MODUL 1

PERAMALAN PERMINTAAN

1.1 Tujuan Praktikum

Setelah menyelesaikan modul peramalan permintaan, peserta proyek PTI 2
diharapkan mampu:
1. Meramalkan permintaan produk dengan menggunakan metode peramalan
yang terbaik.

1.2 Prosedur Praktikum

1. Berdasarkan data permintaan rak bumbu yang dimiliki oleh beberapa
perusahaan pesaing PT. HAPPY, lakukan ploting data historis permintaan.
2. Tentukan metode peramalan time series yang akan digunakan berdasarkan pola
data.
3. Tentukan ukuran error yang akan digunakan untuk mengevaluasi metode
peramalan.
4. Lakukan peramalan untuk data historis permintaan dan hitung error yang
dihasilkan oleh setiap metode peramalan. Dalam perhitungan peramalan maka
salah satu metode dikerjakan dengan Microsoft Excel, sedangkan yang lainnya
gunakan Software Win QSB.
5. Pilih metode peramalan yang memiliki error terkecil;
6. Validasi metode peramalan dengan melihat tracking signal .
7. Ramalkan permintaan masing-masing Meja untuk PT. HAPPY selama 6
periode ke depan (Oktober 2019 – Maret 2020) dengan menggunakan metode
peramalan terpilih.
1.3 Pengumpulan dan Pengolahan Data
1.3.1 Soal
Beberapa perusahaan pesaing PT. HAPPY memiliki data permintaan rak
bumbu seperti berikut
Tabel 1.1 Pengumpulan data

PRODUK
PERIODE TAHUN BULAN
X Y Z
Oktober 1009 1065 653
1
2018 November 1432 1232 867
2
Desember 953 956 998
3
Januari 1365 1307 896
4
Februari 1029 960 945
5
Maret 1265 1399 1153
6
April 952 991 1189
7
2019 Mei 1209 1371 1197
8
Juni 791 1345 1287
9
Juli 1078 990 1343
10
Agustus 1353 1319 1498
11
September 1092 890 1399
12
1.3.2 Plotting Data
a. Produk X
Dari hasil pengumpulan data produk, plotting data yang terbentuk
adalah sebagai berikut :

Produk X
1600
1400 1432 1365 1353
1200 1265 1209
1029 1078 1092
1000 1009 953 952
800 791
600
400
200
0
er be
r
be
r ri ri et pr
il ei ni Ju
li us be
r
tob m m nua rua ar A M Ju ust m
b M
Ok ove se Ja Fe Ag pt
e
N De Se

Gambar 1.1 Plotting data produk X

Pada plotting data permintaan rak bumbu produk X diatas

menunjukkan pola data yang berbentuk horizontal. Sehingga metode
peramalan permintaan yang paling cocok untuk plotting data ini adalah
Single Moving Average, Single Exponential Smoothing

b. Produk Y

Produk Y
1600
1400 1399 1371 1345
1307 1319
1200 1232
1000 1065 956 960 991 990
890
800
600
400
200
0
er r r i i t il ei i li s r
be be ar ar re pr un Ju tu be
tob m m nu
bru
M
a A M J us m
k e e J a g e
O v s Fe A pt
No De Se
 Gambar 1.2 Plotting data produk Y

Pada plotting data permintaan rak bumbu produk Y diatas

menunjukkan pola data yang berbentuk horizontal. Sehingga metode
peramalan permintaan yang paling cocok untuk plotting data ini adalah
Single Moving Average, Single Exponential Smoothing

c. Produk Z

Produk Z
1600
1498
1400 1399
1287 1343
1200 1153 1189 1197
1000 998 945
867 896
800
600 653
400
200
0
r r r i i et ril ei ni li s r
be be be ar ar ar Ju Ju tu be
kto m m a nu bru M Ap M us m
e e J g e
O v s Fe A pt
No De Se

Gambar 1.3 Plotting data produk Z

Pada plotting data permintaan rak bumbu produk Z diatas

menunjukkan pola data yang memiliki kecenderungan meningkat dari
waktu ke waktu . Sehingga metode peramalan permintaan yang paling
cocok untuk plotting data ini adalah Linier Regresion, Single
Exponential Smoothing (SES), Double Expontial Smoothing (DES).
1.3.3 Peramalan
1. Produk X
a. Software
1) Single Moving Average (SMA)
Berikut adalah hasil dari trail & error dengan M= 2 sampai
dengan M=9 :
Tabel 1.2 Trail & Error

M 2 3 4 5 6 7 8 9

MAPE 19.57 19.80 20.05 19.002 20.07 18.87 20.53 21.06

(%)

Dari hasil trail & error diatas , diketahui bahwa nilai MAPE
terkecil terdapat pada M dengan nilai 7

Gambar 1.4 Hasil software data permintaan rak bumbu produk X

dengan menggunakan metode Single Moving Average
 Hasil Software menggunakan metode Single Moving Average
(SMA) memperoleh nilai MAPE sebesar 18.87 %. Dengan hasil
peramalan untuk 6 bulan kedepan sebanyak 1186.429
permintaan rak bumbu produk X.

2) Single Exponential Smoothing (SES)

Berikut adalah hasil dari trail & error dengan alfa 0.1 sampai
dengan alfa 0.9 :
Tabel 1.3 Trail & Error

Alfa 0.1 0.3 0.5 0.6 0.7 0.8 0.9

MAPE 15.45 18.17 21.15 22.77 24.51 26.41 28.29

(%)

Dari hasil trail & error diatas , diketahui bahwa nilai MAPE
terkecil terdapat pada M dengan nilai 7

Gambar 1.4 Hasil software data permintaan rak bumbu produk X

dengan menggunakan metode Single Moving Average
 Hasil Software menggunakan metode Single Moving Average
(SMA) memperoleh nilai MAPE sebesar 18.87 %. Dengan hasil
peramalan untuk 6 bulan kedepan sebanyak 1186.429
permintaan rak bumbu produk
1) Single Exponential Smoothing (SES)

Tabel 1.3 Peramalan dengan metode SES

Dt Ft= 0.1 Et lEtl APEt RSFE

Januari 1009 1009        
29.5391
1432
Februani 1009 423 423 1 423
Maret 953 1051.3 -98.3 98.3 10.3148 324.7
23.7018
1365
April 1041.47 323.53 323.53 3 648.23
4.35597
1029
Mei 1073.823 -44.823 44.823 7 603.407
15.4671
1265
Juni 1069.3407 195.6593 195.6593 4 799.0663
14.3809
952
Juli 1088.90663 -136.907 136.907 9 662.1597
11.0656
1209
Agustus 1075.215967 133.784 133.784 8 795.9437 1
September 791 1088.59437 -297.594 297.594 37.6225 498.3493 1
1.77783
1078
Oktober 1058.834933 19.16507 19.16507 6 517.5144
21.6000
1353
November 1060.75144 292.2486 292.2486 4 809.763 1
0.18532
1092
Desember 1089.976296 2.023704 2.023704 1 811.7867 1
15.4555
    1090.178666   MAPE 6  
    1090.178666        
    1090.178666        
    1090.178666        
    1090.178666        
    1090.178666        
Contoh Perhitungan :
Et = dt – ft
Et 2 = 490 – 561
= -71
a) RSFE = RSFE (t-1) + et
RSFE 2 = 0 + -71
= -71
kum|Et|
b) MAD =
t
71
MAD 2 =
2
= 71
RSFE
c) TS =
MAD
−71
TS2 =
71
= -1

n
d t  Ft
 dt
x100%
MAPE  t 1

d) n
= 7,933 %
 2. Produk Y
a. Software
1) Single Moving Average (SMA)
2) Single Exponential Smoothing (SES)

b. Manual
3. Produk Z
a. Software
1) Single Exponential Smoothing (SES)
2) Double Expontial Smoothing (DES).
3) Linier Regresion (LR)
b. Manual

1.3.4 Evaluasi dan Validasi Metode Peramalan

1.3.5 Pemilihan Metode Peramalan Terbaik
1.4 Analisis dan Pembahasan
1.5 Kesimpulan