Pemilihan Metode Peramalan Peramalan Permintaan DC Medan I

a. Metode Dekomposisi: Linier MSE = ∑ MSE = MSE = 6,68 b. Metode Siklis MSE = ∑ MSE = MSE = 4,40

6. Pemilihan Metode Peramalan

Pemilihan metode peramalan dilakukan berdasarkan nilai kesalahan yang terkecil. Hasil rekapitulasi nilai MSE dapat dilihat pada Tabel 5.18. Tabel 5.18. Rekapitulasi Nilai MSE Setiap Metode Peramalan Metode Peramalan MSE Dekomposisi dengan trend Linier 6,68 Siklis 4,40 Berdasarkan nilai tersebut maka disimpulkan bahwa metode siklis lebih tepat digunakan untuk meramalkan permintaan DC Medan I pada periode tiga bulan ke depan. Universitas Sumatera Utara 7. Verifikasi peramalan Tujuan proses verifikasi dilakukan adalah untuk mengetahui apakah fungsi yang telah ditentukan dapat mewakili data yang akan diramalkan. MR = ∑ M n - = , - = 1,46 UCL = 2,66 x MR = 2,66 x 1,46 = 3,87 13 UCL = 13 x 3,87 = 1,29 23 UCL = 23 x 3,87 = 2,58 LCL = - 2,66 x MR = -2,66 x 1,46 = -3,87 13 LCL = 13 x - 3,87 = -1,29 23 LCL = 23 x -3,8 = -2,58 Grafik proses verifikasi terhadap peramalan Permintaan DC Medan I dapat dilihat pada Gambar 5.4. Gambar 5.4. Moving Range Chart Permintaan DC Medan I -5 -4 -3 -2 -1 1 2 3 4 5 1 3 5 7 9 11 13 15 17 19 21 23 25 27 Moving Range Chart DC 1 BKA 23 BKA 13 BKA 23 BKB 13 BKB BKB Y-Y Universitas Sumatera Utara Terlihat sebagian besar titik hasil peramalan telah berada dalam batas sehingga peramalan dengan metode siklis lebih tepat digunakan untuk meramalkan permintaan DC Medan I pada periode tiga bulan mendatang. Tabel 5.20. Rekapitulasi Fungsi Peramalan Permintaan Setiap Distribution Centre Distribution Centre Metode yang Digunakan Fungsi Peramalan MSE Metode Terpilih Medan I Dekomposisi dengan linier Y’ = 41,177 + 0,128x 6,68 Metode siklis Metode siklis Y = 43,22 – 1,07 sin       n X  2 + 3,19 cos       n X  2 3,55 Medan II Dekomposisi dengan linier Y’ = 38,353 + 0,144 x 6,56 Metode siklis Metode siklis Y = 40,64 – 1,71 sin       n X  2 - 2,31 cos       n X  2 4,06 Padang Dekomposisi dengan linier Y’ = 42,171 - 0,004 x 10,45 Metode siklis Metode siklis Y = 42,48 – 2,67 sin       n X  2 - 2,64 cos       n X  2 3,70 Pekanbaru Dekomposisi dengan linier Y’ = 32,105 + 0,122 x 9,69 Metode siklis Metode siklis Y = 34,02 – 1,31 sin       n X  2 - 1,77 cos       n X  2 7,78 Palembang Dekomposisi dengan linier Y’ = 40,436 + 0,119 x 8,11 Metode siklis Universitas Sumatera Utara Metode siklis Y = 42,35 – 1,19 sin       n X  2 - 2,69 cos       n X  2 4,95 Sumber : Pengolahan Data Berikut ini grafik pola sebaran data aktual dan hasil peramalan untuk masing- masing Distribution Center. Gambar 5.5. 10 20 30 40 50 60 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 dataaktual peramalan Universitas Sumatera Utara Gambar 5.9. Grafik Data Aktual dan Hasil Peramalan DC Palembang Rekapitulasi ramalan permintaan untuk masing – masing DC dapat dilihat pada Tabel 5.21. Tabel 5.21. Rekapitulasi Hasil Ramalan Permintaan Setiap DC Periode Minggu ke Medan I Medan II Padang Pekanbaru Palembang 28 44 40 41 34 43 29 45 42 43 35 44 30 46 43 45 36 45 31 47 43 46 36 45 32 46 43 46 36 45 33 44 42 45 35 44 34 43 41 43 34 42 35 41 39 42 33 41 36 40 38 40 32 40 37 40 38 39 32 39 38 41 38 39 32 40 39 42 39 40 33 41 40 44 40 41 34 43 41 45 42 43 35 44 Total 608 570 595 477 595 Sumber : Pengolahan Data 10 20 30 40 50 60 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 dataaktual peramalan Universitas Sumatera Utara

5.2.2. Perhitungan Persediaan Optimal