Gambar 5.2. Profil Persediaan Usulan
Setelah itu, dihitung
carrying cost
untuk persediaan saat ini dan
carrying cost
untuk persediaan berdasarkan usulan produksi, lalu dibandingkan agar dapat dilihat dengan jelas keadaan yang manakah yang lebih optimal.
5.3.1.4. Perhitungan dan Perbandingan
Carrying Cost
Carrying cost
merupakan biaya yang meliputi biaya pemeliharaan produk dan biaya asuransi gudang. Biaya asuransi gudang merupakan biaya yang
dikeluarkan perusahaan untuk asuransi gudang produk tersebut dengan tujuan penanggulangan suatu risiko apabila terjadi hal-hal yang tidak diinginkan pada
gudang tersebut, misalnya seperti kebakaran.
Carrying cost
ditetapkan 15 dari harga produk tersebut menurut kebijakan perusahaan tempat penelitian ini.
Carrying Cost
per bulan dapat dihitung dengan rumus:
Universitas Sumatera Utara
Carrying Cost =
Dimana: Xi = jumlah persediaan setiap bulan
15 merupakan ketentuan carrying cost selama setahun P = Harga produk akhir
Rekapitulasi
carrying cost
untuk profil persediaan sekarang dapat dilihat pada Tabel 5.6. berikut:
Tabel 5.6.
Carrying Cost
untuk Profil Persediaan Sekarang
Carrying cost
untuk profil sistem persediaan usulan dihitung dengan cara yang sama juga. Rekapitulasi perhitungan
carrying cost
untuk profil persediaan usulan dapat dilihat pada Tabel 5.7. berikut.
Tabel 5.7.
Carrying Cost
untuk Profil Sistem Persediaan Usulan
Setelah menghitung
carrying cost
dari masing-masing keadaan, kemudian dilakukan perbandingan antara keadaan saat ini
existing inventory profile
dengan sistem persediaan usulan yang telah dipaparkan di atas berdasarkan
carrying cost
yang lebih rendah. Tabel 5.6. dan Tabel 5.7. menunjukkan dengan jelas
carrying cost
berdasarkan
safety stock
terbukti lebih baik karena memiliki
carrying cost
yang lebih rendah.
5.3.1.5. Peramalan Data Permintaan
Universitas Sumatera Utara
Peramalan data permintaan ini digunakan untuk menentukan jumlah permintaanpermintaan pada bulan-bulan berikutnya yang merupakan acuan
perhitungan jumlah produksi yang akan dihasilkan. Peramalan dilakukan melalui langkah-langkah berikut ini.
1. Mendefinisikan tujuan peramalan Tujuan peramalan untuk meramalkan jumlah permintaan produk kertas rokok
yang diteliti mulai bulan Mei 2014 hingga April 2015. 2. Membuat diagram pencar
Identifikasi pola historis dari data permintaan produk kertas rokok pada bulan Mei 2014 hingga April 2015 yang dilakukan dengan menggunakan diagram
pencar. Diagram pencar untuk jumlah permintaan produk kertas rokok dapat dilihat pada Gambar 5.3.
.Gambar 5.3. Data Permintaan Periode Mei 2014 – April 2015
3. Memilih metode peramalan a.
Metode Linear b.
Metode Siklis
4. Perhitungan parameter peramalan a.
Metode Linear Fungsi Peramalan: Y = a + bX
Universitas Sumatera Utara
Perhitungan untuk nilai parameter yang digunakan dalam metode Linear dapat dilihat pada Tabel 5.8.
Tabel 5.8. Perhitungan Metode Linear
2 2
X X
n X
Y XY
n b
= 1,3881
n X
b Y
a
= 291,0607 Berdasakan nilai parameter yang diperoleh maka fungsi peramalan untuk
metode Linear adalah: Y= 291,0607 + 1,3881 X
b. Metode Siklis
Fungsi peramalan :
Y = a +
Perhitungan untuk nilai parameter metode siklis dapat dilihat pada Tabel 5.9.
Tabel 5.9. Perhitungan Metode Siklis
∑
Y
= n a + b ∑ sin
+ c
∑ cos
3601 = 12
a
+ b 0 + c 0
a
= 300,0833
∑
Y sin = a
∑ sin
+ b
∑ sin
2
+ c
∑ sin
cos
Universitas Sumatera Utara
78,806 = 300,0833 0 + b 6 + c 0 b
= 13,1343
∑
Y cos = a
∑ cos
+ c
∑ cos
2
+ b
∑ sin
cos
239,5 = 300,0833 0 + c 6 + 0 0
c = 39,9167
Berdasakan nilai parameter yang diperoleh maka fungsi peramalan untuk metode Linear adalah:
Y =
300,0833 + 13,1343 + 39,9167
5. Menghitung Kesalahan Peramalan Perhitungan ketelitian masing-masing metode peramalan bertujuan untuk
memilih metode peramalan yang lebih tepat untuk digunakan. Ketelitian peramalan dapat ditentukan dengan menghitung standar kesalahan peramalan
Standard Error of Estimate
dengan menggunakan rumus sebagai berikut:
SEE =
Keterangan: f = derajat kebebasan
Y = data aktual periode X Y’ = nilai ramalan periode X
n = banyaknya periode
Universitas Sumatera Utara
a. Metode Linear
Perhitungan kesalahan metode Linear dapat dilihat pada Tabel 5.10.
Tabel 5.10. Perhitungan Kesalahan Metode Linear
SEE =
SEE =
= 38,5505
b. Metode Siklis
Perhitungan kesalahan metode siklis dapat dilihat pada Tabel 5.11. berikut.
Tabel 5.11. Perhitungan Kesalahan Metode Siklis
SEE =
SEE =
= 22,4642
6. Memilih metode peramalan yang terbaik dengan perhitungan distribusi F Ho : SEE Siklis SEE Linear
Hi : SEE Siklis SEE Linear
Universitas Sumatera Utara
α : 0,05 v
1
= v
siklis
= 12 – 3 = 9
v
2
= v
Linear
= 12 – 2 = 10
Test statistik F = =
= 0,34 F tabel = F
α
v
1
, v
2
= F
0,05
9,10 = 3,02
Gambar 5.4. Grafik Uji Hipotesis Peramalan dengan Distribusi F
Karena nilai F
hitung
0,34 F
tabel
3,02, maka Ho diterima, yaitu hasil pengujian menyatakan bahwa metode siklis lebih baik daripada metode Linear.
Fungsi Siklis tersebut adalah:
Y =
300,0833 + 13,1343 + 39,9167
7. Verifikasi peramalan Daerah
Penerimaan Hipotesa
Daerah Penolakan
Hipotesa
F
0,05
9,10 3,02
0,34
Universitas Sumatera Utara
Tujuan dilakukannya proses verifikasi adalah untuk mengetahui apakah fungsi yang telah ditentukan dapat mewakili data yang akan diramalkan. Proses
verifikasi dilakukan dengan metode
moving range
.
Tabel 5.12. Verifikasi Peramalan Data Permintaan
MR
=
=
= 31,3863
UCL = 2,66 x
MR
= 2,66 x 31,3863 = 83,4876 13 UCL
= 13 x 83,4876 = 27,8292 23 UCL
= 23 x 83,4876 = 55,6584 LCL
= - 2,66 x
MR
= -2.66 x 31,3863 = -83,4876 13 LCL
= 13 x -83,4876 = -27,8292 23 LCL
= 23 x -83,4876 = -55,6584
Moving Range Chart
untuk data peramalan permintaan dapat dilihat pada Gambar 5.5.
Universitas Sumatera Utara
Gambar 5.5.
Moving Range Chart
Peramalan Data Permintaan
Data hasil peramalan permintaan yang sudah dibulatkan ke atas dapat dilihat pada Tabel 5.13. berikut.
Tabel 5.13. Data Peramalan Permintaan
5.3.1.6. Rencana Produksi Periode yang Akan Datang
