Contoh Makalah Hasil LAPORAN PRAKTIKUM SUPPLAY CHAIN MANAGEMENT “Forecasting” Dalam Teknikl...

7/30/2019 Contoh Makalah Hasil LAPORAN PRAKTIKUM SUPPLAY CHAIN MANAGEMENT Forecasting Dalam Teknikl Industri_Rudini Mulya,dkk(2012)

1/36

Rudini Mulya_Praktikum SCM Teknik Industri Universitas Mercu BuanaDecember 25,

2012

LAPORAN PRAKTIKUM

SUPPLAY CHAIN MANAGEMENT

Forecasting

Diajukan untuk Melengkapi Tugas Mata Kuliah

Praktikum SCM

Pada Program Studi Teknik Industri

Disusun Oleh :

Kelompok VII


2/36

Kelompok VII


2012

BAB I

PENDAHULUAN

1.1 Latar BelakangPeramalan merupakan bagian awal dari suatu proses pengambilan suatu

keputusan.. Dalam kegiatan produksi, peramalan dilakukan untuk menentukan

jumlah permintaan terhadap suatu produk dan merupakan langkah awal dari

proses perencanaan dan pengendalian produksi Dengan mempelajari teknik

peramalan diharapakan dapat berguna untuk penerapan di perusahaan produsen dan

menjadi acuan untuk menjalankan suatu system di perusahaan dalam produksinya untuk

dipasarkan di masyarakat umum. Dalam kesempatan kali ini praktikum mengambil

kasus sebuah perusahaan Tamiya Car Corp. yang sedang mengalami kesulitan

dalam merencanakan produksinya guna memenuhi permintaan konsumen.

Permintaan Tamiya Car Corp. berbeda beda untuk masing masing daerah. Distributor

telah memberikan laporan kepada perusahaan untuk pengadaan Tamiya Car harus

dapat tersedia mulai periode Januari 2012


3/36


2012

1.4 Pelaksanaan PraktikumPraktikum Sistem Produksi untuk mahasiswa Jurusan Teknik Industri Universitas

Mercu Buana dilaksanakan pada :

Waktu : Jumat, 2 Desember 2011

Rutinitas : 1x Pertemuan

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

1.5 Sistematika LaporanLaporan yang berkaitan dengan Perencanaan Produksi pelanggan ini, akan

dibagi menjadi empat bab utama. Melalui pembagian ini diharapkan akan dapat

memudahkan pembaca untuk pemahaman lebih lanjut secara sistematis. Keempat

bab tersebut akan diperinci sebagai berikut:BAB I : PENDAHULUAN

Pada bab pertama ini akan dibahas mengenai latar belakang dari

dilakukannya pembahasan terhadap topik mengenai praktikum

Supply Chain Management. Kemudian dibahas pula mengenai tujuan

dilakukannya penyusunan terhadap laporan dengan topik terkait.


4/36


2012

BAB II

LANDASAN TEORI

Peramalan merupakan bagian awal dari suatu proses pengambilan suatu

keputusan. Sebelum melakukan peramalan harus diketahui terlebih dahulu apa

sebenarnya persoalan dalam pengambilan keputusan itu. Peramalan adalahpemikiran terhadap suatu besaran, misalnya permintaan terhadap satu atau

beberapa produk pada periode yang akan datang. Pada hakekatnya peramalan

hanya merupakan suatu perkiraan (guess), tetapi dengan menggunakan teknik-

teknik tertentu, maka peramalan menjadi lebih sekedar perkiraan. Peramalan

dapat dikatakan perkiraan yang ilmiah (educated guess). Setiap pengambilan

keputusan yang menyangkutkeadaan di masa yang akan datang, maka pasti ada

peramalan yang melandasi pengambilan keputusan tersebut (Sofyan Assauri, 1984,

hal. 1).

Dalam kegiatan produksi, peramalan dilakukan untuk menentukan

jumlah permintaan terhadap suatu produk dan merupakan langkah awal dari


5/36


2012

Tujuan peramalan dilihat dengan waktu:

1. Jangka pendek(ShortTerm)

Menentukan kuantitas dan waktu dari item dijadikan produksi. Biasanya

bersifat harian ataupun mingguan dan ditentukan oleh LowManagement.

2. Jangka Menengah (Medium Term)

Menentukan kuantitas dan waktu dari kapasitas produksi. Biasanyabersifat bulanan ataupun kuartal dan ditentukan oleh Middle Management.

3. Jangka Panjang (Long Term)

Merencanakan kuantitas dan waktu dari fasilitas produksi. Biasanya

bersifat tahunan, 5 tahun, 10 tahun, ataupun 20 tahun dan ditentukan oleh

Top Management.

Peramalan yang baik mempunyai beberapa kriteria yang penting, antara

lain akurasi, biaya,dan kemudahan. Penjelasan dari kriteria-kriteria tersebut

adalah sebagai berikut :

1. Akurasi.


6/36


2012

2. Biaya.Biaya yang diperlukan dalam pembuatan suatu peramalan adalah tergantung

dari jumlah item yang diramalkan, lamanya periode peramalan, dan metode

peramalan yang dipakai. Ketiga factor pemicu biaya tersebut akan

mempengaruhi berapa banayak data yang dibutuhkan, bagaimana pengolahan

datanya (manual atau komputerisasi), bagaimana penyimpanan datanya dansiapa tenaga ahli yang diperbantukan. Pemilihan metode peramalan harus

disesuaikan dengan dana yang tersedia dan tingkat akurasi yang ingin

didapat, misalnya item-item yang penting akan diramalkan dengan metode

yang sederhana dan murah. Prinsip ini merupakan adopsi dari hukum

Pareto (Analisa ABC).

3. KemudahanPenggunaan metode peramalan yang sederhana, mudah dibuat, dan mudah

diaplikasikan akan memberikan keuntungan bagi perusahaan. Adalah

percuma memakai metode yang canggih, tetapi tidak dapat diaplikasikan


7/36


2012

Peramalan sebenarnya upaya untuk memperkecil resiko yang timbul akibat

pengambilan keputusan dalam suatu perencanaan produksi. Semakin besar upaya

yang dikeluarkan tentu resiko yang dapat dihindari semakin besar pula. Namun

upaya memperkecil resiko tersebut dibatasi oleh biaya yang dikeluarkan akibat

mengupayakan hal tersebut..

Faktor-Faktor yang harus dipertimbangkan dalam peramalan :1. Horizon Peramalan

Ada dua aspek dari horison waktu yang berhubungan dengan masing

masing metoda peramalan yaitu :

a. Cakupan waktu dimasa yang akan dating,Untuk mana perbedaan dari metoda peramalan yang digunakan sebaiknya

disesuaikan.

b. Jumlah periode untuk mana ramalan diinginkan

Beberapa teknik dan metoda hanya dapat disuaikan untuk peramalan satu

atau dua periode di muka, sedangkan teknik dan metoda lain dapat


8/36


2012

ke depan sebaiknya digunakan metode variasi musim. Sedangkan apabila

dari data yang lalu diketahui adanya pola hubungan antara variable variable

yang saling mempengaruhi, maka sebaiknya dipergunakan metode Sebab Akibat

(causal) atau korelasi (correlation).

4. Bentuk Pola Data.

Dasar utama dari metoda peramalan adalah anggapan bahwa macam daripola yang didapati didalam data yang diramalkan akan berkelanjutan. Sebagai

contoh, beberapa deret yang melukiskan sutau pola musiman, demikian pula

halnya dengan suatu pola trend. Metoda peramalan yang lain mungkin lebih

sederhana, terdiri dari suatu nilai rata rata, dengan fluktuasi yang acakan

atau random yang terkandung. Oleh karena adanya perbedaan kemampuanmetoda peramalan untuk mengidentifikasikan pola pola data, maka perlu

adanya usaha penyesuaian antara pola data yang telah diperkirakan terlebih

dahulu dengan teknik dan metoda peramalan yang akan digunakan.

5. Biaya.


9/36


2012

ramalan yang dilakukan sangat tergantung pada terjadinya sejumlah peristiwa

yang lain, atau sifatnya merupakan campuran dari model model yang telah

disebutkan diatas. Model model tersebut sangat penting diperhatikan, karena

masing masing model tersebut mempunyai kemampuan yang berbeda

neda dalam analisis keadaan untuk pengambilan keputusan.

7. Mudah tidaknyapenggunaan dan aplikasinyaSatu prinsip umum dalam penggunaan metoda ilmiah dari peramalan untuk

menagement dan analisis adalah metoda metoda yang dapat dimengerti dan

mudah diaplikasikan yang akan dipergunakan dalam pengambilan keputusan adan

analisa. Prinsip ini didasarkan pada alasan bahwa, bila seorang manajer atau

analisis bertanggung jawab atas keputusan yang diambilnya atau hasil analisayang dilakukan, maka ia sudah tentu tidak menggunakan dasar yang tidak

diketahuinya atau tidak diyakininya. Jadi, sebagai ciri tambahan dari teknik dan

metoda peramalan adalah bahwa yang diperlukan untuk memenuhi kebutuhan

dari keadaan ialah teknik dan metoda peramalan yang dapat disesuaikan dengan

kemampuan dari manager atau analisis yang akan menggunakan metoda


10/36


2012

2. Dilihat dari Jangka Waktu Ramalan yangDisusun

a. Peramalan jangka pendek, yaitu peramalan yang dilakukan untuk

penyusunan hasil ramalan yang jangka waktunya satu tahun atau

kurang. Peramalan ini digunakan untuk mengambil keputusan dalam

hal perlu tidaknya lembur, penjadwalan kerja, dan lain-lain keputusan

kontrol jangka pendek.

b. Peramalan jangka menengah, yaitu peramalan yang dilakukan untukpenyusunan hasil ramalan yang jangka waktunya satu hingga lima tahun

ke depan Peramalan ini lebih mengkhususkan dibandingkan peramalan

jangka panjang, biasanya digunakan untuk menentukan aliran kas,

perencanaan produksi, dan penentuan anggaran.

c. Peramalan jangka panjang, yaitu peramalan yang dilakukan untukpenyusunan hasil ramalan yang jangka waktunya lebih dari lima tahun yang

akan datang. Peramalan jangka panjang digunakan untuk pengambilan

keputusan mengenai perencanaan produk dan perencanaan pasar,

pengeluaran biaya perusahaan, studi kelayakan pabrik, anggaran, purchase

order, perencanaan tenaga kerja serta perencanaan kapasitas kerja.


11/36


2012

perlu diperhatikan dari penggunaan metoda tersebut, adalah baik tidaknya

metoda yang dipergunakan, sangat ditentukan oleh perbedaan atau

penyimpangan antara hasil ramalan dengan kenyataan yang terjadi. Metoda

yang baik adalah metoda yang memberikan nilai nilai perbedaan

atau penyimpangan yang mungkin.


12/36


2012

secara perseorangan maupun kelompok. Beberapa metode peramalan yang

digolongkan sebagai model kualitatifadalah sebagai berikut :

1. Metode Delphi, Sekelompok pakar mengisi kuesioner,Moderator menyimpulkan hasilnya dan memformulasikan menjadi suatu

kuesioner baru yang diisi kembali oleh kelompok tersebut, demikian

seterusnya. Hal ini merupakan proses pembelajaran (learning process) dari

kelompok tanpa adanya tekanan atau intimidasi individu. Metode inidikembangkan pertama kali oleh Rand Corporation pada tahun 1950 an.

Adapun tahapan yang dilakukan adalah:

Tentukan beberapa pakar sebagai partisipan. Sebaiknya bervariasi

dengan latar belakang disiplin ilmu yang berbeda.

Melalui kuesioner (atau e

mail ), diperoleh peramalan dari seluruhpartisipan.

Simpulkan hasilnya, kemudian distribusikan kembali

kepada seluruh partisipan denan pertanyaan yang baru.

Simpulkan kembali revisi peramalan dan kondisi,

kemudian dikembangkan dengan pertanyaan yang baru.


13/36


2012

3. Riset Pasar (market research), merupakan metode peramalanberdasarkan hasil hasil dari survei pasar yang dilakukan oleh tenaga-

tenaga pemasar produk atau yang mewakilinya. Metode ini akan

menjaring informasi dari planggan atau pelanggan potenbsial (konsumen)

berkaitan dengan rencana pembelian mereka dimasa mendatang. Riset

pasar tidak hanya akan membantu peramalan, tetapi juga untuk

meningkatkan desain produk dan perencanaan untuk produk-produk baru.

4. Metode kelompok terstruktur (structured group methods), seperti metodeDelphi, dan lain lain. Metode Delphi merupakan teknik peramalan

berdasarkan pada proses konvergensi dari opini beberapa orang atau ahli

secara interaktif tanpa menyebutkan identitasnya. Grup ini tidak bertemu

secara bersama dalam suatu forum untuk berdiskusi, tetapi mereka diminta

pendapatnya secara terpisah dan tidak boleh secara berunding. Hal ini

dilakukan untuk menghindari pendapat yang bias karena pengaruh

kelompok. Pendapat yang berbeda secara signifikan dari ahli yang lain


14/36


2012

Metode Peramalan Kuantitatif (Statistical Method)

Pada dasarnya metoda peramalan kuantitatif ini dapat dibedakan atas

dua bagian, yaitu :

1. Metoda peramalan yang didasarkan atas penggunaan analisa pola hubungan

antara variabel yang akan diperkirakan dengan variabel waktu, yang

merupakan deret waktu atau time series.

2. Metoda peramalan yang didasarkan atas penggunaan analisa pola hubungan

antara variabel yang akan diperkirakan dengan variabel lain yang

mempengaruhinya, yang bukan waktu yang disebut metode korelasi atau

sebab akibat (causalmethod).

Prosedur umum yang digunakan dalam peramalan secara kuantitatif

adalah:

1. Definisikan tujuan peramalan.

2. Pembuatan diagram pencar.

3. Pilih minimal dua metode peramalan yang dianggap sesuai.

4 Hit t t f i l


15/36


2012


16/36


2012

Pola data ini terjadi bila data memiliki kecendrungan untuk naik

atau turun terus-menerus. Pola data dalam bentuk trend ini

digamBbiaayrakan sebagai berikut:

Waktu


17/36


2012

Perkataan musim menggambarkan pola penjualan yang berulangsetiap periode. Komponen musim dapat dijabarkan ke dalam faktor

cuaca, libur, atau kecenderungan perdagangan. Pola musiman

berguna dalam meramalkan penjualan dalam jangka pendek.

Pola data ini terjadi bila nilai data sangat dipengaruhi oleh musim,

misalnya permintaan bahan baku jagung untuk makanan ternak

ayam pada pabrik pakan ternak selama satu tahun. Selama musim

panen harga jagung akan menjadi turun karena jumlah jagung yang

dibutuhkan tersedia dalam jumlah yang besar.

Pola data musiman dapat digambarkan sebagai berikut:

Biaya

Waktu


18/36

Pola data ini terjadi bila data memiliki kecenderungan untuk naik

atau turun terus menerus. Pola data dalam bentuk trend ini dapat

digambarkan sebagai berikut:

Biaya

Waktu

Dalam meramalkan biaya-biaya yang termasuk di dalam biaya

operasi dipergunakan Pola Trend karena biaya tersebut

cenderung naik jika mesin/peralatan semakin tua atau semakin

lama jangka waktu pemakaiannya. Ada beberapa trend yang


19/36

Bentuk persamaan umum:

Y = aebt

Sedangkan peramalannya mempunyai bentuk persamaan:

Yt = aebt

Dengan menggunakan transformasi logaritma natural maka

harga konstanta a dan b diperoleh dari persamaan di bawah

ini:

bntln YttlnYtnt2t2

lnalnYt bt n

Y = a + b log t

Sedangkan peramalannya mempunyai bentuk persamaan:

Yt = a + b log t

Dengan menggunakan transformasi logaritma natural maka

harga konstanta a dan b diperoleh dari persamaan di bawah

ini:

b

nlog t.Yt log tYt2 2


20/36

Peramalannya mempunyai bentuk persamaan:

Y

a

t bt

Dengan menggunakan transformasi logaritma maka harga

konstanta a dan b diperoleh dari persamaan di bawah ini:

logb nt.logYt tlogYt

t2 nt2


21/36

log a log Yt log btn

Adapun metode peramalan yang termasuk model time series adalah

sebagai berikut:

Metode smoothing digunakan untuk mengurangi ketidakteraturan

musiman dari data yang lalu, dengan membuat rata rata tertimbang dari

sederetan data masa lalu. Ketepatan peramalan dengan metode ini akan

terdapat pada peramalan jangka pendek, sedangkan untuk peramalan

jangka panjang kurang akurat.

Metode smoothing terdiri dari beberapa jenis, antara lain :

, terdiri atas :

- Moving average pada suatu periode merupakan peramalan untuk

satu periode ke depan dari periode rata rata tersebut. Persoalan

yang timbul dalam penggunaan metode ini adalah dalam

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

maka peramalan yang dihasilkan akan semakin menjauhi pola data.


22/36

b) Setelah semua single Average dihitung, hitung moving average

kedua yaitu moving average dari St dengan periode perata-

rataan yang sama. Hasilnya dinotasikan dengan : St

c) Hitung komponen at dengan rumus :

At = St+ (StSt)

d) Hitung komponen trend bt dengan rumus :

bt =

2

N 1

( St 'St ' ' )


23/36

e) Peramalan untuk periode kedepan setelah t adalah sebagai

berikut :Ft+m = at + bt . m

-

Notasi yang diberikan adalah MA ( M x N), artinya M periode MA

dan Nperiode MA.

- Data pada periode tertentu diberi bobot, semakin dekat dengan saat

sekarang semakin besar bobotnya. Bobot ditentukan berdasarkan

pengalaman. Rumusnya adalah sebagai berikut :

Ft w1At1 w2 At2 ...wnAtndimana :

w1 = bobot yang diberikan pada periode t 1w2 = bobot yang diberikan pada periode t 2wn = bobot yang diberikan pada periode t nn = jumlah periode

-

Pengertian dasar dari metode ini adalah : nilai ramalan pada


24/36

Bentuk fungsi dari metode ini dapat berupa :

dengan fungsi peramalan (Yt):Yt = a, dimana a =YI /N

Yt =nilai tambah

N =jumlah periode

dengan fungsi peramalan :

Yt = a +bt

Y bt

dimana : a = n

nty (t )(y)

b = n t2 t2


Yt = a + bt +ct2

dimana :

Ybtct2a

n

(t2 )2 nt4

c b

b

2


25/36

tYntY

t2 Ynt2Y

tt2 nt3


Yt =aebt

dimana :

ln a lnYbt

n

b ntlnYtlnY

nt2 (t)2


a bsin2

c cos2t

Yt n n

dimana :

Yna bsin2t

ccos2t

n n

Ysin2t

asin2t

bsin 22t

csin2t

cos2t

n n n n n

Ycos2t

acos2t

ccos 22t

bsin2t

cos2t


26/36

N

n nSeorang perencana tentu menginginkan hasil perkiraan ramalan yang

tepat atau paling tidak dapat memberikan gambaran yang paling mendekati

sehingga rencana yang dibuatnya merupakan rencana yang realistis. Ketepatan

atau ketelitian inilah yang menjadi kriteria performance suatu metode

peramalan. Ketepatan atau ketelitian tersebut dapat dinyatakan sebagai

kesalahan dalam peramalan. Kesalahan yang kecil memberikan arti ketelitian

peramalan yang tinggi, dengan kata lain keakuratan hasil peramalan tinggi,

begitu pula sebaliknya.

Besar kesalahan suatu peramalan dapat dihitung dengan beberapa cara,

antara lain adalah :

X

2

F

t tMSE t1

dimana :N

Xt = data aktual periode t

Ft = nilai ramalan periode t

N = banyaknya periode


27/36

t

dimana :

f = Derajat kebebasan

Untuk data Konstan, f = 1

Untuk data Linier, f = 2

Untuk data Kwadratis, f = 3

Untuk data Siklis, f = 3

X FPE t t100%

t X

dimana nilai dari PEt bisa positip ataupun negatip.

N

PEtt1MAPE

N

Menghitung kesalahan dari peramalan merupakan prosedur yang kelima

dari perhitungan peramalan secara kuantitatif. Setelah didapat kesalahan

(error) dari masing-masing metode peramalan, maka akan dilakukan pengujian

terhadap dua metode yang memiliki error yang terkecil, guna mendapatkan


28/36

BAB III

PENGOLAHAN DATA

Sebuah perusahaan pembuat mobil mainan, Tamiya Car Corp. menghadapi

kesulitan di dalam merencanakan produksinya guna memenuhi permintaan konsumen.

Permintaan mobil mainan ini berbeda- beda untuk masing masing daerah. Distributor

telah memberikan laporan kepada perusahaan untuk pengadaan agar harus dapat

tersedia mulai periode Januari 2012. Berikut data permintaan yang telah diberikan :

Tabel 1: Permintaan dan Hari Kerja

No Bulan

Permintaan

Aktual HariKeja

A

1 Januari 14478 23

2 Februari 14273 20

3 Maret 14667 21

4 April 14556 22


29/36

Laporan Praktikum SCM Forecasting by VIIth Group Page 29

Jawab :

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

No Bulan

Permintaan

AktualRamalan Deviasi

Deviasi

Absolut

Kuadrat

Kesalahan

Persentase

Kesalahan

Persentase

Kesalahan

Absolut

A F A-F |A-F| (A-F)2

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

1 Januari 14478 14112 366 366 134220 0.025 0.025

2 Februari 14273 14215 58 58 3360 0.004 0.004

3 Maret 14667 14319 348 348 120978 0.024 0.024

4 April 14556 14424 132 132 17399 0.009 0.009

5 Mei 13965 14530 -565 565 318970 -0.040 0.040

6 Juni 12878 14636 -1758 1758 3091372 -0.137 0.137

7 Juli 14453 14743 -290 290 84370 -0.020 0.020

8 Agustus 16257 14851 1406 1406 1975469 0.086 0.086

9 Sepetember 15459 14960 499 499 248703 0.032 0.032

10 Oktober 15141 15070 71 71 5054 0.005 0.005

11 November 15793 15180 613 613 375375 0.039 0.039

12 Desember 14592 15292 -700 700 489360 -0.048 0.048

Total [ ] 176512 176333 179 6805 6864632 -0.021 0.469

Tabel Demand dan Hasil Peramalan Dengan Menggunakan Metode Linier


30/36


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

No Bulan

Permintaan

AktualRamalan Deviasi

Deviasi

Absolut

Kuadrat

Kesalahan

Persentase

Kesalahan

Persentase

Kesalahan

AbsolutA F A-F |A-F| (A-F)

2((A-F)/A) |((A-F)/A)|

1 Januari 14478 14278 200 200 39930 0.014 0.014

2 Februari 14273 14295 -22 22 477 -0.002 0.002

3 Maret 14667 14330 337 337 113558 0.023 0.023

4 April 14556 14384 172 172 29694 0.012 0.012

5 Mei 13965 14456 -491 491 240926 -0.035 0.035

6 Juni 12878 14547 -1669 1669 2783895 -0.130 0.130

7 Juli 14453 14656 -203 203 41069 -0.014 0.014

8 Agustus 16257 14783 1474 1474 2171770 0.091 0.091

9 Sepetember 15459 14929 530 530 280418 0.034 0.034

10 Oktober 15141 15094 47 47 2200 0.003 0.003

11 November 15793 15277 516 516 266007 0.033 0.033

12 Desember 14592 15479 -887 887 786555 -0.061 0.061

Total [ ] 147761 176508 4.30 6546 6756500 -0.032 0.450

Tabel Demand dan Hasil Peramalan Dengan Menggunakan Metode Kuadratik 2 Order

Grafik Hasil Peramalan Dengan Menggunakan Metode Kuadratik 2 Order


31/36


c. Dengan menggunakan metode Moving Average

No Bulan

PermintaanAktual

2 -Bulanan

3 -bulanan

4 -Bulanan

5 -Bulanan

6 -Bulanan

7 -Bulanan

8 -Bulanan

WMA 3-Bulanan

0,25/0,25/0,5

WMA 3-Bulanan

0,5/0,2/0,3

WMA 3-Bulanan

0,7/0,2/0,1

A F F F F F F F WMAt WMAt WMAt

1 Januari 14478 -

2 Februari 14273 -

3 Maret 14667 14376

4 April 14556 14470 14473 14521 14454 14456

5 Mei 13965 14612 14499 14494 14513 14448 14380

6 Juni 12878 14261 14396 14365 14388 14288 14493 14575

7 Juli 14453 13422 13800 14017 14068 14136 13569 14043 14270

8 Agustus 16257 13666 13765 13963 14104 14132 14181 13937 13737 13796

9 Sepetember 15459 15355 14529 14388 14422 14463 14436 14441 14961 14026 13531

10 Oktober 15141 15858 15390 14762 14602 14595 14605 14564 15407 15195 14914

11 November 15793 15300 15619 15328 14838 14692 14673 14672 15500 15794 15986

12 Desember 14592 15467 15464 15663 15421 14997 14849 14813 15547 15430 15429

Total 176512 146785 131935 116978 101842 87015 72744 58489 132243 131622 131337

Tabel Demand dan Hasil Peramalan Dengan Menggunakan Metode MA

Grafik Hasil Peramalan Dengan Menggunakan Metode MA 3 - Bulanan


32/36


d. Dengan menggunakan metode Eksponensial Smoothing With

No Bulan

Permintaan

Aktual

Forecast , Ft+1 (alfa)

A

1 Januari 14478

2 Februari 14273 14478.00 14478.00 14478.00 14478.00 14478.00 14478.00 14478.00 14478.00 14478.00

3 Maret 14667 14457.50 14437.00 14416.50 14396.00 14375.50 14355.00 14334.50 14314.00 14293.50

4 April 14556 14478.45 14483.00 14491.65 14504.40 14521.25 14542.20 14567.25 14596.40 14629.65

5 Mei 13965 14486.21 14497.60 14510.96 14525.04 14538.63 14550.48 14559.38 14564.08 14563.37

6 Juni 12878 14434.08 14391.08 14347.17 14301.02 14251.81 14199.19 14143.31 14084.82 14024.84

7 Juli 14453 14278.48 14088.46 13906.42 13731.81 13564.91 13406.48 13257.59 13119.36 12992.68

8 Agustus 16257 14295.93 14161.37 14070.39 14020.29 14008.95 14034.39 14094.38 14186.27 14306.97

9 Sepetember 15459 14492.04 14580.50 14726.37 14914.97 15132.98 15367.96 15608.21 15842.85 16062.00

10 Oktober 15141 14588.73 14756.20 14946.16 15132.58 15295.99 15422.58 15503.76 15535.77 15519.30

11 November 15793 14643.96 14833.16 15004.61 15135.95 15218.49 15253.63 15249.83 15219.95 15178.83

12 Desember 14592 14758.86 15025.13 15241.13 15398.77 15505.75 15577.25 15630.05 15678.39 15731.58

Total [ ] 176512 159392 159731 160139 160539 160892 161187 161426 161620 161781

Tabel Demand dan Hasil Peramalan Dengan Menggunakan Metode Eksponensial Smoothing With


33/36

BAB IV

KESIMPULANDAN SARAN

4.1 KesimpulanDengan menggunakan berbagai macam metode peramalan dapat dirangkum data

sebagai berikut :

MAD MSE MAPE MFEMetode Peramalan

MA 2 Bulan 821.85 1173508.03 0.0555 97.650

MA 3 Bulan 821.85 1173508.03 0.0555 97.650

MA 4 Bulan 966.53 1324648.71 0.0652 194.969

MA 5 Bulan 1058.29 1432769.46 0.0709 390.171

MA 6 Bulan 915.03 1213815.44 0.0584 780.083

MA 7 Bulan 1002.54 1392801.67 0.0636 899.571

MA 8 Bulan 734.34 668864.08 0.0475 623.969


34/36

ES : 0,4 : 0,05 685.71 862790.21 0.0465 129.425

ES : 0,5 : 0,05696.66 879781.75

0.047395.692

ES : 0,6 : 0,05 698.42 897408.63 0.0474 67.567

ES : 0,7 : 0,05 733.24 914700.82 0.0497 44.781

ES : 0,8 : 0,05 770.13 931489.59 0.0522 26.339

ES : 0,9 : 0,05 798.31 947618.12 0.0541 11.029

ES : 0,1 : 0,1 687.58 840771.14 0.0463 237.745

ES : 0,2 : 0,1 699.65 842714.36 0.0472 203.150

ES : 0,3 : 0,1 695.19 853960.62 0.0470 162.051

ES : 0,4 : 0,1 691.42 873028.33 0.0469 122.025

ES : 0,5 : 0,1 702.51 895807.26 0.0477 86.750

ES : 0,6 : 0,1 704.00 919429.25 0.0478 57.404

ES : 0,7 : 0,1 751.78 942763.97 0.0510 33.676

ES : 0,8 : 0,1 790.22 965610.95 0.0535 14.501

ES : 0,9 : 0,1 819.53 987805.34 0.0555 -1.402

ES : 0,1 : 0,2 687.83 837542.97 0.0464 233.992

ES : 0,2 : 0,2 698.62 841608.10 0.0472 195.117

ES : 0,3 : 0,2 691.91 859571.27 0.0468 149.992


35/36

4.2 SaranMerujuk pada kesimpulan di table di atas, kami menyarankan agar Tamiya Car

Corp. memilih jenis peramalan dengan metode Kuadratik dalam Perencanaan Produksi

mobil mainan tersebut karena memiliki nilai Nilai MAD, MSE, dan MAPE yang

mendekati nilai 0 (nol), yang dirangkum pada table di bawah ini :

METODE PERAMALAN MAD MSE MFE MAPE

KUADRATIK 545.48 563041.63 0.0375 0.358

Untuk lebih meyakinkan bahwa dengan menerapkan jenis peramalan dengan

metode Kuadratik 6 Order, Tamiya Corp tidak akan merugi, maka data peramalan

dengan menggunakan metode tersebut di uji dengan peta kendali peramalan sebagai

berikut :

PERHITUNGAN MAD, MSE, MAPE DAN MFE DENGAN METODE KUDRATIK

DENGAN RUMUS Y = 10,30 x2

+ 60,51x + 5376


36/36


Contoh Makalah Hasil LAPORAN PRAKTIKUM SUPPLAY CHAIN MANAGEMENT “Forecasting” Dalam Teknikl...

Documents

Transcript of Contoh Makalah Hasil LAPORAN PRAKTIKUM SUPPLAY CHAIN MANAGEMENT “Forecasting” Dalam Teknikl...