Modul 1 - Forecasting.pdf

LAPORAN PRAKTIKUM PERANCANGAN TEKNIK INDUSTRI MODUL 1 FORECASTING

Disusun Oleh: Kelompok 8 1. Artati Rut P. Girsang

21070114120062

2. Alif Mawaddah Alfiana

21070114130088

3. Yohana S T Siahaan

21070114140092

4. Stefanus Kris Hertanto

21070114130101

5. Andy Imanuel

21070114140120

PROGRAM STUDI TEKNIK INDUSTRI FAKULTAS TEKNIK UNIVERSITAS DIPONEGORO SEMARANG 2016

i

KATA PENGANTAR

Puji dan syukur kami panjatkan kehadirat Tuhan YME, karena atas limpahan rahmat dan karunianya, kami berhasil menyelesaikan laporan praktikum Perancangan Teknik Industri modul 1 Forecasting ini dengan baik. Laporan ini kami susun untuk melengkapi tugas praktikum Perancangan Teknik Industri Program Studi Teknik Industri Universitas Diponegoro. Penyusunan laporan ini telah terselesaikan berkat bantuan banyak pihak, baik pada saat pelaksanaan praktikum maupun pada saat penyusunan laporan praktikum Perancangan Teknik Industri pada modul 1 Forecasting. Oleh karena itu, penyusun mengucapkan terima kasih yang sebesar – besarnya kepada : 1. Ibu Dr. Aries Susanti, ST, MT. selaku dosen pembimbing praktikum PTI 2. Seluruh Asisten Laboratorium OPSI yang telah membimbing kami dalam melakukan praktikum dan menyusun laporan praktikum Perancangan Teknik Industri modul 1 Forecasting ini. 3. Segenap rekan – rekan mahasiswa Teknik Industri Universitas Diponegoro yang telah membantu dalam banyak hal dalam penyusunan laporan ini. 4. Seluruh pihak yang telah membantu penyelesaian laporan modul 1 Forecasting ini dengan baik secara langsung maupun tidak langsung yang tidak mungkin kami sebutkan satu-persatu. Namun, dalam penyusunan laporan ini kami menyadari masih terdapat banyak kekurangan. Oleh karena itu, saran dan kritik yang membangun sangat kami harapkan. Akhir kata, semoga laporan ini bermanfaat bagi penyusun selaku praktikan pada khususnya dan seluruh pihak pada umumnya. Semarang, 8 September 2014

Penyusun

ii

DAFTAR ISI

KATA PENGANTAR ......................................................................................................ii DAFTAR ISI ....................................................................................................................iii DAFTAR TABEL ............................................................................................................. v DAFTAR GAMBAR ......................................................................................................vii BAB I PENDAHULUAN ................................................................................................. 1 1.1

Latar Belakang ................................................................................................... 1

1.2

Perumusan Masalah ............................................................................................ 1

1.3

Tujuan Penulisan ................................................................................................ 2

1.4

Pembatasan Masalah .......................................................................................... 2

1.5

Sistematika Penulisan ......................................................................................... 3

BAB II TINJAUAN PUSTAKA....................................................................................... 4 2.1

Peramalan ........................................................................................................... 4

2.2

Metode-Metode Deret Waktu (Time Series) ...................................................... 7

2.3

Metode-Metode Kausal .................................................................................... 10

2.4

Pemilihan Metode Peramalan ........................................................................... 11

2.5

Verifikasi dan Validasi Model Peramalan ........................................................ 11

2.6

Ekonometrika ................................................................................................... 13

2.7

EViews ............................................................................................................. 14

2.8

SPSS ................................................................................................................. 14

2.9

Minitab ............................................................................................................. 15

BAB III METODOLOGI PRAKTIKUM ....................................................................... 16 BAB IV PENGUMPULAN DAN PENGOLAHAN DATA .......................................... 18 4.1

Pengumpulan Data ........................................................................................... 18

4.2

Pengolahan Data ............................................................................................... 20

4.2.1

Plot Data ...................................................................................................... 22

4.2.2

Pemilihan Demand ...................................................................................... 24

4.2.3

Peramalan .................................................................................................... 26

iii

4.2.4

Verifikasi ..................................................................................................... 90

4.2.5

Validasi ....................................................................................................... 91

4.2.6

Hasil Peramalan .......................................................................................... 98

BAB V ANALISIS ....................................................................................................... 100 5.1

Analisis Pola Data Konstan ............................................................................ 100

5.1.1

Analisis Semua Metode Peramalan ........................................................... 100

5.1.2

Analisis Metode Terpilih........................................................................... 102

5.1.3

Analisis Validasi ....................................................................................... 102

5.2

Analisis Pola Data Linier ............................................................................... 103

5.2.1

Analisis Semua Metode Peramalan ........................................................... 103

5.2.2

Analisis Metode Terpilih........................................................................... 106

5.2.3

Analisis Validasi ....................................................................................... 107

BAB VI PENUTUP ...................................................................................................... 108 6.1

Kesimpulan ..................................................................................................... 108

6.2

Saran ............................................................................................................... 109

DAFTAR PUSTAKA LAMPIRAN

iv

DAFTAR TABEL tabel 2.1 Pemilihan Metode Peramalan ........................................................................... 11 Tabel 4.1 Data Historis Permintaan ................................................................................ 18 Tabel 4.2 Penjumlahan Segmen, Koleksi Dan Anak-Anak ............................................ 20 Tabel 4.3 Segmen Terpilih .............................................................................................. 24 Tabel 4.4 Perhitungan Manual 3 Sma ............................................................................. 27 Tabel 4.5 Error Metode 3 Sma ........................................................................................ 31 Tabel 4.6 Perhitungan Manual 5 Sma ............................................................................. 31 Tabel 4.7 Perhitungan Error Manual 5 Sma.................................................................... 35 Tabel 4.8 Peramalan Dengan Metode 3 Wma ................................................................ 36 Tabel 4.9 Perhitungan 3 Wma Dengan Software Winqsb .............................................. 38 Tabel 4.10 Perhitungan Error Manual 3 Wma ................................................................ 41 Tabel 4.11 Perhitungan Software 3 Wma ....................................................................... 42 Tabel 4.12 Perhitungan Manual 5 Wma ......................................................................... 42 Tabel 4.13 Perhitungan Winqsb 5 Wma ......................................................................... 45 Tabel 4.14 Error Metode 5 Wma Manual ....................................................................... 48 Tabel 4.15 Error Metode 5 Wma Software ..................................................................... 48 Tabel 4.16 Peramalan Metode 3 Cma ............................................................................. 49 Tabel 4.17 Rekapitulasi Perhitungan Error 3 Cma......................................................... 53 Tabel 4.18 Perhitungan Manual Metode Dest................................................................. 54 Tabel 4.19 Output Winqsb Dest ...................................................................................... 56 Tabel 4.20 Perhitungan Manual Nilai Error Metode Dest ............................................ 60 Tabel 4.21 Error Software Metode Dest ........................................................................ 60 Tabel 4.22 Perhitungan Manual Des ............................................................................... 61 Tabel 4.23 Peramalan DES Software .............................................................................. 63 Tabel 4.24 Perhitungan Error Manual Metode Double Eksponential Smoothing .......... 67 Tabel 4.25 Error Des Software........................................................................................ 67 Tabel 4.26 Perhitungan Sest Manual .............................................................................. 67 Tabel 4.27 Perhitungan Software Sest ............................................................................ 70 Tabel 4.28 Perhitungan Error .......................................................................................... 73 Tabel 4.29 Perhitungan Error Sest .................................................................................. 74

v

Tabel 4.30 Perhitungan Manual Regresi ......................................................................... 74 Tabel 4.31 Peramalan Metode Regresi Software ............................................................ 77 Tabel 4.32 Error Metode Regresi .................................................................................... 80 Tabel 4.33 Error Metode Regresi Software .................................................................... 80 Tabel 4.34 Hasil Forecast Arima .................................................................................... 87 Tabel 4.35 Perhitungan Error Arima .............................................................................. 90 Tabel 4.36 Rekap Verifikasi Data Konstan..................................................................... 90 Tabel 4.37 Rekap Verifikasi Data Linier ........................................................................ 90 Tabel 4.38 Uji T Data Pola Konstan ............................................................................... 91 Tabel 4.39 Perhitungan Tracking Signal ......................................................................... 92 Tabel 4.40 Uji T Data Pola Linier ................................................................................... 94 Tabel 4.41 Perhitungan Moving Range .......................................................................... 95 Tabel 4.42 Hasil Peramalan Keseluruhan ....................................................................... 98 Tabel 4.43 Persentase Data Konstan ............................................................................... 98 Tabel 4.44 Hasil Peramalan Per-Unit Produk ................................................................. 99 Tabel 5.1 Perbandingan Error Manual dan Sofware Metode Sma................................ 100 Tabel 5.2 Perbandingan Error Manual dan Sofware Metode Wma .............................. 101 Tabel 5.3 Perbandingan Error Manual dan Sofware Metode Cma ............................... 102 Tabel 5.4 Perbandingan Error Manual dan Sofware Metode Des ................................ 104 Tabel 5.5 Perbandingan Error Manual dan Sofware Metode Sest ................................ 104 Tabel 5.6 Perbandingan Error Manual dan Sofware Metode Dest ............................... 105 Tabel 5.7 Perbandingan Error Manual dan Sofware Metode Regresi ......................... 106

vi

DAFTAR GAMBAR Gambar 3.1 Metodologi Penelitian ................................................................................. 16 Gambar 4.1 Plot Data Segmen Koleksi........................................................................... 22 Gambar 4.2 Plot Data Segmen Style ............................................................................... 22 Gambar 4.3 Plot Data Segmen Lomba ............................................................................ 23 Gambar 4.4 Plot Data Segmen Remaja ........................................................................... 23 Gambar 4.5 Plot Data Segmen Anak-Anak .................................................................... 24 Gambar 4.6 Grafik Peramalan 3 SMA Manual ............................................................... 30 Gambar 4.7 Grafik Peramalan 3 SMA Minitab .............................................................. 30 Gambar 4.8 Grafik Manual 5 SMA................................................................................. 34 Gambar 4.9 Grafik Peramalan 5 SMA Minitab .............................................................. 35 Gambar 4.10 Grafik Demand dan Peramalan 3WMA Excel .......................................... 41 Gambar 4.11 Grafik Demand dan Peramalan 3WMA Winqsb....................................... 41 Gambar 4.12 Grafik Peramalan 5 WMA Manual ........................................................... 47 Gambar 4.13 Grafik Peramalan 5 WMA Winqsb ........................................................... 47 Gambar 4.14 Grafik 3 CMA ........................................................................................... 52 Gambar 4.15 Grafik Output Software Minitab ............................................................... 53 Gambar 4.16 Grafik Manual Metode DEST .................................................................. 59 Gambar 4.17 Grafik Software DEST .............................................................................. 59 Gambar 4.18 Grafik Perhitungan Manual DES .............................................................. 66 Gambar 4.19 Grafik Perhitungan Software DES ............................................................ 66 Gambar 4.20 Grafik Peramalan Metode SEST ............................................................... 72 Gambar 4.21 Grafik Winqsb SEST................................................................................. 73 Gambar 4.22 Grafik Peramalan Regresi Manual ............................................................ 79 Gambar 4.23 Grafik Peramalan Regresi Software .......................................................... 79 Gambar 4.24 Uji Stasioner Level 0 ................................................................................ 81 Gambar 4.25 Uji Stasioner Level 1 ................................................................................ 82 Gambar 4.26 Correlogram Level 1 ................................................................................. 82 Gambar 4.27 Uji Hipotesis untuk parameter C (1,0,1) ................................................... 83 Gambar 4.29 Uji Hipotesis untuk parameter MA(1) ..................................................... 85 Gambar 4.30 Grafik Normal Output EViews ................................................................ 86

vii

Gambar 4.31 Uji Correlogram ........................................................................................ 86 Gambar 4.32 Grafik Forecast ARIMA Output EViews .................................................. 89 Gambar 4.33 Grafik Tracking Signal .............................................................................. 94 Gambar 4.34 Grafik Moving Range DEST..................................................................... 97

viii

Laporan Praktikum Perancangan Teknik Industri Modul 1 - Forecasting Kelompok 8

BAB I PENDAHULUAN 1.1

Latar Belakang Perusahaan yang baru terbentuk akan selalu menentukan jumlah produksi produk

yang akan dibuat selama perusahaan tersebut berdiri, jika terjadi kesalahan dalam menentukan jumlah produksi, maka perusahaan bisa rugi dan bahkan bangkrut. Saat perusahaan memproduksi terlalu banyak dibandingkan dengan permintaan, perusahaan akan rugi karena timbulnya biaya inventory yang berlebih. Jika perusahaan memproduksi lebih sedikit dari permintaan, kerugian juga sudah pasti akan melanda perusahaan dikarenakan hilangnya kepercayaan pelanggan. Kerugian-kerugian tersebut bisa diminimalisasi dengan menggunakan metode forecasting. Forecasting mempunyai definisi sebagai kegiatan memprediksi tingkat permintaan untuk suatu produk atau beberapa produk dalam kurung waktu tertentu di masa yang akan datang (John E. Biegel, 1999). Forecasting dapat membantu menentukan perencanaan lanjutan bagi produk-produk yang ada untuk dikerjakan dengan fasilitas yang ada berdasarkan prediksi jumlah permintaan. Peramalan mempunyai peran penting dalam proses bisnis suatu perusahaan. Jika peramalan yang dilakukan akurat maka keuntungan perusahaan akan meningkat dan terhindar dari overstock maupun kekurangan stok produk dalam gudang. Pada praktikum modul 1 ini akan dilakukan proses peramalan untuk membantu PT Golets menentukan jumlah produksi berdasarkan data permintaan yang sudah didapat. Tahapan peramalan yang dilakukan adalah membuat plot data, memilih demand, kemudian memilih metode peramalan, mengaplikasikannya dan menghitung error sebelum memilih metode peramalan yang sesuai, hingga melakukan validasi hasil peramalan. 1.2

Perumusan Masalah Manajemen PT Golets membahas jumlah produksi produk Tamiya 4WD yang akan

dipasarkan pada periode selanjutnya. Perusahaan akan meramalkan jumlah produksi yang harus dilakukan berdasarkan data penjualan pada periode-periode sebelumnya yang akan digunakan sebagai dasar pengambilan keputusan. Peramalan dilakukan untuk Program Studi Teknik Industri Universitas Diponegoro 2016

1


menentukan jumlah produksi yang optimum agar tidak terjadi overstock maupun kekurangan stok. 1.3

Tujuan Penulisan Dari praktikum Forcasting praktikan diharapkan :

1.

Mampu mengetahui manfaat forecasting dalam bidang industri.

2.

Mampu memahami berbagai macam metode dan perhitungan error dalam forecasting.

3.

Mampu memahami kelebihan dan kekurangan masing-masing metode dan error dalam forecasting.

4.

Mampu mengimplementasikan metode forecasting dalam bidang industri.

1.4

Pembatasan Masalah Pada praktikum modul pertama ini yaitu forecasting, pembatasan masalahnya salah

satunya adalah data demand yang sudah didapat dari awal dijadikan input untuk peramalan permintaan produk Tamiya 4WD untuk 5 segmentasi pasar yaitu Koleksi, Style, Lomba, Remaja dan Anak-anak di masa mendatang. Permintaan yang didapat terdiri dari 48 periode. Peramalan dapat dilakukan dengan menggunakan metode peramalan Single Moving Average (SMA), Centered Moving Average (CMA), Weighted Moving Average (WMA), Double Exponential Smoothing (DES), Single Exponential Smoothing with Trend (SEST), Double Exponential Smoothing with Trend (DEST), Box-Jenkins (ARIMA) dan Linear Regression.

Program Studi Teknik Industri Universitas Diponegoro 2016

2


1.5

Sistematika Penulisan Sistematika penulisan dari laporan modul ini ialah:

BAB I PENDAHULUAN Berisi tentang latar belakang, tujuan penulisan, pembatasan masalah, prosedur praktikum, serta sistematika penulisan yang digunakan. BAB II TINJAUAN PUSTAKA Berisi tentang teori-teori yang sesuai dan berhubungan dengan praktikum yang akan dilaksanakan seperti manajemen strategi, perancangan organisasi, dan seterusnya. BAB III METODOLOGI PRAKTIKUM Berisi tentang metodologi praktikum. BAB IV PENGUMPULAN DAN PENGOLAHAN DATA Berisikan tahapan-tahapan peramalan yang dijalankan berdasarkan data historis permintaan, yaitu pengumpulan dan pengolahan data, koversi data serta peramalan itu sendiri, BAB V ANALISIS Berisi tentang analisis forecast demand dengan pola data konstan dan analisis forecast dengan data linier dimana masing-masing terbagi dalam tiga bahasan yaitu analissi semua metode peramalan, analisis metode teknik dan analisis validasi. BAB VI PENUTUP Berisi tentang kesimpulan, saran, dan daftar pustaka.


3


BAB II TINJAUAN PUSTAKA 2.1

Peramalan

2.1.1 Definisi Peramalan Peramalan adalah suatu perkiraan tingkat permintaan yang diharapkan untuk suatu produk atau beberapa produk dalam periode waktu tertentu di masa yang akan datang. Oleh karena itu, peramalan pada dasarnya merupakan suatu taksiran, tetapi dengan menggunakan cara cara tertentu peramalan dapat lebih daripada hanya satu taksiran. Dapat dikatakan bahwa peramalan adalah suatu taksiran yang ilmiah meskipun akan terdapat sedikit kesalahan yang disebabkan oleh adanya keterbatasan kemampuan manusia. Peramalan adalah kegiatan memperkirakan tingkat permintaan produk yang diharapkan untuk suatu produk atau beberapa produk dalam periode waktu tertentu di masa yang akan dating. Dalam peramalan (forecasting) tidak jarang terjadi kesalahan misalnya saja penjualan sering tidak sama dengan nilai eksak yang diperkirakan. Sedikit variasi dari perkiraan sering dapat diserap oleh kapasitas tambahan, sediaan penjadwalan permintaan. Tetapi, variasi perkiraan yang besar dapat merusak operasi. Ada tiga cara untuk mengakomodasi perkiraan, yaitu: yang pertama adalah mencoba mengurangi kesalahan melakukan pemerakiraan yang lebih baik. Yang kedua adalah, membuat fleksibilitas pada operasi dan yang terakhir adalah mengurangi waktu tunggu yang dibutuhkan dalam prakiraan. Tetapi kemungkinan kesalahan terkecil adalah tujuan yang konsisten dengan biaya prakiraan yang masuk akal (John E. Biegel, 1999). Menurut Arman Hakim Nasution (2006), peramalan adalah proses untuk memperkirakan beberapa kebutuhan di masa datang yang meliputi kebutuhan dalam ukuran kuantitas, kualitas, waktu, dan lokasi yang dibutuhkan dalam rangka memenuhi permintaan barang dan jasa. 2.1.2 Macam-Macam Peramalan Peramalan pada umumya dapat dibedakan dari berbagai segi tergantung dalam cara melihatnya. Dilihat dari jangka waktu ramalan yang disusun, peramalan dapat dibedakan atas dua macam, yaitu: Program Studi Teknik Industri Universitas Diponegoro 2016

4




Peramalan jangka panjang, yaitu peramalan yang dilakukan untuk penyusunan hasil ramalan yang jangka waktunya lebih dari satu setengah tahun atau tiga semester. Lebih tegasnya peramalan jangka panjang ini berorientasi pada dasar atau perencanaan.



Peramalan jangka pendek, yaitu peramalan yang dilakukan untuk penyusunan hasil ramalan yang dilakukan kurang dari satu setengah tahun atau tiga semester. Penetapan jadwal induk produksi untuk bulan yang akan datang atau periode kurang dari satu tahun sangat tergantung pada peramalan jangka pendek.

Apabila dilihat dari sifat penyusunannya, maka peramalan dapat dibedakan menjadi dua, yaitu: 

Peramalan subjektif, yaitu peramalan yang didasarkan atas perasaan atau intuisi dari orang yang menyusunnya. Dalam hal ini pandangan atau ketajaman pikiran orang yang menyusunnya sangat menentukan baik tidaknya hasil peramalan.



Peramalan objektif, yaitu peramalan yang didasarkan atas data yang relevan pada masa lalu dengan menggunakan teknik-teknik dan metode-metode dalam penganalisaan data tersebut.

Dilihat dari sifat ramalan yang telah disusun, maka peramalan dapat dibedakan atas dua macam, yaitu: 

Peramalan kualitatif atau teknologis, yaitu peramalan yang didasarkan atas data kualitatif masa lalu. Hasil peramalan yang ada tergantung pada orang yang menyusunnya, karena peramalan tersebut sangat ditentukan oleh pemikiran yang bersifat intuisi, judgement (pendapat) dan pengetahuan serta pengalaman dari penyusunnya.



Peramalan kuantitatif, yaitu peramalan yang didasarkan atas data kuantitatif pada masa lalu. Hasil peramalan yang dibuat tergantung pada metode yang digunakan dalam peramalan tersebut. Metode yang baik adalah metode yang memberikan nilainilai perbedaan atau penyimpangan yang mungkin. Metode peramalan kuantitatif terbagi atas dua jenis model peramalan yang utama,yaitu (Makridakis, 1988):


5


 Model deret berkala (time series), yaitu metode peramalan yang didasarkan atas penggunaan analisa pola hubungan antara variabel yang akan diperkirakan dengan variabel waktu, yangmerupakan deret waktu.  Model kausal yaitu metode peramalan yang didasarkan atas penggunaan analisa pola hubungan antara variabel lain yang mempengaruhinya, yang bukan waktu yang disebut metode korelasi atau sebab akibat. Model kausal terdiri dari metode regresi dan korelasi, metode ekonometri, metode input dan output. 2.1.3 Tahapan dalam Peramalan Secara umum untuk memastikan bahwa peramalan yang dilakukan dapat tepat guna serta memenuhi taraf ketepatan yang optimal, maka terdapat beberapa langkah yang harus dilakukan dalam melakukan peramalan. Adapun langkah-langkah tersebut antara lain(Teguh Baroto, 2005): 1.

Penentuan Tujuan Tujuan peramalan bergantung pada kebutuhan informasi para manajer. Setelah

melakukan penentuan tujuan, maka dapat selanjutnya melakukan penentuan antara lain: a. Variabel apa yang akan diramalkan. b. Siapa yang akan menggunakan hasil peramalan. c. Untuk tujuan apa hasil peramalan digunakan. d. Peramalan jangka panjang atau jangka panjang yang diperlukan. e. Derajat ketepatan peramalan yang diinginkan. f. Kapan peramalan dilakukan. g. Bagian-bagian peramalan yang diinginkan, seperti peramaln untuk kelompok pembeli, kelompok produk, atau daerah geografis. 2.

Pengembangan Model Model dapat diibaratkan sebagai cara pengolahan dan penyajian data agar lebih

sederhana sehingga mudah untuk dianalisis. 3.

Pengujian Model Pengujian model dilakukan untuk menentukan tingkat akurasi, validitas, dan

reabilitas yang diharapkan. Nilai suatu model ditentukan dengan derajat ketepatan hasil peramalan dengan permintaan aktualnya. Program Studi Teknik Industri Universitas Diponegoro 2016

6


4.

Penerapan model atau hasil dari peramalan yang telah diperoleh.

5.

Revisi dan evaluasi. Hasil peramalan yang telah diperoleh dan diterapkan harus selalu ditinjau ulang

yang berguna untuk perbaikan terus menerus dimasa yang akan datang.

2.2

Metode-Metode Deret Waktu (Time Series) Metode time series merupakan metode penyelesaian forecast yang terdiri dari data

berupa angka atau permintaan yang terurut sepanjang waktu. Biasanya data ini memiliki pola. Pola inilah yang menjadi dasar dalam melakukan forecasting. Terdapat beberapa metode forecast time series ini, antara lain (Sri Hartini, 2011): a. Moving Average (MA) Metode moving average menggunakan sejumlah data actual terbaru untuk meramalkan nilai ramalan masa mendatang. Metode ini baik digunakan untuk pola data horizontal yang relatif stabil. Konsep utama metode ini ialah merata-ratakan data historis yang ada. Metode ini terbagi atas beberapa jenis, yaitu:  Single Moving Average Model ini diselesaikan dengan mencari rata-rata data historis, tetapi hanya menggunakan beberapa periode tergantung dengan periode pergerakannya.

( xt  xt 1  ......  xt  N 1 ) 1 t  xt Ft 1 N t  N t  N 1 ....................(2.1) Keterangan : xt

= Data pengamatan pada waktu ke-t

Ft+1 = Nilai ramalan pada waktu ke-t+1  Double Moving Average Model double moving average dihitung dengan menggunakan persamaanpersamaan berikut: t  N 1

S't 

X

i

i 1

N

........................................(2.2)


7


t  N 1

S"t 

 S'

i

i 1

N

...........................................(2.3)

at  S't ( S't S"t )  2S't S"t ...........................................(2.4) bt 

2 ( S't  S"t ) N 1

...........................................(2.5)

Ft  m  at  bt .m ...........................................(2.6) Keterangan : S’

: Pergerakan pertama

S”

: Pergerakan kedua

Ft+m

: Hasil ramalan dengan m adalah selisih periode antara t dengan periode

ramalan yang akan dicari  Weighted Moving Average Model ini diselesaikan dengan mengalikan data historis dengan bobot tiap periodenya. Biasanya periode terbaru memiliki bobot terbesar. WMA = ∑𝑛𝑖=1 𝑊𝑖𝐷𝑖 ………………………….(2.7) Keterangan : Wi

: Bobot data ke-i

Di

: Demand data ke-i

 Center Moving Average Perhitungan yang digunakan pada metode ini sama dengan metode moving average. Hanya saja hasil perhitungannya diletakkan pada pertengahan periode yang digunakan untuk menghitung nilai rata-ratanya. Contoh persamaan untuk F3 : F(t) =


𝑥𝑡−2 +𝑥𝑡−1 +𝑋𝑡+𝑥𝑡+1 +𝑋𝑡+2 5

………………………..(2.8)

8


b. Exponential Smoothing Metode ini dapat digunakan untuk pola data yang bergejolak atau tidak stabil dari waktu ke waktu. Terdapat peran konstanta smoothing yang disebut α. Besarnya α berkisar antara 0 sampai 1. Pemilihan α ini bergantung pada seberapa bergejolak data historis tersebut. semakin besar α akan memberikan efek smoothing yang semakin kecil, begitupun sebaliknya. Terdapat beberapa jenis metode dalam exponential smoothing, yaitu:  Single Exponential Smoothing Ft+1 = αXi + (1 - α)Ft-1………………………..(2.9) Keterangan : α

= konstanta smoothing

Xi

= data demand saat ini ke-i

 Double Exponential Smoothing ……………………………(2.10) ………………………….(2.11) ………………………………….(2.12)

……………………………….(2.13)

Ft  m  at  bt .m

………………..………………..(2.14)

Keterangan : S’

: Pergerakan pertama

S”

: Pergerakan kedua

Ft+m

: Hasil ramalan dengan m adalah selisih periode antara t dengan periode

 SEST (Single Exponential Smoothing with Trend) : Merupakan salah satu metode dalam Exponential Smoothing dengan trend yang merupakan estimasi yang dihaluskan dari pertumbuhan rata-rata pada akhir masing-masing periode.


9


 DEST (Double Exponential Smoothing with Trend) Merupakan salah satu metode dalam Exponential Smoothing dengan trend yang mengalami kecenderungan kenaikan sehingga perlu dilakukan proses smoothing dua kali. c. Box-Jenkins (ARIMA) ARIMA sering juga disebut sebagai metode runtun waktu Box-Jenkins, karena ditemukan oleh G.E.P. Box dan G.M. Jenkins pada tahun 1976. Model dasar ARIMA terdiri atas (Kusmurtanto, 2007):  p menunjukkan ordo/derajat autoregressive (AR)  d adalah tingkat proses differencing  q menunjukkan ordo/derajat moving average (MA) Setiap model diatas memiliki ordo 0 atau 1 atau 2. Model ARIMA sering disebut model yang dapat secara tepat merepresentasikan model didunia nyata, sehingga model peramalan disukai oleh beberapa ahli. Tujuan dari ARIMA ini ialah menemukan hasil peramalan yang memiliki akurasi tinggi. 2.3

Metode-Metode Kausal Metode kausal merupakan suatu model yang didasarkan hubungan sebab-akibat

antar variable. Sehingga, suatu variable dapat diramalkan oleh variable lain jika terdapat hubungan diantara mereka. Beberapa metode yang digunakan dalam model ini, ialah (Sri Hartini, 2011): d. Metode Regresi Linier dan Berganda Metode ini baik digunakan untuk peramalan jangka pendek. Regresi sederhana memprediksi satu variable terikat oleh satu variable bebas. Sedangkan, pada regresi berganda dapat melakukan prediksi suatu variable terikat oleh beberapa variable bebas. e. Metode Input – Output Metode ini biasa digunakan untuk menyusun ekonomi jangka panjang. Sehingga data yang digunakan ialah data tahunan sekitar 10-15 tahun (Subagyo, 1986).


10


2.4

Pemilihan Metode Peramalan Pemilihan metode peramalan harus memperhatikan jenis data yang akan diforecast,

jangka waktu forecast serta model forecast. Dibawah ini terdapat tabel bantuan untuk memilih metode peramalan: Tabel 2.1 Pemilihan Metode Peramalan

2.5

Verifikasi dan Validasi Model Peramalan Verifikasi berkaitan dengan ketepatan ramalan. Ketepatan peramalan merupakan

tolak ukur baik atau buruknya peramalan. Ketepatan dipandang sebagai kriteria penolakan untuk memilih suatu metode peramalan. Dalam melakukan verifikasi, dilakukan dengan perhitungan error antara data actual dan data forecast. Terdapat beberapa metode perhitungan error, yaitu: 1. Nilai Tengah Galat ( Mean Error )

(2.15)


11


2. Nilai Tengah Galat Kuadrat ( Mean Square Error )

(2.16) 3. Nilai Tengah Galat Absolut ( Mean Absolute Error )

(2.17) 4. Nilai Tengah Galat Persentase Absolut ( Mean Absolute Percentage Error )

(2.18) 5. Nilai Tengah Galat Persentase ( Mean Percentage Error )

(2.19) 6. Jumlah Kuadrat Galat ( Sum Square Error )

(2.20) Validasi dibutuhkan untuk mengetahui apakah terdapat perbedaan yang signifikan antara hasil peramalan dengan permintaan masa lalu. Terdapat beberapa metode yang dapat digunakan untuk validasi, yaitu: 1.

Tracking Signal Menurut Gaspersz (2004), suatu ukuran bagaimana baiknya suatu ramalan

memperkirakan nilai-nilai aktual suatu ramalan diperbaharui setiap minggu , bulan atau triwulan, sehingga data permintaan yang baru dibandingkan terhadap nilai-nilai ramalan. Tracking Signal dihitung sebagai running sum of the forecast errors dibagi dengan mean absolute deviation. Tracking signal yang positif menunjukan bahwa nilai aktual permintaan lebih besar daripada ramalan, sedangkan apabila negatif berarti nilai aktual permintaan lebih kecil daripada ramalan. Tracking signal terkadang digunakan untuk melihat apakah nilai-nilai yang dihasilkan berada di dalam atau di luar batas-batas pengendalian. Rumus dari Tracking Signal adalah :


12


...................................(2.21) 2.

Moving Range Moving range dibuat untuk membandingkan nilai-nilai observasi atau data aktual

dengan nilai peramalan dari kebutuhan yang sama. Moving range dapat dikatakan sebagai peta kontrol statistik yang digunakan pada pengendalian kualitas. Peta moving range memiliki batasan-batasan yang terdiri dari batas kontrol atas dan batas kontrol bawah. Jika ada sebuah titik atau data yang berada di luar batas tersebut maka ada beberapa data yang harus dihilangkan atau mencari metode peramalan yang lain. Moving Range digunakan untuk mengetahui sejauh mana arah pergerakan bergerak. Rumus Moving Range adalah :

.............................(2.22) 2.6

Ekonometrika Istilah ekonometrika pertama kali diperkenalkan seorang pakar ekonomi dan

statistika berkebangsaan Norwegia. Ia menjelaskan definisi ekonometrika sebagai berikut: “Terdapat banyak metode kuantitatif sewaktu menganalisis ilmu ekonomi, tetapi tiada satu pun di antara metode kuantitatif tersebut dapat berdiri sendiri tanpa bantuan dari yang lain untuk menerangkan ekonometrika. Oleh karena itu, ketiga faktor yaitu teori ekonomi, matematika dan statistika sama-sama penting untuk menerangkan hubungan kuantitatif dalam mempelajari ilmu ekonomi (Ragnar,1993). Secara definitif, ekonometrika diartikan sebagai suatu ilmu yang mempelajari analisis kuantitatif dari fenomena ekonomi. Pada prinsipnya, ekonometrika bersifat multidisiplin karena menggabungkan bebarapa disiplin ilmu baik teori ekonomi, matematika dan statistika. Oleh karena itu, ekonometrika dapat dijadikan suatu pendekatan atau tools dalam melakukan identifikasi dan mengkuantitatifkan hubungan


13


yang terdapat dalam suatu fenomena ekonomi khususnya sehingga menjadi bagian dari analisa empiris (Arif, 2013). 2.7

EViews EViews adalah suatu software yang berfungsi untuk menganalisis data, melakukan

analisis regresi, dan melakukan peramalan dengan basis windows. Program olah data ini merupakan program olah data yang menyediakan atau memberikan alat untuk melakukan regresi dan juga peramalan. Dengan program olah data E-Views dapat dikembangkan suatu hubungan statistic dari suatu data yang dimiliki dan menggunakan hubungan dari data yang sedang diamati tersebut untuk melakukan peramalan terhadap nilai data yang dimaksudkan, terutama dalam konteks data runtun waktu (time series). Secara umum, ada beberapa kegunaan dari E-Views diantaranya: a. Untuk melakukan peramalan b. Untuk melakukan analisis biaya dan selanjutnya ke peramalan c. Untuk melakuakann simulasi d. Untuk melakukan analisis data ilmu pengetahuan dan melakukan evaluasi e. Untuk melakukan analisis keuangan Dalam melakukan peramalan dengan menggunakan E-Views, dikenal adannya halaman awal dari Eviews. Menu utama dari E-Views adalah file, edit, window, dan help mengikuti standar windows convention. Object, view, procs, Quicks and Options tergabung pada special Eview – features ( Rezzy,2010). 2.8

SPSS Winqsb merupakan sebuah alat untuk meyelesaikan permasalahan yang berkaitan

dengan optimasi maupun system produksi.Winqsb menggunakan mekanisme candela jendela seperti windows, yaitu jendela, menu, toolbar, dan lain sebagainya. Dalam winqsb terdapat beberapa menu- menu diantaranya adalah (Sugiarta,2013): 1. File, untuk menyimpan dan membuat file dengan masalah baru 2. Edit, masalah utilitas khas untuk mengedit, menyalin, menempel, memotong dan membatalkan perubahan. 3. Format, termasuk pilihan untuk mengubah tampilan jendela, warna font, alignment, sel lebar dan lain sebagainya Program Studi Teknik Industri Universitas Diponegoro 2016

14


4. Solve and Analysis, untuk memecahkan masalah dan menyelesaikannya dengan mengikuti langkah – langkah dari algoritma 5. Result, pilihan untuk melihat solusi untuk masalah 6. Utilities, memungkinkan akses ke kalkulator, jam dan editor grafis lainnya 7. Window, memungkinkan untuk menavigasi berbagai jendela yang muncul saat mengoperasikan dengan program 8. Help, mengakses bantuan online menggunakan program atau teknik yang digunakan untuk memecahkan berbagai model. 2.9

Minitab Pada awalnya, minitab dirancang khusus dan diciptakan sebagai alat pembelajaran

oleh tiga instruktur Universitas Statistik. Minitab dapat menangani berbagai analisis statistic, termasuk statistic deskriptif maupun nonparametric, analisis multivariate, dan lain sebagainya. Ada beberapa yang menjadi keunggulan dari minitab diantaranya (bukukerja.com): 

Minitab menyediakan StatGuide yang menjelaskan cara melakukan interpretasi table dan grafik statistika yang dihasilkan oleh Minitab dengan cara yang mudah dipahami.



Minitab memiliki ukuran worksheet dinamis dan memuat kolom sampai 4.000.



Minitab memiliki dua layar primer yaitu Worksheet (lembar kerja) dan sesi command (layar untuk menmpilkan hasil.



Tampilan menu di Minitab, lebih lengkap dan disertai toolbar-toolbar sehingga akan memudahkan anda dalam menjalankan perintah.



Mempunyai file Minitab Worksheet (MTW) dan Minitab Project (MPJ) yang digunakan untuk membedakan file worksheet dan file project.



Minitab menyediakan ReportPad agar mudah membuat laporan project yang telah dibuat.



Minitab memberikan kebebasan pada anda dalam membuat nama yang panjang pada file tanpa harus menyingkat nama file.



Minitab menyediakan fasilitas makro untuk membuat program yang berulangkali dipakai, memperluas fungsi Minitab, atau mendesain perintah sendiri. Selain itu Minitab memiliki Bahasa pemrograman makro lebih mudah.


15


BAB III METODOLOGI PRAKTIKUM

Mulai Data Market Demand

Membuat Plot Data

Memilih Demand

Memilih Metode Peramalan

Melakukan peramalan

Menghitung error tiap metode peramalan

Memilih metode peramalan dengan error terkecil

Melakukan validasi hasil peramalan

Valid ?

Selesai

Gambar 3.1 Metodologi Penelitian


16


Berdasarkan flowchart dari metodologi diatas dapat dilihat langkah langkah yang akan dilakukan untuk meramalkan permintaan konsumen. Langkah pertama yaitu membuat plot data berdasarkan data permintaan pelanggan dari masa lalu. Langkah selanjutnya adalah memilih data permintaan yang akan menjadi acuan kita untuk meramalkan permintaan di masa yang akan datang. Setelah itu, kita memilih metode peramalan seperti SMA, CMA, DMA, WMA, SES, DES, SEST, DEST, ARIMA, dan Linier regression yang sesuai dengan data yang kita miliki. Peramalan akan dilakukan berdasarkan metode yang telah dipilih. Langkah selanjutnya, kita melakukan perhitungan error dari hasil peramalan, yaitu dapat menggunakan metode ME, MAE, MAD, SSE, SDE, MPE, MAPE, MSE, U-Theil, atau NFI. Dari hasil perhiungan, akan diplih metode terbaik yaitu yang memiliki error atau kesalahan paling kecil. Metode yang dianggap terbaik akan divalidasi dan jika metode terbukti valid, maka hasil dari peramalan dapat menajadi acuan dalam pengambilan kebijakan dan kegiatan produksi perusahaan, namun jika hasil peramakan dianggap tidak valid maka dilakukan pemilihan metode peramalan dan perhitungan kembali.


17


BAB IV PENGUMPULAN DAN PENGOLAHAN DATA 4.1

Pengumpulan Data Berikut ini merupakan kumpulan data historis permintaan pada 5 segmentasi pasar

dari periode Oktober 2012 hingga September 2016. Segmentasi pasar tersebut dapat menjadi pilihan untuk pemasaran produk Tamiya 4WD. Segmen tersebut terdiri dari perlombaan, koleksi, style, remaja dan anak-anak. Tabel 4.1 Data Historis Permintaan Tahun

2012

2013

2014

Bulan

Periode

Koleksi

Style

Lomba

Remaja

Anak-anak

OCT

1

3931

2609

3437

5214

4827

NOV

2

5605

2628

3804

5113

3967

DEC

3

3683

2716

3851

5093

5201

JAN

4

4387

2756

3868

5018

4010

FEB

5

4584

2897

3878

4995

4284

MAR

6

5499

3382

3944

4711

4759

APR

7

5464

3429

3967

4703

4084

MAY

8

5309

3453

3986

4676

3913

JUN

9

3916

3502

4088

4674

5020

JUL

10

5560

3535

4115

4648

5437

AUG

11

5974

3606

4118

4585

5858

SEP

12

4918

3727

4258

4530

5524

OCT

13

4984

3823

4261

4497

5713

NOV

14

5237

3849

4276

4460

5212

DEC

15

3716

3892

4298

4437

5231

JAN

16

5852

4017

4386

4402

4421

FEB

17

4442

4043

4421

4400

4610

MAR

18

4533

4047

4454

4345

4028

APR

19

6132

4124

4470

4332

4648

MAY

20

5550

4142

4503

4316

4549

JUN

21

6320

4213

4548

4314

4165

JUL

22

4387

4248

4629

4206

3843

AUG

23

4588

4262

4658

4196

3835

SEP

24

3478

4279

4795

4189

3891

OCT

25

4245

4298

4815

4179

5039

NOV

26

5335

4395

4853

4137

4876


18


Tabel 4.1 Data Historis Permintaan (Lanjutan)

2015

2016

DEC

27

4480

4406

4899

4129

4237

JAN

28

4696

4420

4904

4099

4355

FEB

29

5994

4539

4943

4082

5605

MAR

30

3878

4565

5058

4026

5963

APR

31

6017

4605

5080

3943

5260

MAY

32

5504

4639

5085

3927

4083

JUN

33

6008

4717

5102

3854

4520

JUL

34

4916

4844

5194

3850

5248

AUG

35

5578

4908

5217

3828

4106

SEP

36

4077

4961

5390

3721

4495

OCT

37

4693

5010

5509

3716

4395

NOV

38

3506

5074

5621

3694

5397

DEC

39

4428

5094

5697

3668

4363

JAN

40

3294

5137

5745

3572

3985

FEB

41

5772

5188

5762

3505

5159

MAR

42

4908

5290

5775

3494

4289

APR

43

6105

5304

5849

3407

5364

MAY

44

4291

5395

5932

3393

5049

JUN

45

3357

5434

5958

3356

3903

JUL

46

5093

5671

6047

3350

5053

AUG

47

5351

5766

6187

3201

5752

SEP

48

3661

5770

6482

2655

4045


19


4.2

Pengolahan Data Data segmen koleksi dan anak-anak menghasilkan plot data konstan, agar

mempermudah perhitungan, sebelum melakukan peramalan, demand kedua segmen ini dijumlahkan dan didapatkan hasil sebagai berikut: Tabel 4.2 Penjumlahan Segmen, Koleksi Dan Anak-Anak

Periode 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29


Koleksi

Anakanak

Jumlah

3931 5605 3683 4387 4584 5499 5464 5309 3916 5560 5974 4918 4984 5237 3716 5852 4442 4533 6132 5550 6320 4387 4588 3478 4245 5335 4480 4696 5994

4827 3967 5201 4010 4284 4759 4084 3913 5020 5437 5858 5524 5713 5212 5231 4421 4610 4028 4648 4549 4165 3843 3835 3891 5039 4876 4237 4355 5605

8758 9572 8884 8397 8868 10258 9548 9222 8936 10997 11832 10442 10697 10449 8947 10273 9052 8561 10780 10099 10485 8230 8423 7369 9284 10211 8717 9051 11599

20


Tabel 4.2 Penjumlahan Segmen, Koleksi Dan Anak-Anak (Lanjutan)

Periode 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48

Koleksi

Anakanak

Jumlah

3878 6017 5504 6008 4916 5578 4077 4693 3506 4428 3294 5772 4908 6105 4291 3357 5093 5351 3661

5963 5260 4083 4520 5248 4106 4495 4395 5397 4363 3985 5159 4289 5364 5049 3903 5053 5752 4045

9841 11277 9587 10528 10164 9684 8572 9088 8903 8791 7279 10931 9197 11469 9340 7260 10146 11103 7706

Perhitungan bobot persentase tiap segmen: 233236



% Koleksi = 458807 𝑥 100% = 50,83%



% Anak-anak = 100% - 50,83% = 49,17%


21


4.2.1

Plot Data Berikut merupakan plot data dari kelima data historis segmen pemasaran produk

Tamiya 4WD: 1.

Koleksi

KOLEKSI 7000 6000 5000 4000 3000 2000 1000 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 Koleksi

Gambar 4.1 Plot Data Segmen Koleksi

2.

Style

STYLE 7000 6000 5000 4000 3000 2000 1000 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 Style

Gambar 4.2 Plot Data Segmen Style


22


3.

Lomba

LOMBA 7000 6000 5000 4000 3000 2000 1000 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 Lomba

Gambar 4.3 Plot Data Segmen Lomba

4.

Remaja

REMAJA 6000 5000 4000 3000 2000 1000 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 Remaja

Gambar 4.4 Plot Data Segmen Remaja


23


5.

Anak-anak

ANAK-ANAK 7000 6000 5000 4000 3000 2000 1000 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 Anak- anak

Gambar 4.5 Plot Data Segmen Anak-Anak

4.2.2

Pemilihan Demand Berdasarkan plot data yang sudah dibuat, perusahaan memilih 3 segmen yang

akan dilakukan peramalan mengenai permintaan di masa mendatang. Ketiga segmen tersebut ialah segmen koleksi, style dan anak-anak. Tabel 4.3 Segmen Terpilih

Tahun

2012

2013

Bulan OCT NOV DEC JAN FEB MAR APR MAY JUN JUL AUG SEP OCT NOV


Periode 1 2 3 4 5 6 7 8 9 10 11 12 13 14

Koleksi

Style

Anakanak

3931 5605 3683 4387 4584 5499 5464 5309 3916 5560 5974 4918 4984 5237

2609 2628 2716 2756 2897 3382 3429 3453 3502 3535 3606 3727 3823 3849

4827 3967 5201 4010 4284 4759 4084 3913 5020 5437 5858 5524 5713 5212

24


Tabel 4.3 Segmen Terpilih (Lanjutan)

Tahun 2013

2014

2015

2016

Bulan DEC JAN FEB MAR APR MAY JUN JUL AUG SEP OCT NOV DEC JAN FEB MAR APR MAY JUN JUL AUG SEP OCT NOV DEC JAN FEB MAR APR MAY JUN JUL AUG SEP


Periode 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48

Koleksi

Style

3716 5852 4442 4533 6132 5550 6320 4387 4588 3478 4245 5335 4480 4696 5994 3878 6017 5504 6008 4916 5578 4077 4693 3506 4428 3294 5772 4908 6105 4291 3357 5093 5351 3661

3892 4017 4043 4047 4124 4142 4213 4248 4262 4279 4298 4395 4406 4420 4539 4565 4605 4639 4717 4844 4908 4961 5010 5074 5094 5137 5188 5290 5304 5395 5434 5671 5766 5770

Anakanak 5231 4421 4610 4028 4648 4549 4165 3843 3835 3891 5039 4876 4237 4355 5605 5963 5260 4083 4520 5248 4106 4495 4395 5397 4363 3985 5159 4289 5364 5049 3903 5053 5752 4045

25


Berikut merupakan alasan perusahaan GoLets memilih segmen koleksi, style dan anak-anak: 

Segmen Koleksi dipilih karena jika dilihat dari plot data diatas, jumlah permintaan produk untuk tiap periode cenderung konstan sehingga perusahaan akan mendapatkan omset yang stabil dan rendah resiko.



Segmen Style dipilih karena jika dilihat dari data yang sudah diplotkan kedalam grafik, permintaan cenderung naik. Hal ini menyebabkan perusahaan optimis bahwa kedepannya permintaan juga akan terus meningkat.



Segmen Anak-anak dipilih karena memiliki demand yang stabil ditiap periode. Sehingga perusahaan tidak khawatir dengan resiko kerugian dan omset yang didapatkan tiap periode juga akan stabil.

4.2.3

Peramalan

4.2.3.1 Pemilihan Metode Peramalan dan Error Segmen koleksi dan anak-anak memiliki pola data yang konstan. Sehingga metode yang cocok digunakan untuk peramalan pola data jenis ini ialah 3SMA (Single Moving Average), 5 SMA (Single Moving Average), 3WMA (Weighted Moving Average), 5WMA (Weighted Moving Average) dan 3 CMA (Centered Moving Average). Sedangkan segmen style memiliki pola data yang linier, sehingga metode peramalan yang digunakan ialah DES, DEST, SEST, Regresi Linier dan ARIMA. Perhitungan error yang digunakan untuk mengukur keakuratan peramalan ialah Mean Error (ME), Mean Square Error (MSE), Sum of Square Error (SSE), Mean Precentage Error (MPE), Mean Absolute Percentage Error(MAPE).


26


4.2.3.2 Data Pola Konstan  Metode 3 SMA a. Manual Tabel 4.4 Perhitungan Manual 3 SMA

t 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30

Demand 8758 9572 8884 8397 8868 10258 9548 9222 8936 10997 11832 10442 10697 10449 8947 10273 9052 8561 10780 10099 10485 8230 8423 7369 9284 10211 8717 9051 11599 9841

Peramalan Error

Sqr Error

IErrorI

PE

IPEI

9071.33 8951.00 8716.33 9174.33 9558.00 9676.00 9235.33 9718.33 10588.33 11090.33 10990.33 10529.33 10031.00 9889.67 9424.00 9295.33 9464.33 9813.33 10454.67 9604.67 9046.00 8007.33 8358.67 8954.67 9404.00 9326.33 9789.00

454725.44 6889.00 2376736.11 139626.78 112896.00 547600.00 3103469.44 4467586.78 21413.44 154711.11 293041.78 2503778.78 58564.00 701685.44 744769.00 2204235.11 402801.78 451136.11 4949141.78 1396336.11 2812329.00 1629877.78 3431138.78 56485.44 124609.00 5165013.78 2704.00

674.33 83.00 1541.67 373.67 336.00 740.00 1761.67 2113.67 146.33 393.33 541.33 1582.33 242.00 837.67 863.00 1484.67 634.67 671.67 2224.67 1181.67 1677.00 1276.67 1852.33 237.67 353.00 2272.67 52.00

-0.080 -0.009 0.150 0.039 -0.036 -0.083 0.160 0.179 -0.014 -0.037 -0.052 -0.177 0.024 -0.093 -0.101 0.138 0.063 0.064 -0.270 -0.140 -0.228 0.138 0.181 -0.027 -0.039 0.196 0.005

0.080 0.009 0.150 0.039 0.036 0.083 0.160 0.179 0.014 0.037 0.052 0.177 0.024 0.093 0.101 0.138 0.063 0.064 0.270 0.140 0.228 0.138 0.181 0.027 0.039 0.196 0.005


-674.33 -83.00 1541.67 373.67 -336.00 -740.00 1761.67 2113.67 -146.33 -393.33 -541.33 -1582.33 242.00 -837.67 -863.00 1484.67 634.67 671.67 -2224.67 -1181.67 -1677.00 1276.67 1852.33 -237.67 -353.00 2272.67 52.00

27


Tabel 4.4 Perhitungan Manual 3 SMA (Lanjutan)

t 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67

Demand 11277 9587 10528 10164 9684 8572 9088 8903 8791 7279 10931 9197 11469 9340 7260 10146 11103 7706

Peramalan Error 10163.67 1113.33 10905.67 -1318.67 10235.00 293.00 10464.00 -300.00 10093.00 -409.00 10125.33 -1553.33 9473.33 -385.33 9114.67 -211.67 8854.33 -63.33 8927.33 -1648.33 8324.33 2606.67 9000.33 196.67 9135.67 2333.33 10532.33 -1192.33 10002.00 -2742.00 9356.33 789.67 8915.33 2187.67 9503.00 -1797.00 9651.67 9651.67 9651.67 9651.67 9651.67 9651.67 9651.67 9651.67 9651.67 9651.67 9651.67 9651.67 9651.67 9651.67 9651.67 9651.67 9651.67 9651.67 9651.67


Sqr Error 1239511.11 1738881.78 85849.00 90000.00 167281.00 2412844.44 148481.78 44802.78 4011.11 2717002.78 6794711.11 38677.78 5444444.44 1421658.78 7518564.00 623573.44 4785885.44 3229209.00

IErrorI 1113.33 1318.67 293.00 300.00 409.00 1553.33 385.33 211.67 63.33 1648.33 2606.67 196.67 2333.33 1192.33 2742.00 789.67 2187.67 1797.00

PE 0.099 -0.138 0.028 -0.030 -0.042 -0.181 -0.042 -0.024 -0.007 -0.226 0.238 0.021 0.203 -0.128 -0.378 0.078 0.197 -0.233

IPEI 0.099 0.138 0.028 0.030 0.042 0.181 0.042 0.024 0.007 0.226 0.238 0.021 0.203 0.128 0.378 0.078 0.197 0.233

28


Tabel 4.4 Perhitungan Manual 3 SMA (Lanjutan)

t 68 69 70 71 72

Demand

Peramalan Error 9651.67 9651.67 9651.67 9651.67 9651.67

Sqr Error

IErrorI

PE

IPEI

Perhitungan pada Tabel : 8758+9572+8884

 Peramalan : F(4) =  Error

3

= 9071.33

: 8397-9071.3 = -674.33

 Sqr error : (-674.33)(-674.33) = 454725.44  | error⃒

: 674.33

 PE

:

 ⃒ PE ⃒

: 0,08

−674.33 8397

= -0,08

b. Software Forecasts Period 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72


Forecast 9651.67 9651.67 9651.67 9651.67 9651.67 9651.67 9651.67 9651.67 9651.67 9651.67 9651.67 9651.67 9651.67 9651.67 9651.67 9651.67 9651.67 9651.67 9651.67 9651.67 9651.67 9651.67 9651.67 9651.67

Lower 7090.87 7090.87 7090.87 7090.87 7090.87 7090.87 7090.87 7090.87 7090.87 7090.87 7090.87 7090.87 7090.87 7090.87 7090.87 7090.87 7090.87 7090.87 7090.87 7090.87 7090.87 7090.87 7090.87 7090.87

Upper 12212.5 12212.5 12212.5 12212.5 12212.5 12212.5 12212.5 12212.5 12212.5 12212.5 12212.5 12212.5 12212.5 12212.5 12212.5 12212.5 12212.5 12212.5 12212.5 12212.5 12212.5 12212.5 12212.5 12212.5

29


c. Grafik

Grafik Peramalan 3 SMA 14000 12000 10000 8000 6000 4000 2000 0 1 4 7 1013161922252831343740434649525558616467707376798285889194 Demand

Peramalan

Gambar 4.6 Grafik Peramalan 3 SMA Manual

Gambar 4.7 Grafik Peramalan 3 SMA Minitab


30


d. Error  Manual Tabel 4.5 Error metode 3 SMA

Metode Error MSE 1707082.035 MAPE 11.1474 ME 6.79 MPE -1.3638 SSE 76818691.56 Perhitungan pada tabel error :  MSE =

∑ 𝑒𝑟𝑟𝑜𝑟 2 𝑛 ∑ |𝑃𝐸|

 MAPE =  ME =

𝑛

∑ 𝑒𝑟𝑟𝑜𝑟 𝑛

= 1707082.035

= 11.1474

= 6.79 2

 SSE = ∑ 𝑒𝑟𝑟𝑜𝑟 = 76818691.56  MPE = 

∑ 𝑃𝐸 𝑛

= −1.3638

Software Accuracy Measures MAPE MAD MSD

11 1051 1707082

 Metode 5 SMA a. Manual Tabel 4.6 Perhitungan Manual 5 Single Moving Average

Periode 1 2 3 4 5 6 7

Demand Peramalan

Error

Sqr Error

IErrorI

PE

IPEI

1362.20 352.20

1855588.84 124044.84

1362.20 352.20

13.279 3.689

13.279 3.689

8758 9572 8884 8397 8868 10258 9548

8895.80 9195.80


31


Tabel 4.6 Perhitungan Manual 5 Single Moving Average (Lanjutan)

Periode 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44

Demand Peramalan 9222 9191.00 8936 9258.60 10997 9366.40 11832 9792.20 10442 10107.00 10697 10285.80 10449 10580.80 8947 10883.40 10273 10473.40 9052 10161.60 8561 9883.60 10780 9456.40 10099 9522.60 10485 9753.00 8230 9795.40 8423 9631.00 7369 9603.40 9284 8921.20 10211 8758.20 8717 8703.40 9051 8800.80 11599 8926.40 9841 9772.40 11277 9883.80 9587 10097.00 10528 10271.00 10164 10566.40 9684 10279.40 8572 10248.00 9088 9707.00 8903 9607.20 8791 9282.20 7279 9007.60 10931 8526.60 9197 8998.40 11469 9020.20 9340 9533.40


Error 31.00 -322.60 1630.60 2039.80 335.00 411.20 -131.80 -1936.40 -200.40 -1109.60 -1322.60 1323.60 576.40 732.00 -1565.40 -1208.00 -2234.40 362.80 1452.80 13.60 250.20 2672.60 68.60 1393.20 -510.00 257.00 -402.40 -595.40 -1676.00 -619.00 -704.20 -491.20 -1728.60 2404.40 198.60 2448.80 -193.40

Sqr Error 961.00 104070.76 2658856.36 4160784.04 112225.00 169085.44 17371.24 3749644.96 40160.16 1231212.16 1749270.76 1751916.96 332236.96 535824.00 2450477.16 1459264.00 4992543.36 131623.84 2110627.84 184.96 62600.04 7142790.76 4705.96 1941006.24 260100.00 66049.00 161925.76 354501.16 2808976.00 383161.00 495897.64 241277.44 2988057.96 5781139.36 39441.96 5996621.44 37403.56

IErrorI 31.00 322.60 1630.60 2039.80 335.00 411.20 131.80 1936.40 200.40 1109.60 1322.60 1323.60 576.40 732.00 1565.40 1208.00 2234.40 362.80 1452.80 13.60 250.20 2672.60 68.60 1393.20 510.00 257.00 402.40 595.40 1676.00 619.00 704.20 491.20 1728.60 2404.40 198.60 2448.80 193.40

PE 0.336 -3.610 14.828 17.240 3.208 3.844 -1.261 -21.643 -1.951 -12.258 -15.449 12.278 5.707 6.981 -19.021 -14.342 -30.322 3.908 14.228 0.156 2.764 23.042 0.697 12.354 -5.320 2.441 -3.959 -6.148 -19.552 -6.811 -7.910 -5.588 -23.748 21.996 2.159 21.351 -2.071

IPEI 0.336 3.610 14.828 17.240 3.208 3.844 1.261 21.643 1.951 12.258 15.449 12.278 5.707 6.981 19.021 14.342 30.322 3.908 14.228 0.156 2.764 23.042 0.697 12.354 5.320 2.441 3.959 6.148 19.552 6.811 7.910 5.588 23.748 21.996 2.159 21.351 2.071

32


Tabel 4.6 Perhitungan Manual 5 Single Moving Average (Lanjutan)

Periode 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72

Demand Peramalan 7260 9643.20 11183 9639.40 10996 9689.80 11135 10049.60 9982.80 9982.80 9982.80 9982.80 9982.80 9982.80 9982.80 9982.80 9982.80 9982.80 9982.80 9982.80 9982.80 9982.80 9982.80 9982.80 9982.80 9982.80 9982.80 9982.80 9982.80 9982.80 9982.80 9982.80

Error -2383.20 1543.60 1306.20 1085.40

Sqr Error 5679642.24 2382700.96 1706158.44 1178093.16

IErrorI 2383.20 1543.60 1306.20 1085.40

PE -32.826 13.803 11.879 9.748

IPEI 32.826 13.803 11.879 9.748

Berikut contoh perhitungan 5SMA: 5218+8233+6399+7143+7481

 Peramalan

: 𝐹6 =

 Error

: 8881 − 6894,8 = 1362.20

 Sqr error

: 1362.20 x 1326.20 = 1855588.84

 |error|

: 1362.20

 𝑃𝐸6

:

 |PE|

: 13.278

1986,2 9185

5

=

34474 5

= 8895.80

=13.278


33



Forecast 9982.8 9982.8 9982.8 9982.8 9982.8 9982.8 9982.8 9982.8 9982.8 9982.8 9982.8 9982.8 9982.8 9982.8 9982.8 9982.8 9982.8 9982.8 9982.8 9982.8 9982.8 9982.8 9982.8 9982.8

Lower 7491.93 7491.93 7491.93 7491.93 7491.93 7491.93 7491.93 7491.93 7491.93 7491.93 7491.93 7491.93 7491.93 7491.93 7491.93 7491.93 7491.93 7491.93 7491.93 7491.93 7491.93 7491.93 7491.93 7491.93

Upper 12473.7 12473.7 12473.7 12473.7 12473.7 12473.7 12473.7 12473.7 12473.7 12473.7 12473.7 12473.7 12473.7 12473.7 12473.7 12473.7 12473.7 12473.7 12473.7 12473.7 12473.7 12473.7 12473.7 12473.7

c. Grafik

5 SMA 14000 12000 10000 8000 6000 4000 2000 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 Demand

Peramalan

Gambar 4.8 Grafik Manual 5 SMA


34


Gambar 4.9 Grafik Peramalan 5 SMA Minitab

d. Error  Manual Tabel 4.7 Perhitungan Error Manual Metode Single Moving Average 5 Periode

Metode MSE MAPE MPE ME SSE

Error 1625526.94 10.598 -0.276 114.35 69450224.72

Berikut Perhitungan Error :  MSE =

2 ∑𝑛 𝑖=1 𝑒𝑖

𝑛

 MAPE =  MPE =  ME =

=

∑ │𝑃𝐸│ 𝑛

∑ 𝑃𝐸 𝑛

∑𝑛 𝑖=1 𝑒𝑖 𝑛

= =

69450224.72 43

=

455.707 43

−11.871 43 4917.20 43

= 1625526.94

= 10.5978

= -0.276 = 114.3534884

 SSE = ∑ 𝑒𝑖 2 = 69450224.72 Program Studi Teknik Industri Universitas Diponegoro 2016

35





11 1014 1667942

 Metode 3 WMA a. Manual Tabel 4.8 Peramalan Dengan Metode 3WMA

t

X(t)

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27

8758 9572 8884 8397 8868 10258 9548 9222 8936 10997 11832 10442 10697 10449 8947 10273 9052 8561 10780 10099 10485 8230 8423 7369 9284 10211 8717

F(t)

Error

Abs Error

Error^2

PE

Abs PE

9089.62 8757.46 8715.29 9482.93 9666.7 9505.7 9134.42 10015.1 11064.1 10995.1 10805.8 10529.7 9740.16 9865.34 9437.08 9014.07 9753.97 10062.3 10407.8 9291.88 8709.85 7863.19 8505.68 9421.95

-692.62 110.54 1542.71 65.07 -444.7 -569.7 1862.58 1816.88 -622.13 -298.05 -356.8 -1582.7 532.84 -813.34 -876.08 1765.93 345.03 422.73 -2177.8 -868.88 -1340.9 1420.81 1705.32 -704.95

692.62 110.54 1542.7 65.07 444.7 569.7 1862.6 1816.9 622.13 298.05 356.8 1582.7 532.84 813.34 876.08 1765.9 345.03 422.73 2177.8 868.88 1340.9 1420.8 1705.3 704.95

479722 12219.1 2379954 4234.1 197758 324558 3469204 3301053 387046 88833.8 127306 2504781 283918 661522 767516 3118509 119046 178701 4742682 754952 1797879 2018701 2908116 496955

-8.248 1.2465 15.039 0.6815 -4.822 -6.375 16.937 15.356 -5.958 -2.786 -3.415 -17.69 5.1868 -8.985 -10.23 16.382 3.4165 4.0318 -26.46 -10.32 -18.2 15.304 16.701 -8.087

8.24842 1.2465 15.0391 0.6815 4.82216 6.37534 16.9372 15.3556 5.95796 2.7863 3.41468 17.6892 5.1868 8.9852 10.2334 16.3815 3.41648 4.03176 26.4614 10.3156 18.1958 15.3039 16.7008 8.08707


36


Tabel 4.8 Peramalan Dengan Metode 3WMA (Lanjutan)

t

X(t)

28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63

9051 11599 9841 11277 9587 10528 10164 9684 8572 9088 8903 8791 7279 10931 9197 11469 9340 7260 10146 11103 7706

F(t)

Error

Abs Error

Error^2

PE

Abs PE

9306.41 9137.98 10268.2 10286.8 10857.9 10187.9 10344.8 10186 9985.88 9209.6 9019.04 8907.78 8878.45 8054.04 9362.04 9443.16 10627.8 10018.3 8661.93 9056.6 10133.9 9241.81 9241.81 9241.81 9241.81 9241.81 9241.81 9241.81 9241.81 9241.81 9241.81 9241.81 9241.81 9241.81 9241.81 9241.81

-255.41 2461.02 -427.22 990.16 -1270.9 340.12 -180.8 -502.03 -1413.9 -121.6 -116.04 -116.78 -1599.5 2876.96 -165.04 2025.84 -1287.8 -2758.3 1484.07 2046.4 -2427.9

255.41 2461 427.22 990.16 1270.9 340.12 180.8 502.03 1413.9 121.6 116.04 116.78 1599.5 2877 165.04 2025.8 1287.8 2758.3 1484.1 2046.4 2427.9

65234.3 6056619 182517 980417 1615085 115682 32688.6 252034 1999057 14786.6 13465.3 13637.6 2558240 8276899 27238.2 4104028 1658377 7607998 2202464 4187753 5894601

-2.822 21.218 -4.341 8.7803 -13.26 3.2306 -1.779 -5.184 -16.49 -1.338 -1.303 -1.328 -21.97 26.319 -1.794 17.664 -13.79 -37.99 14.627 18.431 -31.51

2.8219 21.2175 4.34123 8.78035 13.2561 3.23062 1.77883 5.18412 16.4942 1.33803 1.30338 1.3284 21.9735 26.3193 1.7945 17.6636 13.7878 37.9926 14.6271 18.4311 31.5064


37


Tabel 4.8 Peramalan Dengan Metode 3WMA (Lanjutan)

t

X(t)

F(t)

64 65 66 67 68 69 70 71 72

Error

Abs Error

Error^2

PE

Abs PE

9241.81 9241.81 9241.81 9241.81 9241.81 9241.81 9241.81 9241.81 9241.81

Perhitungan pada Tabel :  Peramalan

: Ft+3 = 0,167 Xt + 0,33 Xt+1 + 0,5 Xt+2 = 0,17(8758)+ 0,33(9572) + 0,5(8884) = 9089.62

 Error

: 8397-9063.35 = -692.62

 Sqr error

: (-666.35)( -666.35) = 479722

 ⃒ error⃒

: 692.62

 PE

:

 ⃒ PE ⃒

: 8.248

−666.35 8397

= -8.248

b. Software Tabel 4.9 Perhitungan 3WMA dengan software Winqsb

Month Actual Forecast Error CFE MAD MSE MAPE (%) 1 8758 2 9572 3 8884 4 8397 9089.62 -692.62 -692.6201 692.6201 479722.6 8.248424 5 8868 8757.46 110.54 -582.0801 401.5801 245970.9 4.747464 6 10258 8715.29 1542.71 960.6299 781.9567 957298.6 8.178006 7 9548 9482.93 65.07031 1025.7 602.7351 719032.5 6.303882 8 9222 9666.7 -444.7 581 571.1281 614777.6 6.007539 9 8936 9505.7 -569.7 11.2998 570.8901 566407.8 6.068839 10 10997 9134.42 1862.58 1873.88 755.4173 981093 7.621457


38


Tabel 4.9 Perhitungan 3WMA dengan software Winqsb (Lanjutan)

Month 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46

Actual 11832 10442 10697 10449 8947 10273 9052 8561 10780 10099 10485 8230 8423 7369 9284 10211 8717 9051 11599 9841 11277 9587 10528 10164 9684 8572 9088 8903 8791 7279 10931 9197 11469 9340 7260 10146

Forecast 10015.12 11064.13 10995.05 10805.8 10529.65 9740.16 9865.34 9437.08 9014.07 9753.97 10062.27 10407.77 9291.88 8709.85 7863.19 8505.68 9421.95 9306.41 9137.98 10268.22 10286.84 10857.86 10187.88 10344.8 10186.03 9985.88 9209.6 9019.04 8907.78 8878.45 8054.04 9362.04 9443.16 10627.78 10018.26 8661.93


Error 1816.88 -622.13 -298.05 -356.8 -1582.65 532.8398 -813.34 -876.08 1765.93 345.0303 422.7305 -2177.77 -868.88 -1340.85 1420.81 1705.32 -704.95 -255.41 2461.02 -427.22 990.1602 -1270.86 340.1201 -180.8 -502.03 -1413.88 -121.6 -116.04 -116.78 -1599.45 2876.96 -165.04 2025.84 -1287.78 -2758.26 1484.07

CFE 3690.76 3068.63 2770.58 2413.78 831.1299 1363.97 550.6299 -325.4502 1440.479 1785.51 2208.24 30.4707 -838.4092 -2179.259 -758.4487 946.8716 241.9214 -13.48877 2447.531 2020.311 3010.471 1739.611 2079.731 1898.931 1396.901 -16.979 -138.5786 -254.6187 -371.3989 -1970.849 906.1108 741.0708 2766.911 1479.13 -1279.129 204.9409

MAD MSE 888.1001 1271088 858.5479 1172861 802.498 1064458 761.98 979262.6 830.3692 1106389 807.4824 1043122 807.9008 1015865 812.446 999308.5 872.0388 1131759 841.0383 1072187 817.799 1022549 889.3763 1218345 888.3516 1195176 909.8991 1223876 933.1223 1260004 966.6962 1331661 955.79 1296882 927.7748 1247616 986.7458 1432578 966.0226 1386279 966.8846 1371784 977.3665 1380174 956.125 1338024 931.1146 1295916 917.7057 1263295 932.7412 1285591 908.8842 1248214 886.2314 1212936 864.8578 1179622 884.7117 1216882 937.1393 1402672 917.3419 1367404 945.0543 1435820 953.4135 1441248 996.386 1588075 1007.727 1602364

MAPE (%) 8.58823 8.295978 7.745009 7.351343 8.212829 7.980057 8.051852 8.197288 8.708803 8.39749 8.154949 9.118444 9.178301 9.607706 9.866622 10.16376 10.07723 9.787019 10.22665 10.00867 9.964807 10.0783 9.850042 9.589682 9.452007 9.665406 9.420483 9.188565 8.970227 9.321667 9.768972 9.564499 9.766976 9.865046 10.53475 10.62992

39


Tabel 4.9 Perhitungan 3WMA dengan software Winqsb (Lanjutan)

Month 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72

Actual 11103 7706

Forecast 9056.6 10133.88 9241.81 9241.81 9241.81 9241.81 9241.81 9241.81 9241.81 9241.81 9241.81 9241.81 9241.81 9241.81 9241.81 9241.81 9241.81 9241.81 9241.81 9241.81 9241.81 9241.81 9241.81 9241.81 9241.81 9241.81


Error 2046.4 -2427.88

CFE 2251.341 -176.5386

MAD 1031.334 1062.368

MAPE MSE (%) 1661122 10.80722 1755200 11.2672

40


a. Grafik

Grafik Peramalan 3WMA Manual 14000 12000 10000 8000 6000 4000 2000 0 1 5 9 13 17 21 25 29 33 37 41 45 49 53 57 61 65 69 73 77 81 85 89 93 X(t)

F(t)

Gambar 4.10 Grafik Demand dan Peramalan 3WMA Excel

Gambar 4.11 Grafik Demand dan Peramalan 3WMA Winqsb

b. Error 

Manual Tabel 4.10 Perhitungan Error Manual 3 WMA

Metode MSE ME SSE MPE MAPE


Error 1755200 -3.92311 78983989 -1.46494 11.2672

41


Perhitungan Error  MSE =

∑ 𝑒𝑟𝑟𝑜𝑟 2 𝑛

 MAPE =  ME =

∑ |𝑃𝐸| 𝑛


= 1755200

= 11.2672

= -3.92311 2

 SSE = ∑ 𝑒𝑟𝑟𝑜𝑟 = 78983989  MPE = 

∑ 𝑃𝐸 𝑛

=

−1.46494

Software Tabel 4.11 Perhitungan Software 3 WMA

Metode CFE MAD MSE MAPE

Error -176.5386 1062.368 1755200 11.2672

 Metode 5 WMA a. Manual Tabel 4.12 Perhitungan Manual 5 WMA

periode Demand Forecast 1 8758 2 9572 3 8884 4 8397 5 8868 6 10258 8827.85 7 9548 9283.86 8 9222 9407.59 9 8936 9413.45 10 10997 9302.72 11 11832 9845.43 12 10442 10528.17 13 10697 10647.12


Error

|Error|

1430.15 1430.15 264.14 264.14 -185.59 185.59 -477.45 477.45 1694.28 1694.28 1986.57 1986.57 -86.17 86.17 49.88 49.88

E. kuadrat PE

|PE|

2045329 13.942% 13.942% 69769.94 2.766% 2.766% 34443.65 -2.012% 2.012% 227958.5 -5.343% 5.343% 2870585 15.407% 15.407% 3946460 16.790% 16.790% 7425.269 -0.825% 0.825% 2488.014 0.466% 0.466%

42


Tabel 4.12 Perhitungan Manual 5 WMA (Lanjutan)

periode Demand Forecast Error |Error| E. kuadrat PE |PE| 14 10449 10770.88 -321.88 321.88 103606.7 -3.080% 3.080% 15 8947 10732.71 -1785.71 1785.71 3188760 -19.959% 19.959% 16 10273 10098.84 174.16 174.16 30331.71 1.695% 1.695% 17 9052 10017.13 -965.13 965.13 931475.9 -10.662% 10.662% 18 8561 9657.43 -1096.43 1096.43 1202159 -12.807% 12.807% 19 10780 9218.31 1561.69 1561.69 2438876 14.487% 14.487% 20 10099 9641.05 457.95 457.95 209718.2 4.535% 4.535% 21 10485 9851.34 633.66 633.66 401525 6.043% 6.043% 22 8230 10089.35 -1859.35 1859.35 3457182 -22.592% 22.592% 23 8423 9567.32 -1144.32 1144.32 1309468 -13.586% 13.586% 24 7369 9166.16 -1797.16 1797.16 3229784 -24.388% 24.388% 25 9284 8421.96 862.04 862.04 743113 9.285% 9.285% 26 10211 8541.8 1669.2 1669.2 2786229 16.347% 16.347% 27 8717 9021.2 -304.2 304.2 92537.64 -3.490% 3.490% 28 9051 9037.96 13.04 13.04 170.0416 0.144% 0.144% 29 11599 9105.37 2493.63 2493.63 6218191 21.499% 21.499% 30 9841 9992.15 -151.15 151.15 22846.32 -1.536% 1.536% 31 11277 10037.44 1239.56 1239.56 1536509 10.992% 10.992% 32 9587 10485.1 -898.1 898.1 806583.6 -9.368% 9.368% 33 10528 10318.14 209.86 209.86 44041.22 1.993% 1.993% 34 10164 10409.39 -245.39 245.39 60216.25 -2.414% 2.414% 35 9684 10268.96 -584.96 584.96 342178.2 -6.040% 6.040% 36 8572 10081.3 -1509.3 1509.3 2277986 -17.607% 17.607% 37 9088 9515.97 -427.97 427.97 183158.3 -4.709% 4.709% 38 8903 9308.56 -405.56 405.56 164478.9 -4.555% 4.555% 39 8791 9076.55 -285.55 285.55 81538.8 -3.248% 3.248% 40 7279 8914.68 -1635.68 1635.68 2675449 -22.471% 22.471% 41 10931 8337.72 2593.28 2593.28 6725101 23.724% 23.724% 42 9197 9124.31 72.69 72.69 5283.836 0.790% 0.790% 43 11469 9208.22 2260.78 2260.78 5111126 19.712% 19.712% 44 9340 10015.8 -675.8 675.8 456705.6 -7.236% 7.236% 45 7260 9948.79 -2688.79 2688.79 7229592 -37.036% 37.036% 46 10146 9172.18 973.82 973.82 948325.4 9.598% 9.598% 47 11103 9311.14 1791.86 1791.86 3210762 16.139% 16.139% 48 7706 9872.44 -2166.44 2166.44 4693462 -28.114% 28.114% 49 9167.59 50 9167.59


43


Tabel 4.12 Perhitungan Manual 5 WMA (Lanjutan)

periode 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72

Demand

Forecast 9167.59 9167.59 9167.59 9167.59 9167.59 9167.59 9167.59 9167.59 9167.59 9167.59 9167.59 9167.59 9167.59 9167.59 9167.59 9167.59 9167.59 9167.59 9167.59 9167.59 9167.59 9167.59

Error

|Error|

E. kuadrat

PE

|PE|

Perhitungan pada Tabel :  Forecast

: F(6) = 0.33(8868) + 0.27(8397) + 0.2(8884) + 0.13(9572) +

0.07(8758) = 8827.85  Error (6) : 10258-8827.85 = 1430.15  Sqr error : (1430.15)( 1430.15) = 2045329.023  | error⃒

: 1430.15

 PE

:

 ⃒ PE ⃒

: 13.942%

1430.15 10258


= 13.942%

44


b. Software Tabel 4.13 Perhitungan winqsb 5 WMA

3/9/2016 Actual Month Data 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34

8758 9572 8884 8397 8868 10258 9548 9222 8936 10997 11832 10442 10697 10449 8947 10273 9052 8561 10780 10099 10485 8230 8423 7369 9284 10211 8717 9051 11599 9841 11277 9587 10528 10164

Forecast by 5-WMA

Forecast Error

CFE

8827.851 9283.86 9407.59 9413.45 9302.72 9845.43 10528.17 10647.12 10770.88 10732.71 10098.84 10017.13 9657.43 9218.311 9641.05 9851.341 10089.35 9567.32 9166.16 8421.96 8541.8 9021.2 9037.96 9105.37 9992.15 10037.44 10485.1 10318.14 10409.39

1430.149 264.1396 -185.59 -477.45 1694.28 1986.57 -86.1699 49.87988 -321.88 -1785.71 174.1602 -965.13 -1096.43 1561.689 457.9502 633.6592 -1859.35 -1144.32 -1797.16 862.04 1669.2 -304.2 13.04004 2493.63 -151.15 1239.56 -898.101 209.8594 -245.391

1430.149 1694.289 1508.699 1031.249 2725.529 4712.1 4625.93 4675.81 4353.93 2568.22 2742.38 1777.25 680.8203 2242.51 2700.46 3334.119 1474.769 330.4482 -1466.71 -604.672 1064.528 760.3281 773.3682 3266.998 3115.848 4355.407 3457.307 3667.166 3421.775


MAD

MSE

MAPE (%)

Tracking Signal

1430.149 2045327 13.9418 1 847.1445 1057549 8.354117 2 626.6263 716513.6 6.240234 2.407654 589.3323 594374.9 6.015925 1.74986 810.3219 1049617 7.89409 3.363514 1006.363 1532425 9.37671 4.682305 874.9071 1314567 8.155069 5.287338 771.7787 1150558 7.193973 6.058485 721.7899 1034230 6.736919 6.032129 828.1819 1249683 8.059103 3.101033 768.7254 1138833 7.480577 3.567438 785.0925 1121553 7.745701 2.263746 809.0414 1127753 8.135052 0.841515 862.8021 1221405 8.588756 2.599101 835.8119 1153959 8.31848 3.230942 823.1774 1106932 8.176292 4.050305 884.1287 1245182 9.024296 1.668047 898.5838 1248754 9.277705 0.367743 945.8773 1353018 10.07299 -1.55064 941.6854 1322523 10.0336 -0.64212 976.3289 1392223 10.33424 1.090338 945.7775 1333147 10.02313 0.803919 905.2237 1275191 9.593604 0.854339 971.4072 1481150 10.08965 3.36316 938.5969 1422817 9.747499 3.319687 950.1725 1427190 9.795362 4.583807 948.2439 1404205 9.77953 3.64601 921.873 1355627 9.501451 3.977951 898.5461 1310958 9.257068 3.808125

45


Tabel 4.13 Perhitungan winqsb 5 WMA (Lanjutan)

3/9/2016 Actual Month Data 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69

9684 8572 9088 8903 8791 7279 10931 9197 11469 9340 7260 10146 11103 7706

Forecast by 5-WMA 10268.96 10081.3 9515.97 9308.561 9076.55 8914.681 8337.721 9124.311 9208.221 10015.8 9948.79 9172.181 9311.14 9872.44 9167.591 9167.591 9167.591 9167.591 9167.591 9167.591 9167.591 9167.591 9167.591 9167.591 9167.591 9167.591 9167.591 9167.591 9167.591 9167.591 9167.591 9167.591 9167.591 9167.591 9167.591


Forecast Error

CFE

MAD

MSE

MAPE (%)

Tracking Signal

-584.961 -1509.3 -427.97 -405.561 -285.55 -1635.68 2593.279 72.68945 2260.779 -675.801 -2688.79 973.8193 1791.86 -2166.44

2836.814 1327.515 899.5449 493.9844 208.4346 -1427.25 1166.033 1238.723 3499.502 2823.701 134.9111 1108.73 2900.591 734.1504

888.0932 908.1322 893.1271 878.3524 860.9169 883.053 930.5593 907.3735 942.9895 936.1385 979.9548 979.8052 999.1398 1026.286

1278665 1310902 1275660 1241988 1207857 1249788 1401880 1364134 1462739 1436943 1581760 1566310 1605464 1677278

9.149848 9.42267 9.275373 9.132341 8.959279 9.345334 9.744744 9.502734 9.771401 9.70638 10.38961 10.37031 10.50764 10.91709

3.194276 1.461808 1.007186 0.562399 0.242108 -1.61626 1.253046 1.365174 3.711072 3.016328 0.137671 1.131583 2.903088 0.715347

46


Tabel 4.13 Perhitungan winqsb 5 WMA (Lanjutan)

3/9/2016 Actual Month Data 70 71 72

Forecast by 5-WMA

Forecast Error

CFE

MAD

MSE

MAPE (%)

Tracking Signal

9167.591 9167.591 9167.591

c. Grafik

Grafik metode 5 WMA 14000 12000 10000 8000 6000 4000 2000 0 1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58 61 64 67 70 Demand

Forecast

Gambar 4.12 Grafik Peramalan 5 WMA Manual

Gambar 4.13 Grafik Peramalan 5 WMA winqsb


47


d. Error 

Manual Tabel 4.14 Error metode 5 WMA Manual

Metode

Error

MSE

1677277.46

MAPE

10.917%

MPE

-1.319%

SSE

72122930.9

ME

17.073

Perhitungan pada tabel error :  MSE =


 MAPE =  ME =

∑ |𝑃𝐸| 𝑛


=

=

=

72122930.9

43

467.435% 43

734.16 43

= 1677277.46

= 10.917%

= 17.073

2

 SSE = ∑ 𝑒𝑟𝑟𝑜𝑟 = 72122930.9  MPE = 

∑ 𝑃𝐸 𝑛

=

−56.725% 43

= -1.319%

Software Tabel 4.15 Error metode 5 WMA Software



Error 734.1504 1026.286 1677278 10.91709

48


 Metode 3 CMA a. Manual Tabel 4.16 Peramalan Metode 3 CMA

t

X(t)

F(t)

Error

Error^2

1

8778

2

9572

9078

494

244036

5,160886 5,160886

3

8884

8951

-67

4489

-0,75416 0,754165

4

8397

8716,333 -319,333 101973,8 -3,80295 3,802945

5

8868

9174,333 -306,333 93840,11 -3,45437 3,454368

6

10258

9558

700

490000

6,823942 6,823942

7

9548

9676

-128

16384

-1,34059 1,340595

8

9222

9235,333 -13,3333 177,7778 -0,14458 0,144582

9

8936

9718,333 -782,333 612045,4 -8,75485 8,754849

10

10997

10588,33 408,6667 167008,4 3,716165 3,716165

11

11832

11090,33 741,6667 550069,4 6,268312 6,268312

12

10442

10990,33 -548,333 300669,4 -5,25123 5,251229

13

10697

10529,33 167,6667 28112,11 1,567418 1,567418

14

10449

15

8947

16

10273

17

9052

9295,333 -243,333 59211,11 -2,68817 2,688172

18

8561

9464,333 -903,333 816011,1 -10,5517 10,55173

19

10780

9813,333 966,6667 934444,4 8,967223 8,967223

20

10099

10454,67 -355,667 126498,8

21

10485

9604,667 880,3333 774986,8 8,396121 8,396121

22

8230

23

8423

8007,333 415,6667 172778,8

24

7369

8358,667 -989,667 979440,1 -13,4301 13,43014

10031

418

174724

PE

Abs PE

4,000383 4,000383

9889,667 -942,667 888620,4 -10,5361 10,53612 9424

9046


849

-816

720801

665856

8,264382 8,264382

-3,5218

3,521801

-9,91495 9,914945 4,9349

4,9349

49


Tabel 4.16 Peramalan Metode 3 CMA (Lanjutan)

t

X(t)

F(t)

Error

Error^2

PE

Abs PE

25

9284

26

10211

27

8717

28

9051

29

11599

10163,67 1435,333

2060182

12,37463 12,37463

30

9841

10905,67 -1064,67

1133515

-10,8187 10,81868

31

11277

10235

1042

1085764

9,240046 9,240046

32

9587

10464

-877

769129

33

10528

10093

435

189225

34

10164

10125,33 38,66667 1495,111 0,380428 0,380428

35

9684

9473,333 210,6667 44380,44

36

8572

9114,667 -542,667 294487,1 -6,33069 6,330689

37

9088

8854,333 233,6667 54600,11 2,571156 2,571156

38

8903

8927,333 -24,3333 592,1111 -0,27332 0,273316

39

8791

8324,333 466,6667 217777,8 5,308459 5,308459

40

7279

9000,333 -1721,33

2962988

-23,6479 23,64794

41

10931

9135,667 1795,333

3223222

16,42424 16,42424

42

9197

10532,33 -1335,33

1783115

-14,5192 14,51923

43

11469

44

9340

9356,333 -16,3333 266,7778 -0,17488 0,174875

45

7260

8915,333 -1655,33

46

10146

47

11103

48

7706

8954,667 329,3333 108460,4 3,547322 3,547322 9404

807

651249

7,903242 7,903242

9326,333 -609,333 371287,1 -6,99017 6,990172 9789

10002

-738

1467

544644

2152089

-8,1538

-9,1478

8,153795

9,147804

4,131839 4,131839

2,17541

12,791

2,17541

12,791

2740128

-22,8007 22,80073

413449

6,337473 6,337473

9651,667 1451,333

2106368

13,07154 13,07154

9651,667 -1945,67

3785619

-25,2487 25,24872

9503

643

49

9651,667 -9651,67

50

9651,667


50


Tabel 4.16 Peramalan Metode 3 CMA (Lanjutan)

t

X(t)

F(t)

51

9651,667

52

9651,667

53

9651,667

54

9651,667

55

9651,667

56

9651,667

57

9651,667

58

9651,667

59

9651,667

60

9651,667

61

9651,667

62

9651,667

63

9651,667

64

9651,667

65

9651,667

66

9651,667

67

9651,667

68

9651,667

69

9651,667

70

9651,667

71

9651,667

72

9651,667

Error

Error^2

PE

Abs PE

Perhitungan pada Tabel: 

F(t)4= (8884 + 8397 + 8868) / 3 = 9071.33



Error4 = X4 – F4 = 8397 – 8716,33 = 500.67



Error24 = (X4 – F4)2 = (-319,33)2 = 250667



|Error4| = |X4 – F4| = |-319,33| = 250667


51




PE4 =



|PE4| = |-3,8029| = 5.230

= 5.230


Forecast 9651.67 9651.67 9651.67 9651.67 9651.67 9651.67 9651.67 9651.67 9651.67 9651.67 9651.67 9651.67 9651.67 9651.67 9651.67 9651.67 9651.67 9651.67 9651.67 9651.67 9651.67 9651.67 9651.67 9651.67

Lower 7861.31 7861.31 7861.31 7861.31 7861.31 7861.31 7861.31 7861.31 7861.31 7861.31 7861.31 7861.31 7861.31 7861.31 7861.31 7861.31 7861.31 7861.31 7861.31 7861.31 7861.31 7861.31 7861.31 7861.31

Upper 11442.0 11442.0 11442.0 11442.0 11442.0 11442.0 11442.0 11442.0 11442.0 11442.0 11442.0 11442.0 11442.0 11442.0 11442.0 11442.0 11442.0 11442.0 11442.0 11442.0 11442.0 11442.0 11442.0 11442.0

c. Grafik

Peramalan Data Konstan 3 CMA 14000

Demand

12000 10000 8000 6000 4000 2000 0 1 4 7 1013161922252831343740434649525558616467707376798285889194

Periode Data Aktual

Data Ramalan

Gambar 4.14 Grafik 3 CMA


52


Gambar 4.15 Grafik Output Software Minitab

d. Error 

Manual Tabel 4.17 Rekapitulasi Perhitungan Error 3 CMA

Error MSE MAPE MPE SSE ME

Jumlah 757932.83 7.5888885 -1.017562 35622843 -11.53191

Perhitungan Error:  𝑀𝐸 =

∑ 𝑒𝑟𝑟𝑜𝑟

 𝑀𝑆𝐸 =  𝑀𝑃𝐸 =

𝑛

= −11,53191

2 ∑𝑛 𝑖=1 𝑒𝑖

𝑛 ∑ 𝑃𝐸

 𝑀𝐴𝑃𝐸 =

𝑛

= 757932.83

= −1,017

∑|𝑃𝐸𝑖 | 𝑛

= 7,5888

 𝑆𝑆𝐸 = ∑ 𝑒 2 = 35622843


53





8 709 834421

4.2.3.3 Data Pola Linear  Metode DEST a. Manual Tabel 4.18 Perhitungan Manual metode DEST

t 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27

X(t) 2609 2628 2716 2756 2897 3382 3429 3453 3502 3535 3606 3727 3823 3849 3892 4017 4043 4047 4124 4142 4213 4248 4262 4279 4298 4395 4406

S(t) 2609 2619,336 2671,921 2717,66 2815,221 3123,549 3289,714 3378,542 3445,703 3494,281 3555,056 3648,594 3743,471 3800,879 3850,449 3941,053 3996,512 4023,977 4078,39 4112,994 4167,397 4211,245 4238,856 4260,694 4280,989 4343,011 4377,277

B(t) 2609 2614,623 2645,793 2684,889 2755,789 2955,851 3137,472 3268,614 3364,95 3435,306 3500,45 3581,04 3669,402 3740,925 3800,506 3876,963 3941,998 3986,595 4036,531 4078,127 4126,69 4172,688 4208,683 4236,977 4260,919 4305,577 4344,582


F(t)

Error

2609 2629,672 2729,22 2789,527 2945,553 3491,308 3623,578 3619,611 3622,792 3623,611 3674,806 3796,737 3905,901 3932,355 3959,972 4081,599 4116,061 4105,957 4170,185 4189,456 4256,667 4295,8 4305,024 4312,705 4325 4425,102

19 86,328 26,78035 107,473 436,4468 -62,3081 -170,578 -117,611 -87,7919 -17,6107 52,19416 26,26297 -56,9012 -40,3549 57,02812 -38,5991 -69,0606 18,04289 -28,1847 23,54378 -8,66745 -33,8003 -26,0236 -14,7052 70,00007 -19,1022

Error^2 361 7452,524 717,1873 11550,44 190485,8 3882,294 29096,83 13832,35 7707,423 310,1361 2724,23 689,7436 3237,748 1628,52 3252,206 1489,892 4769,365 325,5458 794,3776 554,3098 75,12477 1142,462 677,2285 216,2439 4900,01 364,8935

PE 7,23E-05 0,000318 9,72E-05 0,000371 0,00129 -0,00018 -0,00049 -0,00034 -0,00025 -4,9E-05 0,00014 6,87E-05 -0,00015 -0,0001 0,000142 -9,5E-05 -0,00017 4,38E-05 -6,8E-05 5,59E-05 -2E-05 -7,9E-05 -6,1E-05 -3,4E-05 0,000159 -4,3E-05

Abs PE 7,23E-05 0,000318 9,72E-05 0,000371 0,00129 0,000182 0,000494 0,000336 0,000248 4,88E-05 0,00014 6,87E-05 0,000148 0,000104 0,000142 9,55E-05 0,000171 4,38E-05 6,8E-05 5,59E-05 2,04E-05 7,93E-05 6,08E-05 3,42E-05 0,000159 4,34E-05

54


Tabel 4.18 Perhitungan Manual metode DEST (Lanjutan)

t 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64

X(t) 4420 4539 4565 4605 4639 4717 4844 4908 4961 5010 5074 5094 5137 5188 5290 5304 5395 5434 5671 5766 5770

S(t) B(t) F(t) 4400,518 4375,011 4448,977 4475,852 4429,869 4456,455 4524,349 4481,266 4576,693 4568,223 4528,571 4618,829 4606,726 4571,087 4655,18 4666,715 4623,109 4684,881 4763,158 4699,295 4762,343 4841,952 4776,901 4903,207 4906,714 4847,519 4984,609 4962,902 4910,287 5036,528 5023,339 4971,787 5078,284 5061,779 5020,743 5136,391 5102,699 5065,327 5151,77 5149,103 5110,901 5184,655 5225,751 5173,379 5232,879 5268,318 5225,026 5340,601 5337,233 5286,067 5363,257 5389,874 5342,538 5449,44 5542,807 5451,484 5493,682 5664,224 5567,215 5743,075 5721,766 5651,291 5876,963 5876,318 5960,394 6044,47 6128,546 6212,622 6296,698 6380,774 6464,85 6548,926 6633,002 6717,078 6801,154 6885,23 6969,306 7053,382 7137,458


Error Error^2 -28,9767 839,6508 82,54526 6813,719 -11,6934 136,7361 -13,8285 191,2283 -16,1801 261,7968 32,11916 1031,641 81,65711 6667,884 4,792555 22,96858 -23,6086 557,368 -26,5276 703,715 -4,28411 18,35359 -42,3911 1797,002 -14,7698 218,1477 3,344547 11,18599 57,1214 3262,855 -36,6007 1339,613 31,74254 1007,589 -15,4402 238,3997 177,3181 31441,72 22,9247 525,542 -106,963 11441,19

PE Abs PE -6,6E-05 6,56E-05 0,000182 0,000182 -2,6E-05 2,56E-05 -3E-05 3E-05 -3,5E-05 3,49E-05 6,81E-05 6,81E-05 0,000169 0,000169 9,76E-06 9,76E-06 -4,8E-05 4,76E-05 -5,3E-05 5,29E-05 -8,4E-06 8,44E-06 -8,3E-05 8,32E-05 -2,9E-05 2,88E-05 6,45E-06 6,45E-06 0,000108 0,000108 -6,9E-05 6,9E-05 5,88E-05 5,88E-05 -2,8E-05 2,84E-05 0,000313 0,000313 3,98E-05 3,98E-05 -0,00019 0,000185

55


Tabel 4.18 Perhitungan Manual metode DEST (Lanjutan)

t

X(t)

S(t)

B(t)

F(t) Error Error^2 PE Abs PE 7221,534 7305,61 7389,686 7473,762 7557,838 7641,914 7725,99 7810,066 284,102 360766,2 0,00092 0,006505

65 66 67 68 69 70 71 72 Total Perhitungan pada Tabel : 

Peramalan

: F(t)1

St = α.X(t) + (1-α).St-1 S2 = 0.544 (2628) + (1 - 0.544).(2609) = 2619,336 Bt = α . St + (1- α) Bt-1 B2 = 0.544 (2619,336) + (1 - 0.544)2609 = 2614,623 α

Ft = ((2*St-1) - Bt-1) + ((1− α ))𝑥((St-1)-( Bt-1)) 0,544

F2 = ((2*2609)-2609 + ((1− 0.544))𝑥((2609)-(2609)) = 2609  Error4 = X4 – F4 = 2756 – 2729,22 = 26,78  Error24 = (X4 – F4)2 = (26,78)2 = 717,18  |Error4| = |X4 – F4| = |26,78| = 26,78  PE4 = = 0.97  |PE4| = |9,72| = 0.97 b. Software Tabel 4.19 Output Winqsb DEST

9/5/2016 Month

Actual Data

1 2 3

2609 2628 2716

Forecast by DEST

Forecast Error

CFE

2609 2629.672

19 86.32813

19 105.3281


MAD

MSE

MAPE (%)

19 361 0.722983 52.66406 3906.772 1.950743

56


Tabel 4.19 Output Winqsb DEST (Lanjutan)

9/5/2016 Month

Actual Data

4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38

2756 2897 3382 3429 3453 3502 3535 3606 3727 3823 3849 3892 4017 4043 4047 4124 4142 4213 4248 4262 4279 4298 4395 4406 4420 4539 4565 4605 4639 4717 4844 4908 4961 5010 5074

Forecast by DEST 2729.219 2789.527 2945.553 3491.308 3623.578 3619.611 3622.792 3623.61 3674.806 3796.737 3905.901 3932.355 3959.972 4081.6 4116.061 4105.958 4170.185 4189.456 4256.667 4295.8 4305.023 4312.705 4325 4425.102 4448.976 4456.454 4576.693 4618.829 4655.181 4684.88 4762.343 4903.208 4984.608 5036.527 5078.284


Forecast Error

CFE

MAD

MSE

MAPE (%)

26.78076 107.4731 436.447 -62.30811 -170.5784 -117.6108 -87.79175 -17.61035 52.19409 26.26294 -56.90137 -40.35474 57.02808 -38.59961 -69.06055 18.04248 -28.18457 23.54395 -8.666992 -33.80029 -26.02344 -14.70508 69.99951 -19.10205 -28.97607 82.5459 -11.69287 -13.8291 -16.18115 32.11963 81.65674 4.791992 -23.6084 -26.52734 -4.28418

132.1089 239.582 676.0291 613.7209 443.1426 325.5317 237.74 220.1296 272.3237 298.5867 241.6853 201.3306 258.3586 219.759 150.6985 168.741 140.5564 164.1003 155.4333 121.6331 95.60962 80.90454 150.9041 131.802 102.8259 185.3718 173.679 159.8499 143.6687 175.7883 257.4451 262.2371 238.6287 212.1013 207.8171

44.0363 59.89551 135.2058 123.0562 129.8451 128.3158 123.8131 113.1928 107.6475 100.8655 97.4836 93.40297 90.97798 87.70433 86.60764 82.79846 79.92405 77.10504 73.84608 72.02583 70.02572 67.7207 67.81184 65.93839 64.56942 65.21143 63.36597 61.71474 60.24591 59.36697 60.04242 58.4174 57.42286 56.56465 55.15166

2843.585 5020.308 42113.45 35741.59 34792.36 32172.35 29454.02 26539.63 24374.6 22400.86 20926.78 19548.33 18461.92 17401.17 16658.12 15750.75 14963.58 14243.11 13568.45 13003.63 12467.7 11957.22 11674.93 11239.93 10854.73 10710.41 10345.8 10007.32 9692.947 9422.282 9338.814 9064.818 8821.748 8596.247 8364.412

1.624404 2.145755 4.297603 3.884185 4.035016 3.950438 3.787445 3.457537 3.270527 3.055231 2.933932 2.798427 2.70651 2.597023 2.544638 2.427574 2.335621 2.246782 2.149508 2.087851 2.023517 1.953459 1.939029 1.881126 1.835735 1.835123 1.780675 1.73133 1.686732 1.655301 1.656223 1.610382 1.577968 1.548844 1.509265

57


Tabel 4.19 Output Winqsb DEST (Lanjutan)

9/5/2016 Month

Actual Data

39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72

5094 5137 5188 5290 5304 5395 5434 5671 5766 5770

Forecast by DEST 5136.392 5151.771 5184.655 5232.878 5340.601 5363.257 5449.44 5493.683 5743.075 5876.963 5876.318 5960.394 6044.47 6128.546 6212.623 6296.699 6380.775 6464.851 6548.927 6633.003 6717.08 6801.156 6885.232 6969.308 7053.384 7137.46 7221.537 7305.613 7389.689 7473.765 7557.841 7641.917 7725.994 7810.07


Forecast Error

CFE

MAD

MSE

MAPE (%)

-42.3916 -14.77051 3.344727 57.12158 -36.60107 31.74316 -15.44043 177.3174 22.92529 -106.9634

165.4255 150.655 153.9998 211.1213 174.5203 206.2634 190.823 368.1404 391.0657 284.1023

54.81587 53.78907 52.52796 52.64 52.25812 51.78103 50.9551 53.76316 53.09277 54.23895

8191.586 7987.14 7787.741 7677.378 7526.48 7374.879 7212.686 7751.104 7594.026 7675.88

1.491447 1.460577 1.425675 1.417239 1.399925 1.381052 1.356122 1.39547 1.373777 1.38399

58


c. Grafik

Grafik Peramalan Metode DEST 12000

Demand

10000 8000 6000 4000 2000 0 1 4 7 1013161922252831343740434649525558616467707376798285889194

Periode Demand Data

Forecasting Data

Gambar 4.16 Grafik Manual Metode DEST

Gambar 4.17 Grafik Software DEST


59


d. Error 

Manual Tabel 4.20 Perhitungan Manual Nilai Error Metode DEST

Metode

Error

MSE

7675,876

MPE

0,1957557

MAPE

1,3839

ME

6,044724

SSE

360766,2

Perhitungan Error:  𝑀𝐸 =

∑ 𝑒𝑟𝑟𝑜𝑟

 𝑀𝑆𝐸 =  𝑀𝑃𝐸 =

𝑛

= 6,044

2 ∑𝑛 𝑖=1 𝑒𝑖

𝑛 ∑ 𝑃𝐸

 𝑀𝐴𝑃𝐸 =

𝑛

= 7675,876

= 0,1957

∑|𝑃𝐸𝑖 | 𝑛

= 1,3839

 𝑆𝑆𝐸 = ∑ 𝑒 2 = 360766,2 

Software Tabel 4.21 Error Software Metode DEST

Metode Error CFE 284.1023 MAD 54.23895 MSE 7675.88 MAPE 1.38399


60


 Metode DES a. Manual Tabel 4.22 Perhitungan Manual DES

t

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32

X(t) 2609 2628 2716 2756 2897 3382 3429 3453 3502 3535 3606 3727 3823 3849 3892 4017 4043 4047 4124 4142 4213 4248 4262 4279 4298 4395 4406 4420 4539 4565 4605 4639

F'(t)

F(t)

Error

Abs Error

Error^2

PE

Abs PE

2609 2619.336 2671.921 2717.66 2815.221 3123.549 3289.714 3378.542 3445.703 3494.281 3555.056 3648.594 3743.471 3800.879 3850.449 3941.053 3996.512 4023.977 4078.39 4112.994 4167.397 4211.245 4238.856 4260.694 4280.989 4343.011 4377.277 4400.518 4475.852 4524.349 4568.223

2609.000 2614.623 2645.793 2684.889 2755.789 2955.851 3137.472 3268.614 3364.950 3435.306 3500.450 3581.040 3669.402 3740.925 3800.506 3876.963 3941.998 3986.595 4036.531 4078.127 4126.690 4172.688 4208.683 4236.977 4260.919 4305.577 4344.582 4375.011 4429.869 4481.266 4528.571

19 101.3772 110.2069 212.111 626.2105 473.1495 315.5276 233.3859 170.0495 170.694 226.55 241.9599 179.5977 151.0746 216.4939 166.0366 105.0022 137.4053 105.4688 134.8732 121.3101 89.31209 70.31678 61.02279 134.0806 100.4229 75.41819 163.9888 135.1312 123.7342 110.4295

19 101.3772 110.2069 212.1113 626.2105 473.1495 315.5276 233.3859 170.0495 170.694 226.55 241.9599 179.5977 151.0746 216.4939 166.0366 105.0022 137.4053 105.4688 134.8732 121.3101 89.31209 70.31678 61.02279 134.0806 100.4229 75.41819 163.9888 135.1312 123.7342 110.4295

361 10277.34 12145.55 44991.18 392139.6 223870.4 99557.67 54468.98 28916.84 29136.43 51324.91 58544.61 32255.33 22823.53 46869.63 27568.16 11025.46 18880.21 11123.67 18190.78 14716.15 7976.649 4944.449 3723.781 17977.61 10084.76 5687.904 26892.31 18260.44 15310.14 12194.67

0.722983 3.732593 3.998798 7.321755 18.51598 13.79847 9.137782 6.664361 4.810454 4.733609 6.078616 6.329059 4.666087 3.88167 5.389444 4.106768 2.594569 3.331844 2.546325 3.201357 2.8557 2.095544 1.643299 1.419795 3.050753 2.27923 1.706294 3.612883 2.960158 2.686952 2.380458

0.722983 3.732593 3.998798 7.321755 18.51598 13.79847 9.137782 6.664361 4.810454 4.733609 6.078616 6.329059 4.666087 3.88167 5.389444 4.106768 2.594569 3.331844 2.546325 3.201357 2.8557 2.095544 1.643299 1.419795 3.050753 2.27923 1.706294 3.612883 2.960158 2.686952 2.380458


61


Tabel 4.22 Perhitungan Manual DES (Lanjutan)

t

33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67

X(t) 4717 4844 4908 4961 5010 5074 5094 5137 5188 5290 5304 5395 5434 5671 5766 5770

F'(t)

F(t)

Error

4606.726 4666.715 4763.158 4841.952 4906.714 4962.902 5023.339 5061.779 5102.699 5149.103 5225.751 5268.318 5337.233 5389.874 5542.807 5664.224 5721.766

4571.087 4623.109 4699.295 4776.901 4847.519 4910.287 4971.787 5020.743 5065.327 5110.901 5173.379 5225.026 5286.067 5342.538 5451.484 5567.215 5651.291 5651.291 5651.291 5651.291 5651.291 5651.291 5651.291 5651.291 5651.291 5651.291 5651.291 5651.291 5651.291 5651.291 5651.291 5651.291 5651.291 5651.291 5651.291

145.9131 220.8914 208.7045 184.0994 162.4808 163.7128 122.2125 116.2573 122.673 179.099 130.6207 169.9738 147.9332 328.4619 314.5158 202.7854


Abs Error 145.9131 220.8914 208.7045 184.0994 162.4808 163.7128 122.2125 116.2573 122.673 179.099 130.6207 169.9738 147.9332 328.4619 314.5158 202.7854

Error^2

PE

Abs PE

21290.62 48793.03 43557.59 33892.57 26400.02 26801.87 14935.9 13515.76 15048.68 32076.45 17061.76 28891.1 21884.23 107887.2 98920.18 41121.93

3.093345 4.560104 4.252334 3.710932 3.24313 3.226503 2.399146 2.263137 2.364554 3.385614 2.462682 3.150581 2.722363 5.791957 5.454662 3.514479

3.093345 4.560104 4.252334 3.710932 3.24313 3.226503 2.399146 2.263137 2.364554 3.385614 2.462682 3.150581 2.722363 5.791957 5.454662 3.514479

62


Tabel 4.22 Perhitungan Manual DES (Lanjutan)

t

X(t)

F'(t)

F(t)

Error

Abs Error

Error^2

PE

Abs PE

5651.291 5651.291 5651.291 5651.291 5651.291

68 69 70 71 72

Perhitungan pada tabel :  Peramalan : α = 0,544 F(3) = (0,544x2619.336) + (1 – 0,544)x2609 = 2614,62



Error = 2716 – 2614.62 = 101.38

 Error2 = (101.38)2 = 10277.34  |Error| = 101.38  PE =

201,3101.38 2716

𝑥 100% = 3.73%

 |PE4| =3.73% b. Software Tabel 4.23 Peramalan DES Software

9/5/2016 Month 1 2 3 4 5 6 7 8 9 10 11 12

Actual Data 2609 2628 2716 2756 2897 3382 3429 3453 3502 3535 3606 3727

Forecast by DES

Forecast Error

CFE

MAD

MSE

MAPE (%)

2609 2614.623 2645.793 2684.889 2755.79 2955.851 3137.472 3268.614 3364.951 3435.306 3500.45

19 101.3772 110.2068 212.1111 626.2104 473.1494 315.5276 233.3857 170.0493 170.6938 226.55

19 120.3772 230.584 442.6951 1068.906 1542.055 1857.583 2090.968 2261.018 2431.711 2658.261

19 60.1886 76.86133 110.6738 213.7811 257.0092 265.3689 261.371 251.2242 243.1711 241.6601

361 5319.168 7594.624 16943.75 91982.9 113964.1 111906.1 104726.4 96303.13 89586.46 86108.14

0.722983 2.227787 2.818123 3.94403 6.85842 8.015094 8.175478 7.986588 7.633683 7.343675 7.22867


63


Tabel 4.23 Peramalan DES Software (Lanjutan)

9/5/2016 Month 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47

Actual Data 3823 3849 3892 4017 4043 4047 4124 4142 4213 4248 4262 4279 4298 4395 4406 4420 4539 4565 4605 4639 4717 4844 4908 4961 5010 5074 5094 5137 5188 5290 5304 5395 5434 5671 5766

Forecast by DES

Forecast Error

CFE

MAD

MSE

MAPE (%)

3581.04 3669.402 3740.926 3800.506 3876.963 3941.998 3986.595 4036.531 4078.127 4126.69 4172.688 4208.684 4236.978 4260.919 4305.577 4344.582 4375.011 4429.869 4481.266 4528.57 4571.087 4623.108 4699.295 4776.901 4847.52 4910.288 4971.788 5020.743 5065.327 5110.901 5173.379 5225.026 5286.067 5342.538 5451.484

241.96 179.5977 151.0745 216.4939 166.0366 105.0022 137.4053 105.4688 134.8733 121.3101 89.31201 70.31641 61.02246 134.0806 100.4229 75.41797 163.9888 135.1313 123.7344 110.4297 145.9131 220.8916 208.7046 184.0991 162.4805 163.7124 122.2124 116.2573 122.6729 179.0986 130.6206 169.9736 147.9331 328.4619 314.5156

2900.221 3079.819 3230.894 3447.387 3613.424 3718.426 3855.832 3961.3 4096.174 4217.484 4306.796 4377.112 4438.135 4572.215 4672.638 4748.056 4912.045 5047.176 5170.911 5281.34 5427.253 5648.145 5856.85 6040.949 6203.429 6367.142 6489.354 6605.611 6728.284 6907.383 7038.003 7207.977 7355.91 7684.372 7998.888

241.6851 236.9092 230.7781 229.8258 225.839 218.731 214.2129 208.4895 204.8087 200.8326 195.7634 190.3092 184.9223 182.8886 179.7169 175.8539 175.4302 174.0406 172.3637 170.3658 169.6017 171.1559 172.2603 172.5985 172.3175 172.0849 170.7725 169.3746 168.2071 168.4727 167.5715 167.6274 167.1798 170.7638 173.8889

83811.18 79845.34 75772.35 73845.51 70953.17 67428.01 64730.91 61909.48 59723.54 57580.33 55325.62 53135.13 51076.32 49752.38 48226.7 46651.18 45945.51 44990.86 44001.5 42975.47 42297.82 42494.65 42525.91 42279.24 41838.15 41431.76 40734.5 40036.59 39411.89 39232.97 38705.08 38476.85 38099.74 39650.58 40939.04

7.153702 6.962347 6.742299 6.652108 6.493024 6.263703 6.100822 5.913743 5.778125 5.638961 5.477897 5.311175 5.149034 5.065102 4.957953 4.837521 4.793784 4.730556 4.662436 4.588823 4.542089 4.542635 4.534097 4.510578 4.47537 4.441617 4.387868 4.333388 4.284167 4.26225 4.219404 4.194547 4.161088 4.19733 4.224663


64


Tabel 4.23 Peramalan DES Software (Lanjutan)

9/5/2016 Month 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72

Actual Data

Forecast by DES

Forecast Error

CFE

MAD

MSE

MAPE (%)

5770 5567.214 202.7856 8201.674 174.5037 40942.94 4.209553 5651.291 5651.291 5651.291 5651.291 5651.291 5651.291 5651.291 5651.291 5651.291 5651.291 5651.291 5651.291 5651.291 5651.291 5651.291 5651.291 5651.291 5651.291 5651.291 5651.291 5651.291 5651.291 5651.291 5651.291


65


c. Grafik

DES 7000 6000 5000 4000 3000 2000 1000 0 1

3

5

7

9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 X(t)

F(t)

Gambar 4.18 Grafik Perhitungan Manual DES

Gambar 4.19 Grafik Perhitungan Software DES


66


d. Error 

Manual Tabel 4.24 Perhitungan Error Manual Metode Double Eksponential Smoothing

Error MSE MAPE MPE SSE ME

Jumlah 40942.96 4.21 4.21 1924319.08 174.50

Berikut Perhitungan Error :  MSE =

2 ∑𝑛 𝑖=1 𝑒𝑖

𝑛

 MAPE =  MPE =  ME =

= 40942.96

∑ │𝑃𝐸│ 𝑛

∑ 𝑃𝐸 𝑛

= 4.21

= 4.21

∑𝑛 𝑖=1 𝑒𝑖 𝑛

= 174.5

 SSE = ∑ 𝑒𝑖 2 = 1924329.08 

Software Tabel 4.25 Error DES Software


Error 8201.674 174.5037 40942.94 4.209553

 Metode SEST a. Manual Tabel 4.26 Perhitungan SEST Manual

t

X(t) 1 2

2609 2628

F(t) 2609 2628

0 0


2609

Abs Error

Error

19

19

Error^2

361

PE

7.23E-05

Abs PE 7.23E-05

67


Tabel 4.26 Perhitungan SEST Manual (Lanjutan)

t

X(t)

3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37

2716 2756 2897 3382 3429 3453 3502 3535 3606 3727 3823 3849 3892 4017 4043 4047 4124 4142 4213 4248 4262 4279 4298 4395 4406 4420 4539 4565 4605 4639 4717 4844 4908 4961 5010

F(t) 2716 2756 2897 3382 3429 3453 3502 3535 3606 3727 3823 3849 3892 4017 4043 4047 4124 4142 4213 4248 4262 4279 4298 4395 4406 4420 4539 4565 4605 4639 4717 4844 4908 4961 5010

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0


2628 2716 2756 2897 3382 3429 3453 3502 3535 3606 3727 3823 3849 3892 4017 4043 4047 4124 4142 4213 4248 4262 4279 4298 4395 4406 4420 4539 4565 4605 4639 4717 4844 4908 4961

Error 88 40 141 485 47 24 49 33 71 121 96 26 43 125 26 4 77 18 71 35 14 17 19 97 11 14 119 26 40 34 78 127 64 53 49

Abs Error 88 40 141 485 47 24 49 33 71 121 96 26 43 125 26 4 77 18 71 35 14 17 19 97 11 14 119 26 40 34 78 127 64 53 49

Error^2

PE

7744 1600 19881 235225 2209 576 2401 1089 5041 14641 9216 676 1849 15625 676 16 5929 324 5041 1225 196 289 361 9409 121 196 14161 676 1600 1156 6084 16129 4096 2809 2401

0.000324 0.000145 0.000487 0.001434 0.000137 6.95E-05 0.00014 9.34E-05 0.000197 0.000325 0.000251 6.76E-05 0.00011 0.000311 6.43E-05 9.88E-06 0.000187 4.35E-05 0.000169 8.24E-05 3.28E-05 3.97E-05 4.42E-05 0.000221 2.5E-05 3.17E-05 0.000262 5.7E-05 8.69E-05 7.33E-05 0.000165 0.000262 0.00013 0.000107 9.78E-05

Abs PE 0.000324 0.000145 0.000487 0.001434 0.000137 6.95E-05 0.00014 9.34E-05 0.000197 0.000325 0.000251 6.76E-05 0.00011 0.000311 6.43E-05 9.88E-06 0.000187 4.35E-05 0.000169 8.24E-05 3.28E-05 3.97E-05 4.42E-05 0.000221 2.5E-05 3.17E-05 0.000262 5.7E-05 8.69E-05 7.33E-05 0.000165 0.000262 0.00013 0.000107 9.78E-05

68


Tabel 4.26 Perhitungan SEST Manual (Lanjutan)

t

X(t)

38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72

5074 5094 5137 5188 5290 5304 5395 5434 5671 5766 5770

F(t) 5074 5094 5137 5188 5290 5304 5395 5434 5671 5766 5770

0 0 0 0 0 0 0 0 0 0 0


5010 5074 5094 5137 5188 5290 5304 5395 5434 5671 5766 5770 5770 5770 5770 5770 5770 5770 5770 5770 5770 5770 5770 5770 5770 5770 5770 5770 5770 5770 5770 5770 5770 5770 5770

Error 64 20 43 51 102 14 91 39 237 95 4

Abs Error 64 20 43 51 102 14 91 39 237 95 4

Error^2 4096 400 1849 2601 10404 196 8281 1521 56169 9025 16

PE 0.000126 3.93E-05 8.37E-05 9.83E-05 0.000193 2.64E-05 0.000169 7.18E-05 0.000418 0.000165 6.93E-06

Abs PE 0.000126 3.93E-05 8.37E-05 9.83E-05 0.000193 2.64E-05 0.000169 7.18E-05 0.000418 0.000165 6.93E-06

69


Perhitungan pada Tabel :  Peramalan

: F(t)1

St = α.X(t) + (1-α).(St-1+Bt-1) S2 = 1.0 (2628) + (1-1).( 2609 +0) = 2628 Bt = β (St - St-1) + (1-β) Bt-1 B2 = 0.0(2628- 2609) + (1-0.0)0 = 0 Ft = St + Bt F2 = 2628+ 0 = 2628  Error

: 2628 – 2609 = 19

 Sqr error

: (19)(19) = 361

 ⃒ error⃒

: |361| = 361

 PE

:

 ⃒ PE ⃒

: |7.2E-05| = 0.7229

19 2628

=

0.7229

b. Software Tabel 4.27 Perhitungan Software SEST

Month Actual 1 2609 2 2628 3 2716 4 2756 5 2897 6 3382 7 3429 8 3453 9 3502 10 3535 11 3606 12 3727 13 3823 14 3849 15 3892 16 4017

SEST 2609 2628 2716 2756 2897 3382 3429 3453 3502 3535 3606 3727 3823 3849 3892


Error 19 88 40 141 485 47 24 49 33 71 121 96 26 43 125

CFE 19 107 147 288 773 820 844 893 926 997 1118 1214 1240 1283 1408

MAD 19 53.5 49 72 154.6 136.6667 120.5714 111.625 102.8889 99.7 101.6364 101.1667 95.38461 91.64286 93.86667

MSE

MAPE (%)

361 0.7229832 4052.5 1.981521 3235 1.804807 7396.5 2.570381 52962.2 4.92443 44503.33 4.332136 38228 3.812552 33749.63 3.510883 30120.67 3.224509 27612.7 3.098953 26433.46 3.112373 24998.67 3.062268 23127.69 2.878671 21607.79 2.751968 21208.93 2.775955

70


Tabel 4.27 Perhitungan Software SEST (Lanjutan)

Month Actual 17 4043 18 4047 19 4124 20 4142 21 4213 22 4248 23 4262 24 4279 25 4298 26 4395 27 4406 28 4420 29 4539 30 4565 31 4605 32 4639 33 4717 34 4844 35 4908 36 4961 37 5010 38 5074 39 5094 40 5137 41 5188 42 5290 43 5304 44 5395 45 5434 46 5671 47 5766 48 5770 49 50 51 52 53 54

SEST Error 4017 26 4043 4 4047 77 4124 18 4142 71 4213 35 4248 14 4262 17 4279 19 4298 97 4395 11 4406 14 4420 119 4539 26 4565 40 4605 34 4639 78 4717 127 4844 64 4908 53 4961 49 5010 64 5074 20 5094 43 5137 51 5188 102 5290 14 5304 91 5395 39 5434 237 5671 95 5766 4 5770 5770 5770 5770 5770 5770


CFE 1434 1438 1515 1533 1604 1639 1653 1670 1689 1786 1797 1811 1930 1956 1996 2030 2108 2235 2299 2352 2401 2465 2485 2528 2579 2681 2695 2786 2825 3062 3157 3161

MAD 89.625 84.58823 84.16666 80.68421 80.2 78.04762 75.13636 72.6087 70.375 71.44 69.11539 67.07407 68.92857 67.44827 66.53333 65.48387 65.875 67.72727 67.61765 67.2 66.69444 66.62162 65.39474 64.82051 64.475 65.39024 64.16666 64.7907 64.20454 68.04444 68.63043 67.25532

MSE 19925.63 18754.47 18041.95 17109.42 16506 15778.33 15070.05 14427.39 13841.29 13664 13143.12 12663.59 12717.07 12301.86 11945.13 11597.1 11424.81 11567.36 11347.62 11103.66 10861.92 10679.05 10408.55 10189.08 9999.375 10009.24 9775.596 9740.837 9554.022 10589.91 10555.89 10331.64

MAPE (%) 2.642651 2.493015 2.458243 2.351734 2.31841 2.247244 2.160028 2.083387 2.014998 2.022681 1.954487 1.89383 1.919826 1.873265 1.839777 1.804072 1.799369 1.824292 1.808989 1.787827 1.765333 1.751711 1.715946 1.69341 1.675651 1.68181 1.648052 1.648952 1.627787 1.684484 1.683682 1.649334

71


Tabel 4.27 Perhitungan Software SEST (Lanjutan)

Month Actual 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72

SEST Error 5770 5770 5770 5770 5770 5770 5770 5770 5770 5770 5770 5770 5770 5770 5770 5770 5770 5770

CFE

MAD

MSE

MAPE (%)

a. Grafik

SEST 7000 6000 5000 4000 3000 2000 1000 0 1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 Demand

Forecast

Gambar 4.20 Grafik Peramalan Metode SEST


72


Gambar 4.21 Grafik winqsb SEST

b. Error 

Manual Tabel 4.28 Perhitungan Error

Metode Error MSE 10331.64 MPE 1,65 MAPE 1,65 ME 67.25532 SSE 485587

 MSE =


 MAPE =  ME =

∑ |𝑃𝐸| 𝑛


= 10331.64

= 1.65

= 67.25532 2

 SSE = ∑ 𝑒𝑟𝑟𝑜𝑟 = 485587  MPE =

∑ 𝑃𝐸 𝑛


=

1.65

73




Software Tabel 4.29 Perhitungan Error SEST


Error 3161 67,25532 10331,64 1,649334

 Metode Regresi a. Manual Tabel 4.30 Perhitungan Manual Regresi

t 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

Demand 2609 2628 2716 2756 2897 3382 3429 3453 3502 3535 3606 3727 3823 3849 3892 4017 4043 4047 4124 4142 4213 4248 4262 4279 4298

forecast 2912.966 2972.174 3031.382 3090.59 3149.798 3209.006 3268.214 3327.422 3386.63 3445.838 3505.046 3564.254 3623.462 3682.67 3741.878 3801.086 3860.294 3919.502 3978.71 4037.918 4097.126 4156.334 4215.542 4274.75 4333.958


Error -303.966 -344.174 -315.382 -334.59 -252.798 172.994 160.786 125.578 115.37 89.162 100.954 162.746 199.538 166.33 150.122 215.914 182.706 127.498 145.29 104.082 115.874 91.666 46.458 4.25 -35.958

|E.| 303.966 344.174 315.382 334.59 252.798 172.994 160.786 125.578 115.37 89.162 100.954 162.746 199.538 166.33 150.122 215.914 182.706 127.498 145.29 104.082 115.874 91.666 46.458 4.25 35.958

E.kuadrat 92395.3292 118455.742 99465.8059 111950.468 63906.8288 29926.924 25852.1378 15769.8341 13310.2369 7949.86224 10191.7101 26486.2605 39815.4134 27665.6689 22536.6149 46618.8554 33381.4824 16255.74 21109.1841 10833.0627 13426.7839 8402.65556 2158.34576 18.0625 1292.97776

PE -11.651% -13.096% -11.612% -12.140% -8.726% 5.115% 4.689% 3.637% 3.294% 2.522% 2.800% 4.367% 5.219% 4.321% 3.857% 5.375% 4.519% 3.150% 3.523% 2.513% 2.750% 2.158% 1.090% 0.099% -0.837%

|PE| 11.651% 13.096% 11.612% 12.140% 8.726% 5.115% 4.689% 3.637% 3.294% 2.522% 2.800% 4.367% 5.219% 4.321% 3.857% 5.375% 4.519% 3.150% 3.523% 2.513% 2.750% 2.158% 1.090% 0.099% 0.837%

74


Tabel 4.30 Perhitungan Manual Regresi (Lanjutan)

t 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62

Demand 4395 4406 4420 4539 4565 4605 4639 4717 4844 4908 4961 5010 5074 5094 5137 5188 5290 5304 5395 5434 5671 5766 5770

forecast 4393.166 4452.374 4511.582 4570.79 4629.998 4689.206 4748.414 4807.622 4866.83 4926.038 4985.246 5044.454 5103.662 5162.87 5222.078 5281.286 5340.494 5399.702 5458.91 5518.118 5577.326 5636.534 5695.742 5754.95 5814.158 5873.366 5932.574 5991.782 6050.99 6110.198 6169.406 6228.614 6287.822 6347.03 6406.238 6465.446 6524.654


Error 1.834 -46.374 -91.582 -31.79 -64.998 -84.206 -109.414 -90.622 -22.83 -18.038 -24.246 -34.454 -29.662 -68.87 -85.078 -93.286 -50.494 -95.702 -63.91 -84.118 93.674 129.466 74.258

|E.| 1.834 46.374 91.582 31.79 64.998 84.206 109.414 90.622 22.83 18.038 24.246 34.454 29.662 68.87 85.078 93.286 50.494 95.702 63.91 84.118 93.674 129.466 74.258

E.kuadrat 3.363556 2150.54788 8387.26272 1010.6041 4224.74 7090.65044 11971.4234 8212.34688 521.2089 325.369444 587.868516 1187.07812 879.834244 4743.0769 7238.26608 8702.2778 2549.64404 9158.8728 4084.4881 7075.83792 8774.81828 16761.4452 5514.25056

PE 0.042% -1.053% -2.072% -0.700% -1.424% -1.829% -2.359% -1.921% -0.471% -0.368% -0.489% -0.688% -0.585% -1.352% -1.656% -1.798% -0.955% -1.804% -1.185% -1.548% 1.652% 2.245% 1.287%

|PE| 0.042% 1.053% 2.072% 0.700% 1.424% 1.829% 2.359% 1.921% 0.471% 0.368% 0.489% 0.688% 0.585% 1.352% 1.656% 1.798% 0.955% 1.804% 1.185% 1.548% 1.652% 2.245% 1.287%

75


Tabel 4.30 Perhitungan Manual Regresi (Lanjutan)

t 63 64 65 66 67 68 69 70 71 72

Demand

forecast 6583.862 6643.07 6702.278 6761.486 6820.694 6879.902 6939.11 6998.318 7057.526 7116.734

Total Error

Error

|E.|

E.kuadrat

PE

|PE|

0.008

5553.092

980331.263

-12.091%

152.543%

Perhitungan pada Tabel :  Forecast

b= a=

:

𝑛.∑ 𝑥𝑦−(∑ 𝑥.∑ 𝑦) 𝑛.∑𝑥 2−(∑ 𝑥)²

∑ 𝑦 −𝑏.∑ 𝑥 𝑛

=

48 𝑥 5607345−(1176 𝑥 206609) 48 𝑥 38024−(1176)²

= 59.208

𝑥 1176) = 206609 −(59.208 = 2853.758 48

y = a + bt F(1) = y1 = 2853.758 + (59.208 x 1) = 2912.966  Error (1) : 2609-2912.966= -303.966  Sqr error : (-303.966)( -303.966) = 92395.33  | error⃒

: 303.966

 PE

:

 ⃒ PE ⃒

: 11.651%

−303.966 2609


= -11.651%

76


b. Software Tabel 4.31 Peramalan Metode Regresi Software

9/5/2016

Actual

Month 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34

Data 2609 2628 2716 2756 2897 3382 3429 3453 3502 3535 3606 3727 3823 3849 3892 4017 4043 4047 4124 4142 4213 4248 4262 4279 4298 4395 4406 4420 4539 4565 4605 4639 4717 4844

Forecast by LR 2912.964 2972.172 3031.381 3090.589 3149.797 3209.005 3268.213 3327.421 3386.629 3445.837 3505.045 3564.253 3623.461 3682.669 3741.877 3801.085 3860.293 3919.501 3978.709 4037.918 4097.125 4156.334 4215.542 4274.75 4333.958 4393.166 4452.374 4511.582 4570.79 4629.999 4689.207 4748.415 4807.623 4866.831


Forecast

CFE

MAD

MSE

MAPE (%)

Error -303.964 -344.172 -315.381 -334.589 -252.797 172.9954 160.7871 125.5791 115.3711 89.16309 100.9548 162.7468 199.5388 166.3308 150.1226 215.9146 182.7065 127.4985 145.2905 104.0823 115.8745 91.66602 46.45801 4.25 -35.958 1.833984 -46.374 -91.582 -31.79 -64.9985 -84.2065 -109.415 -90.6226 -22.8306

-303.964 -648.137 -963.517 -1298.11 -1550.9 -1377.91 -1217.12 -1091.54 -976.17 -887.007 -786.052 -623.305 -423.766 -257.436 -107.313 108.6016 291.3081 418.8066 564.0972 668.1794 784.054 875.72 922.178 926.428 890.47 892.304 845.9299 754.3479 722.5579 657.5593 573.3528 463.9382 373.3157 350.4851

303.9644 324.0684 321.1725 324.5265 310.1805 287.3163 269.2407 251.283 236.1817 221.4798 210.523 206.5417 206.003 203.1693 199.6328 200.6504 199.5949 195.5895 192.9422 188.4992 185.0409 180.7966 174.9558 167.843 162.5676 156.3856 152.3111 150.1422 146.0611 143.359 141.4509 140.4497 138.9398 135.5248

92394.33 105424.5 103438 105565.9 97233.91 86016.16 77421.35 69714.95 63447.79 57898.01 53561.09 51304.88 50421.1 48795.73 47045.13 47018.5 46216.34 44551.87 43318.05 41693.8 40347.76 38895.71 37298.43 35745.09 34367 33045.32 31901.07 31061.29 30025.06 29165.05 28452.98 27937.94 27340.19 26551.4

11.65061 12.37348 12.11964 12.12482 11.44509 10.3901 9.575666 8.833309 8.217878 7.64832 7.20753 6.970795 6.836074 6.656455 6.469839 6.401412 6.290687 6.116229 5.979746 5.806401 5.660877 5.501649 5.309841 5.092736 4.922491 4.734769 4.59839 4.508161 4.376858 4.278425 4.199398 4.141872 4.074578 3.9686

77


Tabel 4.31 Peramalan Metode Regresi Software (Lanjutan)

9/5/2016

Actual

35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69

4908 4961 5010 5074 5094 5137 5188 5290 5304 5395 5434 5671 5766 5770

Forecast Forecast by 4926.039 -18.0386 4985.247 -24.2466 5044.455 -34.4546 5103.663 -29.6626 5162.871 -68.8711 5222.079 -85.0791 5281.287 -93.2871 5340.495 -50.4951 5399.703 -95.7031 5458.911 -63.9111 5518.119 -84.1191 5577.327 93.67285 5636.536 129.4644 5695.744 74.25635 5754.952 5814.16 5873.368 5932.576 5991.784 6050.992 6110.2 6169.408 6228.616 6287.824 6347.032 6406.24 6465.448 6524.656 6583.864 6643.072 6702.281 6761.489 6820.697 6879.905 6939.113


CFE

MAD

MSE

332.4465 308.2 273.7454 244.0828 175.2117 90.13257 -3.15454 -53.6497 -149.353 -213.264 -297.383 -203.71 -74.2459 1.05E-02

132.1681 129.1703 126.6104 124.0591 122.644 121.7049 121.0118 119.3328 118.7833 117.5362 116.7936 116.291 116.5713 115.6897

25802.09 25101.69 24455.35 23834.94 23345.41 22942.74 22595.42 22118.14 21816.77 21413.76 21095.14 20827.31 20740.79 20423.57

MAPE (%) 3.865713 3.771908 3.688551 3.606868 3.549051 3.50173 3.460179 3.400521 3.3634 3.313883 3.274642 3.239362 3.218212 3.177977

78


Tabel 4.31 Peramalan Metode Regresi Software (Lanjutan)

9/5/2016

Actual

70 71 72

Forecast by 6998.321 7057.529 7116.737

Forecast

CFE

MAD

MSE

MAPE (%)

c. Grafik

Grafik regresi 8000 7000 6000 5000 4000 3000 2000 1000 0 1 4 7 10 13 16 19 22 25 28 31 34 37 40 43 46 49 52 55 58 61 64 67 70 Demand

Forecast

Gambar 4.22 Grafik Peramalan Regresi Manual

Gambar 4.23 Grafik Peramalan Regresi Software


79


d. Error 

Manual Tabel 4.32 Error metode Regresi

Error

Jumlah

MSE

20423.57

MAPE

3.178%

MPE

-0.252%

SSE

980331.3

ME

0.000167



 MAPE =  ME =

∑ |𝑃𝐸| 𝑛


=

=

48

152.543% 48

0.008

=

980331.3

48

= 20423.57

= 3.178%

= 0.000167

2

 SSE = ∑ 𝑒𝑟𝑟𝑜𝑟 = 980331.3  MPE = 

∑ 𝑃𝐸 𝑛

=

−12.091% 48

= -0.252%

Software Tabel 4.33 Error Metode Regresi Software


Error 1.05E-02 115.6897 20423.57 3.177977

 Metode ARIMA (Autoregressive Integrated Moving Average) A. Uji Stasioneritas  Level 0 1. H0 = data tidak bersifat autokolerasi 2. H1 = data bersifat autokolerasi 3. α = 0,01 Program Studi Teknik Industri Universitas Diponegoro 2016

80


4. Daerah kritis = 𝑝 𝑣𝑎𝑙𝑢𝑒 > 𝛼 5. Perhitungan :

Gambar 4.24 Uji Stasioner Level 0

6. Keputusan : Tolak Ho karena nilai 0,3174 > 0,01 7. Kesimpulan : Data peramalan bersifat autokolerasi  Level 1 1. H0 = data tidak bersifat autokolerasi 2. H1 = data bersifat autokolerasi 3. α = 0,05 4. Daerah kritis = 𝑝 𝑣𝑎𝑙𝑢𝑒 > 𝛼 5. Perhitungan :


81


Gambar 4.25 Uji Stasioner Level 1

6. Keputusan : Jangan tolak Ho karena nilai 0,0000 < 0,05 7. Kesimpulan : Data tidak bersifat autokolerasi B. Identifikasi ACF (Autocorrelation Fucntion) Dan Pacf (Partial Auto Correlation Function)

Gambar 4.26 Correlogram Level 1


82


C. Estimasi Parameter  Uji Hipotesis Parameter AR1MA1 Estimasi Parameter C 1. H0

: Parameter C signifikan

2. H1

: Parameter C tidak signifikan

3. α

: 0,05

4. Daerah kritis : p-value > α 5. Perhitungan :

Gambar 4.27 Uji hipotesis untuk parameter C (1,0,1)

6.

Keputusan : jangan tolak Ho karena 0,000 < 0,05

7.

Kesimpulan : Parameter C signifikan sehingga dapat dipakai.


83


Estimasi Parameter AR1 1.

H0

: Parameter AR1 signifikan

2.

H1

: Parameter AR1 tidak signifikan

3.

α

: 0,05

4.

Daerah kritis : p-value > α

5.

Perhitungan :

Gambar 4.28 Uji hipotesis untuk parameter AR(1)

6.

Keputusan : jangan tolak Ho karena 0,000 <0,05

7.

Kesimpulan : Parameter AR1 signifikan, sehingga AR(1) dapat dipakai.

Estimasi Parameter MA1 1.

H0

: Parameter MA1 signifikan

2.

H1

: Parameter MA1 tidak signifikan

3.

α

: 0,05

4.

Daerah kritis : p-value > α


84


5.

Perhitungan :

Gambar 4.29 Uji hipotesis untuk parameter MA(1)

6.

Keputusan : jangan tolak Ho karena 0,0000 < 0,05

7.

Kesimpulan : Parameter signifikan, sehingga MA(1) dapat dipakai.

D. Pemilihan Model ARIMA Berdasarkan hasil uji estimasi parameter yang sudah dilakukan, didapatkan model ARIMA Terpilih yaitu AR1MA1. E. Uji Residual  Uji Normalitas 1. H0 = Data residual berdistribusi normal 2. H1 = Data residual tidak berdistribusi normal 3. α = 0,05 4. Daerah Kritis : Nilai Jarque-Bera > 5,991 Nilai Probability < 0,05 Program Studi Teknik Industri Universitas Diponegoro 2016

85


5. Perhitungan :

Gambar 4.30 Grafik Normal Output EViews

6. Keputusan : Terima H0, Karena 4,701568 < 5,991; 0,095294 > 0,05 7. Kesimpulan : data residual berdistribusi normal  Uji Corellogram

Gambar 4.31 Uji Correlogram


86


Berdasarkan uji Correlogra, dari model ARIMA terbaik didapatkan gambar seperti diatas. Pada grafik terbeut tidak terjadi pelanggaran garis (lag signifikansi) baik pada grafik Autocorrelation dan Partial Correlation. Sehingga dapat disimpulkan bahwa model AR1MA1 dapat digunakan. F. Hasil Peramalan Tabel 4.34 Hasil Forecast ARIMA

Last updated: 09/03/16 - 13:35 Modified: 2012M10 2018M09 // ma1ar1.forecast(f=actual) forecast 2012M10 NA 2012M11 NA 2012M12 2633.405 2013M01 2749.047 2013M02 2779.067 2013M03 2875.59 2013M04 2920.46 2013M05 3005.449 2013M06 3059.277 2013M07 3137.308 2013M08 3196.541 2013M09 3270.374 2013M10 3332.867 2013M11 3404.168 2013M12 3468.628 2014M01 3538.402 2014M02 3604.048 2014M03 3672.9 2014M04 3739.262 2014M05 3807.558 2014M06 3874.352 2014M07 3942.312 2014M08 4009.367 2014M09 4077.125 2014M10 4144.337 2014M11 4211.973 2014M12 4279.279 2015M01 4346.842


87


Tabel 4.34 Hasil Forecast ARIMA (Lanjutan)

Last updated: 09/03/16 - 13:35 Modified: 2012M10 2018M09 // ma1ar1.forecast(f=actual) forecast 2015M02 4414.205 2015M03 4481.724 2015M04 4549.122 2015M05 4616.613 2015M06 4684.032 2015M07 4751.507 2015M08 4818.939 2015M09 4886.404 2015M10 4953.843 2015M11 5021.303 2015M12 5088.746 2016M01 5156.202 2016M02 5223.648 2016M03 5291.102 2016M04 5358.55 2016M05 5426.003 2016M06 5493.452 2016M07 5560.904 2016M08 5628.353 2016M09 5695.805 2016M10 5763.255 2016M11 5830.706 2016M12 5898.156 2017M01 5965.607 2017M02 6033.057 2017M03 6100.508 2017M04 6167.958 2017M05 6235.409 2017M06 6302.859 2017M07 6370.31 2017M08 6437.76 2017M09 6505.211 2017M10 6572.662 2017M11 6640.112 2017M12 6707.563


88


Tabel 4.34 Hasil Forecast ARIMA (Lanjutan)

Last updated: 09/03/16 - 13:35 Modified: 2012M10 2018M09 // ma1ar1.forecast(f=actual) forecast 2018M01 6775.013 2018M02 6842.464 2018M03 6909.914 2018M04 6977.365 2018M05 7044.816 2018M06 7112.266 2018M07 7179.717 2018M08 7247.167 2018M09 7314.618

Gambar 4.32 Grafik Forecast ARIMA Output EViews


89


G. Perhitungan Error Tabel 4.35 Perhitungan Error ARIMA

Metode MSE ME SSE MPE MAPE

Error 17942337.03 199.8175 825347503.4 5.146698092 5.311000656



 MAPE =  ME =

∑ |𝑃𝐸| 𝑛


= 17942337.03

= 5.311000656

= 199.8175 2

 SSE = ∑ 𝑒𝑟𝑟𝑜𝑟 = 825347503.4  MPE = 4.2.4

∑ 𝑃𝐸 𝑛

= 5.146698092

Verifikasi Dibawah ini merupakan tabel rekap dari hasil verifikasi terhadap 5 metode

peramalan data konstan dan data linier: Tabel 4.36 Rekap Verifikasi Data Konstan

MSE MPE MAPE ME SSE 3 SMA 1707082.035 -1.364 11.1474 6.79 76818691.56 5 SMA 1625526.94 -0.276 10.598 114.35 69450224.72 3 WMA 1755199.746 -1.4649447 11.2671996 -3.9231111 78983988.56 5 WMA 1677277.462 -1.31 10.92 17.073488 72122930.87 CMA 757932.83 -1.01756 7.58880 -11.530 35622843 Tabel 4.37 Rekap Verifikasi Data Linier

MSE MPE MAPE ME SSE DES 40942.95915 4.209555623 4.20955562 174.50375 1924319.08 SEST 10331.64 1.65 1.65 67.25532 485587 DEST 7675.876 0.1957557 1.3839 6.044724 360766.2 Regresi 20423.57 -0.252 3.178 0.000167 980331.3 ARIMA 17942337.03 5.146698 5.31100066 199.8175 825347503.4 Program Studi Teknik Industri Universitas Diponegoro 2016

90


4.2.5

Validasi

 Data Pola Konstan  Uji T Uji Hipotesis 1. H0 : 1 = 2 (Hasil demand dan peramalan memepunyai rataan yang sama) 2. H1 : 1 ≠2 (Hasil demand dan peramalan mempunyai rataan yang berbeda) 3. α = 0,05 4. Daerah kritis : t hitung < t tabel dan t hitung > t tabel t hitung < - 2.011740514 dan t hitung > 2.011740514 5. Perhitungan : Tabel 4.38 Uji T Data Pola Konstan

t-Test: Paired Two Sample for Means

Mean Variance Observations Pearson Correlation Hypothesized Mean Difference df t Stat P(T<=t) one-tail t Critical one-tail P(T<=t) two-tail t Critical two-tail

6. Keputusan

Variable 1 9558.479167 1302133.063 48 0.379028999 0 47 0.771943596 0.222006043 1.677926722 0.444012087 2.011740514

Variable 2 9387.3125 2397146.357 48

: Jangan tolak Ho, karena t hitung < dari t tabel yakni 0.4771943 <

2.011740514 7. Kesimpulan : Antara demand dan hasil

peramalan pada metode DEST

mempunyai rataan yang sama.


91


 Tracking Signal Tabel 4.39 Perhitungan tracking signal

Periode

X(t)

F(t)

Error

RSFE

Kumulatif Absolut Error

MAD

Tracking Signal

cl

ucl

lcl

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34

8778 9572 8884 8397 8868 10258 9548 9222 8936 10997 11832 10442 10697 10449 8947 10273 9052 8561 10780 10099 10485 8230 8423 7369 9284 10211 8717 9051 11599 9841 11277 9587 10528 10164

9078 8951 8716.333 9174.333 9558 9676 9235.333 9718.333 10588.33 11090.33 10990.33 10529.33 10031 9889.667 9424 9295.333 9464.333 9813.333 10454.67 9604.667 9046 8007.333 8358.667 8954.667 9404 9326.333 9789 10163.67 10905.67 10235 10464 10093 10125.33

494.00000 -67.00000 -319.33333 -306.33333 700.00000 -128.00000 -13.33333 -782.33333 408.66667 741.66667 -548.33333 167.66667 418.00000 -942.66667 849.00000 -243.33333 -903.33333 966.66667 -355.66667 880.33333 -816.00000 415.66667 -989.66667 329.33333 807.00000 -609.33333 -738.00000 1435.33333 -1064.66667 1042.00000 -877.00000 435.00000 38.66667

494.00000 427.00000 107.66667 -198.66667 501.33333 373.33333 360.00000 -422.33333 -13.66667 728.00000 179.66667 347.33333 765.33333 -177.33333 671.66667 428.33333 -475.00000 491.66667 136.00000 1016.33333 200.33333 616.00000 -373.66667 -44.33333 762.66667 153.33333 -584.66667 850.66667 -214.00000 828.00000 -49.00000 386.00000 424.66667

494.00000 561.00000 880.33333 1186.66667 1886.66667 2014.66667 2028.00000 2810.33333 3219.00000 3960.66667 4509.00000 4676.66667 5094.66667 6037.33333 6886.33333 7129.66667 8033.00000 8999.66667 9355.33333 10235.66667 11051.66667 11467.33333 12457.00000 12786.33333 13593.33333 14202.66667 14940.66667 16376.00000 17440.66667 18482.66667 19359.66667 19794.66667 19833.33333

494.00000 280.50000 293.44444 296.66667 377.33333 335.77778 289.71429 351.29167 357.66667 396.06667 409.90909 389.72222 391.89744 431.23810 459.08889 445.60417 472.52941 499.98148 492.38596 511.78333 526.26984 521.24242 541.60870 532.76389 543.73333 546.25641 553.35802 584.85714 601.40230 616.08889 624.50538 618.58333 601.01010

1.00000 1.52228 0.36691 -0.66966 1.32862 1.11185 1.24260 -1.20223 -0.03821 1.83807 0.43831 0.89123 1.95289 -0.41122 1.46304 0.96124 -1.00523 0.98337 0.27621 1.98587 0.38067 1.18179 -0.68992 -0.08321 1.40265 0.28070 -1.05658 1.45449 -0.35584 1.34396 -0.07846 0.62401 0.70659

0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4 4

-4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4


92


Tabel 4.39 Perhitungan tracking signal (Lanjutan)

Periode

X(t)

F(t)

Error

35 36 37 38 39 40 41 42 43 44 45 46 47 48

9684 8572 9088 8903 8791 7279 10931 9197 11469 9340 7260 10146 11103 7706

9473.333 9114.667 8854.333 8927.333 8324.333 9000.333 9135.667 10532.33 10002 9356.333 8915.333 9503 9651.667 9651.667

210.66667 -542.66667 233.66667 -24.33333 466.66667 -1721.33333 1795.33333 -1335.33333 1467.00000 -16.33333 -1655.33333 643.00000 1451.33333 -1945.66667

Kumulatif Absolut Error 635.33333 20044.00000 92.66667 20586.66667 326.33333 20820.33333 302.00000 20844.66667 768.66667 21311.33333 -952.66667 23032.66667 842.66667 24828.00000 -492.66667 26163.33333 974.33333 27630.33333 958.00000 27646.66667 -697.33333 29302.00000 -54.33333 29945.00000 1397.00000 31396.33333 -548.66667 33342.00000

MAD

Tracking Signal

cl

ucl

lcl

589.52941 588.19048 578.34259 563.36937 560.82456 590.58120 620.70000 638.13008 657.86508 642.94574 665.95455 665.44444 682.52899 709.40426

1.07770 0.15755 0.56426 0.53606 1.37060 -1.61310 1.35761 -0.77205 1.48105 1.49002 -1.04712 -0.08165 2.04680 -0.77342

0 0 0 0 0 0 0 0 0 0 0 0 0 0

4 4 4 4 4 4 4 4 4 4 4 4 4 4

-4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4 -4

RSFE

Contoh Perhitungan (data ke 3): 

Error = 8884 – 8951 = -67



RSFE = Errorn + Error(n-1) + Error(n-2) -… = 494 - 67 = 427



Kumulatif absolut error = |Errorn| + |Error(n-1)| + Error(n-2)| -… =494 + 67 = 561



MAD =



Tracking Signal =

|Errorn| + |Error(n−1)| + Error(n−2)| −⋯ 𝑛 𝑅𝑆𝐹𝐸 𝑀𝐴𝐷


561

=

2

= 280.5

427

=280.5 = 1.52228

93


Grafik Tracking Signal 6.00000 4.00000 2.00000 0.00000 -2.00000

1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47

-4.00000 -6.00000 Tracking Signal

cl

ucl

lcl

Gambar 4.33 Grafik tracking signal

 Data Pola Linier  Uji T Uji Hipotesis 1.

H0 : 1 = 2 (Hasil demand dan peramalan memepunyai rataan yang sama)

2.

H1 : 1 ≠2 (Hasil demand dan peramalan mempunyai rataan yang berbeda)

3.

α = 0,05

4.

Daerah kritis : t hitung < t tabel dan t hitung > t tabel t hitung < - 2.011740514 dan t hitung > 2.011740514

5.

Perhitungan : Tabel 4.40 Uji T Data Pola Linier

t-Test: Paired Two Sample for Means

Mean Variance Observations Pearson Correlation Hypothesized Mean Difference df t Stat P(T<=t) one-tail


Variable 1 4304.354167 707954.2336 48 0.933860768 0 47 1.082559733 0.142263393

Variable 2 4244.081208 1054905.684 48

94


t Critical one-tail P(T<=t) two-tail t Critical two-tail

6.

1.677926722 0.284526785 2.011740514

Keputusan : Jangan tolak Ho, karena t hitung < dari t tabel yakni 1.082559733< 2.011740514

7.

Kesimpulan : Antara demand dan hasil

peramalan pada metode DEST

mempunyai rataan yang sama.  Moving Range Tabel 4.41 Perhitungan Moving Range

t 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24

Demand 2609 2628 2716 2756 2897 3382 3429 3453 3502 3535 3606 3727 3823 3849 3892 4017 4043 4047 4124 4142 4213 4248 4262 4279


F(t) 0 2609 2629.672 2729.22 2789.527 2945.553 3491.308 3623.578 3619.611 3622.792 3623.611 3674.806 3796.737 3905.901 3932.355 3959.972 4081.599 4116.061 4105.957 4170.185 4189.456 4256.667 4295.8 4305.024

Error 0 19 86.328 26.78035 107.473 436.4468 -62.3081 -170.578 -117.611 -87.7919 -17.6107 52.19416 26.26297 -56.9012 -40.3549 57.02812 -38.5991 -69.0606 18.04289 -28.1847 23.54378 -8.66745 -33.8003 -26.0236

MR

|MR|

19 67.328 -59.5476 80.69263 328.9738 -498.755 -108.27 52.96695 29.81906 70.18125 69.80484 -25.9312 -83.1642 16.54629 97.38304 -95.6272 -30.4615 87.10348 -46.2276 51.72849 -32.2112 -25.1329 7.776704

19 67.328 59.54765 80.69263 328.9738 498.7548 108.2699 52.96695 29.81906 70.18125 69.80484 25.93119 83.16419 16.54629 97.38304 95.62723 30.46148 87.10348 46.22759 51.72849 32.21124 25.13286 7.776704

95


Tabel 4.41 Perhitungan Moving Range (Lanjutan)

t 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48

Demand 4298 4395 4406 4420 4539 4565 4605 4639 4717 4844 4908 4961 5010 5074 5094 5137 5188 5290 5304 5395 5434 5671 5766 5770

F(t) 4312.705 4325 4425.102 4448.977 4456.455 4576.693 4618.829 4655.18 4684.881 4762.343 4903.207 4984.609 5036.528 5078.284 5136.391 5151.77 5184.655 5232.879 5340.601 5363.257 5449.44 5493.682 5743.075 5876.963

Error -14.7052 70.00007 -19.1022 -28.9767 82.54526 -11.6934 -13.8285 -16.1801 32.11916 81.65711 4.792555 -23.6086 -26.5276 -4.28411 -42.3911 -14.7698 3.344547 57.1214 -36.6007 31.74254 -15.4402 177.3181 22.9247 -106.963

MR 11.31838 84.70531 -89.1023 -9.87454 111.522 -94.2387 -2.13511 -2.35161 48.2993 49.53795 -76.8646 -28.4012 -2.91898 22.24352 -38.1069 27.62123 18.11437 53.77686 -93.7221 68.34327 -47.1827 192.7583 -154.393 -129.888

|MR| 11.31838 84.70531 89.10226 9.874543 111.522 94.23868 2.135109 2.351606 48.2993 49.53795 76.86456 28.4012 2.918984 22.24352 38.10695 27.62123 18.11437 53.77686 93.72214 68.34327 47.18273 192.7583 154.3934 129.8882

Contoh Perhitungan: 

Peramalan : F(t)1 St = α.X(t) + (1-α).St-1 S2 = 0.544 (2628) + (1 - 0.544).(2609) = 2619,336 Bt = α . St + (1- α) Bt-1 B2 = 0.544 (2619,336) + (1 - 0.544)2609 = 2614,623 α

Ft = ((2*St-1) - Bt-1) + ((1− α ))𝑥((St-1)-( Bt-1)) 0,544

F2 = ((2*2609)-2609 + ((1− 0.544))𝑥((2609)-(2609)) = 2609 Program Studi Teknik Industri Universitas Diponegoro 2016

96


Error2 = X2 – F2 = 2628 – 2609 = 19 MR2 = Error 2 – Error 1 = 19 – 0 = 19 Rata – Rata =

3442,1

= 73,235181

47

∑𝑛 𝑖=1 │𝑀𝑅 │



UCL = 2,66 x



LCL = -2,66 x



RA + = 1,77 x



RA - = -1,77 x



RB + = 0,89 x



RB- = -0,89 x

𝑛 ∑𝑛 𝑖=1 │𝑀𝑅 │ 𝑛 ∑𝑛 𝑖=1 │𝑀𝑅 │ 𝑛

= 2,66 x 73,235181 = 194,805 = -2,66 x 73,235181= -194,805 = 1,77 x 73,235181= 129,6262

∑𝑛 𝑖=1 │𝑀𝑅 │ 𝑛 ∑𝑛 𝑖=1 │𝑀𝑅 │ 𝑛 ∑𝑛 𝑖=1 │𝑀𝑅 │ 𝑛

= REG A- = -1,77 x 73,235181= -129,6262

= 0,89 x 73,235181= 65,179 = -0,89 x 73,235181= -65,179

MOVING RANGE DEST 500 400 300 200 100 0 -100

1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47

-200 -300

t

Error

UCL

LCL

RA+

RA-

RB+

RB-

Gambar 4.34 Grafik Moving Range DEST


97


4.2.6

Hasil Peramalan Dibawah ini merupakan tabel rekap hasil peramalan segmen koleksi, style dan

anak-anak menggunakan metode yang sudah ditentukan: Tabel 4.42 Hasil Peramalan Keseluruhan

Periode

Data Pola Konstan

Data Pola Linier

49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 Total

9651.667 9651.667 9651.667 9651.667 9651.667 9651.667 9651.667 9651.667 9651.667 9651.667 9651.667 9651.667 9651.667 9651.667 9651.667 9651.667 9651.667 9651.667 9651.667 9651.667 9651.667 9651.667 9651.667 9651.667 231640

5876.318 5960.394 6044.47 6128.546 6212.622 6296.698 6380.774 6464.85 6548.926 6633.002 6717.078 6801.154 6885.23 6969.306 7053.382 7137.458 7221.534 7305.61 7389.686 7473.762 7557.838 7641.914 7725.99 7810.066 164236.6

Tabel 4.43 Persentase Data Konstan

Segmen Koleksi Anak-anak Program Studi Teknik Industri Universitas Diponegoro 2016

Total Persentase 233236 50,83% 225571

49,17%

98


Tabel 4.44 Hasil Peramalan Per-Unit Produk

Periode

Koleksi

Anak-anak

Style

49

4905.9422

4745.7245

5876.318

50

4905.9422

4745.7245

5960.394

4905.9422 4745.7245 4905.9422 4745.7245 4905.9422 4745.7245 4905.9422 4745.7245 4905.9422 4745.7245 4905.9422 4745.7245 4905.9422 4745.7245 4905.9422 4745.7245 4905.9422 4745.7245 4905.9422 4745.7245 4905.9422 4745.7245 4905.9422 4745.7245 4905.9422 4745.7245 4905.9422 4745.7245 4905.9422 4745.7245 4905.9422 4745.7245 4905.9422 4745.7245 4905.9422 4745.7245 4905.9422 4745.7245 4905.9422 4745.7245 4905.9422 4745.7245 4905.9422 4745.7245 117742.61 113897.388

6044.47 6128.546 6212.622 6296.698 6380.774 6464.85 6548.926 6633.002 6717.078 6801.154 6885.23 6969.306 7053.382 7137.458 7221.534 7305.61 7389.686 7473.762 7557.838 7641.914 7725.99 7810.066 164236.6

51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 Total


99


BAB V ANALISIS 5.1

Analisis Pola Data Konstan

5.1.1

Analisis Semua Metode Peramalan

a. SMA Pada peramalan segmen koleksi dan anak-anak digunakan metode peramalan 3 SMA dan 5 SMA. Hal ini dikarenakan tipe data kedua segmen tersebut ialah konstan. Pada metode ini, saat data observasi baru tersedia, maka angka-angka baru dihitung dan digunakan untuk peramalan periode yang akan datang. Angka-angka baru dihitung dengan merata-ratakan nilai data. Sehingga, pada metode 3 SMA peramalan dimulai untuk periode keempat. Hal ini dilakukan dengan cara merata-ratakan data historis periode pertama sampai ketiga. Sedangkan untuk metode 5 SMA peramalan dilakukan untuk periode keenam, hal ini dilakukan dengan cara merata-ratakan periode pertama hingga kelima. Perhitungan dilakukan dengan dua cara, yaitu perhitungan manual dan perhitungan software Minitab. Peramalan dilakukan untuk 24 bulan kedepan. Pada metode 3 SMA menghasilkan 9651.67 dan pada metode 5 SMA menghasilkan peramalan sebesar 9982.8. Angka peramalan yang dihasilkan oleh perhitungan manual dan Minitab sama. Namun, terdapat perbedaan kecil pada hasil perhitungan error manual dan software. Hal ini disebabkan oleh adanya perbedaan pembulatan. Dibawah ini merupakan tabel hasil perhitungan kedua metode dengan perhitungan manual dan software Minitab: Tabel 5.1 Perbandingan Error Manual dan Sofware Metode SMA

3 SMA

5 SMA

Manual

Minitab

Manual

Minitab

ME

6.79

-

114.3534

-

MSE

1707082.035

-

1625526.941

-

SSE

76818691.56

-

69450224.72

-

MPE

-1.3638

-

-0.2760674

-

MAPE

11.1474

11

10.5978

11


100


b. WMA Metode WMA (Weighted Moving Average) untuk perhitungan di laporan ini menggunakan T=3 dan T=5. Pada perhitungan WMA ini digunakan pembobotan di setiap periode waktu yang berbeda, hal ini dikarenakan semakin jauh periode saat sekarang dengan periode yang akan kita ramal maka bobot peramalan akan semakin kecil pula, berbeda dengan periode yang berdekatan maka pengaruh yang ditimbulkan akan semakin besar pula pada peramalan maka dari itu bobotnya semakin besar. Bobot untuk metode 3WMA ini adalah 0,17; 0,33; 0,50 dan untuk metode 5 WMA ialah 0,33; 0,27; 0,2; 0,13; 0,07 yang pada akhirnya jika dijumlahkan hasilnya adalah 1. Dari perhitungan manual dan software yang telah dilakukan untuk 3WMA diperoleh angka 9241,81 dan 5 WMA diperoleh angka 9167,59 yang berlaku untuk 24 bulan kedepan. Dibawah ini merupakan tabel perbandingan error antara perhitungan manual dan software. Tabel 5.2 Perbandingan Error Manual dan Sofware Metode WMA

3 WMA

5 WMA

Manual

Winqsb

Manual

Winqsb

ME

-3.92311

-

17.07349

-

MSE

1755199.74

1755200

1677277.4

1677278

SSE

78983988.56

-

72122930.87

-

MPE

-1.46494

-

-1.31

-

MAPE

11.2671

11.2672

10.92

10.91709

c. 3 CMA Metode Centered Moving Average adalah metode yang paling baik karena metode ini memperhatikan data permintaan masa lampau dan juga data permintaan yang akan datang. Metode Centered Moving Average mempunyai tujuan untuk melakukan peramalan permintaan yang berupa data konstan. Pada modul ini, data yang digunakan untuk metode Centered Moving Average adalah data konstan, yaitu Koleksi dan Anak-anak. Perhitungan dilakukan dengan jenis periode 3 CMA. Perhitungan dilakukan dengan dua cara, yaitu perhitungan manual dan perhitungan software Program Studi Teknik Industri Universitas Diponegoro 2016

101


Minitab. Pada perhitungan manual, periode yang dimasukan adalah T=3. Perhitungan dilakukan dengan merata-rata data permintaan sesuai periode yang diminta. Misalnya untuk T=3, maka data permintaan dari x1 sampai x3 dijumlahkan lalu dibagi dengan 3 dan hasil perhitugan kemudian diletakkan pada periode ke 2 karena periode kedua merupakan pertengahan antara periode 1 sampai 3. Hasil yang diperoleh dengan perhitungan manual maupun software memiliki hasil yang sama, dimana peramalan yang didapat adalah 9651,67. Dibawah ini merupakan perbandingan error antara perhitungan manual dan software. Tabel 5.3 Perbandingan Error Manual dan Sofware Metode CMA

3 CMA

5.1.2

Manual

Minitab

ME

-11.53

-

MSE

757932.83

-

SSE

35622843

-

MPE

-1.017562

-

MAPE

7.5888

8

Analisis Metode Terpilih Dari beberapa metode yang ada seperti, CMA, WMA dan SMA akan didapat hasil

eror terkecil. Metode perhitungan error yang dipilih ialah metode MAPE. Hal ini dikarenakan hasil yang dinyatakan MAPE berbentuk persentase kesalahan antara permintaan dan hasil peramalan yang membantu dalam melihat apakah kesalahan terlalu rendah atau tinggi. Berdasarkan perhitungan dan pengujian yang telah dilakukan diatas, diperoleh nilai error terkecil pada MAPE yaitu sebanyak 7,587 pada CMA. Selain itu pada metode 3CMA memiliki kelebihan yaitu melihat demand periode sebelumnya dan demand periode selanjutnya. Sehingga data yang di hasilkan akan lebih akurat di bandingkan metode yang lain. 5.1.3

Analisis Validasi Setelah menentukan metode terbaik maka diadakan validasi data guna mengetahui

apakah terdapat perbedaan rataan dan variansi pada hasil pengolahan data. Dari hasil Program Studi Teknik Industri Universitas Diponegoro 2016

102


perhitungan pengolahan data diketahui metode terbaik adalah CMA. Untuk melakukan validasi data digunakan beberapa uji, yaitu menggunakan peta kendali Tracking Signal, Uji-T. Tracking signal digunakan untuk memvalidasi peramalan yang telah dilakukan. Metode peramalan yang akan divalidasi adalah metode 3 CMA. Hal ini dengan melihat pergerakan nilai tracking signal yang didapatkan dari hasil RSFE dibagi dengan MAD. Pergerakan nilai tracking signal dalam kasus ini tidak ada yang melewati batas atas dan batas bawah yang telah ditentukan. Batas atas tracking signal adalah 4 dan batas bawahnya adalah -4. Dikarenakan tidak ada satupun hasil yang melewati batas atas maupun batas bawah, maka hasil peramalan dengan metode CMA lolos uji validasi dengan metode tracking signal. Pada uji T juga menunjukan bahwa hasil forecast metode CMA valid karena t hitung < t tabel yakni 0.4771 < 2.0117. 5.2

Analisis Pola Data Linier

5.2.1

Analisis Semua Metode Peramalan

a. DES Peramalan dengan menggunakan metode DES digunakan untuk peramalan data jangka pendek misalkan pengolahan pada data tanpa trend atau faktor musiman. Metode DES menggunakan nilai alfa. Nilai alfa didapatkan dari software e-views, dimana dengan menggunakan nilai data permintaan masa lalu selama 48 periode diperoleh α=0.544. Rumus untuk menghitung peramalan dengan metode Double Exponential Smoothing adalah S(t) = α.x(t-1) + (1-α).S(t-1) dan F’(t) = α.S(t) + (1α).F’(t-1) dengan input yang digunakan adalah permintaan dari data asli 48 periode . Perbedaannya dengan metode Single Exponential Smoothing adalah jika metode Double Exponential Smoothing dilakukan 2 kali peramalan, sedangkan pada metode Single Exponential Smoothing hanya menggunakan 1 langkah peramalan saja. Yaitu mencari S’ dengan cara mengalikan 0,544 (alfa) dengan permintaan sebelumnya lalu dijumlahkan dengan 0,456 (1 minus alfa) dikalikan dengan hasil S’ sebelumnya. Perhitungan dilakukan dengan dua cara, Selain pengolahan data manual dengan

menggunakan Software Microsoft Excel, pengolahan data juga dilakukan dengan menggunakan Software Winqsb. Dari kedua perhitungan ini didapatkan hasil yang Program Studi Teknik Industri Universitas Diponegoro 2016

103


sama untuk peramalan 24 periode kedepan yaitu 5651,29. Dibawah ini ialah perbandingan error antara perhitungan manual dan software. Tabel 5.4 Perbandingan Error Manual dan Sofware Metode DES

DES MSE MAPE MPE SSE ME

Manual 40942.96 4.21 4.21 1924319.08 174.50

Winqsb 40942.94 4.2095 -

b. SEST Dari perhitungan peramalan yang telah dilakukan dengan menggunakan metode eksponensial smoothing, maka diketahui hasil peramalan untuk 24 periode kedepan. Pada perhitungan dengan metode eksponensial smoothing, digunakan nilai alpha (parameter yang digunakan sebagai penghalus untuk data) dan beta (merupakan parameter penghalus trend). Nilai alpha dan beta sudah ditentukan dengan mencari melalui software EViews dimana alpha =1 dan beta = 0. Pada perhitungan SEST, parameter yang dihitung terlebih dahulu adalah St = α.X(t) + (1-α).(St-1+Bt-1) dan Bt = β (St - St-1) + (1-β) Bt-1, setelah itu baru didapatkan hasil peramalan (Ft) dari hasil penjumlahan St dan Bt , sejajar dengan periodenya masing-masing. Setelah itu, didapatkan error dari metode tersebut. Berdasrkan hasil perhitungan manual dan software menghasilkan ouput yang sama yaitu 5770. Berikut ini merupakan error dari metode SEST secara manual dan dengan bantuan software Tabel 5.5 Perbandingan Error Manual dan Sofware Metode SEST

Metode MSE MPE MAPE ME SSE Program Studi Teknik Industri Universitas Diponegoro 2016

SEST Winqsb Manual 10331.64 10331.64 1,65 1.649 1,65 67.25532 485587

104


Hasil peramalan dari perhitungan manual dan output software dari SEST ini menunjukkan nilai yang sama, namun jika suatu ada perbedaan hanyalah sebatas di pembulatan saja. c. DEST Metode

peramalan Double Exponential Smoothing with Trend merupakan

peramalan dengan konsep penerapan parameter α sebagai dasar pertimbangan agar setiap hasil peramalan sudah diberikan faktor penyesuaian setiap tingkat kesalahan dan berfungsi untuk menghaluskan nilai fluktuatif data secara mendatar. Dari perhitungan peramalan yang telah dilakukan didapat data peramalan sebanyak 24 periode kedepan. Dalam perhitungan ini nilai parameter α =0.544 Perhitungan pada metode ini dilakukan dengan dua cara yaitu perhitungan manual dan perhitungan software WinQSB. Pada perhitungan manual yang dihitung terlebih dahulu ialah S(t) dan B(t) setelah itu baru dicari nilai peramalannya. Hasil perhitungan manual dan software sama jika ada perbedaan itu hanya terletak pada fungsi pembulatan. Berikut merupakan tabel perbandingan error dari perhitungan manual dan software. Tabel 5.6 Perbandingan Error Manual dan Sofware Metode DEST

MSE MPE

DEST Manual Winqsb 7675,876 7675,88 0,1957557 -

MAPE

1,3839

1.384

ME

6,044724

-

SSE

360766,2

-

d. Regresi Peramalan dengan metode Regresi Linier bertujuan untuk mendapatkan model regresi yang dapat digunakan untuk peramalan. Persamaan yang diperoleh dari metode ini adalah Y = 2853.758 + 59.208 X. Untuk mencari persamaan ini digunakan rumus intersep dan slope. Peramalan dilakukan dengan mengganti variabel X dengan periode yang ingin diramal. Peramalan dilakukan untuk 24 bulan selanjutnya. Selain Program Studi Teknik Industri Universitas Diponegoro 2016

105


itu untuk perhitungan menggunakan software, digunakan software Winqsb. Hasil peramalan tidak berbeda jauh dengan hasil perhitungan manual. Hasil error didapatkan dari demand dikurangi dengan hasil peramalan. Untuk hasil error baik manual maupun software juga tidak begitu jauh. Perbedaan yang terjadi hanya dari hasil pembulatan saja. Tabel 5.7 Perbandingan Error Manual dan Sofware Metode Regresi

MSE MAPE MPE SSE ME

Regresi Manual Winqsb 20423.57 720423.57 3.18 3.178 -0.252% 980331.3 0.000167

e. ARIMA Metode ARIMA dikerjakan melalui software EViews. Sebelum melakukan peramalan dibutuhkan beberapa tahap, yaitu uji stasioneritas dan pencarian model correlogram. Melalui uji signifikansi didapatkan AR1MA1 sebagai model ARIMA. Setelah itu dilakukan uji residual pada ARIMA yang harus memenuhi dua syarat yaitu nilai Jaque-Bera < 5,991 dan probability > 0,05. Pada uji ini menghasilkan data residual bersifat normal karena 4,701568 < 5,991; 0,095294 > 0,05. Sedangkan, untuk uji correlogram juga menunjukan tidak terjadi pelanggaran garis untuk semua lag, baik garis autocorrelation maupun partial correlation. 5.2.2

Analisis Metode Terpilih Dari beberapa metode yaitu DES, SEST, DEST, Regresi Linear, dan ARIMA akan

didapat hasil eror terkecil dengan pola linear. Metode dengan eror terkecil merupakan metode terbaik. Nilai error yang dijadikan acuan disini adalah nilai DEST karena pada penghitungan error merupakan nilai yang paling terkecil sebesar 1.3839 dan dipilih sebagai metode terbaik untuk melakukan forecasting dengan pola data linier.


106


5.2.3

Analisis Validasi Setelah menentukan metode terbaik maka diadakan validasi data guna mengetahui

apakah terdapat perbedaan rataan dan variansi pada hasil pengolahan data. Dari hasil perhitungan pengolahan data diketahui metode terbaik adalah CMA. Untuk melakukan validasi data digunakan beberapa uji, yaitu menggunakan peta kendali Moving Range, Uji-T. Pada metode Moving Range ditemukan bahwa UCL adalah sebesar 194,8 dan LCL adalah -194,8. Namun, pada hasilnya ditemukan 1 nilai yang berada diluar garis UCL dan LCL. Namun, pada uji T menunjukan bahwa hasil forecast metode DEST valid karena t hitung < dari t tabel yakni 1.082559733< 2.011740514.


107


BAB VI PENUTUP 6.1

Kesimpulan Berdasarkan pembahasan diatas dapat disimpulkan hal - hal sebagai berikut :

1. Forecasting dalam bidang industri diposisikan sebagai suatu metode pendukung proses pengambilan keputusan, dimana perusahaan dapat memprediksi permintaan konsumen terhadap produk dari perusahaan tersebut dengan berbagai metode guna memudahkan penentuan jumlah produk yang akan diproduksi. Teknik peramalan ini bertujuan untuk mengoptimalkan kapasitas produksi sehingga dapat memaksimalkan keuntungan dan meminimalkan biaya inventory. 2. Sifat data yang didapat, dicocokan dengan metode peramalan yang akan dilakukan. Metode SMA, WMA, dan CMA merupakan metode yang digunakan di dalam praktikum ini untuk plot data konstan. Metode SEST, DEST, DES, Regresi Linear dan ARIMA adalah metode yang digunakan untuk plot data linear. Metode 3 CMA untuk data konstan dan DEST untuk data linier terpilih sebagai metode yang terbaik. Selanjutnya dilakukan perhitungan error yang mencakup perhitungan MSE, MPE, MAPE, ME, SSE. 3. Setiap

metode

peramalan

yang

digunakan

mempunyai

kelebihan

dan

kekurangannya masing-masing, begitu pula dengan perhitungan error-nya. Pada pola data konstan, metode terbaik yang dapat digunakan adalah metode CMA, karena perhitungan metode peramalan tersebut melibatkan data di masa lampau dan di masa depan. Pada pola data linear, metode terbaik yang dapat digunakan adalah metode DEST karena metode ini menyesuaikan trend yang ada dalam plot datanya. Sedangkan metode perhitungan error terbaik adalah metode MAPE, karena metode ini memutlakan selisih data sebenarnya dengan peramalan, sehingga tidak ada kesalahan perhitungan dalam penjumlahan total maupun perkalian dengan hasil yang keluar adalah dalam bentuk persen. 4. Metode yang diimplimentasikan dalam peramalan di bidang industri ialah metode yang terbaik yaitu metode yang dipilih yang memiliki nilai error MAPE terkecil, baik itu untuk data konstan ataupun linier. Metode peramalan dengan nilai error Program Studi Teknik Industri Universitas Diponegoro 2016

108


terkecil ialah metode 3 CMA pada data konstan dan DEST pada data linier karena keduanya memiliki nilai error terkecil jika dibandingkan dengan metode lainnya. Metode terbaik digunakan sebagai metode peramalan yang digunakan untuk meramalkan demand mendatang berdasar data demand historis. 6.2

Saran Berikut merupakan saran untuk Praktikum Perancangan Teknik Industri Modul 1

Forecasting: 1. Praktikan harus memahami terlebih dahulu proses dan tahap-tahap dalam melakukan peramalan 2. Praktikan harus teliti dalam melakukan perhitungan manual maupun software 3. Praktikan harus memahami konsep dan proses perhitungan metode-metode peramalan dan perhitungan error baik yang dilakukan secara manual maupun menggunakan software seperti Minitab, WinQsb, dan Eviews


109

DAFTAR PUSTAKA Shochrul, R. 2011. Cara Cerdas Menguasai EViews. Jakarta: Salemba Empat Widarjono, Agus. 2005. Ekonometrika Teori dan Aplikasinya, Edisi Pertama. Yogyakarta: Ekonisia Hartini, Sri. 2011. Teknik Mencapai Produksi Optimal. Bandung: Lubuk Agung Makridakis, S. 1994. Metode-Metode Peramalan untuk Manajemen, Jakarta: Binarupa Aksara Subagyo. 1986. Forecasting Konsep dan Aplikasi. Yogyakarta: BPFE

Modul 1 - Forecasting.pdf

Recommend Documents