88
4.2.4.1. Menghitung Mean Square Error MSE
Dari hasil peramalan data permintaan dengan menggunakan WinQSB akan didapatkan nilai Mean Square Error MSE. Hasil Mean Square Error MSE
dapat dilihat pada tabel berikut : Tabel 4.20. Mean Square Error MSE Hasil Peramalan kota mojokerto
PRODUK SA
SES DES
PAVING TRIHEK 508,7339 1131,522 54418,48
CANSTIN CANSTEEN 469,0489
688,0435 3160810
Sumber: Pengolahan dataLampiran I
MSE yang terkecil untuk Kota mojokerto produk Paving trihek dan Canstin cansteen adalah dengan metode Simple Average SA untuk Paving trihek dan
Double Exponential Smoothing DES untuk Canstin cansteen.. Sehingga metode peramalan yang dipilih adalah Simple Average SA dan Double Exponential
Smoothing DES. Untuk Mean Square Error MSE kota yang lain dapat dilihat pada lampiran G.
4.2.4.2 Uji Verifikasi Dengan Moving Range Chart MRC
Setelah diketahui fungsi peramalan dengan MSE terkecil maka perlu dilakukan uji verifikasi untuk mengetahui apakah fungsi peramalan yang dipilih
dapat dipakai atau tidak. Alat yang dipergunakan untuk uji verifikasi adalah dengan Moving Range Chart MRC.
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
89
Gambar 4.3. Moving Range Chart MRC Produk Paving Trihek Untuk Kota Mojokerto
Berdasarkan gambar 4.3. dapat disimpulkan bahwa Moving Range Chart MRC Produk Paving Trihek untuk Kota Mojokerto dinyatakan terkontrol. Hal
ini terlihat dari nilai error Y’t – Yt masih berada diantara batas atas BA dan batas bawah BB.
Untuk Moving Range Chart MRC kota dan produk yang lain dapat dilihat pada Lampiran H.
4.2.4.3. Menentukan Peramalan Demand Bulanan
Setelah dilakukan uji verifikasi dengan Moving Range Chart MRC, langkah selanjutnya adalah merekapitulasi hasil peramalan yang nantinya
merupakan demand bulanan. Peramalan demand bulanan untuk setiap produk dari masing-masing
distributor menggunakan metode yang berbeda-beda. Kriteria pemilihan metode peramalan didasarkan bentuk pola data dan berdasarkan minimasi nilai MSE.
Antisipasi terhadap adanya kesalahan permintaan dilakukan dengan menyediakan stok pengaman safety stock untuk tiap item pada masing-masing kota, dimana
Hak Cipta © milik UPN Veteran Jatim : Dilarang mengutip sebagian atau seluruh karya tulis ini tanpa mencantumkan dan menyebutkan sumber.
90 besarnya safety stock didasarkan atas besarnya standard deviasi kesalahan
peramalan Hasil peramalan demand bulanan masing-masing kota untuk tiap produk
dapat dilihat pada tabel 4.21. Tabel 4.21. Hasil Peramalan Demand Bulanan Kota Mojokerto m
2
Sumber:Pengolahan dataLampiran I
Untuk hasil peramalan demand bulanan kota lain dapat dilihat pada Lampiran I.
4.2.4.4 Menghitung Peramalan Economic Order Quantity EOQ, Safety Stock SS