44 a =
n X
c X
b Y
2
223200 – 8813,3921 –-1036,6191
= 6
= -9368,78
b =
2
. .
.
-5369-163500 – -912300-735
= -5369-105
– -735
2
= 8813,39
c =
b
-912300 – 8813,39-735
= -5369
= - 1036,61
Fungsi peramalannya adalah :
Y’ = -9368,78 + 8813,39X – 1036,61X
2
c. Metode Siklis
Fungsi peramalan : Y = a + b sin
n X
2
+ c cos
n X
2
Universitas Sumatera Utara
45
Menentukan Tabel Perhitungan Parameter Peramalan untuk Metode Siklis
Y
= na + b
n X
2 sin
+ c
n X
2 cos
n X
n X
c n
X b
n X
a n
X Y
2 cos
2 sin
2 sin
2 sin
2 sin
2
n X
n X
b n
X c
n X
a n
X Y
2 cos
2 sin
2 cos
2 cos
2 cos
2
Tabel 6.4 Perhitungan Parameter Peramalan untuk Metode Siklis
X Y
Sin
n X
2
Cos
n X
2
Sin
n X
2
cos
n X
2
sin
2
n X
2
cos
2
n X
2
Ysin
n X
2
Ycos
n X
2
1 30.100
0,866 0,500
0,433 0,750
0,251 26059,37
15063,84 2
35.450 0,867
-0,500 -0,432
0,750 0,249
30719,40 -17692,39
3 38.150
0,002 -1,000
-0,002 0,000
1,000 60,76
-38149,95 4
42.000 -0,866
-0,500 0,433
0,748 0,252
-36328,39 -21077,19
5 40.000
-0,867 0,500
-0,432 0,752
0,248 -34693,98
19907,98 6
37.500 -0,002
1,000 -0,002
0,000 1,000
-119,45 37499,81
21 223.200 3
3 -14.302,3
-4.447,91
Y = na + b
n X
2 sin
+ c n
X 2
cos 223.200 = 6a + b0 + c0
223.200 = 6a a = 37.200
n X
n X
c n
X b
n X
a n
X Y
2 cos
2 sin
2 sin
2 sin
2 sin
2
-14.302,3 = a 0 + b 3 + c 0 -14.302,3 = 3 b
b = 4.767,43
n X
n X
b n
X c
n X
a n
X Y
2 cos
2 sin
2 cos
2 cos
2 cos
2
-4.447,91 = a 0 + c 3 + b 0 -4.447,91 = 3 c
c = 1.482,64
Universitas Sumatera Utara
46 Fungsi peramalannya adalah :
Y’ = 37.200 + 4.767,43 sin
n X
2
+ 1.482,64 cos
n X
2 5. Menghitung Kesalahan Peramalan
Perhitungan ketelitian masing-masing metode peramalan bertujuan untuk memilih metode peramalan yang lebih tepat untuk digunakan. Ketelitian
peramalan dapat ditentukan dengan menghitung standar kesalahan peramalan Standard Error of Estimate. Perhitungan kesalahan menggunakan metode
SEE Standard Error of Estimation dengan menggunakan rumus sebagai berikut:
f n
Y Y
SEE
2
Keterangan: f = derajat kebebasan
Y = data aktual periode X Y’ = nilai ramalan periode X
n = banyaknya periode a. Metode linier
Untuk mempermudah pehitungan SEE model persamaan regresi linier terlebih dahulu dilakukan perhitungan kesalahan error sebagaimana disajikan pada
Tabel 6.5.
Tabel 6.5 Perhitungan Kesalahan Metode Linier X
Y Y
e= Y -Y e
2
1 30.100
33.307 -3.207
10.285.765,31 2
35.450 34.864 586
343.061,22 3
38.150 36.421
1.729 2.987.959,18
4 42.000
37.979 4.021
16.171.887,76 5
40.000 39.536
464 215.561,22
6 37.500
41.093 -3.593
12.908.622,45 21
223.200 223.200 2.912.857,14
Universitas Sumatera Utara
47 10
, 782
. 3
3 6
14 ,
857 .
912 .
2 SEE
b. Metode kuadratis Untuk mempermudah pehitungan SEE model persamaan kuadratis terlebih
dahulu dilakukan perhitungan kesalahan error sebagaimana disajikan pada Tabel 6.6.
Tabel 6.6 Perhitungan SEE untuk Metode Kuadratis
819 .
35 3
6 59
, 580
. 993
. 848
. 3
SEE
c. Metode Siklis Untuk mempermudah pehitungan SEE model persamaan siklis terlebih dahulu
dilakukan perhitungan kesalahan error sebagaimana disajikan pada Tabel 6.7. Tabel 6.7 Perhitungan SEE untuk Metode Siklis
X Y
Y e=Y-Y
e
2
1 30.100 2.069,45
11.969 43.267.756,88 2
5.450 0.591,29 5.141
26.432.840,77 3
38.150 5.724,95 2.425
5.880.844,50 4
42.000 2.332,31 9.668
93.464.215,12 5
40.000 3.802,88 6.197
38.404.286,65 6
7.500 38.667,45
1.167 1.362.931,97 21
223.200 223.188,33
11,67 308.812.875,89 X
Y Y
e=Y-Y e
2
1 30.100
481 29.619
877.272.128,69 2
35.450 12.404
23.046 531.097.835,71
3 38.150
26.401 11.749
138.041.820,77 4
42.000 42.471
471 221.407,89
5 40.000
60.613 20.613
424.913.084,10 6
37.500 80.830
43.330 1.877.447.303,43 21
223200 223.200
0 3.848.993.580,59
Universitas Sumatera Utara
48 146
. 10
3 6
5,89 308.812.87
siklis
SEE Hasil rekapitulasi nilai SEE untuk metode linier, kuadratis dan siklis dapat
dilihat pada Tabel 6.8. Tabel 6.8 Rekapitulasi Hasil Perhitungan SEE
Metode Peramalan Hasil Perhitungan SEE
Linier 3.782
Kuadratis 35.819
Siklis 10.146
Berdasarkan dari hasil perhitungan SEE sebagaimana disajikan pada Tabel 6.8 nilai SEE metode linier lebih kecil dibandingkan kedua metode yang lain,
sehingga untuk meramalkan permintaan polybag pada tahun 2012 digunakan persamaan linier dengan bentuk persamaannya adalah :
Y’ = 31750 + 1557,14 X Sehingga untuk tahun 2012 diperkirakan permintaan polybag adalah:
Y’ = 31750 + 1557,14 7 = 42.649,98
= 42.650 kg dibulatkan. Dengan cara yang sama untuk produk biji plastik didapat hasil perkiraan
penjualan pada Tahun 2012 sebanyak 44.127 Kg Lampiran-1.
6.3 Perhitungan EOQ