4.1 Peramalan Permintaan Kertas Multi Fungsi HVS
Kegiatan penelitian terhadap suatu perusahaan diperlukan tindakan atau analisis data dengan tujuan untuk memberikan jawaban atas masalah dalam
penelitian serta memberikan argumen terhadap perusahaan yang penulis teliti. Analisis data penelitian ini menggunakan metode peramalan eksponensial
smoothing dan mean absolute error. 4.1.1 Metode Eksponensial Smoothing
Secara matematis persamaan eksponensial smoothing adalah sebagai berikut Subagyo, 2002: 19:
S
t + 1
= X
t
+ 1- S
t
Dimana: S
t + 1
= Nilai ramalan untuk periode berikutnya = Konstanta penulisan 0-1
X
t
= Data pada periode t S
t
= Nilai penulisan yang lama atau rata-rata yang dimuluskan hingga Periode t - 1
Adapun data yang akan digunakan sebagai berikut:
Tabel 4.1 Data Permintaan Kertas Multi Fungsi HVS
Universitas Sumatera Utara
CV. Rony Putra Periode Okteber 2013
– Mei 2014
Sumber: CV. Rony Putra Gambar grafiknya adalah sebagai berikut:
No Bulan
Permintaan Kertas Multi Fungsi HVS
Rim
1 Oktober 2013
65 2
November 73
3 Desember
65 4
Januari 2014 75
5 Februari
68 6
Maret 73
7 April
65
8 Mei
70
Universitas Sumatera Utara
Gambar 4.1 Grafik Chart line Permintaan Kertas Multi Fungsi HVS
Bobot α yang penulis gunakan adalah α = 0,90. Yang penjelasan perhitungannya adalah sebagai berikut:
S
t + 1
= 0,90 X
t
+ 1 – 0,90 S
t
Data permintaan kertas multi fungsi HVS bulan Oktober 2013 sebesar 65 rim. Untuk bulan Oktober S
1
kita belum bisa membuat forecast. Umtuk membuat forecast bulan November kita belum mempunyai cukup data.
Sehingga untuk forecast bulan November S
2
menggunakan data yang paling terakhir yaitu 65 rim. Perhitungan bulan berikutnya adalah sebagai
berikut:
Universitas Sumatera Utara
S
2 + 1
= 0,90 X
2
+ 1 – 0,90 S
2
S
3
Desember = 0,90 73 + 0,10 65 = 72,2
S
3 + 1
= 0,90 X
3
+ 1 – 0,90 S
3
S
4
Januari = 0,90 65 + 0,10 72,2 = 65,72
S
4 + 1
= 0,90 X
4
+ 1 – 0,90 S
4
S
5
Februari = 0,90 75 + 0,10 65,72 = 74,072
S
5 + 1
= 0,90 X
5
+ 1 – 0,90 S
5
S
6
Maret = 0,90 68 + 0,10 74,072 = 68,6072
S
6 + 1
= 0,90 X
6
+ 1 – 0,90 S
6
S
7
April = 0,90 73 + 0,10 68,6072 = 72,56072
S
7 + 1
= 0,90 X
7
+ 1 – 0,90 S
7
S
8
Mei = 0,90 65 + 0,10 72,56072 = 65,756072
Demikian seterusnya, untuk sepanjang bulan dengan α = 0,90 hasilnya seperti terlihat pada tabel 4.2
Universitas Sumatera Utara
Tabel 4.2 Data Permintaan Kertas Multi Fungsi HVS CV. Rony Putra
Periode Okteber 2013 – Mei 2014
Gambar grafiknya adalah sebagai berikut:
No Bulan
Permintaan Kertas Multi Fungsi HVS
Rim
Forecast α = 0,90
1 Oktober 2013
65
-
2 November
73
65
3 Desember
65
72,2
4 Januari 2014
75
65,72
5 Februari
68
74,072
6 Maret
73
68,6072 7
April 65
72,56072
8 Mei
70
65,756072
Universitas Sumatera Utara
Gambar 4.2 Grafik Chart line Permintaan Kertas Multi Fungsi dengan Forecast α = 0,90
4.1.2 Perhitungan Kesalahan Peramalan
Setelah melakukan perhitungan peramalan dengan α = 0,90 maka perlu diadakan pengukuran kesalahan peramalan untuk mengetahui seberapa
besar tingkat kesalahan peramalan dengan α = 0,90. Metode pengukuran kesalahan peramalan yang penulis gunakan adalah dengan Mean Absolute
Error MAE. Mean Absolute Error adalah rata-rata nilai absolute dari kesalahan peramalan tidak dihiraukan tanda positif atau negatifnya.
Secara matematis persamaan Mean Absolute Error sebagai berikut Subagyo, 2002: 10:
Universitas Sumatera Utara
MAE Dimana:
X
t
= data pada periode t S
t
= nilai peramalan pada periode t n
= jangka waktu MAE Adapun perhitungan kesalahan peramalan sebagai berikut tabel 4.3:
Tabel 4.3 Per hitungan Kesalahan Peramalan Dengan α = 0,90
Gambar grafiknya adalah sebagai berikut:
No Bulan
Permintaan Kertas Multi Fungsi
X
t
α = 0,90 Forecast
S
t
X
t
– S
t
| X
t
– S
t
|
1 Oktober 2013
65 -
- -
2 November
73 65
8 8
3 Desember
65 72,2
-7,2 7,2
4 Januari 2014
75 65,72
9,28 9,28
5 Februari
68 74,072
-6,072 6,072
6 Maret
73 68,6072
4,3928 4,3928
7 April
65 72,56072 -7,56072
7,56072 8
Mei 70 65,756072 4,243928
4,243928
Jumlah
46,749448
Universitas Sumatera Utara
Gambar 4.3 Grafik Chart Line Perhitungan Kesalahn
Peramalan dengan α = 0,90
MAE untuk α = 0,90
MAE
6,678492571
Berdasarkan perhitungan diatas ternyata forecast error dengan α = 0,90 adalah 6,678492571. Setelah mengetahui tingkat kesalahan peramalan
deng an α = 0,90 kemudian kita mencari forecast pada bulan Juni S9
menggunakan α = 0,90. Adapun perhitungannya sebagai berikut:
Universitas Sumatera Utara
S
t + 1
= 0,90 X
t
+ 1 - 0,90 S
t
S
8 + 1
= 0,90 X
8
+ 1 – 0,90 S
8
S
9
Juni = 0,90 70 + 0,10 65,756 = 69,5756
S
9
= 69,5756 dibulatkan menjadi 70
4.1.3 Penyediaan Jumlah Permintaan Kertas Multi Fungsi HVS
Setelah hasil peramalan forecast bulan Juni S9 diketahui maka, dari hasil forecast digunakan sebagai dasar atau patokan dalam penyediaan
jumlah permintaan kertas multi fungsi pada bulan Juni 2014. Jadi, hasil peramalan forecast pada bulan Juni tahun 2014 yaitu sebesar 69,5756
atau sama dengan sebesar 70 rim.
Universitas Sumatera Utara
BAB 5 IMPLEMENTASI SISTEMATIKA
Kategori