Contoh Makalah Hasil LAPORAN PRAKTIKUM SUPPLAY CHAIN MANAGEMENT “Forecasting” Dalam Teknikl Industri_Rudini Mulya,dkk(2012)

Rudini Mulya_Praktikum SCM Teknik Industri Universitas Mercu Buana

LAPORAN PRAKTIKUM SUPPLAY CHAIN MANAGEMENT “Forecasting” Diajukan untuk Melengkapi Tugas Mata Kuliah Praktikum SCM Pada Program Studi Teknik Industri

Disusun Oleh :

December 25, 2012


December 25, 2012

BAB I PENDAHULUAN

1.1 Latar Belakang Peramalan merupakan bagian awal dari suatu proses pengambilan suatu keputusan.. Dalam kegiatan produksi, peramalan dilakukan untuk menentukan jumlah permintaan permintaan terhadap suatu produk dan merupakan langkah awal dari dari proses perencana an

dan pengendalian pengend alian

produksi Dengan mempelajari mempelajari teknik

peramalan peramalan diharapakan diharapakan dapat berguna untuk untu k penerapan di perusahaan perusahaa n produsen dan menjadi acuan untuk menjalankan suatu system di perusahaan dalam produksinya untuk dipasarkan di masyarakat umum. Dalam kesempatan kali ini praktikum mengambil kasus sebuah perusahaan Tamiya Car Corp. yang sedang mengalami kesulitan dalam

merencanakan

produksinya

guna

memenuhi

permintaan

konsumen.

Permintaan Tamiya Car Corp. berbeda – beda untuk masing – masing daerah. Distributor telah memberikan laporan kepada perusahaan untuk pengadaan Tamiya Car harus


December 25, 2012

1.4 Pelaksanaan Praktikum Praktikum Sistem Produksi untuk mahasiswa Jurusan Teknik Industri Universitas Mercu Buana dilaksanakan pada : Waktu

: Jum’at, 2 Desember 2011

Rutinitas

: 1x Pertemuan

Tempat

: Lab. Computer D-208 (Universitas Mercu Buana)

1.5 Sistematika Laporan Laporan yang berkaitan dengan Perencanaan Produksi pelanggan ini, akan dibagi menjadi empat bab utama. Melalui pembagian ini diharapkan akan dapat memudahkan pembaca untuk pemahaman lebih lanjut secara sistematis. Keempat bab tersebut akan diperinci sebagai berikut: BAB I

: PENDAHULUAN Pada bab pertama ini akan dibahas mengenai latar belakang dari dilakukannya pembahasan

terhadap topik mengenai praktikum

Supply Chain Management. Kemudian dibahas pula mengenai tujuan

December 25, 2012


BAB II LANDASAN TEORI

Peramalan merupakan bagian awal dari suatu proses pengambilan suatu keputusan. Sebelum melakukan peramalan harus diketahui terl terleb ebiih dahulu apa sebenarnya persoalan dalam pengambilan keputusan itu. tu. Peramalan adalah pemikiran terhadap suatu besaran, misalnya permintaan

terhadap

satu

atau

beberapa produk pada periode yang akan datang. Pada hakekatnya peramalan iraan (guess), hanya merupakan suatu per perk iraan (guess), tetapi dengan menggunakan teknikteknik tertentu, maka peramalan menjadi lebih sekedar perkiraan. Peramalan dapat dikatakan perkiraan yang ilmiah (educated (educated

guess). guess ). Setiap pengambilan

keputusan yang menyangkut keadaan di masa yang akan datang, maka pasti ada peramalan yang melandasi pengambilan keputusan tersebut (Sofyan Assauri, 1984, hal. 1). Dalam

kegiatan

produksi,

peramalan

dilakukan

untuk menentukan

December 25, 2012


Tujuan peramalan dilihat dengan waktu: 1.

Jangka pendek (Short pendek (Short Te Ter m) m) Menentukan

kuantitas dan waktu dari item dijadikan produksi. produksi.

Biasanya

bersifat harian ataupun mingguan dan ditentukan oleh Low Management Low Management . 2.

Jangka Menengah (Medium Ter m) m) Menentukan

kuantitas

dan

waktu

dari

kapasitas

produksi.

Biasanya

bersifat bulanan ataupun kuartal dan ditentukan oleh Middle Management . 3.

Jangka Panjang (Long Ter m) m) Merencanakan

kuantitas dan waktu dari fasilitas produksi.

Biasanya

bersifat tahunan, 5 tahun, 10 tahun, ataupun 20 tahun dan ditentukan oleh Top Management .

Peramalan yang baik mempunyai beberapa kriteria yang penting, antara lain akurasi, biaya,dan kemudahan. Penjelasan dari kriteria-kriteria tersebut adalah sebagai berikut berikut ::


2.

December 25, 2012

Biaya.

Biaya yang diperlukan dalam pembuatan suatu peramalan ada adallah tergantung dari jumlah item yang diramalkan, lamanya periode peramalan, dan metode peramalan

yang

dipakai. Ketiga factor pemicu

biaya tersebut akan

mempengaruhi mempengaruhi berapa banayak data yang dibutuhkan, bagai bagai mana pengolahan datanya (manual atau komputerisasi), bagai bagai mana penyimpanan datanya dan siapa tenaga ahli yang diperbantukan. Pemilihan metode disesuaikan

dengan

dana

yang

tersedia

sederhana

dan

murah.

Prinsip

harus

dan tingkat akurasi yang ingin

didapat, misalnya item-item yang penting akan diramalkan yang

peramalan

dengan

metode

ini merupakan adopsi dari hukum

Pareto (Analisa ABC). ABC).

3.

Kemudahan

Penggunaan metode peramalan yang sederhana, mudah dibuat, dan mudah diaplikasikan

akan

memberikan

keuntungan

bagi

perusahaan.

Adal Adalah


December 25, 2012

Peramalan sebenarnya upaya untuk memperkecil resiko yang timbul akibat pengambilan keputusan dalam suatu perencanaan produksi. Semak in besar upaya yang dikeluarkan tentu resiko yang dapat dihindari semakin besar pula. Namun upaya memperkecil resiko tersebut dibatasi oleh biaya yang dikeluarkan akibat mengupayakan hal ters tersebut ebut .... Faktor-Faktor yang harus di per pert imbangkan dalam peramalan : 1.

Horizon Peramalan Ada dua aspek dari horison waktu yang berhubungan dengan masing –

masing metoda peramalan yaitu : a.

C akupan waktu dimasa yang akan dating, Untuk mana perbedaan dari metoda peramalan yang digunakan sebaiknya disesuaikan.

b. Jumlah periode periode untuk mana ramalan diinginkan Beberapa teknik dan metoda hanya dapat disuaikan untuk per pe ramal amalan satu


ke

depan

sebaiknya

digunakan

metode

variasi

December 25, 2012

musi musim m. Sedangkan apabila

dari data yang lalu diketahui adanya pola hubungan antara variable – variable yang saling mempengaruhi, maka sebai ebaiknya dipergunakan metode Sebab Akibat (causal) atau korelasi ( corr el at at ion).

4. Bentuk Pola Data. Dasar utama utama dari metoda peramalan adalah anggapan anggapan bahwa macam macam dari dari pola yang didapati didalam data yang diramalkan akan berkelanjutan. Sebagai contoh, beberapa deret yang melukiskan sutau pola musiman, demikian pula halnya dengan suatu pola trend. Metoda peramalan yang lain mungkin

lebih

sederhana, terdiri dari suatu nilai rata – rata, dengan fluktuasi yang acakan atau random random yang yang terkandung. terkandung. metoda peramalan

Oleh karena karena adanya perbedaan kemampuan

untuk mengidentifikasikan

pol pola –pola data, maka

perlu

adanya usaha penyesuaian antara pola data yang telah diperkirakan terlebih dahulu dengan teknik dan metoda peramalan yang akan digunakan.


December 25, 2012

ramalan yang dilakukan sangat tergantung pada terjadinya sejumlah peristiwa yang lain, atau sifatnya merupakan campuran dari model – model yang telah disebutkan diatas. Model – model model tersebut sangat penting diperhatikan, karena masing – masing model tersebut mempunyai kemampuan yang berbeda – neda dalam analisis keadaan untuk pengambilan keputusan.

7. Mudah tidaknya tidaknya penggunaan dan aplikasinya Satu prinsip umum dalam penggunaan metoda ilmiah dari peramalan untuk menagement dan analisis adalah metoda – metoda yang dapat dimengerti dan mudah diaplikasikan yang akan dipergunakan dal dalam pengambilan keputusan adan analisa. Prinsip ini didasarkan pada alasan bahwa, bila seorang manajer atau analisis bertanggung jawab atas keputusan yang diambilnya atau hasil analisa yang dilakukan, maka

ia sudah tentu tidak menggunakan dasar yang yang tidak

diketahuinya atau tidak diyakininya. diyakininya. Jadi, sebagai ciri tambahan dari teknik dan metoda peramalan adalah bahwa yang yang diperlukan untuk memenuhi kebutuhan dari keadaan ialah teknik dan metoda peramalan yang dapat disesuaikan dengan

December 25, 2012


2.

Dilihat dari Jangka Waktu Ramalan Ramalan yang Disusun a. Peramalan jangka pendek , yaitu peramalan

yang dilakukan

untuk

penyusunan hasil ramalan yang jangka waktunya satu tahun atau kurang. Peramalan ini digunakan untuk mengambil keputusan dalam hal perlu tidaknya lembur, penjadwalan kerja, dan lain-lain keputusan kontrol jangka pendek . b.

Peramalan jangka menengah, menengah, yaitu peramalan yang dilakukan

untuk

penyusunan hasil ramalan yang jangka waktunya satu hingga lima tahun ke depan Peramalan ini lebih mengkhususkan dibandingkan peramalan jangka

panjang,

biasanya

digunakan

untuk menentukan aliran kas,

perencanaan produksi, dan penentuan anggaran. c.

Peramalan jangka panjang panjang,, yaitu peramalan yang dilakukan untuk penyusunan hasil ramalan yang jangka waktunya lebih dari lima tahun yang akan datang. Peramalan jangka panjang digunakan untuk pengambilan keputusan

mengenai

perencanaan

produk

dan

perencanaan

pasar,

pengeluaran biaya perusahaan, studi kelayakan pabrik, anggar anggaran, an, purchase


December 25, 2012

perl perlu u diperhatikan dari penggunaan metoda tersebut, adalah baik t idaknya metoda yang dipergunakan, sangat ditentukan oleh perbedaan atau i. Metoda penyimpangan antara hasil ramalan dengan kenyataan yang terj terjad adi. yang baik adalah metoda yang memberikan nilai atau penyimpangan yang mungkin.

– nilai perbedaan

December 25, 2012


secara perseorangan maupun kel kelompok . Beberapa metode peramalan

yang

digolongkan sebagai model kualitatif adalah kualitatif adalah sebagai berikut : 1.

Metode Delphi, Sekelompok

pakar

mengisi

kuesioner,

Moderator menyimpulkan menyimpulkan hasilnya dan memformulasikan memformulasikan menjadi

suatu

kuesioner baru yang diisi kembali oleh kelompok tersebut, demikian seterusnya. Hal Hal ini merupakan proses pembelajaran (learning process) dari kelompok tanpa adanya tekanan atau

intimidasi

individu. Metode

ini

dikembangkan pertama kali oleh Rand Corporation pada tahun 1950 – an. Adapun tahapan yang dilakukan adalah: 

Tentukan beberapa pakar sebagai partisipan. Sebaiknya ber bervari varia asi dengan latar belakang disiplin ilmu yang berbeda.



Melalui kuesioner (atau e–mail ), diperoleh peramalan dari seluruh isipan.. par pa rt isipan



Simpulkan hasilnya, kemudian distribusikan kembali kepada seluruh partisipan denan pertanyaan yang baru.



Simpulkan kembali revisi

peramalan dan kondisi,


3.

Riset Pasar (market research), berdasarkan hasil – hasil

merupakan

metode

December 25, 2012

peramalan

dari survei survei pasar yang yang dilakukan dilakukan oleh tenagatenaga-

tenaga pemasar produk atau yang mewakilinya.

Metode ini akan

menjaring informasi dari planggan atau pelanggan potenbsial (konsumen) berkaitan dengan rencana pembelian mereka dimasa mendatang. Riset pasar

tidak

hanya

akan membantu peramalan,

tetapi juga untuk

meningkatkan desain produk dan perencanaan untuk produk-produk baru.

4. Metode kelompok terstruktur (structured group methods), seperti metode Delphi, dan lain lain. Metode Delphi merupakan teknik per peramal amalan berdasarkan pada proses konvergensi dari opini beberapa orang atau ahli ahli secara interaktif tanpa menyebutkan menyebutkan identitasnya. Grup ini tidak ber bertemu secara bersama dalam suatu forum untuk berdiskusi, tetapi mereka diminta pendapatnya secara terpisah dan tidak boleh secara berunding. Hal ini dilakukan untuk menghindari pendapat yang bias karena pengar pengaruh


December 25, 2012

Metode Peramalan Kuantitatif (Statistical (Statistical Method) Pada dasarnya metoda peramalan kuantitatif ini dapat dibedakan atas atas dua bagian, yaitu : 1.

Metoda peramalan yang didasarkan atas penggunaan analisa pola hubungan antara variabel yang akan diperkirakan dengan variabel waktu, yang merupakan deret waktu atau “t ime ime

2.

–

series . ”

Metoda peramalan yang didasarkan atas penggunaan analisa pola hubungan antara variabel yang akan diperkirakan dengan variabel lain yang mempengaruhinya, mempengaruhinya, yang bukan waktu yang disebut metode korelasi atau sebab akibat (causal method). Prosedur umum yang digunakan dalam peramalan secara kuantitatif

adalah: 1.

Definisikan tujuan peramalan.

2.

Pembuatan diagram pencar.

3.

Pilih minimal dua metode peramalan yang dianggap sesuai.


December 25, 2012


December 25, 2012

Pola data ini terjadi bila data memiliki kecendrungan untuk naik atau turun terus-menerus. terus-menerus.

Pola data dalam bentuk trend ini

digam Bbiaayrakan sebagai berikut:

Waktu


December 25, 2012

Perkataan musim menggambarkan pola penjualan yang berulang setiap periode. Komponen musim dapat dijabarkan ke dalam faktor cuaca,

libur,

atau

kecenderungan

perdagangan.

Pola musiman

berguna dalam meramalkan penjualan dalam jangka pendek. Pola data ini terjadi bila nilai data sangat dipengaruhi oleh musim, misalnya permintaan bahan baku jagung untuk makanan ternak ayam pada pabrik pakan ternak selama satu tahun. Selama musim

panen harga jagung akan menjadi turun karena jumlah jagung yang dibutuhkan tersedia dalam jumlah yang besar. Pola data musiman dapat digambarkan sebagai berikut: Biaya

Waktu

Pola data ini terjadi bila data memiliki kecenderungan untuk naik atau turun terus menerus. Pola data dalam bentuk trend ini dapat digambarkan sebagai berikut: Biaya

Waktu

Dalam meramalkan biaya-biaya yang termasuk di dalam biaya operasi

dipergunakan

Pola

Trend

karena

biaya

tersebut

cenderung naik na ik jika jika mesin/peralatan semakin tua atau semakin lama jangka waktu pemakaiannya. Ada beberapa trend yang

Bentuk persamaan umum: Y = aebt Sedangkan peramalannya mempunyai bentuk persamaan: Y t = ae bt Dengan menggunakan transformasi logaritma natural maka harga konstanta a dan b diperoleh dari persamaan di bawah ini: b

n tln Ytt lnYt

t2t2 lnYt bt n lna n

Y = a + b log l og t Sedangkan peramalannya mempunyai bentuk persamaan: Y t = a + b log t Dengan menggunakan transformasi logaritma natural maka harga konstanta a dan b diperoleh dari persamaan di bawah ini:

Peramalannya mempunyai bentuk persamaan: Yt



a b

t

Dengan menggunakan transformasi logaritma maka harga konstanta a dan b diperoleh dari persamaan di bawah ini: log b

n t.log Yt   t  log Yt    t 2  n  t 2

log a

log Yt  log b  t   n

Adapun metode peramalan yang termasuk model time series adalah sebagai berikut:

Metode

smoothing

digunakan

untuk

mengurangi

ketidakteraturan

musiman dari data yang lalu, dengan membuat rata – rata tertimbang dari sederetan data masa lalu. Ketepatan peramalan dengan metode ini akan terdapat pada peramalan jangka pendek, sedangkan untuk peramalan jangka panjang kurang akurat. Metode smoothing terdiri dari beberapa jenis, antara lain : , terdiri atas : -

Moving average pada suatu periode merupakan peramalan untuk satu periode ke depan dari periode rata – rata tersebut. Persoalan yang

timbul

dalam

penggunaan

metode

ini

adalah

dalam

menentukan nilai t (periode perata – rataan). Semakin besar nilai t

b) Setelah semua single Average dihitung, dihitung, hitung moving average kedua

yaitu moving average dari St dengan periode perata’

rataan yang sama. Hasilnya dinotasikan dengan : St c) Hitung komponen at at dengan rumus rumus : At = St + (St – St ) ’

’

’’

d) Hitung komponen komponen trend bt dengan rumus : 2

bt = N



1

( St '  St ' ' )

’’

e) Peramalan untuk periode kedepan setelah t adalah sebagai berikut : Ft+m = at + bt . m -

Notasi yang diberikan adalah MA ( M x N), artinya M – periode MA dan N – periode MA. -

Data pada periode tertentu diberi bobot, semakin dekat dengan saat sekarang semakin besar bobotnya. Bobot ditentukan berdasarkan pengalaman. Rumusnya adalah sebagai berikut : F t

 w1 At 1  w2 At 2  ...  wn At n

dimana : w1 = bobot yang diberikan pada periode t – 1 w2 = bobot yang diberikan pada periode t – 2 wn = bobot yang diberikan pada periode t – n n = jumlah periode

-

Bentuk fungsi dari metode ini dapat berupa : dengan fungsi peramalan (Y ) t t : Y t t = a , dimana a =  Y YI I / N Y t t = nilai tambah

jumlah periode N = jumlah dengan fungsi peramalan : Y t t = a + bt

dimana :

n ty   (t ) (y) (y )

Y  bt a= n

b=

n   t2

  t 2

dengan fungsi peramalan : Y t t = a + bt + ct 2

dimana :

 Y  b  t  c  t 2 a



n

  ( t 2 ) 2  n  t 4

c



  b



b



       2

   t  Y  n tY  

 t 2  Y  n  t 2Y

   t  t 2  n  t 3 dengan fungsi peramalan : Y t t = ae bt

dimana : ln a

ln Y  b  t 

b

n

n t ln Y   t  ln Y   n  t 2  ( t ) 2

dengan fungsi peramalan : Y t

 a  b sin

ˆ

2 n

 c cos

t 2 t n

dimana :

 Y  na  b  sin  Y sin  Y

t 2 t n t 2 t

2 t t n

 a sin 

 c cos

t 2 t

2 t t n

 b sin 2

n t 2 t



t 2 t 2

 c  sin

n t 2 t

b  si

t 2 t

cos

n t 2 t

t 2 t n t 2 t

n

n

Seorang perencana tentu menginginkan hasil perkiraan ramalan yang tepat atau paling tidak dapat memberikan gambaran yang paling mendekati sehingga rencana yang dibuatnya merupakan rencana yang realistis. Ketepatan atau ketelitian inilah yang menjadi kriteria performance suatu

metode

peramalan. Ketepatan atau ketelitian tersebut dapat dinyatakan

sebagai

kesalahan dalam peramalan. Kesalahan yang kecil memberikan arti ketelitian peramalan yang tinggi, dengan kata lain keakuratan hasil peramalan tinggi, begitu pula sebaliknya. Besar kesalahan suatu peramalan dapat dihitung dengan beberapa cara, antara lain adalah :

N

2

X t  F t    X MSE  t 1

dimana N :

Xt = data aktual periode t Ft = nilai ramalan periode t N = banyaknya periode

dimana : f=

Derajat kebebasan

Untuk data Konstan, f = 1 Untuk data Linier, Linier, f = 2 Untuk data Kwadratis, f = 3 Untuk data Siklis, f = 3

X  F   X t t   PE   100% t  X  t  

dimana nilai dari PEt bisa positip ataupun negatip.

N

 t MAPE  1

PE t N

Menghitung kesalahan dari peramalan merupakan prosedur yang kelima dari perhitungan peramalan secara kuantitatif. Setelah didapat kesalahan (error) dari masing-masing masing-masing metode peramalan, maka akan dilakukan pengujian

BAB III PENGOLAHAN DATA

Sebuah perusahaan pembuat mobil mainan, Tamiya Car Corp. menghadapi kesulitan di dalam merencanakan produksinya guna memenuhi permintaan konsumen. Permintaan mobil mainan ini berbeda- beda untuk masing – masing daerah. Distributor telah memberikan laporan kepada perusahaan untuk pengadaan agar harus dapat tersedia mulai periode Januari 2012. Berikut data permintaan yang telah diberikan :

Tabel 1: Permintaan dan Hari Kerja

No

Bulan

Permintaan Aktual A

Hari Keja

1

Januari

14478

23

2

Februari

14273

20

3

Maret

14667

21

Jawab : a. Dengan menggunakan metode Linier dengan y = 109,15x + 14000

No

Bulan

Permintaan Aktual

Ramalan

Deviasi

Deviasi Absolut

Kuadrat Kesalahan

Persentase Kesalahan

Persentase Kesalahan Absolut

A

F

A-F

|A-F|

(A-F)2

((A-F)/A)100

|((A-F)/A)100|

1

Januari

14478

14112

366

366

134220

0.025

0.025

2

Februari

14273

14215

58

58

3360

0.004

0.004

3

Maret

14667

14319

348

348

120978

0.024

0.024

4

April

14556

14424

132

132

17399

0.009

0.009

5

Mei

13965

14530

-565

565

318970

-0.040

0.040

6

Juni

12878

14636

-1758

1758

3091372

-0.137

0.137

7

Juli

14453

14743

-290

290

84370

-0.020

0.020

1406

1975469

0.086

0.086

8

Agustus

16257

14851

1406

9

Sepetember

15459

14960

499

499

248703

0.032

0.032

10

Oktober

15141

15070

71

71

5054

0.005

0.005

11

November

15793

15180

613

613

375375

0.039

0.039

14592

15292

-700

700

489360

-0.048

0.048

176512

176333

179

6805

6864632

-0.021

0.469

12

Desember Total [ Σ ]

Tabel Demand dan Hasil Peramalan Dengan Menggunakan Metode Linier

Laporan Praktikum SCM – Forecasting by VII th Group

Page 29

b.

Dengan menggunakan metode Kuadratiky = 9,2483x2 - 11,073x + 14280

No

Bulan

Permintaan Aktual

Ramalan

Deviasi

Deviasi Absolut

Kuadrat Kesalahan

Persentase Kesalahan

Persentase Kesalahan Absolut

A

F

A-F

|A-F|

(A-F)2

((A-F)/A)

|((A-F)/A)|

1

Januari

14478

14278

200

200

39930

0.014

0.014

2

Februari

14273

14295

-22

22

477

-0.002

0.002

3

Maret

14667

14330

337

337

113558

0.023

0.023

4

April

14556

14384

172

172

29694

0.012

0.012

5

Mei

13965

14456

-491

491

240926

-0.035

0.035

1669

2783895

-0.130

0.130

6

Juni

12878

14547

-1669

7

Juli

14453

14656

-203

203

41069

-0.014

0.014

8

Agustus

16257

14783

1474

1474

2171770

0.091

0.091

530

280418

0.034

0.034

9

Sepetember

15459

14929

530

10

Oktober

15141

15094

47

47

2200

0.003

0.003

11

November

15793

15277

516

516

266007

0.033

0.033

12

Desember

14592

15479

-887

887

786555

-0.061

0.061

147761

176508

4.30

6546

6756500

-0.032

0.450

Total [ Σ ]

Tabel Demand dan Hasil Peramalan Dengan Menggunakan Metode Kuadratik 2 Order

Grafik Hasil Peramalan Dengan Menggunakan Metode Kuadratik 2 Order


Page 30

c.

Dengan menggunakan metode Moving Average

No

Bulan

Permintaan Aktual

2Bulanan

3bulanan

4Bulanan

5Bulanan

6Bulanan

7Bulanan

8Bulanan

A

F

F

F

F

F

F

F

WMA 3WMA 3Bulanan Bulanan 0,25/0,25/0,5 0,5/0,2/0,3

WMA 3Bulanan 0,7/0,2/0,1

WMAt

WMAt

WMAt

14521

14454

14456

14513

14448

14380

14288

14493

14575

13569

14043

14270

13937

13737

13796

1

Januari

14478

-

2

Februari

14273

-

3

Maret

14667

14376

4

April

14556

14470

14473

5

Mei

13965

14612

14499

14494

6

Juni

12878

14261

14396

14365

14388

7

Juli

14453

13422

13800

14017

14068

14136

8

Agustus

16257

13666

13765

13963

14104

14132

14181

9

Sepetember

15459

15355

14529

14388

14422

14463

14436

14441

14961

14026

13531

10

Oktober

15141

15858

15390

14762

14602

14595

14605

14564

15407

15195

14914

11

November

15793

15300

15619

15328

14838

14692

14673

14672

15500

15794

15986

12

Desember

14592

15467

15464

15663

15421

14997

14849

14813

15547

15430

15429

176512

146785

131935

116978

101842

87015

72744

58489

132243

131622

131337

Total

Tabel Demand dan Hasil Peramalan Dengan Menggunakan Metode MA

Grafik Hasil Peramalan Dengan Menggunakan Metode MA 3 - Bulanan


Page 31

d.

Dengan menggunakan metode Eksponensial Smoothing With α

No

Bulan

Forecast , Ft+1 (alfa)

Permintaan Aktual A

1

Januari

14478

2

Februari

14273

14478.00

14478.00

14478.00

14478.00

14478.00

14478.00

14478.00

14478.00

14478.00

3

Maret

14667

14457.50

14437.00

14416.50

14396.00

14375.50

14355.00

14334.50

14314.00

14293.50

4

April

14556

14478.45

14483.00

14491.65

14504.40

14521.25

14542.20

14567.25

14596.40

14629.65

5

Mei

13965

14486.21

14497.60

14510.96

14525.04

14538.63

14550.48

14559.38

14564.08

14563.37

6

Juni

12878

14434.08

14391.08

14347.17

14301.02

14251.81

14199.19

14143.31

14084.82

14024.84

7

Juli

14453

14278.48

14088.46

13906.42

13731.81

13564.91

13406.48

13257.59

13119.36

12992.68

8

Agustus

16257

14295.93

14161.37

14070.39

14020.29

14008.95

14034.39

14094.38

14186.27

14306.97

9

Sepetember

15459

14492.04

14580.50

14726.37

14914.97

15132.98

15367.96

15608.21

15842.85

16062.00

10

Oktober

15141

14588.73

14756.20

14946.16

15132.58

15295.99

15422.58

15503.76

15 535.77

15519.30

11

November

15793

14643.96

14833.16

15004.61

15135.95

15218.49

15253.63

15249.83

15219.95

15178.83

12

Desember

14592

14758.86

15025.13

15241.13

15398.77

15505.75

15577.25

15630.05

15678.39

15731.58

176512

159392

159731

160139

160539

160892

161187

161426

161620

161781

Total [ Σ ]

Tabel Demand dan Hasil Peramalan Dengan Menggunakan Metode Eksponensial Smoothing Withα


Page 32

BAB IV KESIMPULANDAN SARAN

4.1

Kesimpulan Dengan menggunakan berbagai macam metode peramalan dapat dirangkum data

sebagai berikut :

MAD

MSE

MAPE MFE

MA 2 Bulan

821.85

1173508.03

0.0555

97.650

MA 3 Bulan

821.85

1173508.03

0.0555

97.650

MA 4 Bulan

966.53

1324648.71

0.0652

194.969

MA 5 Bulan

1058.29

1432769.46

0.0709

390.171

MA 6 Bulan

915.03

1213815.44

0.0584

780.083

MA 7 Bulan

1002.54

1392801.67

0.0636

899.571

Metode Peramalan

ES α: 0,4 β: 0,05

685.71

862790.21

0.0465

129.425

ES α: 0,5 β: 0,05

696.66

879781.75

0.0473

95.692

ES α: 0,6 β: 0,05

698.42

897408.63

0.0474

67.567

ES α: 0,7 β: 0,05

733.24

914700.82

0.0497

44.781

ES α: 0,8 β: 0,05

770.13

931489.59

0.0522

26.339

ES α: 0,9 β: 0,05

798.31

947618.12

0.0541

11.029

ES α: 0,1 β: 0,1

687.58

840771.14

0.0463

237.745

ES α: 0,2 β: 0,1

699.65

842714.36

0.0472

203.150

ES α: 0,3 β: 0,1

695.19

853960.62

0.0470

162.051

ES α: 0,4 β: 0,1

691.42

873028.33

0.0469

122.025

ES α: 0,5 β: 0,1

702.51

895807.26

0.0477

86.750

ES α: 0,6 β: 0,1

704.00

919429.25

0.0478

57.404

ES α: 0,7 β: 0,1

751.78

942763.97

0.0510

33.676

ES α: 0,8 β: 0,1

790.22

965610.95

0.0535

14.501

ES α: 0,9 β: 0,1

819.53

987805.34

0.0555

-1.402

ES α: 0,1 β: 0,2

687.83

837542.97

0.0464

233.992

ES α: 0,2 β: 0,2

698.62

841608.10

0.0472

195.117

4.2

Saran Merujuk pada kesimpulan di table di atas, kami menyarankan agar Tamiya Car

Corp. memilih jenis peramalan dengan metode Kuadratik dalam Perencanaan Produksi mobil mainan tersebut karena memiliki nilai Nilai MAD, MSE, dan MAPE yang mendekati nilai 0 (nol), yang dirangkum pada table di bawah ini :

METODE PERAMALAN KUADRATIK

MAD

MSE

MFE

MAPE

545.48

563041.63

0.0375

0.358

Untuk lebih meyakinkan bahwa dengan menerapkan jenis peramalan dengan metode Kuadratik 6 Order, Tamiya Corp tidak akan merugi, maka data peramalan dengan menggunakan metode tersebut di uji dengan peta kendali peramalan sebagai berikut :

PERHITUNGAN MAD, MSE, MAPE DAN MFE DENGAN METODE KUDRATIK 2


Page 36

Contoh Makalah Hasil LAPORAN PRAKTIKUM SUPPLAY CHAIN MANAGEMENT “Forecasting” Dalam Teknikl Industri_Rudini Mulya,dkk(2012)

Recommend Documents