Jawaban Tugas Kelompok 1

Week 3 – Session 4
Team – 1
Muhammad Fadhil Abdullah – 2502021121
Anwar Musyahada Al Anshori – 2502051616
Faras Saidina – 1502059146
Andrea Trinita Arisandi – 2502045033
Laurent Marvel Joy - 2502057790
1. Diskusikan dan berikan hasil analisis kelompok anda mengenai peranan dan implementasi
demand forecasting dalam sistem logistik dan rantai pasok perusahaan!

2. Tentukan solusi optimal unutk kasus berikut:

Carlinek adalah perusahaan Polandia berbasis di Poznan yang menjual Aqua-Floor, pelapis
lantai berlapis tahan air yang terkenal. Perusahaan perlu memperkirakan permintaan
produk ini, dengan menggunakan data historis penjualan sembilan bulan terakhir, yang
dilaporkan pada Tabel 1.

Tabel 1. Jumlah produk Aqua-Floor (dalam m2) yang terjual

oleh Carlinek di Poznan selama sembilan bulan terakhir

Setelah memeriksa kemungkinan adanya data outlier dan data yang hilang dalam
database historis, gunakan metode weighted moving average untuk menentukan perkiraan
penjualan satu bulan ke depan (Gambarkan dalam bentuk grafis). Berikan analisis dan hasil
bias, MAPE, MSE dan MAD untuk keputusan forecasting tersebut!

Note: Penentuan bobot bergantung pada kesepakatan dan diskusi kelompok anda,
sedangkan periode to average adalah 3 bulan

3. Tentukan hasil peramalan bulan ke 43 berdasakan diskusi kelompok anda pada data
berikut: (Gunakan metode peramalan terbaik menurut kelompok anda)

ISYE6090 - Supply Chain: Logistics-R1

 ===GoodLuck===

1. Peranan dan implementasi demand forecasting dalam sistem logistik dan rantai pasok
perusahaan :
Demand forecasting memiliki peran yang sangat penting dalam sistem logistik dan rantai
pasok perusahaan. Peran utamanya adalah membantu perusahaan dalam merencanakan dan
mengelola persediaan dengan lebih efektif, serta memastikan ketersediaan produk atau
layanan yang sesuai dengan permintaan pelanggan. Beberapa pemanfaatan demand
forecasting dalam sistem logistik dan rantai pasok perusahaan, yaitu [1]:
1. Perencanaan Persediaan: Demand forecasting membantu perusahaan dalam
merencanakan kebutuhan persediaan berdasarkan permintaan yang diprediksi. Dengan
memperkirakan tingkat permintaan di masa depan, perusahaan dapat mengoptimalkan
tingkat persediaan untuk meminimalkan biaya penyimpanan dan risiko kekurangan
persediaan.
2. Pengelolaan Rantai Pasok: Demand forecasting membantu perusahaan dalam mengelola
rantai pasok dengan lebih efektif. Dengan memahami permintaan pelanggan, perusahaan
dapat mengatur produksi, pengadaan bahan baku, dan distribusi dengan lebih efisien. Hal
ini memungkinkan perusahaan untuk menghindari kelebihan atau kekurangan persediaan
di berbagai tahap rantai pasok.
3. Pengendalian Biaya: Dengan melakukan demand forecasting secara akurat, perusahaan
dapat mengurangi biaya yang terkait dengan persediaan yang tidak terjual atau terlalu
banyak stok. Demand forecasting membantu perusahaan untuk melakukan pengadaan
bahan baku dengan tepat waktu dan jumlah yang sesuai dengan permintaan pelanggan,
menghindari biaya penyimpanan yang berlebihan.
4. Perencanaan Produksi: Dengan memprediksi permintaan di masa depan, perusahaan dapat
merencanakan produksi secara efisien. Hal ini memungkinkan perusahaan untuk
mengoptimalkan penggunaan sumber daya, menghindari produksi berlebihan atau
kekurangan, serta mengurangi waktu tunggu pelanggan.
Dalam implementasinya, perusahaan dapat menggunakan berbagai metode dan alat untuk
demand forecasting, seperti analisis statistik, data historis penjualan, metode peramalan

ISYE6090 - Supply Chain: Logistics-R1

kualitatif dan kuantitatif, serta penggunaan teknologi seperti big data dan machine learning
untuk meningkatkan akurasi peramalan[2].

2.
Month Quantity WMA Error |Error| Error2 %Error
(Q) (F) (Q-F) |Q-F| |Q-F|2
1 450
2 670
3 332
4 123 457 -334 334 111556 271.5447
5 343 295.1 47.9 47.9 2294.41 13.96501
6 437 274.8 162.2 162.2 26308.84 37.1167
7 456 346 110 110 12100 24.12281
8 427.7

Hasil forecast diatas dihitung dengan menggunakan metode weighted moving average
(WMA) dimana bobot yang ditentukan yaitu 5, 3, dan 2 dengan periode to average 3
bulan. Berikut ini proses dan hasil perhitungan dengan menggunakan metode weighted
moving average (WMA) serta hasil Mean Absolute Percentage Error (MAPE), Mean
Squared Error (MSE), dan Mean Absolute Deviation (MAD).

Weighted Moving Average (WMA):

(""# % &)(()*+ % " )((,&+ % #)

F4 = (&("(#)
= 457 800
(-#" % &)((""# % " )(()*+ % #)
F5 = = 295,1 600
(&("(#)
("," % &)((-#" % " )((,""# % #) 400
F6 = (&("(#)
= 274.8
(,"* % &)(("," % " )((-#" % #) 200
F7 = (&("(#)
= 346
(,"* % &)((),"* % " )((,"," % #) 0
F8 = (&("(#)
= 427,7 1 2 3 4 5 6 7 8

Quantity(Q) WMA(F)

Mean Absolute Percentage Error (MAPE):

!""# #&.( $)%.% $$*

(| | ( | | ( | | ( | |) × -++
$%" "#" #"& #+)
MAPE = ,
= 86.687
Mean Squared Error (MSE):

01𝟑𝟑𝟒𝟐 4(0𝟒𝟕,𝟗𝟐 4(0𝟏𝟔𝟐,𝟐𝟐 4((𝟏𝟏𝟎𝟐 )

MSE = 𝟒
= 38064,81
Mean Absolute Deviation (MAD):

ISYE6090 - Supply Chain: Logistics-R1

 |-#" 1 "",| ( |"," 1 #<&.-| ( |,"* 1 #*,.>| ( |,&) 1 ",)|
MAD = ,
= 163,525

Kesimpulan:
hasil forecast bulan ke-8 dengan metode WMA = 427.7 m2, MAPE = 86.687,
MSE = 38064.81, dan MAD= 163.525.

3.

Time Series Plot of Quantity

30000

25000

20000

15000

10000

5000

0
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41

quantity

Dilakukan Analisa dengan menggunakan software excel dan minitab ,maka ditemukan hasil-
hasil sebagai berikut:

ISYE6090 - Supply Chain: Logistics-R1

 Time Series Plot of Quantity
y = 74,461x + 17022
30000
25000
20000
15000
10000
5000
0
1 4 7 10 13 16 19 22 25 28 31 34 37 40

quantity Linear (quantity)

Untuk menentukan model terbaik, maka menurut nilai MAPE:

Linear Trend Model = 31
Quadratic Trend Model = 29
Growth Curve Model = 31
S-Curve Trend Model = 30
nilai MAPE terkecil adalah Quadratic Trend Model, maka nilai peramalan bulan ke-43 adalah 23546,8.

ISYE6090 - Supply Chain: Logistics-R1

 Referensi

[1]. Anik, Dkk. 2016. Analisis Peramalan Penjualan Untuk Menentukan Rencana Produksi Pada
Ud Rifa’i. Jurnal Ekonomi dan Bisnis GROWTH Vol.14, No. 2, November 2016:17-30
[2]. Makridakis, S., Wheelwright, S.C., & McGee, VE, 1999. Metode dan Aplikasi Peramalan.
Jakarta: Erlangga

ISYE6090 - Supply Chain: Logistics-R1