PRAKTEK KERJA LAPANGAN

PUSAT PENGEMBANGAN SUMBER DAYA MANUSIA

MINYAK DAN GAS BUMI CEPU

BAB IV
HASIL DAN PEMBAHASAN

4.1 Landasan Teori

4.1.1 Peramalan
a. Metode Peramalan
Menurut Render dan Heizer Peramalan adalah seni atau ilmu untuk
memperkirakan kejadian di masa depan. Hal ini dapat dilakukan dengan
melibatkan pengambilan data historis dan memproyeksikannya ke masa
mendatang dengan suatu bentuk model sistematis. Atau bisa juga dengan
menggunakan kombinasi model matematis yang disesuaikan dengan
pertimbangan yang baik dari seorang manajer.
Peramalan merupakan aktifitas fungsi bisnis yang memperkirakan
penjualan dan penggunaan produk sehingga produk-produk itu dapat dibuat dalam
kuantitas yang tepat. Peramalaan merupakan dugaan terhadap permintaan yang
akan datang berdasarkan pada beberapa variabel peramal sering berdasarkan data
deret waktu historis. Hal ini dapat dilakukan dengan melibatkan pengambilan data
masa lalu dan menempatkan nya ke masa yang akan datang dengan suatu bentuk
model matematis.(W.IBM., 2007)
b. Jenis-jenis Peramalan
Berdasarkan horizon waktu, peramalan atau forecasting dapat dibagi menjadi tiga
jenis, yaitu (Herjanto, 2008:78)
1. Peramalan jangka panjang, yaitu yang mencakup waktu lebih besar dari 18
bulan. Misalnya, peramalan yang diperlukan dalam kaitannya dengan
penanaman modal, perencanaan fasilitas dan perencanaan untuk kegiatan
litbang.
2. Peramalan jangka menengah, yaitu mencakup waktu antara 3 sampai 18
bulan. Misalnya, peramalan untuk perencanaan penjualan, perencanaan
produksi dan perencanaan tenaga kerja tidak tetap.
3. Peramalan jangka pendek, yaitu mencakup jangka waktu kurang dari 3
bulan. Misalnya, peramalan dalam hubungannya dengan perencanaan
pembelian material, penjadwalan kerja dan penugasan karyawan.
Berdasarkan fungsi dan perencanaan operasi di masa depan, peramalan atau
forecasting dibagi menjadi tiga jenis, yaitu (Heizer dan Render, 2009:47):
1. Peramalan ekonomi (economic forecast), peramalan ini menjelaskan siklus
bisnis dengan memprediksi tingkat inflasi, ketersediaan uang, dana yang

33
 PRAKTEK KERJA LAPANGAN
PUSAT PENGEMBANGAN SUMBER DAYA MANUSIA
MINYAK DAN GAS BUMI CEPU

dibutuhkan untuk membangun perumahan dan indikator perencanaan

lainnya.
2. Peramalan teknologi (technological forecast), peramalan ini
memperhatikan tingkat kemajuan teknologi yang dapat meluncurkan
produk baru yang menarik, yang membutuhkan pabrik dan peralatan yang
baru.
3. Peramalan permintaan (demand forecast), adalah proyeksi permintaan
untuk produk atau layanan perusahaan. Proyeksi permintaan untuk produk
atau layanan suatu perusahaan. Peramalan ini juga disebut peramalan
penjualan yang mengendalikan produksi, kapasitas, serta sistem
penjadwalan dan menjadi input bagi perencanaan keuangan, pemasaran,
dan sumber daya manusia.
Berdasarkan jenis data ramalan yang disusun, peramalan dibagi menjadi dua jenis,
yaitu (Saputro dan Asri, 2000:148):
1. Peramalan kualitatif, yaitu peramalan yang didasarkan atas data kualitatif
pada masa lalu. Hasil ramalan yang dibuat sangat tergantung pada orang
yang menyusunnya. Hal ini penting karena peramalan tersebut ditentukan
berdasarkan pemikiran yang bersifat intuisi, pendapat, dan pengetahuan
serta pengalaman dari penyusunnya. Biasanya peramalan secara kualitatif
ini didasarkan atas hasil penyelidikan, seperti pendapat salesman, pendapat
sales manajer pendapat para ahli dan survey konsumen.
2. Peramalan kuantitatif, yaitu peramalan yang didasarkan atas data
penjualan pada masa lalu. Hasil peramalan yang dibuat sangat tergantung
pada metode yang dipergunakan dalam peramalan tersebut. Penggunaan
metode yang berbeda akan diperoleh hasil yang berbeda pula.
Berdasarkan sifat penyusunannya, peramalan dibagi menjadi dua jenis, yaitu
(Ginting, 2007)
1. Peramalan subjektif, yaitu peramalan yang didasarkan atas perasaan atau
intuisi dari orang yang menyusunnya.
2. Peramalan objektif, yaitu peramalan yang didasarkan atas data yang
relevan pada masa lalu, dengan menggunakan teknik-teknik dan metode-
metode dalam penganalisaan data tersebut.
c. Tahapan Peramalan
Terdapat tahap-tahap yang harus dilakukan dalam suatu permalan yaitu
(Sri Hartini,2010):
1. Plot data dilakukan sebelum melakukan metode peramalan untuk
menentukan pola data yang terjadi.
2. Memilih alternatif metode yang sesuai dengan pola data masa lalu.
Dengan asumsi, pola akan berulang pada periode yang akan datang.

34
 PRAKTEK KERJA LAPANGAN
PUSAT PENGEMBANGAN SUMBER DAYA MANUSIA
MINYAK DAN GAS BUMI CEPU

3. Melakukan uji verifikasi dengan menghitung error dari metode – metode

yang digunakan.
4. Memilih metode yang terbaik, yang dipilih adalah 2 metode yang memiliki
error terkecil.
4.1.2 Pola Peramalan
Identifikasi pola peramalan berfungsi untuk menentuka metode yang akan
digunakan untuk menganalisis data tersebut. Terdapat 4 jenis pola data yaitu pola
horizontal atau stationary, terjadi bila nilai-nilai dari data observasi berfluktuasi
disekitar nilai rata-rata yang konstan. Gambar 2.1 merupakan contoh bentuk pola
stationer dari suatu permintaan (Kusuma, 2001).

Gambar 4.1 Pola Data Stasioner

Pola trend, terjadi bilamana terdapat kenaikan atau penurunan dari data
observasi untuk jangka panjang. Gambar 2.2 berikut ini merupakan contoh bentuk
pola data trend dari suatu permintaan (Kusuma, 2001).

Gambar 4. 2 Pola Data Trend

Pola Musiman, terjadi bilamana suatu deret waktu dipengaruhi

oleh faktor musiman (misalnya kuartalan, bulanan, mingguan, dan harian).
Gambar 2.3 berikut ini merupakan contoh bentuk pola data musiman dari
suatu permintaan (Kusuma, 2001).

35
 PRAKTEK KERJA LAPANGAN
PUSAT PENGEMBANGAN SUMBER DAYA MANUSIA
MINYAK DAN GAS BUMI CEPU

Gambar 4. 3 Pola Data Musiman

Pola Siklus, terjadi bila mana data observasi dipengaruhi oleh

fluktuasiekonomi jangka panjang yang berhubunagn dengan siklus bisnis
(usaha). Gambar berikut ini merupakan contoh bentuk pola data siklis
dari suatu permintaan(Kusuma, 2001).

Gambar 4. 5 Pola Data Siklis

4.1.3 Metode Peramalan

Untuk membuat peramalan maka alat bantu yang digunakan adalah
melakukan suatu perencaan yang efektif dan efesien. Berikut enam factor yang di
lakukan sebagai Teknik dalam metode peramalan yaitu horizon waktu, pola dari
data, jenis 7 dari model biaya, ketetapan waktu. Dan yang harus di perhatikan
pada saat memilih metode peramalan yaitu item yang akan di lakukan peramalan ,
dengan waktu yang persiapan dan data jumlah historis yang telah tersedia.
Berdasarkan sifat ramalan memiliki dua metode yang baik yaitu metode kualitatif
dan metode kuantitatif. Metode kualitatif adalah yang digunakan untuk bila ada
atau sedikit data masa lalu yang tersedia sedangkan, metode kuantitatif adalah
yang digunakan untuk meramalkan perimataan masa lalu. Metode time series

36
 PRAKTEK KERJA LAPANGAN
PUSAT PENGEMBANGAN SUMBER DAYA MANUSIA
MINYAK DAN GAS BUMI CEPU

adalah metode peramalan yang menggunakan waktu sebagai dasar dari peramalan.
Berikut yang termasuk dari metode time series adalah (Baroto, 2002, hlm 27).
1. Metode Free Hand (Simple Average)
2. Metode Moving Average
3. Metode Weight Moving Average
4. Metode Exponential Smothing
5. Metode Regresi Linear
6. Metode interpolasi Gregory-Newton / Adactive Ekponential Smothing
7. Metode Holt-Winter, dll

4.1.4 Metode-metode Deret Waktu (Time Series)

Deret waktu (Time Series) merupakan suatu himpunan observasi yang
menggunakan variabel yang dapat diukur dalam urutan periode waktu, seperti
tahunan, bulanan, dan lainnya. Tujuan metode deret waktu adalah menemukan
pola data secara historis dan mengekstrapolasikan pola tersebut untuk masa yang
akan datang, peramalan akan didasarkan dengan nilai variabel yang telah lalu atau
masa lalu. Berikut merupakan beberapa metode dalam analisis deret waktu
(Respository,binus.ac.id)

a. Metode Moving Average

Metode Moving Average menggunakan n nilai data terbaru dalam suatu
deret berkala untuk meramalkan periode yang akan datang . Rata-rata
perubahan atau pergerakan menjadi observasi baru. Perhitungan metode
moving average ditunjukkan oleh rumus dibawah ini
MA=∑(n nilai data terbaru)
Berikut adalah jenis dari metode Moving Average :
1. Metode Single Moving Average
Single Moving Average adalah metode peramalan perataan nilai dengan
mengambil sekelompok nilai pengamatan yang kemudian yang dicari rata-
ratanya, alu dengan menggunakan rata - rata tersebut sebagai ramalan . Nilai

37
 PRAKTEK KERJA LAPANGAN
PUSAT PENGEMBANGAN SUMBER DAYA MANUSIA
MINYAK DAN GAS BUMI CEPU

rata - rata baru dapat dapa dihitung dengan membuang nilai observasi yang
paling lama dan memasukkan nilai observasi yang terbaru . Rata - rata
bergerak ini kemudian menjadi ramalan untuk periode mendatangnya.
Sifat - sifat Single Moving Average ( Subagyo , 1986 ) :
 Untuk membuat forecast memerlukan data historis selama jangka
waktu tertentu . Jika mempunyai data selama F periode maka baru bisa
membuat forecast untuk periode ke F + 1.
 Semakin panjang jangka waktu moving average akan menghasilkan
moving average yang semakin halus.
𝑋𝑡−3+𝑋𝑡−2+𝑋𝑡−1
Ft = 𝑛

Dimana
Ft = Forcast untuk periode t
n = Jangka waktu Moving Average
2. Double Moving Average
Double Moving Average adalah metode peramalan pada pola data waktu
tertentu dimana cara menghitung double moving average adalah dengan
menghitung satu kelompok moving average, kemudian kelompok kedua
dihitung sebagai hasil dari perhitungan kelompok satu.

Berikut adalah langkah langkah menghitung Double Moving Average

 Lakukan perhitungan Moving average sesuai dengan periode yang
anda inginkan
𝑋𝑡−2+𝑋𝑡−1+𝑋𝑡
S´t = = 𝑛

 Lakukan perhitungan double moving average berdasarkan hasil

perhitungan moving average
𝑆´𝑡−2+𝑆´𝑡−1+𝑆´𝑡
S´´t = = 𝑛

 Cari nilai koefisien a dan b

at =(2s’t – S”t)
2
bt = 𝑛−1(S’t – S”t)

38
 PRAKTEK KERJA LAPANGAN
PUSAT PENGEMBANGAN SUMBER DAYA MANUSIA
MINYAK DAN GAS BUMI CEPU

 Lakukan peramalan berdasarkan nilai koefsien a dan b

Ft = at – bt
Ft+m = at – btm
Dimana :
S’t = Rata – rata bergerak moving average periode t
S”t = Rata - rata bergerak double moving average periode t
at = Koefisien a ke t
bt = Koefisien b ke t
n = Jumlah periode dalam moving average ke t
Ft = Data peramalan periode t
Ft+m = Periode ke depan yang diramalkan
b. Metode Exponential Smoothing
Metode exponential smoothing adalah satu prosedur yang mengulang
perhitungan secara terus menerus yang menggunakan data terbaru. Setiap data
diberi bobot, dimana bobot yang digunakan disimbolkan dengan α Simbol
bisa ditentukan secara bebas, yang mengurangi forecast error. Nilai konstanta
pemulusan α dapat dipilih diantara nilai 0 dan, karena berlaku : 0<<1
(Garpersz 2005 : 97 ) Secars metematis, persamaan penulisan eksponential
adalah sebagai berikut
Ft+1 = αYt + (1-α)Ft
c. Metode Holt Winter
Metode Holt Winters merupakan metode peramalan yang mana metode ini
gabungan dari metode Holt dengan metode Winters , yang mana metode ini
digunakan untuk peramalan jika data memiliki komponen trendd atau
musiman. Metode Holt Winters merupakan pengembangan dari metode Holt,
yang mana metode ini merupakan metode smothing dengan menggunakan dua
parameter dapat disebut dengan ( double smoothing ) untuk model data yang
mengandung kecenderungan atau trend. Untuk metode Holt-Winters
menggunakan tiga parameter smoothing yaitu (α, β, dan y ) dengan setiap
parameter ini dapat bernilai dari 0 hingga 1 ( Winda , et al, 2018 ) . Dengan

39
 PRAKTEK KERJA LAPANGAN
PUSAT PENGEMBANGAN SUMBER DAYA MANUSIA
MINYAK DAN GAS BUMI CEPU

menggunakan tiga parameter smoothing ini menjadi kelemahan utama metode

Holt - Winters untuk digunakan secara luas.

4.1.5 Metode Perhitungan Error

Pada dasarnya peramalan tidak akan lepas dari kesalahan atau error karena
tidak ada peramalan yang pasti akurat meskipun menggunakan berbagai macam
metode peramalan. Dalam menggunakan berbagai macam metode peramalan
maka harus dilakukan pemilihan metode yang mendekati akurat , hal ini
ditentukan dengan menggunakan pengukuran kesalahan. (Nasution, 2003)
menyatakan bahwa ukuran akurasi hasil peramalan yang merupakan ukuran
kesalahan peramalan tentang tingkat perbedaan antara hasil peramalan dengan
permintaan yang terjadi sebenarnya.

a. Mean Absolute Deviation (MAD)

MAD merupakan rata - rata kesalahan mutlak selama periode tertentu

tanpa memperhatikan apakah hasil peramalan lebih besar atau lebih kecil
dibandingkan kenyataannya. Secara metematis, MAD dirumuskan sebagai berikut
( Nation & Prasetyawan 2008 )

𝐴𝑡−𝐹𝑡
MAD = ∑│ │
𝑛

Dimana :

At = Permintaan Aktual pada periode –t

Ft = Peramalan Permintaan (Forecast) pada peiode –t.N

N = Jumlah periode peramalan yang terlibat.

b. Mean Square Error (MSE)

MSE merupakan metode alternatif dalam suatu metode peramalan

Pendekatan ini penting karena tehnik ini menghasilkan kesalahan yang moderat

40
 PRAKTEK KERJA LAPANGAN
PUSAT PENGEMBANGAN SUMBER DAYA MANUSIA
MINYAK DAN GAS BUMI CEPU

lebih di sukai oleh suatu peramalan yang menghasilkan kesalahan yang sangat
besar. MSE dihitung dengan menjumlahkan kuadrat semua kesalahan peramalan
pada setiap periode dan membaginya dengan jumlah periode peramalan. MSE
dirumuskan sebagai berikut :

MSE = (At – Ft)²/n

Dimana :

A = Permintaan aktual pada periode –t

F = Peramalan permintaan pada periode –t

n = Jumlah periode peramalan yang terlibat

c. Mean Forecast Error (MFE)

MFE sangat efektif untuk mengetahui apakah suatu hasil peramalan

selamaa periode tertentu terlalu tinggi atau terlalu rendah. Bila hasil peramalan
tidak bisa, maka nilai MFE akan mendekati not. MFE dihitung dengan
menjumlahkan semua kesalahan peramalan selama periode peramalan dan
membaginya dengan jumlah periode peramalan. Secara matematis, MFE
dinyatakan sebagai berikut (Nasution dan Prasetyawan , 2008 : 35)

(𝐴𝑡−𝐹𝑡)
MFE = ∑ 𝑛

Dimana :

A = Permintaan aktual pada periode t

F = Peramalan permintaan pada periode t

n =Jumlah Periode peramalan yang terlibat

d. Mean Absolute Percentage Error (MAPE)

41
 PRAKTEK KERJA LAPANGAN
PUSAT PENGEMBANGAN SUMBER DAYA MANUSIA
MINYAK DAN GAS BUMI CEPU

MAPE merupakan ukuran kesalahan relativ. MAPE biasanya lebih berarti

dibandingakan MAD karena MAPE menyatakan persentase kesalahan hasil
peramalan terhadap permintaan aktual selama periode tertentu yang akan
memberikan informasi persentase kesalahan terlalu tinggi atau terlalu rendah.
Secara matematis, MAPE dinyatakan sebagai berikut (Nasution dan Prasetyawan,
2008 : 35). MAPE dirumuskan sebagai berikut :

100 𝐹𝑡
MAPE = ( ) ∑│At-𝐴𝑡│
𝑛

Dimana :

A = Permintaan aktual pada periode t

F = Peramalan permintaan pada periode t

n = Jumlah Periode peramalan yang terlibat

4.2 Pengumpulan Data

Berkut ini adalah data produksi solar PPSDM MIGAS Cepu dalam satuan
liter pada periode Januari 2021 sampai dengan Mei 2022.
Tabel 4. 1 Data Historia Produksi Solar
produk produk produk
periode periode periode
(Liter) (Liter) (Liter)
Jan-20 5.572,847 Jan-21 4.902,236 Jan-22 3.759,090
Feb-20 5.070,537 Feb-21 3.639,480 Feb-22 3.797,040
Mar-20 5.012,985 Mar-21 4.527,764 Mar-22 3.165,020
Apr-20 4.124,749 Apr-21 4.861,895 Apr-22 4.771,850
Mei-20 5.496,742 Mei-21 4.747,470 Mei-22 3.534,240
Jun-20 3.127,453 Jun-21 4.073,770
Jul-20 3.935,865 Jul-21 4.594,185
Agu-20 4.030,062 Agu-21 5.814,527
Sep-20 4.291,723 Sep-21 4.698,241
Okt-20 4.072,684 Okt-21 5.518,831
Nov-20 4.913,285 Nov-21 4.527,977
Des-20 4.707,566 Des-21 4.562,306

4.3 Pengolahan Data

4.3.1 Plot Data

42
 PRAKTEK KERJA LAPANGAN
PUSAT PENGEMBANGAN SUMBER DAYA MANUSIA
MINYAK DAN GAS BUMI CEPU

Plot data berfungsi untuk menetukan metode mana yang cocok digunakan
untuk melakukan peramalan. Berikut ini merupakan plot data dari produksi solar
PPSDM MIGAS Cepu dalam satuan liter pada periode Januari 2021 sampai
dengan Mei 2022.

POLA DATA PRODUKSI SOLAR (LITER)

2020 2021 2022

7.000,000

6.000,000

5.000,000

4.000,000

3.000,000

2.000,000

1.000,000

-
JAN FEB MAR APR MEI JUN JUL AGU SEP OKT NOV DES

Gambar 4. 6 Data Histori Produksi Solar

Bedasarkan plot data diatas dapat disimpulkan bahwa plot data bersifat konstan.
Maka peramalan yang dapat dilakukan menggunakan metode Moving Average
yaitu single moving average dan double moving average.
4.3.2 Peramalan
a. Single Moving Average T = 3
Metode pertama yang digunakan dalam melakukan peramalan kebutuhan
adalah single movng average T = 3. Berikut perhitngannya .
𝑿𝒕−𝟑 +𝑿𝒕−𝟐 + 𝑿𝒕−𝟏
Ft = 𝟑
𝑿𝟏 +𝑿𝟐 + 𝑿𝟑
F4 = 𝟑
𝟓𝟓𝟕𝟐,𝟖𝟒𝟕+𝟓𝟎𝟕𝟎,𝟓𝟑𝟕 +𝟓𝟎𝟏𝟐,𝟗𝟖𝟓
F4 = 𝟑

F4 = 5218,790

𝑿𝟐 +𝑿𝟑 + 𝑿𝟒
F5 = 𝟑

43
 PRAKTEK KERJA LAPANGAN
PUSAT PENGEMBANGAN SUMBER DAYA MANUSIA
MINYAK DAN GAS BUMI CEPU

𝟓𝟓𝟎𝟕𝟎,𝟓𝟑𝟕+𝟓𝟎𝟏𝟐,𝟗𝟖𝟓 +𝟒𝟏𝟐𝟒,𝟕𝟒𝟗
F5 = 𝟑

F5 = 4736,090
...
𝑿𝟐𝟕 +𝑿𝟐𝟖 + 𝑿𝟐𝟗
F30 = 𝟑
𝟑𝟏𝟔𝟓,𝟎𝟐+𝟒𝟕𝟕𝟏,𝟖𝟓 +𝟑𝟓𝟑𝟒,𝟐𝟒
F30 = 𝟑

F30 = 3823,703
Perhitungan MAPE
|Error|4 = | X4 – F4 | = | 4124,749 - 5218,790 | = 1094,041
|𝑬𝒓𝒓𝒐𝒓|𝟒 𝟏𝟎𝟗𝟒,𝟎𝟒𝟏
PE4 = x 100% = x 100% = 26,524%
𝑿𝟒 𝟒.𝟏𝟐𝟒,𝟕𝟒𝟗

...
|Error|29 = | X29 – F29 | = | 3.534,240 - 3911,303 | = 377,063
|𝑬𝒓𝒓𝒐𝒓|𝟐𝟗 𝟑𝟕𝟕,𝟎𝟔𝟑
PE29 = x 100% = x 100% = 10,669%
𝑿𝟐𝟗 𝟑.𝟓𝟑𝟒,𝟐𝟒𝟎

∑𝑃𝐸 388,032
MAPE = = = 13,38043097
𝑛 29

Tabel 4.2 Hasil Peramalan Metode Single Moving Average T = 3

NO t Xt Ft Error |Error| Error^2 |PE|%
1 Jan-20 5.572,847
2 Feb-20 5.070,537
3 Mar-20 5.012,985
4 Apr-20 4.124,749 5218,790 -1094,041 1094,041 1196924,980 26,524
5 Mei-20 5.496,742 4736,090 760,652 760,652 578590,958 13,838
6 Jun-20 3.127,453 4878,159 -1750,706 1750,706 3064970,331 55,979
7 Jul-20 3.935,865 4249,648 -313,783 313,783 98459,771 7,972
8 Agu-20 4.030,062 4186,687 -156,625 156,625 24531,286 3,886
9 Sep-20 4.291,723 3697,793 593,930 593,930 352752,449 13,839
10 Okt-20 4.072,684 4085,883 -13,199 13,199 174,222 0,324
11 Nov-20 4.913,285 4131,490 781,795 781,795 611203,943 15,912
12 Des-20 4.707,566 4425,897 281,669 281,669 79337,238 5,983
13 Jan-21 4.902,236 4564,512 337,724 337,724 114057,725 6,889
14 Feb-21 3.639,480 4841,029 -1201,549 1201,549 1443719,999 33,014
15 Mar-21 4.527,764 4416,427 111,337 111,337 12395,853 2,459
16 Apr-21 4.861,895 4356,493 505,402 505,402 255430,845 10,395
17 Mei-21 4.747,470 4343,046 404,424 404,424 163558,502 8,519
18 Jun-21 4.073,770 4712,376 -638,606 638,606 407818,049 15,676

44
 PRAKTEK KERJA LAPANGAN
PUSAT PENGEMBANGAN SUMBER DAYA MANUSIA
MINYAK DAN GAS BUMI CEPU

19 Jul-21 4.594,185 4561,045 33,140 33,140 1098,260 0,721

20 Agu-21 5.814,527 4471,808 1342,719 1342,719 1802893,418 23,092
21 Sep-21 4.698,241 4827,494 -129,253 129,253 16706,338 2,751
22 Okt-21 5.518,831 5035,651 483,180 483,180 233462,912 8,755
23 Nov-21 4.527,977 5343,866 -815,889 815,889 665675,404 18,019
24 Des-21 4.562,306 4915,016 -352,710 352,710 124404,579 7,731
25 Jan-22 3.759,090 4869,705 -1110,615 1110,615 1233464,938 29,545
26 Feb-22 3.797,040 4283,124 -486,084 486,084 236277,979 12,802
27 Mar-22 3.165,020 4039,479 -874,459 874,459 764677,960 27,629
28 Apr-22 4.771,850 3573,717 1198,133 1198,133 1435523,484 25,108
29 Mei-22 3.534,240 3911,303 -377,063 377,063 142176,757 10,669
30 Jun-22 3823,703
31 Jul-22 3823,703
32 Agu-22 3823,703
33 Sep-22 3823,703
34 Okt-22 3823,703
35 Nov-22 3823,703
36 Des-22 3823,703
Total -2480,479 16148,686 15060288,183 388,032
MAPE 13,38043097

Berikut merupaka grafik hasil peramalan mengguakan metode Single Moving

Average dengan T = 3.

Single Moving AveageT=3

7.000,000
6.000,000
5.000,000
4.000,000
3.000,000
2.000,000
1.000,000
-
Jul-20

Jul-21

Jul-22
Mei-20

Mei-21

Mei-22
Nov-20

Sep-21
Nov-21

Mar-22

Nov-22
Jan-20
Mar-20

Sep-20

Jan-21
Mar-21

Jan-22

Sep-22

Xt Ft

Gambar 4. 7 Grafik Hasil Peramalan Metode Single Moving Aveage T = 3

45
 PRAKTEK KERJA LAPANGAN
PUSAT PENGEMBANGAN SUMBER DAYA MANUSIA
MINYAK DAN GAS BUMI CEPU

b. Single Moving Average T = 5

Metode kedua yang digunakan dalam melakukan peramalan kebutuhan
adalah single movng average T = 5. Berikut perhitngannya .
𝑿𝒕−𝟓 +𝑿𝒕−𝟒 + 𝑿𝒕−𝟑 +𝑿𝒕−𝟐 + 𝑿𝒕−𝟏
Ft = 𝟓
𝑿𝟏 +𝑿𝟐 + 𝑿𝟑 +𝑿𝟒 + 𝑿𝟓
F6 = 𝟓
𝟓𝟓𝟕𝟐,𝟖𝟒𝟕+𝟓𝟎𝟕𝟎,𝟓𝟑𝟕 +𝟓𝟎𝟏𝟐,𝟗𝟖𝟓+4124,749+5496,742
F6 =
𝟓

F6 = 5055,572
...
𝑿𝟐𝟓 +𝑿𝟐𝟔 + 𝑿𝟐𝟕 +𝑿𝟐𝟖 + 𝑿𝟐𝟗
F30 = 𝟓
𝟑𝟕𝟓𝟗,𝟎𝟗+𝟑𝟕𝟗𝟕,𝟎𝟒 +𝟑𝟏𝟔𝟓,𝟎𝟐+4771,85+3534,24
F30 = 𝟓

F30 = 3805,448
Perhitungan MAPE
|Error|6 = | X6 – F6 | = | 3127,453- 5055,572| = 1928,119
|𝑬𝒓𝒓𝒐𝒓|𝟔 𝟏𝟗𝟐𝟖,𝟏𝟏𝟗
PE6 = x 100% = x 100% = 61,651%
𝑿𝟔 𝟑𝟏𝟐𝟕,𝟒𝟓𝟑

...
|Error|29 = | X29 – F29 | = | 3.534,240 - 4011,061| = 476,821
|𝑬𝒓𝒓𝒐𝒓|𝟐𝟗 𝟒𝟕𝟔,𝟖𝟐𝟏
PE29 = x 100% = x 100% = 13,491%
𝑿𝟐𝟗 𝟑.𝟓𝟑𝟒,𝟐𝟒𝟎

∑𝑃𝐸 369,596
MAPE = = = 12,74468448
𝑛 29

Tabel 4.3 Hasil Peramalan Metode Single Moving Average T = 5

NO t Xt Ft Error |Error| Error^2 |PE|%

1 Jan-20 5.572,847
2 Feb-20 5.070,537
3 Mar-20 5.012,985
4 Apr-20 4.124,749
5 Mei-20 5.496,742
6 Jun-20 3.127,453 5055,572 -1928,119 1928,119 3717642,878 61,651
7 Jul-20 3.935,865 4566,493 -630,628 630,628 397691,927 16,023
8 Agu-20 4.030,062 4339,559 -309,497 309,497 95788,269 7,680

46
 PRAKTEK KERJA LAPANGAN
PUSAT PENGEMBANGAN SUMBER DAYA MANUSIA
MINYAK DAN GAS BUMI CEPU

9 Sep-20 4.291,723 4142,974 148,749 148,749 22126,206 3,466

10 Okt-20 4.072,684 4176,369 -103,685 103,685 10750,579 2,546
11 Nov-20 4.913,285 3891,557 1021,728 1021,728 1043927,289 20,795
12 Des-20 4.707,566 4248,724 458,842 458,842 210536,165 9,747
13 Jan-21 4.902,236 4403,064 499,172 499,172 249172,686 10,183
14 Feb-21 3.639,480 4577,499 -938,019 938,019 879879,269 25,773
15 Mar-21 4.527,764 4447,050 80,714 80,714 6514,718 1,783
16 Apr-21 4.861,895 4538,066 323,829 323,829 104865,092 6,661
17 Mei-21 4.747,470 4527,788 219,682 219,682 48260,093 4,627
18 Jun-21 4.073,770 4535,769 -461,999 461,999 213443,076 11,341
19 Jul-21 4.594,185 4370,076 224,109 224,109 50224,934 4,878
20 Agu-21 5.814,527 4561,017 1253,510 1253,510 1571287,822 21,558
21 Sep-21 4.698,241 4818,369 -120,128 120,128 14430,832 2,557
22 Okt-21 5.518,831 4785,639 733,192 733,192 537571,095 13,285
23 Nov-21 4.527,977 4939,911 -411,934 411,934 169689,456 9,098
24 Des-21 4.562,306 5030,752 -468,446 468,446 219441,842 10,268
25 Jan-22 3.759,090 5024,376 -1265,286 1265,286 1600949,674 33,659
26 Feb-22 3.797,040 4613,289 -816,249 816,249 666262,430 21,497
27 Mar-22 3.165,020 4433,049 -1268,029 1268,029 1607897,038 40,064
28 Apr-22 4.771,850 3962,287 809,563 809,563 655392,899 16,965
29 Mei-22 3.534,240 4011,061 -476,821 476,821 227358,457 13,491
30 Jun-22 3805,448
31 Jul-22 3805,448
32 Agu-22 3805,448
33 Sep-22 3805,448
34 Okt-22 3805,448
35 Nov-22 3805,448
36 Des-22 3805,448
Total -3425,750 14971,931 14321104,723 369,596
MAPE 12,74468448

Berikut merupaka grafik hasil peramalan mengguakan metode Single Moving

Average dengan T = 5.

47
 PRAKTEK KERJA LAPANGAN
PUSAT PENGEMBANGAN SUMBER DAYA MANUSIA
MINYAK DAN GAS BUMI CEPU

Single Moving Average T=5

7.000,000
6.000,000
5.000,000
4.000,000
3.000,000
2.000,000
1.000,000
-
Jul-20

Jul-21

Jul-22
Mei-20

Mei-21

Mei-22
Nov-20

Nov-21

Nov-22
Jan-20
Mar-20

Sep-20

Jan-21
Mar-21

Sep-21

Jan-22
Mar-22

Sep-22
Xt Ft

Gambar 4. 8 Grafik Hasil Peramalan Metode Single Moving Aveage T = 5

c. Double Moving Average T = 3

Metode ketiga yang digunakan dalam melakukan peramalan kebutuhan
adalah double movng average T = 3. Berikut perhitngannya .
𝑿𝟒 +𝑿𝟓 + 𝑿𝟔
S’6 = 𝟑
𝟒𝟏𝟐𝟒,𝟕𝟒𝟗+𝟓𝟒𝟗𝟔,𝟕𝟒𝟐 +𝟑𝟏𝟐𝟕,𝟒𝟓𝟑
S’6 = 𝟑

S’6 = 4.249,648
𝑺′𝟒 +𝑺′𝟓 + 𝑺′𝟔
S”6 = 𝟑
𝟒.𝟕𝟑𝟔,𝟎𝟗𝟎+𝟒.𝟖𝟕𝟖,𝟏𝟓𝟗 +𝟒.𝟐𝟒𝟗,𝟔𝟒𝟖
S”6 = 𝟑

S”6 = 4.621,299
α6 = (2S’6 – S”6) = 2 x 4.249,648 - 4.621,299 = 3.877,997
𝟐 𝟐
b6 = 𝒏−𝟏(S’6 – S”6) = 𝟑−𝟏 ( 4.249,648 − 4.621,299) = -371,651

F6 = α6 + b6 = 3.877,997 + (-371,651) = 3.506,346

...
F29 = α29 + b29 = 3.877,832+ 54,129= 3.931,961
Ft-1 = α29 + b29 x 1 = 3.877,832+ 54,129 x 1= 3.931,961
Ft-2 = α29 + b29 x 2 = 3.877,832+ 54,129 x 2= 3.986,090

48
 PRAKTEK KERJA LAPANGAN
PUSAT PENGEMBANGAN SUMBER DAYA MANUSIA
MINYAK DAN GAS BUMI CEPU

Ft-3 = α29 + b29 x 3 = 3.877,832+ 54,129 x 3= 4.040,219

Ft-4 = α29 + b29 x 4 = 3.877,832+ 54,129 x 4= 4.094,348
Ft-5 = α29 + b29 x 5 = 3.877,832+ 54,129 x 5= 4.148,477
Ft-6 = α29 + b29 x 6 = 3.877,832+ 54,129 x 6= 4.202,606
Ft-7 = α29 + b29 x 7 = 3.877,832+ 54,129 x 7= 4.256,734
Perhitungan MAPE
|Error|6 = | X6 – F6 | = | 3127,453- 3.506,346| = 378,893
|𝑬𝒓𝒓𝒐𝒓|𝟔 𝟑𝟕𝟖,𝟖𝟗𝟑
PE6 = x 100% = x 100% = 12,115%
𝑿𝟔 𝟑𝟏𝟐𝟕,𝟒𝟓𝟑

...
|Error|29 = | X29 – F29 | = | 3.534,240 - 3.931,961 | = 397,721
|𝑬𝒓𝒓𝒐𝒓|𝟐𝟗 𝟑𝟗𝟕,𝟕𝟐𝟏
PE29 = x 100% = x 100% = 11,253%
𝑿𝟐𝟗 𝟑.𝟓𝟑𝟒,𝟐𝟒𝟎

∑𝑃𝐸 227,016
MAPE = = = 7,828152372
𝑛 29

Tabel 4.4 Hasil Peramalan Metode Double Moving Average T = 3

NO t Xt S' S" a b Ft Error |Error| Error^2 |PE|%

1 Jan-20 5.572,847

2 Feb-20 5.070,537

3 Mar-20 5.012,985 5.218,790

4 Apr-20 4.124,749 4.736,090

5 Mei-20 5.496,742 4.878,159 4.944,346 4.811,971 -66,188

6 Jun-20 3.127,453 4.249,648 4.621,299 3.877,997 -371,651 3.506,346 -378,893 378,893 143.559,905 12,115

7 Jul-20 3.935,865 4.186,687 4.438,164 3.935,209 -251,478 3.683,731 252,134 252,134 63.571,498 6,406

8 Agu-20 4.030,062 3.697,793 4.044,709 3.350,877 -346,916 3.003,961 1.026,101 1.026,101 1.052.882,578 25,461

9 Sep-20 4.291,723 4.085,883 3.990,121 4.181,646 95,762 4.277,408 14,315 14,315 204,926 0,334

10 Okt-20 4.072,684 4.131,490 3.971,722 4.291,257 159,768 4.451,025 -378,341 378,341 143.141,744 9,290

11 Nov-20 4.913,285 4.425,897 4.214,423 4.637,371 211,474 4.848,845 64,440 64,440 4.152,499 1,312

12 Des-20 4.707,566 4.564,512 4.373,966 4.755,057 190,545 4.945,603 -238,037 238,037 56.661,402 5,056

13 Jan-21 4.902,236 4.841,029 4.610,479 5.071,579 230,550 5.302,128 -399,892 399,892 159.913,878 8,157

14 Feb-21 3.639,480 4.416,427 4.607,323 4.225,532 -190,895 4.034,637 -395,157 395,157 156.148,791 10,858

15 Mar-21 4.527,764 4.356,493 4.537,983 4.175,003 -181,490 3.993,514 534,250 534,250 285.423,537 11,799

16 Apr-21 4.861,895 4.343,046 4.371,989 4.314,104 -28,943 4.285,161 576,734 576,734 332.622,107 11,862

17 Mei-21 4.747,470 4.712,376 4.470,639 4.954,114 241,738 5.195,852 -448,382 448,382 201.046,119 9,445

18 Jun-21 4.073,770 4.561,045 4.538,823 4.583,267 22,222 4.605,490 -531,720 531,720 282.726,040 13,052

19 Jul-21 4.594,185 4.471,808 4.581,743 4.361,873 -109,935 4.251,939 342,246 342,246 117.132,629 7,450

49
 PRAKTEK KERJA LAPANGAN
PUSAT PENGEMBANGAN SUMBER DAYA MANUSIA
MINYAK DAN GAS BUMI CEPU

20 Agu-21 5.814,527 4.827,494 4.620,116 5.034,872 207,378 5.242,250 572,277 572,277 327.500,456 9,842

21 Sep-21 4.698,241 5.035,651 4.778,318 5.292,984 257,333 5.550,317 -852,076 852,076 726.034,267 18,136

22 Okt-21 5.518,831 5.343,866 5.069,004 5.618,729 274,863 5.893,591 -374,760 374,760 140.445,391 6,791

23 Nov-21 4.527,977 4.915,016 5.098,178 4.731,855 -183,162 4.548,693 -20,716 20,716 429,162 0,458

24 Des-21 4.562,306 4.869,705 5.042,862 4.696,547 -173,158 4.523,389 38,917 38,917 1.514,524 0,853

25 Jan-22 3.759,090 4.283,124 4.689,282 3.876,967 -406,157 3.470,809 288,281 288,281 83.105,679 7,669

26 Feb-22 3.797,040 4.039,479 4.397,436 3.681,521 -357,957 3.323,564 473,476 473,476 224.179,312 12,470

27 Mar-22 3.165,020 3.573,717 3.965,440 3.181,993 -391,723 2.790,270 374,750 374,750 140.437,396 11,840

28 Apr-22 4.771,850 3.911,303 3.841,500 3.981,107 69,804 4.050,911 720,939 720,939 519.753,202 15,108

29 Mei-22 3.534,240 3.823,703 3.769,574 3.877,832 54,129 3.931,961 -397,721 397,721 158.182,082 11,253

30 Jun-22 3.931,961

31 Jul-22 3.986,090

32 Agu-22 4.040,219

33 Sep-22 4.094,348

34 Okt-22 4.148,477

35 Nov-22 4.202,606

36 Des-22 4.256,734

Total 863,164 9.694,554 5.320.769,125 227,016

MAPE 7,828152372

Berikut merupaka grafik hasil peramalan mengguakan metode Double Moving

Average dengan T = 3.

Double Moving Average T=3

7.000,000
6.000,000
5.000,000
4.000,000
3.000,000
2.000,000
1.000,000
-
Jul-20

Jul-21

Jul-22
Mei-20

Mei-21

Mei-22
Nov-20

Nov-21
Jan-22

Nov-22
Jan-20
Mar-20

Sep-20

Jan-21
Mar-21

Sep-21

Mar-22

Sep-22

Xt Ft

Gambar 4. 9 Grafik Hasil Peramalan Metode Double Moving Aveage T = 3

50
 PRAKTEK KERJA LAPANGAN
PUSAT PENGEMBANGAN SUMBER DAYA MANUSIA
MINYAK DAN GAS BUMI CEPU

d. Double Moving Average T = 5

Metode keempat yang digunakan dalam melakukan peramalan kebutuhan
adalah double movng average T = 5. Berikut perhitngannya .
𝑿𝟔 +𝑿𝟕 + 𝑿𝟖 +𝑿𝟗 + 𝑿𝟖𝟏𝟎
S’10 = 𝟓
𝟑.𝟏𝟐𝟕,𝟒𝟓𝟑 +𝟑𝟗𝟑𝟓,𝟖𝟔𝟓 +𝟒𝟎𝟑𝟎,𝟎𝟔𝟐+ 𝟒𝟐𝟗𝟏,𝟕𝟐𝟑+ 𝟒𝟎𝟕𝟐,𝟔𝟖𝟒
S’10 = 𝟓

S’10 = 3.891,557
𝑺′𝟔 +𝑺′𝟕 + 𝑺′𝟖 +𝑺′𝟗 + 𝑺′𝟏𝟎
S”10 = 𝟓
𝟒.𝟓𝟔𝟔,𝟒𝟗𝟑+𝟒.𝟑𝟑𝟗,𝟓𝟓𝟗 +𝟒.𝟏𝟒𝟐,𝟗𝟕𝟒+𝟒.𝟏𝟕𝟔,𝟑𝟔𝟗+𝟑.𝟖𝟗𝟏,𝟓𝟓𝟕
S”10 = 𝟓

S”10 = 4.223,391
α 10 = (2S’10 – S”10) = 2 x 3.891,557- 4.223,391= 3.559,724
𝟐 𝟐
b10 = 𝒏−𝟏 (S’10 – S”10) = 𝟓−𝟏 ( 3.891,557 − 4.223,391) = -165,917

F10 = α10 + b10 = 3.559,724+ (-165,917) = 3.393,808

...
F29 = α29 + b29 = 3.445,869 + (-179,789) = 3.931,961
Ft-1 = α29 + b29 x 1 = 3.445,869 + (-179,789) x 1= 3.266,080
Ft-2 = α29 + b29 x 2 = 3.445,869 + (-179,789) x 2= 3.086,291
Ft-3 = α29 + b29 x 3 = 3.445,869 + (-179,789) x 3= 2.906,501
Ft-4 = α29 + b29 x 4 = 3.445,869 + (-179,789) x 4= 2.726,712
Ft-5 = α29 + b29 x 5 = 3.445,869 + (-179,789) x 5= 2.546,922
Ft-6 = α29 + b29 x 6 = 3.445,869 + (-179,789) x 6= 2.367,133
Ft-7 = α29 + b29 x 7 = 3.445,869 + (-179,789) x 7= 2.187,344
Perhitungan MAPE
|Error|10 = | X10 – F10 | = | 4.072,684 - 3.393,808| = 678,876
|𝑬𝒓𝒓𝒐𝒓|𝟏𝟎 𝟔𝟕𝟖,𝟖𝟕𝟔
PE10 = x 100% = x 100% = 16,669%
𝑿𝟏𝟎 𝟒.𝟎𝟕𝟐,𝟔𝟖𝟒

...
|Error|29 = | X29 – F29 | = | 3.534,240 - 3.266,080| = 268,160
|𝑬𝒓𝒓𝒐𝒓|𝟐𝟗 𝟐𝟔𝟖,𝟏𝟔𝟎
PE29 = x 100% = x 100% = 7,587%
𝑿𝟐𝟗 𝟑.𝟓𝟑𝟒,𝟐𝟒𝟎

51
 PRAKTEK KERJA LAPANGAN
PUSAT PENGEMBANGAN SUMBER DAYA MANUSIA
MINYAK DAN GAS BUMI CEPU

∑𝑃𝐸 185,627
MAPE = = = 6,400916155
𝑛 29

Tabel 4.5 Hasil Peramalan Metode Double Moving Average T = 5

NO t Xt S' S" a b Ft Error |Error| Error^2 |PE|%

1 Jan-20 5.572,847

2 Feb-20 5.070,537

3 Mar-20 5.012,985

4 Apr-20 4.124,749

5 Mei-20 5.496,742 5.055,572

6 Jun-20 3.127,453 4.566,493

7 Jul-20 3.935,865 4.339,559

8 Agu-20 4.030,062 4.142,974

-
9 Sep-20 4.291,723 4.176,369 4.456,193 3.896,545 139,912
-
10 Okt-20 4.072,684 3.891,557 4.223,391 3.559,724 165,917 3.393,808 678,876 678,876 460.873,004 16,669

11 Nov-20 4.913,285 4.248,724 4.159,837 4.337,611 44,444 4.382,055 531,230 531,230 282.205,802 10,812

12 Des-20 4.707,566 4.403,064 4.172,538 4.633,590 115,263 4.748,853 -41,287 41,287 1.704,656 0,877

13 Jan-21 4.902,236 4.577,499 4.259,443 4.895,555 159,028 5.054,583 -152,347 152,347 23.209,639 3,108
-
14 Feb-21 3.639,480 4.447,050 4.313,579 4.580,522 66,736 4.647,257 1.007,777 1.007,777 1.015.614,965 27,690

15 Mar-21 4.527,764 4.538,066 4.442,881 4.633,252 47,593 4.680,845 -153,081 153,081 23.433,670 3,381

16 Apr-21 4.861,895 4.527,788 4.498,693 4.556,883 14,547 4.571,430 290,465 290,465 84.369,754 5,974

17 Mei-21 4.747,470 4.535,769 4.525,234 4.546,304 5,267 4.551,571 195,899 195,899 38.376,504 4,126

18 Jun-21 4.073,770 4.370,076 4.483,750 4.256,402 -56,837 4.199,565 -125,795 125,795 15.824,302 3,088

19 Jul-21 4.594,185 4.561,017 4.506,543 4.615,490 27,237 4.642,727 -48,542 48,542 2.356,345 1,057

20 Agu-21 5.814,527 4.818,369 4.562,604 5.074,135 127,883 5.202,018 612,509 612,509 375.167,594 10,534

21 Sep-21 4.698,241 4.785,639 4.614,174 4.957,103 85,732 5.042,836 -344,595 344,595 118.745,452 7,335

22 Okt-21 5.518,831 4.939,911 4.695,002 5.184,819 122,454 5.307,274 211,557 211,557 44.756,542 3,833

23 Nov-21 4.527,977 5.030,752 4.827,138 5.234,367 101,807 5.336,174 -808,197 808,197 653.182,649 17,849

24 Des-21 4.562,306 5.024,376 4.919,809 5.128,943 52,283 5.181,227 -618,921 618,921 383.062,932 13,566
-
25 Jan-22 3.759,090 4.613,289 4.878,793 4.347,785 132,752 4.215,032 -455,942 455,942 207.883,472 12,129
-
26 Feb-22 3.797,040 4.433,049 4.808,275 4.057,822 187,613 3.870,209 -73,169 73,169 5.353,679 1,927
-
27 Mar-22 3.165,020 3.962,287 4.612,751 3.311,823 325,232 2.986,591 178,429 178,429 31.837,051 5,638
-
28 Apr-22 4.771,850 4.011,061 4.408,812 3.613,310 198,876 3.414,434 1.357,416 1.357,416 1.842.577,111 28,446
-
29 Mei-22 3.534,240 3.805,448 4.165,027 3.445,869 179,789 3.266,080 268,160 268,160 71.909,829 7,587

30 Jun-22 3.266,080

31 Jul-22 3.086,291

52
 PRAKTEK KERJA LAPANGAN
PUSAT PENGEMBANGAN SUMBER DAYA MANUSIA
MINYAK DAN GAS BUMI CEPU

32 Agu-22 2.906,501

33 Sep-22 2.726,712

34 Okt-22 2.546,922

35 Nov-22 2.367,133

36 Des-22 2.187,344

Total 494,889 8.154,196 5.682.444,951 185,627

MAPE 6,400916155

Berikut merupaka grafik hasil peramalan mengguakan metode Double Moving

Average dengan T = 5.

Double Moving Average T=5

7000
6000
5000
4000
3000
2000
1000
0
Jul-20

Jul-21

Jul-22
Mei-20

Mei-21

Mei-22
Mar-20

Nov-20

Nov-21

Mar-22

Nov-22
Jan-20

Sep-20

Jan-21
Mar-21

Sep-21

Jan-22

Sep-22

Xt Ft

Gambar 4. 10 Grafik Hasil Peramalan Metode Double Moving Aveage T = 5

e. Perhitungan Error
Berikut ini merupakan rekap perhitungan error dari setiap meode
Tabel 4.6 Hasil MAPE Setiap Metode
Metode MAPE
Single Moving Average T =3 13,38043097
Single Moving Average T =5 12,74468448
Double Moving Average T =3 7,828152372
Double Moving Average T =5 6,400916155

53
 PRAKTEK KERJA LAPANGAN
PUSAT PENGEMBANGAN SUMBER DAYA MANUSIA
MINYAK DAN GAS BUMI CEPU

Berdasarkan hasil perolehan MAPE diatas dapat disimpulakan bahwa

metode double moving average T = 5 adalah metode yang palin tepat untuk
melakukan forecasting karena memiiki jumlah MAPE terkecil.

4.3.3 Hasil Peramalan

Metode yang terpilih untuk melakukan peramalan adalah metode double
moving average T = 5. Hasil peramalan akhir untuk periode Juni sampai
Desember 2022 di tunjukan paa tabel dibawah ini.
Tabel 4.7 Hasil Peramalan Periode Juni – Desembaer 2022
periode
produk (Liter)
Jun-20 3.266,080
Jul-20 3.086,291
Ags-20 2.906,501
Sep-20 2.726,712
Okt-20 2.546,922
Nov-20 2.367,133
Des-20 2.187,344

Hasil Peramalan tersebut dapat digunakan sebagai usulan perencanaan

produksi solar di PPSDM Migas Cepu.

54
 PRAKTEK KERJA LAPANGAN
PUSAT PENGEMBANGAN SUMBER DAYA MANUSIA
MINYAK DAN GAS BUMI CEPU

55