4.2.6 Peramalan forcasting Permintaan 4.2.6.1 Ploting Data Permintaan Tahun 2009
Dalam menghitung peramalan permintaan karung plastik bantuan Microsoft Excel, data historis permintaan karung plastik tahun 2009 dari 10
Customer diinputkan pada Microsoft Excel dan dilakukan peramalan menggunakan Time series dengan terlebih dahulu melakukan plot data untuk
mengetahui model data sehingga dapat diketahui jenis metode yang akan digunakan dalam peramalan permintaan karung plastik untuk tahun 2010.
Contoh plot data dari PG. Soedhono
Untuk hasil Plot Data customer selanjutnya dapat dilihat pada Lampiran B
4.2.6.2 Penetapan Metode Peramalan
Plot data yang telah diketahui digunakan untuk menetapkan metode peramalan, dimana metode peramalan yang digunakan untuk melakukan
peramalan permintaan tahun 2010 ditetapkan atau ditentukan berdasarkan bentuk atau pola dari plot data tersebut. Dari data permintaan customer tahun 2010
didapat metode peramalan permintaan yang digunakan yaitu metode peramalan
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
Simple Average, Moving Average, dan Double Exponential Smoothing untuk Customer 1, Customer 2, Customer 3, Customer 4, Customer 5, Customer 7,
Customer 8, Customer 9, Customer 10. Sedangkan unutk customer 6 menggunakan Linear regresion, Double Exponential Smoothing with trend dan
Holt Winter additive algorithm.
4.2.6.3 Perhitungan Nilai MSE
Berdasarkan metode peramalan yang digunakan dicari nilai MSE terkecil
dari metode peramalan, dengan nbilai MSE untuk masing-masing metode dapat dilihat pada tabel 4.25 sebagai berikut :
Tabel 4.25 Nilai MSE dari 3 Metode Peramalan
Customer Simple Average
Moving Average Double
Exponential Smoothing
Customer 1 14.3974,9 21.454,5 154.486
Customer 2 5.491,328 6.363,636 562.087,9
Customer 3 3.781,173 3.204,545 5.438,825
Customer 4 1.112.321 1.343.855 1.491.818
Customer 5 78.106,57 82.272,73 67.023,23
Customer 7 133.454,4 185.909,1 134.626,9
Customer 8 2.023,49 2.272,727
1.729,808 Customer 9
475.884,3 793.327,3 440.500,3 Customer 10
348.473,7 1.070.909 56.2087,9
Tabel 4.26 Nilai MSE dari 3 Metode Peramalan
Customer Linear regresion
Double Exponential
Smoothing with trend
Holt Winter additive
algorithm. Customer 6
13.190,7 5.160,839 13.190,7
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
4.2.6.4 Pemilihan Nilai MSE Terkecil
Dari perhitungan nilai MSE kemudian dicari nilai MSE Terkecil berdasarkan metode peramalan yang digunakan, dengan hasil nilai MSE terkecil
sebagai berikut : Tabel 4.27 Nilai MSE Terkecil dan Metode Yang digunakan
Customer Metode Peramalan
Nilai MSE Customer 1
Simple Average 14.3974,9
Customer 2 Simple Average 5.491,328
Customer 3 Moving Average 3.204,545
Customer 4 Simple Average
1.112.321 Customer 5
Double Exponential Smoothing 67.023,23
Customer 6 Linear Regresion
13.190,7 Customer 7
Simple Average 13.3454,4
Customer 8 Double Exponential Smoothing
1.729,808 Customer 9
Double Exponential Smoothing 44.0500,3 Customer 10
Simple Average 34.8473,7
4.2.6.5 Melakukan Uji MRC dari Metode Peramalan yang Digunakan
