Peramalan Permintaan Produk Pengolahan Data

5.1.4. Hari kerja dan Jam Kerja

Pabrik ini beroperasi normal selama 6 hari perminggu dan memiliki tiga shift kerja. Data jumlah hari kerja untuk setahun kedepan dapat dilihat pada Tabel 5.9. di bawah ini: Tabel 5.9. Jumlah Minggu pada Januari 2014-Desember 2014 Bulan Jan Feb Mar Apr Mei Jun Jul Agst Sep Okt Nov Des Jumlah Minggu 5 4 4 5 4 4 5 4 4 5 4 4 Jumlah Hari 21 24 25 25 23 25 23 25 26 26 25 25

5.2. Pengolahan Data

5.2.1. Peramalan Permintaan Produk

Berdasarkan data historis permintaan produk pada periode sebelumnya, dilakukan permalan permintaan produk selama setahun kedepan pada tahun 2014. Pada perusahaan yang berproduksi pada sistem pesanan, peramalan dilakukan untuk memperkirakan jumlah permintaan oleh konsumen yang sifatnya fluktuatif dan tidak tetap. Hasil peramalan ini akan dijadikan dasar untuk penyiapan kapasitas yang tersedia di lantai produksi sehingga siap untuk melakukan produksi. Rata-rata permintaan produk pada lima tahun terakhir dapat dilihat pada Tabel 5.10. di bawah ini: Tabel 5.10. Jumlah Permintaan Produk Bulan X Permintaan kg Januari 1 6613814 Februari 2 7051484 Universitas Sumatera Utara Maret 3 7458742 April 4 8378181 Mei 5 8690411 Juni 6 9353158 Juli 7 9593533 Agustus 8 10759011 September 9 8563160 Oktober 10 9147601 November 11 10648099 Desember 12 10090319 Jumlah 78 106347513 Peramalan permintaan dilakukan dengan metode kuantitatif. Langkah- langkah peramalan yang dilakukan adalah sebagai berikut: 1. Mendefenisikan tujuan peramalan Tujuan peramalan adalah untuk meramalkan permintaan produk satu tahun yang akan datang yaitu Januari – Desember 2014 2. Membuat grafik permintaan produk berdasarkan periode sebelumnya. Grafik permintaan produk dibuat berdasarkan pada Tabel 5.10. dapat dilihat pada Gambar 5.1. di bawah ini: Gambar 5.1. Grafik Jumlah Permintaan Produk 5000000 6000000 7000000 8000000 9000000 10000000 1 2 3 4 5 6 7 8 9 10 11 12 Jumlah Permintaan jumlah permintaan Universitas Sumatera Utara 3. Memilih metode peramalan Metode permalan yang dipilih adalah metode time series. Metode ini menggunakan proyeksi kecenderungan dengan regresi yang terdiri dari beberapa fungsi yaitu kuadratis, eksponensial, dan siklis. 4. Menghitung parameter peramalan a. Kuadratis Fungsi peramalan : Y’ = a + bx + cx 2 Dimana: n X c X b Y a 2 ∑ ∑ ∑ − − = 2 α β γ α θ δ γ b − − = γ b α θ c − = ∑ ∑ ∑ − = 3 2 X n X X α ∑ ∑ − = 2 2 X n X β ∑ ∑ − = 4 2 2 X n X γ ∑ ∑ ∑ − = XY n Y X δ ∑ ∑ ∑ − = Y X n Y X θ 2 2 Perhitungan parameter untuk pola kuadratis dapat dilihat pada Tabel 5.11. di bawah ini: Tabel 5.11. Perhitungan Parameter Peramalan Pola Kuadratis X Y X 2 X 3 X 4 XY X 2 Y Universitas Sumatera Utara 1 6613814 1 1 1 6613814 6613814 2 7051484 4 8 16 14102968 28205936 3 7458742 9 27 81 22376226 67128678 4 8378181 16 64 256 33512724 134050896 5 8690411 25 125 625 43452055 217260275 6 9353158 36 216 1296 56118948 336713688 7 9593533 49 343 2401 67154731 470083117 8 10759011 64 512 4096 86072088 688576704 9 8563160 81 729 6561 77068440 693615960 10 9147601 100 1000 10000 91476010 914760100 11 10648099 121 1331 14641 117129089 1288419979 12 10090319 144 1728 20736 121083828 1453005936 78 106347513 650 6084 60710 736160921 6298435083 22308 6084 12 650 78 X n X X α 3 2 − = − = − = ∑ ∑ ∑ 1716 650 12 78 X n X β 2 2 2 − = − = − = ∑ ∑ 306020 60710 12 650 X n X γ 2 4 2 2 − = − = − = ∑ ∑ -538825038 736160921 12 106347513 78 XY n Y X δ = − = − = ∑ ∑ ∑ 6 -645533754 6298435083 12 106347513 650 Y X n Y X θ 2 2 = − = − = ∑ ∑ ∑ 759932 759932,381 22308 1716 305020 22308 6455337546 - 538825038 - 306020 α γ.β θ.α γ.δ b 2 2 ≈ = − − − − − − − = − − = 34302 - -34302,444 306020 22308 759932,381 6455337546 - γ b α θ c ≈ = − − − = − = 5780781 4 5780781,32 12 650 34302,444 - 78 759932,381 106347513 n X c X b Y a 2 2 ≈ = − − = − − = ∑ ∑ ∑ Berdasarkan perhitungan di atas fungsi peramalannya adalah: Y= 5780781+759932x-34302x 2 Universitas Sumatera Utara b. Eksponensial Fungsi peramalan : Y’ = ae bx Dimana: n X b lnY a ln ∑ ∑ − = ∑ ∑ ∑ ∑ ∑ − − = 2 2 X X n lnY X lnY X n b Perhitungan parameter untuk pola eksponensial dapat dilihat pada Tabel 5.12. di bawah ini: Tabel 5.12.Perhitungan Parameter Peramalan Pola Eksponensial X Y X 2 ln Y X ln Y 1 6613814 1 15,705 15,705 2 7051484 4 15,769 31,538 3 7458742 9 15,825 47,475 4 8378181 16 15,941 63,764 5 8690411 25 15,978 79,890 6 9353158 36 16,051 96,306 Tabel 5.12.Perhitungan Parameter Peramalan Pola Eksponensial Lanjutan X Y X 2 ln Y X ln Y 7 9593533 49 16,077 112,539 8 10759011 64 16,191 129,528 9 8563160 81 15,963 143,667 10 9147601 100 16,029 160,290 11 10648099 121 16,181 177,991 12 10090319 144 16,127 193,524 78 106347513 650 191,837 1252,217 Universitas Sumatera Utara 0,037 78 650 12 191,837 78 1252,217 12 X X n lnY X lnY X n b 2 2 2 = − − = − − = ∑ ∑ ∑ ∑ ∑ 3 6892883,08 a 15,746 12 78 0,037 191,837 n X b lnY a ln = = − = − = ∑ ∑ Berdasarkan perhitungan di atas fungsi peramalannya adalah : Y’ = 3 6892883,08 e 0,037X c. Siklis Fungsi peramalan : n x 2 π cos c n 2 π sin b a Y + + = Dimana: ∑ ∑ ∑ + + = n X 2 π cos c n X 2 π sin b na Y ∑ ∑ ∑ ∑ + + = n X 2 π cos n X 2 π sin c n X 2 π sin b n X 2 π sin a n X 2 π sin Y 2 ∑ ∑ ∑ ∑ + + = n X 2 π cos c n X 2 π cos n X 2 π sin b n X 2 π cos a n X 2 π cos Y 2 Perhitungan parameter untuk pola siklis dapat dilihat pada Tabel 5.13. di bawah ini: Tabel 5.13.Perhitungan Parameter Peramalan Pola Siklis X Y n X 2 π sin n X 2 π cos n X 2 π cos n X 2 π sin       n X 2 π sin 2       n X 2 π cos 2 n X 2 π sin Y n X 2 π cos Y 1 6165284 0,500 0,866 0,433 0,250 0,750 3306907 5727562,924 2 6544686 0,866 0,500 0,433 0,750 0,250 6106585,144 3525742 3 6829237 1,000 0,000 0,000 1,000 0,000 7458742 0,000 4 7588041 0,866 -0,500 -0,433 0,750 0,250 7255504,746 -4189090,5 5 7872593 0,500 -0,866 -0,433 0,250 0,750 4345205,5 -7525895,926 6 8062294 0,000 -1,000 0,000 0,000 1,000 0,000 -9353158 Universitas Sumatera Utara 7 8346845 -0,500 -0,866 0,433 0,250 0,750 -4796766,5 -8307999,578 8 9485052 -0,866 -0,500 0,433 0,750 0,250 -9317303,526 -5379505,5 9 7682892 -1,000 0,000 0,000 1,000 0,000 -8563160, 0,000 10 8062294 -0,866 0,500 -0,433 0,750 0,250 -7921822,466 4573800,5 11 9390201 -0,500 0,866 -0,433 0,250 0,750 -5324049,5 9221253,734 12 8821098 0,000 1,000 0,000 0,000 1,000 0,000 10090319 78 94850517 0,000 0,000 0,000 6,000 6,000 -7450157,602 -1616971,346 8862292,75 a c b a 12 106347513 n X 2 π cos c n X 2 π sin b na Y = + + = + + = ∑ ∑ ∑ 34 -1241692,9 b c 6 b 8862292,75 2 7450157,60 - n X 2 π cos n X 2 π sin c n X 2 π sin b n X 2 π sin a n X 2 π sin Y 2 = + + = + + = ∑ ∑ ∑ ∑ 269495,224 - c 6 c 34 -1241692,9 75 , 904209 7 8862292,75 n X 2 π cos c n X 2 π cos n X 2 π sin b n X 2 π cos a n X 2 π cos Y 2 = + + = + + = ∑ ∑ ∑ ∑ Fungsi peramalannya adalah : Y’ = 8862292,750 – 1241692,934 n X 2 π sin - 269495,224 n X 2 π cos 5. Menghitung Kesalahan Peramalan Kesalahan peramalan dihitung dengan menggunakan metode MSE Mean Square Error dengan rumus: ∑ − = n Y Y MSE 2 Keterangan: MSE = Mean Square Error Y = Jumlah permintaan aktual Universitas Sumatera Utara Y’ = Jumlah permintaan hasil peramalan n = Jumlah periode Perhitungan kesalahan peramalan akan dilakukan pada setiap pola. a. Kuadratis Perhitungan MSE pada pola kuadratis dapat dilihat pada Tabel 5.14. di bawah ini: Tabel 5.14. Perhitungan Nilai MSE Pola Kuadratis X Y Y Y-Y’ Y-Y’ 2 1 6613814 6506411,26 107402,74 1,2 x 10 10 2 7051484 7163436,31 -111952,3 1,3 x 10 10 3 7458742 7751856,47 -293114,5 8,6 x 10 10 4 8378181 8271671,74 106509,26 1,1 x 10 10 5 8690411 8722882,13 -32471,13 1,1 x 10 10 6 9353158 9105487,63 247670,37 6,1 x 10 10 7 9593533 9419488,24 174044,77 3 x 10 10 8 10759011 9664883,96 1094127 1,2 x 10 12 9 8563160 9841674,79 -1278515 1,6 x 10 12 10 9147601 9949860,73 -802259,7 6,4 x 10 11 Tabel 5.14. Perhitungan Nilai MSE Pola Kuadratis Lanjutan X Y Y Y-Y’ Y-Y’ 2 11 10648099 9989441,79 658657,21 4,3 x 10 11 12 10090319 9960417,96 129901,04 1,7 x 10 10 Total 106347513 106347513 -0,006 4,1 x 10 12 MSE = = 4,1 x 10 12 12 = 3,45 x 10 11 b. Eksponensial Perhitungan MSE pada pola eksponensial dapat dilihat pada Tabel 5.15. di bawah ini: Universitas Sumatera Utara Tabel 5.15. Perhitungan Nilai MSE Pola Eksponensial X Y Y Y-Y’ Y-Y’ 2 1 6613814 7152696,67 -538882,67 2,904 x 10 11 2 7051484 7422303,41 -370819,41 1,375 x 10 11 3 7458742 7702072,45 -243330,45 5,921E+10 4 8378181 7992386,83 385794,17 1,488 x 10 11 5 8690411 8293644,03 396766,97 1,574 x 10 11 6 9353158 8606256,53 746901,47 5,579 x 10 11 7 9593533 8930652,34 662880,66 4,394 x 10 11 8 10759011 9267275,60 1491735,40 2,225 x 10 12 9 8563160 9616587,21 -1053427,21 1,11 x 10 12 10 9147601 9979065,43 -831464,43 6,913 x 10 11 11 10648099 10355206,56 292892,44 8,579 x 10 10 12 10090319 10745525,57 -655206,57 4,293 x 10 11 Total 106347513 106063672,63 283840,37 6,332 x 10 12 MSE = = 6,332 x 10 12 12 = 5,28 x 10 11 c. Siklis Perhitungan MSE pada pola siklis dapat dilihat pada Tabel 5.16. di bawah ini: Tabel 5.16. Perhitungan Nilai MSE Pola Siklis X Y Y’ Y-Y’ Y-Y’ 2 1 6613814 8008056,6 -1394243 1,944 x 10 12 2 7051484 7652207,5 -600724 3,609 x 10 11 3 7458742 7620599,8 -161858 2,62 x 10 10 4 8378181 7921702,7 456478,3 2,084 x 10 11 5 8690411 8474836 215575 4,647 x 10 10 6 9353158 9131788 221370 4,9 x 10 10 7 9593533 9716528,9 -122996 1,513 x 10 10 8 10759011 10072378 686633 4,715 x 10 11 Universitas Sumatera Utara 9 8563160 10103986 -1540826 2,374 x 10 12 10 9147601 9802882,8 -655282 4,294 x 10 11 11 10648099 9249749,5 1398349 1,955 x 10 12 12 10090319 8592797,5 1497521 2,243 x 10 12 Total 106347513 106347513 1,012 x 10 13 MSE = = 1,012 x 10 13 12 = 8,43 � 10 11 Hasil perhitungan MSE yang telah dihitung dapat dilihat pada Tabel 5.17. di bawah ini: Tabel 5.17. Rekapitulasi Hasil Perhitungan MSE Pola MSE Kuadratis 3,45 x 10 11 Eksponensial 5,28 x 10 11 Siklis 8,43 x 10 11 Berdasarkan Tabel 5.17. dapat kita lihat bahwa pola kuadratis adalah pola peramalan yang memiliki MSE paling kecil. Karena itu untuk peramalan pada periode berikutnya digunakan pola kuadratis. 6. Verifikasi Peramalan 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 5.18. Tabel 5.18. Perhitungan Hasil Verifikasi Y Y Y-Y MR 6613814 6506411 107403 7051484 7163436 -111952 219355 7458742 7751856 -293114 181162 Universitas Sumatera Utara 8378181 8271672 106509 399623 8690411 8722882 -32471 138980 9353158 9105488 247670 280141 9593533 9419488 174045 73625 10759011 9664884 1094127 920082 8563160 9841675 -1278515 2372642 9147601 9949861 -802260 476255 10648099 9989442 658657 1460917 10090319 9960418 129901 528756 106347513 106347513 7051538 �� ����� = ∑ �� �−1 = 7051538 12 −1 = 641048,909 BKA = 2,66 x �� ����� = 2,66 x 641048,909 = 1705190,098 13 BKA = 13 x 1705190,098 = 568396,6994 23 BKA = 23 x 1705190,098 = 1136793,399 BKB = -2,66 x �� ����� = -2,66 x 641048,909 = - 1705190,098 13 BKB = 13 x - 1705190,098 = - 568396,6994 23 BKB = 23 x - 1705190,098 = - 1136793,399 Verifikasi dilakukan dengan menggunakan uji kondisi di luar kendali. Adapun moving range chart menurut aturan tersebut dapat dilihat pada Gambar 5.2. di bawah ini: Gambar 5.2. Moving Range Chart -2000000 -1500000 -1000000 -500000 500000 1000000 1500000 2000000 1 2 3 4 5 6 7 8 9 10 11 12 BKA 13 BKA 23 BKA BKB 13 BKB 23 BKB e Universitas Sumatera Utara Setelah diperiksa tidak ada data yang berada di luar batas kontrol sehingga data peramalan sudah representatif. Peramalan data permintaan dilakukan untuk satu tahun ke depan. Perhitungan peramalan permintaan dapat dilihat pada Tabel 5.19 di bawah ini: Tabel 5.19. Hasil Peramalan Permintaan Kelompok Produk Tahun 2014 X Y 13 9862789 14 9696556 15 9461717 16 9158274 17 8786225 18 8345572 19 7836314 20 7258451 21 6611984 22 5896911 23 5113233 24 4260951

5.2.2. Penyusunan Jadwal Induk Produksi JIP