
Cum Cum Track
Demand Forecast Error Abs MAD
Error Abs Signal
Error
Januari 900
Februari 950 900 50 50 50 50 50 1
Maret 870 950 -80 -30 80 130 65 -0,462
April 600 870 -270 -300 270 400 133,333 -2,250
Mei 500 600 -100 -400 100 500 125 -3,200
Juni 575 500 75 -325 75 575 115 -2,826
Juli 900 575 325 0 325 900 150 0
Agustus 800 900 -100 -100 100 1000 142,857 -0,700
September 500 800 -300 -400 300 1300 162,5 -2,462
Oktober 1500 500 1000 600 1000 2300 255,556 2,348
November 1000 1500 -500 100 500 2800 280 0,357
Desember 850 1000 -150 -50 150 2950 268,182 -0,186
Sumber : Output Software POM QM, 2022
Tabel 4.10 merupakan hasil dari output Tracking Signal pada metode
Moving Average dengan software POM QM. Terdapat 9 Kolom pada tabel diatas
yaitu Period, Demand, Forecast, Error, Cum Error, Cum Abs Error, MAD, dan
Tracking Signal. Kolom pertama yaitu demand(y) yang artinya permintaan aktual
yang didapat dari data agregat yang sudah ada dari periode 1 hingga periode 12 ,
dengan contoh nilai terbesar pada bulan Oktober 2019 yaitu 1500. Kolom
selanjutnya adalah forecast yang berarti nilai hasil peramalan dimana pada bulan
Oktober 2019 yaitu 500. Kolom selanjutnya yaitu error yang artinya selisih dari
nilai demand dengan nilai forecast, hal tersebut merupakan penyimpangan dimana
 IV-13

jika semakin mendekati 0 maka peramalan akan semakin baik dimana pada nilai
dibulan Oktober 2019 didapatkan sebesar 1000. Kolom selanjutnya yaitu cum
error yaitu penjumlahan kumulatif dari nilai pada kolom error dimana nilai di
bulan Oktober 2019 yaitu 600. Kolom selanjutnya yaitu kolom cum abs error
merupakan pemutlakan dari nilai pada kolom error dengan contoh nilai dibulan
Oktober 2019 yaitu 1.000. Kolom selanjutnya yaitu cum abs merupakan
permutlakan dari nilai pada kolom cum error dengan contoh nilai dibulan Oktober
2019 yaitu 2.300. Nilai cum MAD menunjukan penyimpangan atau selisih dari
nilai aktual dengan peramalannya dimana nilai pada bulan Oktober 2019
didapatkan sebesar 255,556. Kolom tracking signal merupakan suatu ukuran
bagaimana baiknya suatu peramalan memperkirakan nilai aktual, nilai tersebut
didapat dari pembagian antara nilai pada kolom cum error dengan nilai pada
kolom cum MAD. dengan contoh nilai dibulan Oktober 2019 yaitu 2,348.
Grafik adalah kumpulan data dari beberapa tabel yang disajikan atau
ditampilkan dalam bentuk gambar, seperti persegi, lingkaran, tabung, segitiga,
balok, kerucut dan lain-lain. Grafik juga biasa diartikan sebagai suatu kerangka
atau gambar yang digunakan untuk membuat objek visualisasi dari data-data pada
tabel dengan tujuan memberikan informasi mengenai suatu data dari penyaji
materi kepada penerima materi. Berikut adalah hasil output Grafik Peramalan
pada Metode Moving Average dengan software POM QM.

Gambar 4.3 Grafik Moving Average Periods to average = 1

Gambar 4.3 merupakan grafik yang menjelaskan kecocokan data aktual
dengan data hasil peramalan dengan metode Moving Average dengan
 IV-14

menggunakan periods to average = 1. Garis yang berwarna hitam menunjukkan

data aktual yang dimulai dari periode 1 sampai periode 12 sedangkan garis yang
berwarna biru menunjukkan data hasil peramalan. Garis yang terbentuk dari data
hasil peramalan dan data aktual menunjukkan bahwa data sangat akurat yang
berati data peramalan yang dihasilkan mendekati dengan data aktual.

4.3 Perbandingan Metode Eksisting, Metode Single Exponential

Smoothing dan Metode Moving Average
Perhitungan peramalan yang telah dilakukan akan dibandingkan untuk
melihat metode yang efektif untuk perusahaan dalam melakukan peramalannya.
Disini untuk perbandingannya menggunakan perhitungan dari MAD (Mean
Absolut Deviation), MSE (Mean Squared Error), dan MAPE (Mean Absolute
Percent Error) Berikut adalah tabel perbandingan nilai kesalahan perhitungan
pada 3 metode tersebut.
Tabel 4.11 Perbandingan Nilai Kesalahan Perhitungan
Metode MAD MSE MAPE
Eksisting 219,166 576.408,330 2,200%
SES 211,112 85.616,370 28,990%
Moving Average 268,182 143.231,800 30,490%
Sumber : Hasil Perbandingan 3 Metode, 2022
Berdasarkan hasil data dari tingkat permintaan dan perhitungan nilai
kesalahan yang dilakukan dengan software POM QM pada produk Acticare
Antiseptik Handscrub 500 ML metode yang paling efektif digunakan pada
perusahaan yaitu Metode Single Exponential Smoothing karena tingkatan
kesalahan error pada saat melakukan peramalannya sangat kecil pada MAD dan
MSE yang digunakan untuk meramalkan volume produksi permintaan Acticare
Antiseptik Handscrub 500 ML sedangkan dalam melihat nilai MAPE yang terkecil
ditunjukkan pada Metode Eksisting ( Metode Perusahaan). Nilai MAPE yang
terkecil ini untuk memberikan informasi seberapa besar kesalahan peramalan
dengan nilai sebenarnnya. Berikut adalah hasil perbandingan peramalan pada
Metode Eksisting ( Perusahaan) dengan Metode Single Exponential Smoothing.
 IV-15

Tabel 4.12 Hasil Perbandingan Peramalan

Forecast Metode Forecast
Period Demand
Eksisting Metode SES
Januari -19 900 1000
Febuari-19 950 1200 900
Maret-19 870 950 950
April-19 600 900 870
Mei-19 500 700 600
Juni-19 575 700 500
Juli-19 900 700 575
Agustus-19 800 900 900
September-19 500 925 800
Oktober-19 1500 900 500
November-19 1000 950 1500
Desember-19 850 1100 1000
Sumber : Output Software POM QM, 2022
Berdasarkan tabel 4.12 dapat dilihat hasil perbandingan peramalan antara metode
Eksisting (Perusahaan) dengan Metode Single Exponential Smoothing (SES).
Perbandingan ini memperlihatkan sangat jauh nilai peramalan yang dihasilkan
oleh Metode Eksisting (Perusahaan) dengan Metode Single Exponential
Smoothing (SES). Permintaan pada bulan Desember 2019 sebesar 850 botol dan
hasil nilai peramalan Metode Eksisting (Perusahaan) sebesar 1100 botol
sedangkan hasil nilai peramalan pada Metode Single Exponential Smoothing
(SES) sebesar 1000 botol, disimpulkan bahwa hasil peramalan Metode Eksisting
dengan Metode usulan baik digunakan di PT. Medtracos Esana Prima dikarenakan
peramalan yang dihasilkan cukup akurat dan tidak membuat perusahaan
melakukan produksi secara berlebihan. Metode usulan ini akan diimplementasikan
di perusahaan untuk melihat apakah metode ini efektif atau tidak diperusahaan
tersebut selama 6 – 12 bulan.