4.2.4. Diagram Pencar Data Permintaan Bulan Januari - Desember 2009
Langkah pertama untuk mendapatkan hasil peramalan dengan menggunakan metode kuantitatif time series adalah membuat diagram pencar atau
menggambarkan historis permintaan dalam bentuk grafik x – y. Diagram Pencar ini berguna untuk mengetahui pola data tersebut apakah mengandung unsur
horisontal, musiman, siklus, atau trend .
Diagram Pencar Data Permintaan untuk Distributor Surabaya Produk FL adalah sebagai berikut :
Plot Data FL SURABAYA
50 100
150 200
250
1 2
3 4
5 6
7 8
9 10
11 12
Bulan ke- N
ila i P
e rm
in ta
a
Tahun 2009
Gambar 4. 2. Diagram Pencar Data Permintaan Distributor Surabaya Produk FL
Dari gambar di atas dapat dilihat bahwa pola data untuk Distributor Surabaya Produk FL adalah Trend. Untuk diagram pencar data permintaan
distributor lain dapat dilihat pada Lampiran B. Setelah melihat diagram pencar data permintaan dari produk semen, ternyata
diagram tersebut menunjukkan pola data acak atau random yang memiliki kecenderungan horisontal atau stasioner, sehingga dapat ditentukan metode-
metode peramalan yang sesuai. Metode peramalan yang sesuai adalah metode Moving Average MA, Single Exponential Smoothing SES dan Double
Exsponensial Smoothing DES. Peramalan data permintaan menggunakan
program WinQSB.
4.2.5. Menghitung Mean Square Error MSE
Dari hasil peramalan data permintaan dengan menggunakan WinQSB akan didapatkan nilai Mean Square Error MSE. Hasil Mean Square Error MSE dari
DistributorSurabaya dapat dilihat pada tabel berikut : Tabel 4. 24. Hasil Distributor Surabaya Produk FL Metode
Single Exponential Smoothing SES
Forecast Result for FL 5172010
Actual Forecast by
Forecast CFE
MAD MSE
MAPE Tracking
R-square Month
Data SES
Error Signal
1 118
2 148 118 30 30 30
9.00E+02 20.27027
1 3 98
127 -29
1 29.5 8.71E+02
24.93105 3.39E-02 0.0328
4 146 118.3 27.7 28.7 28.9
8.36E+02 22.9449
0.9930795 0.2039249
5 175 126.61 48.39 77.09
33.7725 1.21E+03
24.12153 2.282626
0.5072713 6 152 141.127 10.873 87.963
29.1926 9.94E+02 20.72789 3.013195
0.6013577 7
178 144.3889 33.6111 121.5741 29.92902 1.02E+03 20.42034 4.062081 0.7477022
8 188
154.4722 33.52777 155.1019 30.44312 1.03E+03 20.05086 5.094808 0.852981 9
278 164.5306 113.4694 268.5713 40.82141 2512.154 22.64654 6.579177 0.5937334
10 202
198.5714 3.428604 271.9999 36.66665 2234.332 20.31885 7.418181 0.6995869 11
213 199.6 13.40002 285.3999 34.33999 2028.855 18.91607 8.311007 0.7845923
12 236
203.62 32.38002 317.7799 34.16181 1939.729 18.44374 9.302198 0.8390104 13
213.334 14
213.334 15
213.334 16
213.334 17
213.334 18
213.334 19
213.334 20
213.334 21
213.334 22
213.334 23
213.334 24
2.13E+02 CFE
317.7799 MAD
34.16181 MSE
1939.729 MAPE
18.44374 Trk.Signal
9.302198 R-square
0.8390104 Alpha=0.3
F0=118 Sumber : Pengolahan Data Lampiran C
Tabel 4. 25. Mean Square Error MSE Hasil Peramalan Distributor Surabaya
MSE
PRODUK Moving Average
MA Single Exponential
Smoothing SES Double Exsponetial
Smoothing DES
FL
7.39E+02 1.94E+03 1.51E+03
DHFL
2.15E+03 3.08E+03 3.21E+03
Sumber : Pengolahan Data Lampiran E
Untuk Mean Square Error MSE Distributor yang lain dapat dilihat pada Lampiran E.
Setelah didapat nilai MSE kemudian dipilih nilai MSE yang terkecil. Hasil Perbandingan MSE dari masing-masing metode bila diurutkan berdasarkan MSE
terkecil adalah sebagai berikut : Tabel 4. 26. Urutan Perbandingan Nilai MSE Distributor Surabaya
URUTAN FL
DHFL 1 SES
SES 2 MA
MA 3 DES
DES
Sumber : Pengolahan Data
Berdasarkan Tabel 4.26 .
dapat disimpulkan urutan MSE dari yang terkecil untuk masing-masing produk di Distributor Surabaya. Dimana MSE yang terkecil
untuk produk FL adalah dengan metode Single Exponential Smoothing SES, untuk produk DHFL adalah dengan metode Single Exponential Smoothing SES.
Untuk urutan perbandingan nilai Mean Square Error MSE agen yang lain dapat dilihat pada Lampiran E.
4.2.6. Uji Verifikasi Dengan Moving Range Chart MRC