Penentuan Q Optimal Komponen Beater PCD 80 mm 50x150x50 - Ø 17 mm

Dari hasil peramalan tersebut maka total kebutuhan Komponen Beater PCD 80 mm 50x6x150 - Ø 17 mm untuk periode 1 musiman mendatang adalah sebesar 129.83 ~ 130 unit.

5.2.7.1.2. Perhitungan Harga Q Optimal Q

Mencari harga Q Optimal Q seperti rumus dasar EOQ Economic Order Quantity untuk pemesanan dari supplier I Negara Thailand yaitu: unit 449.9302 500 . 21 15 . 000 . 511 . 2 . 130 2 hC 2RS Q = = = Rp Keterangan : R = Jumlah permintaanperiode unit = 130 unit S = Biaya pemesanan = Rp. 2.511.000,-pemesanan h = Persentase biaya penyimpanan dari C = 15 = 0.15 C = Biaya per unit = Rp. 21.500,-unit Sedangkan harga Q Optimal Q untuk pemesanan dari supplier II Negara Taiwan yaitu: unit 436.23 21500 15 . 500 . 360 . 2 . 130 2 hC 2RS Q = = = Rp

5.2.7.2. Penentuan Q Optimal Komponen Beater PCD 80 mm 50x150x50 - Ø 17 mm

5.2.7.2.1. Peramalan

Langkah-langkah peramalan: a. Tujuan Peramalan: Universitas Sumatera Utara Meramalkan permintaan Komponen Beater PCD 80 mm 50x150x50 - Ø 17 mm untuk 12 bulan mendatang. b. Pembuatan Diagram Pencar Gambar 5.9. Diagram Pencar Permintaan Komponen Beater PCD 80 mm 50x150x50 - Ø 17 mm Periode Januari 2009 – Desember 2009 c. Pemilihan Alternatif Metode Peramalan Berdasarkan pada gambaran diagram pencar pola data yang terbentuk adalah pola data konstan stasioner, dapat juga membentuk pola trend dan musiman. Data historis berjumlah 12 dan periode yang akan diramalkan adalah beberapa periode mendatang. Adapun metode peramalan yang dapat diuji adalah: 1. Single Exponential Smoothing 2. Linier Exponential Smoothing Model Holt’s 3. Trend and Seasonality Corrected Exponential Smoothing Model Winter’s d. Perhitungan parameter-parameter fungsi peramalan Dengan mengasumsikan nilai- nilai dari konstanta pemulusan α = 0,2 ; β = 0,2 ; dan γ = 0,3 maka dapat dilakukan peramalan permintaan berikut ini: Universitas Sumatera Utara 1. Single Exponential Smoothing Pengertian dasar dari metode ini adalah: nilai ramalan pada periode t+1 merupakan nilai aktual pada periode t ditambah dengan penyesuaian yang berasal dari kesalahan nilai ramalan yang terjadi pada periode t tersebut. Secara matematis dapat dinyatakan: t t t t t F X F α α − + = + 1 1 dimana : 1 + t F : ramalan permintaan pada periode t+1 t F : ramalan permintaan pada periode t α : suatu nilai 0α 1 yang ditentukan secara subjektif t X : permintaan aktual pada periode t 2. Linier Exponential Smoothing Model Holt’s Model Holt’s memuluskan nilai trend dengan parameter yang berbeda dari parameter yang digunakan pada deret yang asli. Ramalan dari pemulusan eksponensial linear Holt’s didapat dengan menggunakan dua kosntanta pemulusan dengan nilai antara 0 dan 1 dan tiga persamaan: 1 1 t 1 - t 1 t 1 S b - 1 X − − − − + − = + + = t t t t b S b S Lt γ γ α α m b F t m t + = + t S 3. Trend and Seasonality Corrected Exponential Smoothing Model Winter’s Persamaan dasar untuk metode Winters adalah sebagai berikut : Universitas Sumatera Utara Pemulusan Keseluruhan Pemulusan Trend Pemulusan Musiman + 1- β Ramalan e. Perhitungan kesalahan tiap metode peramalan 1. Metode Single Exponential Smoothing Tabel 5.46. Perhitungan Parameter Kesalahan Metode Single Exponential Smoothing Periode X Ramalan F Percentage Error t PE Mean Absolute Percentage Error t PE 1 272 - - - 2 136 272.00 -100 100 3 136 244.80 -80 80 4 272 223.04 18 18 5 136 232.83 -71.2 71.2 6 136 213.47 -56.96 56.96 7 136 197.97 -45.568 45.568 8 136 185.58 -36.4544 36.4544 9 136 175.66 -29.1635 29.16352 10 408 167.73 58.88973 58.88973 11 408 215.78 47.11178 47.11178 12 254.23 37.68943 37.68943 284.98 309.59 329.27 345.01 Total -257.655 341.0369 Sumber: Pengolahan Data Universitas Sumatera Utara 41974 . 28 12 0369 . 341 MAPE 4712 . 21 12 655 . 257 MPE 100 X PE n 1 n 1 t t = = = − = − = =     − = ∑ ∑ = = n PE n PE X F i i i i t t 2. Linier Exponential Smoothing Model Holt’s Tabel 5.47. Perhitungan Parameter Kesalahan Model Holt’s Periode t X Data Pemulusan t S Trend Pemulusan t b Ramalan F bila m=1 Percentage Error t PE Mean Absolute Percentage Error t PE 1 272 272.00 13.60 - 2 136 136.00 13.60 - 3 136 136.00 13.60 149.60 -10 10 4 272 174.08 20.94 149.60 45 45 5 136 183.22 17.40 195.02 -43.4 43.4 6 136 187.70 13.53 200.62 -47.516 47.516 7 136 188.18 9.61 201.22 -47.9578 47.95784 8 136 185.43 5.90 197.79 -45.4338 45.43384 9 136 180.27 2.58 191.34 -40.6886 40.68861 10 408 227.88 16.09 182.85 55.18296 55.18296 11 408 276.78 214.51 357.33 12.41924 12.41924 12 474.64 552.40 564.49 -38.3549 38.3549 666.42 878.17 1230.77 1781.27 Total -160.749 385.9534 Sumber: Pengolahan Data Universitas Sumatera Utara 32.16278 12 9534 . 385 MAPE 3957 . 13 12 749 . 160 MPE 100 X PE n 1 n 1 t t = = = − = − = =     − = ∑ ∑ = = n PE n PE X F i i i i t t 3. Trend and Seasonality Corrected Exponential Smoothing Model Winter’s Tabel 5.48. Perhitungan Parameter Kesalahan Model Winter’s Periode t X Pemulusan Tunggal t S Pemulusan Musiman t I Pemulusan Trend t b Ramalan F bila m=1 Percentage Error t PE Mean Absolute Percentage Error t PE 1 272 1.333333 2 136 0.933333 3 136 0.653333 4 272 204 0.457333 -17 5 136 170 0.320133 -22.1 59.86493 55.98166667 55.98166667 6 136 147.462857 0.224093 -22.2311 33.1434 75.62985 75.62985 7 136 141.818024 0.156865 -17.2552 19.64451 85.55550397 85.55550397 8 136 159.125438 0.109806 -6.88645 13.67771 89.94286263 89.94286263 9 136 206.755788 0.076864 9.468589 11.7017 91.39580913 91.39580913 10 408 537.113494 0.053805 105.7353 11.63391 97.14855112 97.14855112 11 408 1034.47047 0.037663 223.2218 24.21185 94.06572287 94.06572287 12 1749.28443 0.026364 370.6995 33.15825 91.87297842 91.87297842 39.12441 42.8842 45.1249 46.38023 Total 681.5929448 681.5929448 Sumber: Pengolahan Data Universitas Sumatera Utara 3957 . 13 − 32.16278 4712 . 21 − 41974 . 28 7 56.7994120 12 5929448 . 681 MAPE 7 56.7994120 12 5929448 . 681 MPE 100 X PE n 1 n 1 t t = = = = = =     − = ∑ ∑ = = n PE n PE X F i i i i t t f. Pemilihan metode terbaik dan verifikasi peramalan Pemilihan metode didasarkan pada nilai MPE dan nilai MAPE yang terkecil. Seperti yang terlihat dalam Tabel 5.49 Metode Peramalan Single Exponential Smoothing memiliki nilai MPE dan nilai MAPE yang terkecil. Maka metode ini yang digunakan dalam peramalan permintaan komponen Beater PCD 80 mm 50x150x50 - Ø 17 mm. Tabel 5.49. Kesalahan Estimasi Tiap Metode untuk Peramalan Komponen Beater PCD 80 mm 50x150x50 - Ø 17 mm Metode Peramalan MPE unit MAPE Single Exponential Smoothing Linier Exponential Smoothing Trend and Seasonality Corrected Exponential Smoothing Model Winter’s 56.799 56.799 Sumber: Pengolahan Data Dengan menggunakan metode Single Exponential Smoothing maka hasil peramalan untuk periode 4 bulan mendatang dihitung dengan menggunakan rumus: 317.2125 4 01 . 345 27 . 329 59 . 309 98 . 284 = + + + = = ∑ n x x i Universitas Sumatera Utara Dari hasil peramalan tersebut maka total kebutuhan Komponen Beater PCD 80 mm 50x6x150 - Ø 17 mm untuk periode 1 musiman mendatang adalah sebesar 317.2125 ~ 318 unit.

5.2.7.2.2. Perhitungan Harga Q Optimal Q

Mencari harga Q Optimal Q seperti rumus dasar EOQ Economic Order Quantity untuk pemesanan dari supplier I Negara Thailand yaitu: unit 729.6109 20000 15 . 000 . 511 . 2 . 318 2 hC 2RS Q = = = Rp Keterangan : R = Jumlah permintaanperiode unit = 318 unit S = Biaya pemesanan = Rp. 2.511.000,-pemesanan h = Persentase biaya penyimpanan dari C = 15 = 0.15 C = Biaya per unit = Rp. 20.000,-unit Sedangkan harga Q Optimal Q untuk pemesanan dari supplier II Negara Taiwan yaitu: unit 708.7552 20000 15 . 500 . 360 . 2 . 318 2 hC 2RS Q = = = Rp 5.2.7.3. Penentuan Q Optimal Komponen Screen 695-1120-3D-Ø 6 mm 5.2.7.3.1. Peramalan