Verifikasi dan Pengendalian Peramalan Perhitungan Variabel Pengambilan Keputusan dengan Pendekatan

c. Mean Error ME - ME untuk Moving Average 3 periode ME = 12.739, 491 14 − = -909,96 - ME untuk Moving Average 5 periode ME = 11.917,89 14 − = -851,27 - ME untuk Moving Average 7 periode ME =- 9.505,523 14 = 678,865 - ME untuk Exponential Smoothing dengan α = 0.1 ME = 9.873, 470 14 = 705,24 - ME untuk Exponential Smoothing dengan α = 0.5 ME = 4.418,571 14 = 315,61 - ME untuk Exponential Smoothing dengan α = 0.9 ME = 1.036,328 14 − = -74.02 - ME untuk Least Square ME = 0 Dari analisis kesalahan peramalan diatas, dapat dilihat bahwa kesalahan terkecil adalah pada Least Square

4.2.9. Verifikasi dan Pengendalian Peramalan

Universitas Sumatera Utara Untuk melihat apakah data – data yang digunakan dalam peramalan berada dalam batas – batas kendali atau tidak, maka perlu dilakukan verifikasi terhadap data tersebut. Dalam hal ini metode yang dipilih adalah metode Moving Average dengan 7 periode. Tabel 4.10 Hasil Pengolahan Verifikasi Data Peramalan T y y y - y Moving Range MR 1 11.980,730 15.697,331 -3.716,601 - 2 13.881,205 15.411,836 -1.530,631 2.185,970 3 19.489,931 15.126,341 4.363,590 5.894,221 4 14.385,474 14.840,846 -455,372 4.818,962 5 14.454,094 14.555,351 -101,257 354,115 6 14.055,996 14.269,856 -213,860 112,603 7 13.069,902 13.984,361 -914,459 700,599 8 16.054,402 13.698,866 2.355,536 3.269,995 9 15.164,747 13.413,371 1.751,376 604,160 10 14.050,858 13.127,876 922,982 828,394 11 14.058,916 12.842,381 1.216.535 293,553 12 12.390,081 12.556,886 -166.805 1.383,340 13 14.634,376 12.271,391 2.362,985 2.529,790 14 6.111,876 11.985,896 -5.874,020 8.237,005 193.782,588 193.782,588 0.000 31.212,307 Berdasarkan perhitungan yang ada pada tabel maka dapat dihitung besarnya harga: MR = 14 9 1 t MR n = − ∑ Universitas Sumatera Utara MR = 31.212,307 13 = 2.400,97 BKA = 2,66 x 2.400,97 = 6.386,6 ; BKB = -2.66 x 108,775 = -6.386,6 Dari hasil perhitungan diatas maka dapat digambarkan Moving Range seperti di bawah ini : Peta Kendali Moving Range -6000 -4000 -2000 2000 4000 6000 8000 1 2 3 4 5 6 7 8 9 10 11 12 13 14 Periode y - y Gambar 4.2 Moving Range Berdasarkan gambar diatas dapat disimpulkan bahwa seluruh data yang digunakan dalam peramalan berada dalam batas – batas kendali sehingga dapat disimpulkan juga bahwa data – data tersebut signifikan. Maka peramalan tingkat Universitas Sumatera Utara permintaan pulp pada satu tahun berikutnya pada PT. Toba Pulp Lestari dapat diterima .

4.2.10. Perhitungan Variabel Pengambilan Keputusan dengan Pendekatan

Model Linear Programming Biaya produksi meliputi biaya bahan baku dan biaya overhead, sedangkan perhitungan biaya tenaga kerja terpisah sendiri. Adapun data – data input yang digunakan untuk pemodelan dalam Linear Programming adalah sebagai berikut : P 3 = biaya produksi pulp di bulan Maret 2008 = 230US = Rp 2.250.000,- C 3 = biaya penyimpanan per ton pulp di bulan Maret 2008 = Rp.240,- R 3 = costmanhour reguler di bulan Maret 2008 = Rp 6.500,- L 3 = costmanhour lembur di bulan Maret 2008 = Rp.9.000- H g = jam kerja general per hari = 7.5 jam H 1 = jam kerja shift 1 per hari = 7 jam H 2 = 7 jam = jam kerja shift 2 per hari Universitas Sumatera Utara H 3 = jam kerja shift 3 per hari = 7 jam D 3 = jumlah hari kerja di bulan Maret 2008 = 27 hari W jmin = jumlah pekerja minimum regular tetap untuk shift –j = 81 W gmin = jumlah pekerja minimum general = 322 F 3 = forecast demand di bulan Maret 2008 = 11.700,401 ton I 2 = persediaan akhir bulan Februari 2008 = 7.261,401 ton LS 3 = level stock di bulan Maret 2008 = 438,084 ton SM 3 = stok maksimum di bulan Maret 2008 = 7.150 ton k = manhours yang dibutuhkan untuk memproduksi 1 ton pulp = 1,371 f 3 = fraksi tenaga kerja yang hadir di bulan Maret 2008 Universitas Sumatera Utara = 0,99 PEA 3 = persentase dari manhours lembur yang tersedia yang boleh dipakai di bulan Maret 2008 = 100 PPE 3 = Persentase dari manhours regular yang tersedia untuk dapat dipakai lembur di bulan Maret 2008 PC 3 = kapasitas produksi di bulan Maret 2008 = 16.713 ton Adapun variabel – variabel keputusan yang akan dicari adalah : P 3 = jumlah pulp yang akan diproduksi di bulan Maret 2008 I 3 = persediaan akhir pulp di bulan Maret 2008 W 1 = jumlah tenaga kerja regular tetap untuk shift 1 W 2 = jumlah tenaga kerja regular tetap untuk shift 2 W 3 = jumlah tenaga kerja regular tetap untuk shift 3 W g = jumlah tenaga kerja regular tetap untuk general E 3 = manhours lembur yang dipakai di bulan Maret 2008 Sedangkan formulasi model matematis untuk komponen – komponen fungsi adalah sebagai berikut : - Total biaya produksi = p 3 .P 3 = 2.250.000.P 3 Universitas Sumatera Utara - Total biaya penyimpanan = C 3 .I 3 = 240.I - Total biaya manhours regular = R 3 3 .H 1 .D 3 .W 1 + R 3 .H 1 .D 3 .W 2 + R 3 .H 3 .D 3 .W 3 R 3 .H g .D 3 .W = 1.323.000.W g 1 + 1.323.000.W 2 + 1.323.000W 3 + 1.417.500.W g - Toal biaya Manhours lembur = L 3 .E 3 = 9.000.E 3 Jadi, formulasi matematis untuk permasalahan di atas adalah sebagai berikut : Min : Z = 2.250.000.P 3 + 240.I 3 + 1.323.000.W 1 + 1.323.000.W 2 + 1.323.000.W 3 + 1.417.000.W g + 9.000.E • I 3 dengan kendala 3 – 7.261,401 - P 3 P + 11.700,401 = 0 3 – I 3 • I = 4.439 3 ≥ LS I 3 3 ≥ 438,084 • I 3 ≤ SM I 3 3 ≤ 7.150 • . . . . t t t j j t k P f D H W E − − = 1,371.P 3 – 0,99.27.7. W 3 – E 3 = 0 1,371.P 3 – 187,11.W 3 – E 3 = 0 Universitas Sumatera Utara • E 3 -PEA 3 .PPE 3 .f 3 .D 3 .H g .W g ≤ 0 E 3 – 1.0,14.0,99.27.7.W g ≤ E 3 – 26,19.W g ≤ • min j j W W ≥ W 1 ≥ 81 W 2 ≥ 81 W 3 ≥ 81 W g ≥ 322 • P 3 ≥ • I 3 ≥ • W 1 ≥ • W 2 ≥ • W 3 ≥ • W g ≥ • E 3 ≥ Untuk mendapatkan solusi optimal masing – masing variabel keputusan, maka penulis mengolah formulasi model matematis di atas dengan menggunakan software QM. Hasil pengolahan formulasi tersebut dapat dilihat pada tabel berikut: Tabel 4.11 Hasil dari Solution List Linear Programming Universitas Sumatera Utara Variabel Status Nilai P3 Basic 11.054,63 I3 Basic 6.615,63 W1 Basic 81, W2 Basic 81, W3 Basic 81, Wg Basic 322, E3 Basic 0, artificial 1 NONBasic 0, surplus 2 Basic 6.177,55 slack 3 Basic 534,36 artificial 4 NONBasic 0, Slack 5 Basic 8.433,18 artificial 6 NONBasic 0, artificial 7 NONBasic 0, artificial 8 NONBasic 0, artificial 9 NONBasic 0, Nilai Optimal Z 25.652.287.641,82 4.2.11. Perhitungan Analisis Sensitifitas Universitas Sumatera Utara Analisis sensitifitas dilakukan terhadap kendala 5, yaitu pada variabel PEA 3 . Oleh hanya karena pada kendala tersebut dapat terjadi perubahan. Adapun perhitungan analisis sensitifitas tersebut adalah sebagai berikut: E 3 -PEA 3 .PPE 3 .f 3 .D 3 .H g .W g = 0 0 – PEA 3 .0,14.0,99.27.7.322 = 0 0 – 8433,18.PEA 3 = 0 PEA 3 = 0 Oleh karena itu, nilai variabel PEA 3 tidak hanya bernilai 100 tetapi juga bernilai nol. Hal ini terjadi karena dari hasil perhitungan model Linear Programming variabel E 3 bernilai nol. Universitas Sumatera Utara BAB 5 KESIMPULAN DAN SARAN

5.1. Kesimpulan