Peramalan Jumlah Penjualan Produk Bulan Juli 2015 – Juni 2016

Mei Juni Sumber: PT. Sri IntanKarplas Industry Data kecepatan produksi karung goni plastik dapat dilihat pada Tabel 5.6. Tabel 5.6. Data Kecepatan Produksi Produk Kecepatan detikunit LDPE HDPE Sumber: PT. Sri IntanKarplas Industry

5.2. Pengolahan Data

5.2.1. Peramalan Jumlah Penjualan Produk Bulan Juli 2015 – Juni 2016

PenentuanjumlahpenjualanuntukperiodeJuli 2016-Juni 2017dilakukandengancaramelihat data historispadaperiodeJuli 2015-Juni 2016. PeramalanpadakarunggoniplastikjenisLDPE dilakukandenganlangkah- langkahsebagaiberikut : 1. Menentukantujuanperalaman TujuanperamalanadalahmeramalkanjumlahpenjualanprodukpadaJuli 2016- Juni 2017.Data Penjualan Produk LDPE dapat dilihat pada Tabel 5.7. Tabel 5.6. Data PenjualanProdukLDPE Juli 2015 – Juni 2016 Periode Permintaan Unit Juli Agustus September Oktober November Desember Januari Universitas Sumatera Utara Februari Maret April Mei Juni TOTAL 2. Menentukan horizon peramalan Horizon peramalan yaitu peramalan jangka panjang dengan periode bulanan sebanyak 12 periode. 3. PembuatanScatter Diagram GambarScatter Diagrambertujuanuntukmelihat data masalalusebagaiacuanuntukmemilihmetodeperamalan.Scatter DiagramprodukLDPE Polypropylene dapatdilihatpadaGambar 5.1. Gambar 5.1. Grafik Penjualan KarungGoniLDPEJuli2015 – Juni 2016 4. Memilih metode peramalan 300.000 350.000 400.000 450.000 500.000 550.000 1 2 3 4 5 6 7 8 9 10 11 12 Produk Karung Goni LDPE Permintaan Universitas Sumatera Utara Dilihat dari pola data, data cendrung tidak stasioner, berfluktuasi, tidak membentuk pola musiman dan cendrung tidak membentuk tren. Metode peramalan yang digunakan adalah: a. Metode regresi dengan kecenderungan siklis. b. Metode dekomposisi. 5. Menghitung parameter peramalan a. Metode regresi dengan kecenderungan siklis Fungsiperamalan :Yt = a + b sin 2 π x n + c cos 2 π x n Adapun perhitungan parameter peramalan untuk metode siklis dapat dilihat pada Tabel 5.7. Tabel 5.7. Perhitungan Parameter Peramalan Metode Siklis X Y Sin2 πxn Cos2 πxn Sin2πxn Cos2πxn Sin 2 2πxn Cos 2 2πxn YSin2πxn YCos2πxn 1 2 3 4 5 6 7 8 9 10 11 12 78 ∑ y = n a + b ∑ sin� 2 πx n � + c ∑ cos� 2 πx n � 5.484.700 = 12 a + 0 + c 0 Universitas Sumatera Utara a = 5.484.700 12 = 457.058,33 ∑ y sin� 2 πx n � = a ∑ sin� 2 πx n � + b ∑ sin 2 � 2 πx n � + c ∑ sin� 2 πx n �cos� 2 πx n � 12.344,36 = a 0 + b 6 + c 0 b = 12.344,36 6 = 2.057,39 ∑ ycos� 2 πx n � = a ∑ cos� 2 πx n � + c ∑ cos 2 � 2 πx n � + b ∑ sin� 2 πx n �cos� 2 πx n � -87.193,33 = a 0 + c 6 + b0 c = −87.193,33 6 = -14.532,22 Dengan metode siklis diperoleh fungsi peramalan: Yt = 457.058,33 + 2.057,39sin 2 π x n -14.532,22 cos 2 π x n b. Metode dekomposisi Langkah – langkah peramalan metode dekomposisi, yaitu: 1. Menghitung nilai rata-rata per 4 periode Nilai rata-rata bergerak yang dihitung adalah rata-rata dalam kurun waktu per 4 periode selama 12 periode yakni dari periode Juli 2015- Juni 2016. Contoh perhitungan rata-rata dari periode Juli 2015 - Oktober 2016 : Nilai rata-rata per 4 periode : = 451.300+486.900+444.300+470.500 4 Universitas Sumatera Utara = 460.900 Nilai rata-rata per 4 periode dari periode Juli 2015 – Oktober 2016 sebesar 463.250. Perhitungan rata-rata per 4 periode untuk periode selanjutnya dilakukan dengan cara yang sama. Rekapitulasi perhitungan nilai rata-rata per 4 periode Juli 2015 -Juni 2016 dapat dilihat pada Tabel 5.8. Tabel 5.8. Rekapitulasi Perhitungan Nilai Rata-rata Per 4 Periode No Periode Permintaan unit Nilai Rata-rata Per 4 Periode 1 Juli 2 Agustus 3 September 4 Oktober 5 November 6 Desember 7 Januari 8 Februari 9 Maret 10 April 11 Mei 12 Juni 2. Menghitung nilai indeks musim Nilai indeks musim dihitung dengan mengunakan nilai indeks rata-rata bergerak yang telah dihitung sebelumnya. Hal pertama yang dilakukan adalah menghitung nilai faktor musim dengan cara membagikan hasil permintaan dengan rata-rata per 4 periode, kemudian menghitung nilai Universitas Sumatera Utara indeks musim dengan cara merata-ratakan nilai dari faktor musim yang ada. Contoh perhitungan nilai faktor musim, yaitu: Nilai faktor musim = 451.300 460.900 = 0.979 Contoh perhitungan nilai indeks musim untuk periode pembagian I, yaitu : Nilai indeks musim = 0,97+0,94+1,00 3 = 0,977 Perhitungan nilai indeks musim selama periode Juli 2015 -Juni 2016 dapat dilihat pada Tabel 5.9. Tabel 5.9. Perhitungan Nilai Indeks Musim Periode Pembagian Periode Permintaan Rata-rata Per 4 Periode Faktor Musim Indeks Musim 1 Juli 2 Agustus 3 September 4 Oktober 5 November 6 Desember 7 Januari 8 Februari 9 Maret 10 April 11 Mei 12 Juni Universitas Sumatera Utara 3. Mencari persamaan garis trend Garis trend linier dapat dicari dengan menggunakan persamaan: Fungsi peramalan: Yt = a + bx Berdasarkan persamaan tersebut maka langkah pertama yang harus dilakukan untuk mencari persamaan garis trend adalah dengan menghitung nilai a dan b seperti yang tampak pada Tabel 5.10. Tabel 5.10. Perhitungan Parameter Peramalan X Y X 2 XY 1 2 3 4 5 6 7 8 9 10 11 12 78 Parameter peramalan : Yt = a + bx 30 , 349 78 650 12 700 . 484 . 5 78 600 . 600 . 35 12 2 2 2 − = − × − = − − = ∑ ∑ ∑ ∑ ∑ x x n y x xy n b a = Y-bx n = 5.484.700--349,3078 12 = 459.328,8 Persamaan peramalan: Yt = 459.328,8– 349,30 x 4. Menghitung nilai persamaan garis trend Universitas Sumatera Utara Nilai persamaan garis trend dihitung di setiap periode peramalan yang diinginkan, yaitu selama periode Juli 2016 - Juni 2017. Nilai persamaan garis trend dapat dihitung dengan memasukkan nilai periode yang diinginkan. Untuk menghitung nilai garis trend periode Juli 2016, maka nilai periode yang dimasukkan ke dalam persamaan garis trend adalah 13. Nilai dari persamaan garis trend selama periode Juli 2016 - Juni 2017 dapat dilihat pada Tabel 5.11. Tabel 5.11. Perhitungan Nilai Persamaan Garis Trend Periode X Nilai Persamaan Garis Trend Juli Agustus September Oktober November Desember Januari Februari Maret April Mei Juni 5. Menghitung nilai ramalan akhir Nilai ramalan akhir didapatkan dengan cara mengalikan persamaan garis trend dengan nilai indeks musim. Fungsi peramalannya adalah : Yt = Nilai Garis Trend ke-X Indeks Musim 6. Menghitung kesalahan peramalan Universitas Sumatera Utara Perhitungan kesalahan peramalan menggunakan metode SEE Standard Error of Estimation bertujuan untuk memilih metode peramalan yang lebih tepat digunakan dengan SEE terkecil. SEE = � ∑ y - y n x = 1 2 n - f a. Metode regresi dengan kecenderungan siklis Derajat kebebasan f = 3 Perhitungan SEE untuk metode regresi dengan kecenderungan siklis dapat dilihat pada Tabel 5.12. Tabel 5.12. Perhitungan SEE untuk Metode Regresi Kecenderungan Siklis X Y Y Y-Y Y-Y 2 1 2 3 4 5 6 7 8 9 10 11 12 78 Universitas Sumatera Utara SEE = � ∑ y - y n x = 1 2 n - f = � 4.492.171.760 12-3 = 22.341.2 b. Metode dekomposisi Derajat kebebasan f = 2 Perhitungan SEE untuk metode dekomposisi dapat dilihat pada Tabel 5.13. Tabel 5.13. Perhitungan SEE untuk Metode Dekomposisi SEE = � ∑ y - y n x = 1 2 n - f = � �.���.���.��� 12-2 = 20.792 Hasil rekapitulasi nilai SEE dapat dilihat pada Tabel 5.14. Tabel 5.14. Rekapitulasi Hasil Perhitungaan SEE Metode Peramalan Hasil Perhitungan SEE Dekomposisi X Y Y Y-Y Y-Y 2 1 2 3 4 5 6 7 8 9 10 11 12 78 Universitas Sumatera Utara Regresi dengan kecenderungan Siklis Dari Tabel 5.14. dapat dilihat bahwa SEE Dekomposisi SEE Siklis 7. Pengujian hipotesa Pengujian hipotesa dilakukan dengan mencari SEE yang terkecil yaitu metode peramalan dekomposisidenganregresi dengan kecenderungan siklis. Ho = Metode dekomposisi lebih baik dari metode siklis Hi = Metode dekomposisitidak lebih baik dari metode siklis α = 0,05 Uji statistik : 2 2 22 , 341 . 22 792 . 20 siklis SEE i dekomposis SEE       =       = hitung F = 0,8655 F tabel = α v 1, v 2 dimana v 1 bernilai 9 12-3 untuk metode dekomposisi dan v 2 bernilai 10 10-2. Maka didapatkan F tabel = 0,05 9,10 = 3,02 Didapatkan F hitung ≤ F tabel maka Ho diterima Kesimpulan: Metode yang digunakan meramalkan produk Karung Goni LDPE adalah metode dekomposisi dengan fungsi sebagai berikut Nilai Garis Trend x Indeks Musim 8. Verifikasi peramalan Universitas Sumatera Utara Tujuan dilakukannya proses verifikasi adalah untuk mengetahui apakah fungsi yang telah ditentukan dapat mewakili data yang akan diramalkan. Adapun perhitungan hasil verifikasi dapat dilihat pada Tabel 5.15. Tabel 5.15. Perhitungan Hasil Verifikasi X Y Y Y-Y MR 1 2 3 4 5 6 7 8 9 10 11 12 78 MR = = − ∑ 1 n MR 1 12 210.099 − = 19.181,75 BKA = 2,66 x MR = 2,66 x 19.181,75= 51.023,45 23 BKA = 23 x 51.023,45= 34.015,63 13 BKA = 13 x 51.023,45= 17.007,81 BKB = -2,66 x MR = 2,66 x 19.181,75= -51.023,45 23 BKB = 23 x -51.023,45 = -34.015,63 Universitas Sumatera Utara 13 BKB = 13 x -51.023,45 = -17.007,81 Gambar 5.2. Moving Range Chart Dari Gambar 5.2. tidak terlihat adanya data yang out of control sehinggga persamaan peramalan metode dekomposisi dapat digunakan untuk meramalkan permintaan produk untuk periode Juli 2016 - Juni 2017. 9. Dengan menggunakan peramalan dengan metode dekomposisi, permintaan produk Karung Goni LDPE untuk periode Juli 2016 - Juni 2017 dapat dilihat pada Tabel 5.16. Tabel 5.16. Hasil Peramalan Permintaan Produk Karung LDPE Periode Juli 2016 - Juni 2017 Bulan Total Juli Agustus -60000 -40000 -20000 20000 40000 60000 1 2 3 4 5 6 7 8 9 10 11 12 BKA 23 BKA 13 BKA BKB 23 BKB 13 BKB Y-Y MR Universitas Sumatera Utara September Oktober November Desember Januari February Maret April Mei Juni Grafikperbandinganantara data aktualdanhasilperamalan Karung Goni LDPE disajikan pada Gambar 5.3. Gambar 5.3. Grafik Perbandingan Data Aktual dengan Hasil Peramalan LDPE Dengan menggunakan perhitungan yang sama, hasil perhitungan peramalan produk Karung Goni HDPE dapat dilihat pada Tabel 5.17. Tabel 5.17. Hasil Peramalan Permintaan Produk Karung LDPE Periode Juli 2016 -Juni 2017 Bulan Total Juli 350.000 400.000 450.000 500.000 550.000 1 2 3 4 5 6 7 8 9 10 11 12 Grafik Perbandingan Produk LDPE Aktual Peramalan Siklis Dekomposisi Universitas Sumatera Utara Agustus September Oktober November Desember Januari February Maret April Mei Juni Grafikperbandinganantara data aktualdanhasilperamalan Karung Goni HDPE disajikan pada Gambar 5.4. Gambar 5.4. Grafik Perbandingan Data Aktual dengan Hasil Peramalan HDPE Setelah membandingkan hasil peramalan periode Juli 2016-Juni 2017 dengan data aktual Juli 2015-Juni 2016, maka untuk periode aktual Juli 2016- Oktober 2016, dapat dilihat perbandingan nya pada Tabel 5.18. Tabel 5.18. Perbandingan Hasil Peramalan dengan Data Aktual Periode Juli 2016-Oktober 2016 200.000 250.000 300.000 350.000 400.000 1 2 3 4 5 6 7 8 9 10 11 12 Grafik Perbandingan Karung HDPE Aktual Peramalan Dekomposisi Siklis Universitas Sumatera Utara Bulan Peramala n LDPE Unit Data AktualPermintaa n LDPE Unit Peramala n HDPE Unit Data AktualPermintaa n HDPE Unit Juli Agustus Septembe r Oktober

5.2.2. Formulasi Fungsi Optimasi Perencanaan Produksi dengan Goal