Meramalkan Permintaan untuk Setiap Produk dari Juni 2014 sampai dengan Desember 2014

Gambar 5.1 Diagram Pencar Permintaan AFI Hitam Selama Juni 2014- Desember 2014 Dilihat dari pola data, data cendrung tidak stasioner, berfluktuasi, tidak membentuk pola musiman dan cendrung membentuk tren maka dipilih metode double exponential smoothing. Untuk memilih metode terbaik dengan error terkecil maka dipilih metode double exponential smoothing satu parameter Brown dan double exponential smoothing dua parameter Holt. 5. Mengumpulkan dan analisis data a. Double Exponential Smoothing Satu Parameter Brown Tahap pertama dalam perhitungan ini adalah perhitungan pemulusan eksponensial tunggal. Pada saat t=1, nilai-nilai tersebut tidak tersedia. Jadi nilai-nilai ini menggunakan suatu nilai rata-rata dari beberapa nilai pertama sebagai titik awal. Dengan menggunakan rumus sebagai berikut : S t = α X t + 1- α S t-1 Untuk α=0,1 pada permintaan produk AFI Hitam maka dapat dihitung : Eksponensial tunggal periode ke-1 30 May – 5 Jun 2014 = 3225 Eksponensial tunggal periode ke-2 6 Juni - 12 Juni 2014 = 0,1 4822+1-0,1 3225 S= 3441,7 Eksponensial tunggal periode ke-3 13 Juni - 19 Juni 2014 = 0,1 4439+1-0,1 3441,7 S = 3514,43 Demikian seterusnya untuk periode berikutnya. Hasilnya dapat dilihat pada Tabel 5.7. Tahap selanjutnya untuk menghitung peramalan tersebut yaitu mencari pemulusan eksponensial ganda dengan menggunakan rumus sebagai berikut yaitu : S t = αS t + 1- α S t-1 Maka dapat dihitung: Pada AFI Hitam maka dapat dihitung sebagai berikut : Eksponensial ganda periode ke-2 6 Juni - 12 Juni 2014 = 0,13411,7+1-0,1 3255 S = 3270,67 Eksponensial ganda periode ke-3 13 Juni - 19 Juni 2014 = 0,13514,43+1-0,1 3270,67 S= 3295,046 Eksponensial ganda periode ke-4 20 - 26 Juni 2014 = 0,13594,487+1-0,1 3295,046 S= 3324,99 Demikian seterusnya untuk periode berikutnya. Hasilnya dapat dilihat pada Tabel 5.7. Selanjutnya dicari nilai a t dengan menggunakan rumus sebagai berikut: a t =S t + S t + S t =2S t -S t Maka nilai a t dapat dihitung: Nilai a untuk periode ke-2 6 Juni - 12 Juni 2014 = 23411,7 -3270,67 a t = 3098,3 Nilai a untuk periode ke-3 13 Juni - 19 Juni 2014 = 23514,43 – 3295,046 a t = 3308,97 Nilai a untuk periode ke-4 20 - 26 Juni 2014 = 23594,487 – 3324,99 a t =3434,373 Demikian seterusnya untuk periode berikutnya. Hasilnya dapat dilihat pada Tabel 5.7. Tahap selanjutnya adalah menghitung nilai b, dengan menggunakan rumus sebagai berikut: b t = 1 t S t S − − α α Maka nilai b t dapat dihitung α=0,1 yaitu: Nilai b untuk periode ke-2 6 Juni - 12 Juni 2014 = 67 , 3270 7 , 3441 1 , 1 1 , − − b t = 15,67 Nilai b untuk periode ke-3 13 Juni - 19 Juni 2014 = 1 , 1 1 , − 3514,43 – 3295,046 b t = 24,376 Nilai b untuk periode ke-4 20 - 26 Juni 2014 = 1 , 1 1 , − 3594,487 – 3324,99 b t =29,994 Demikian seterusnya untuk periode berikutnya. Hasilnya dapat dilihat pada Tabel 5.7. Dari perhitungan a t dan b t diatas dapat ditentukan ramalan jumlah permintaan produk AFI Hitam . Untuk itu tahap selanjutnya adalah dengan menggunakan rumus : F t+m =a t + b t m Untuk periode ke-3 13 Juni - 19 Juni 2014 dengan m=1 = 3552,730 + 15,67 1 = 3568,4 Untuk periode ke-4 20 - 26 Juni 2014 dengan m=1 = 3733,814 + 24,376 = 3758,190 Untuk periode ke-5 27 Juni-3 Juli 2014 dengan m=1 = 3863,984 +29,994 = 3893,928 Dan demikian seterusnya untuk periode berikutnya. Hasilnya dapat dilihat pada Tabel 5.7. b. Double Exponential Smoothing Dua Parameter Holt Tahap pertama dalam perhitungan ini adalah perhitungan pemulusan eksponensial tunggal. Pada saat t=1, nilai-nilai tersebut tidak tersedia. Jadi nilai-nilai ini menggunakan suatu nilai rata-rata dari beberapa nilai pertama sebagai titik awal. Dengan menggunakan rumus sebagai berikut : S t = α X t + 1- α S t-1 + b t-1 Untuk α=0,1 pada permintaan produk AFI Hitam maka dapat dihitung : S periode ke-1 30 May – 5 Jun 2014 = 3225 S periode ke-2 6 Juni - 12 Juni 2014 = 0,1 4822+1-0,1 3092,3+0 = 4735,51 S periode ke-3 13 Juni - 19 Juni 2014 = 0,1 4439+1-0,1 4735,51+164,326 = 4462,042 Demikian seterusnya untuk periode berikutnya. Hasilnya dapat dilihat pada Tabel 5.8. Tahap selanjutnya untuk menghitung peramalan tersebut yaitu mencari pemulusan eksponensial ganda dengan menggunakan rumus sebagai berikut yaitu : Pada AFI Hitam maka dapat dihitung sebagai berikut : b periode ke-2 6 Juni - 12 Juni 2014 = 0,14735,51-3092,3+1-0,1 0 = 164,326 b periode ke-3 13 Juni - 19 Juni 2014 = 0,14462,042-4735,51+1-0,1 164,326 = 120,546 1 1 1 − − − + − = t t t t b S S b γ γ b periode ke-4 20 - 26 Juni 2014 = 0,14328,379-4462,042+1-0,1 120,546 = 95,125 Demikian seterusnya untuk periode berikutnya. Hasilnya dapat dilihat pada Tabel 5.8. Dari perhitungan St dan bt diatas dapat ditentukan ramalan jumlah permintaan produk AFI Hitam . Untuk itu tahap selanjutnya adalah dengan menggunakan rumus : F t+m =S t + b t m Untuk periode ke-2 6 Juni - 12 Juni 2014 dengan m=1 = 4735,51 + 164,326 1 = 3092,25 Untuk periode ke-3 13 Juni - 19 Juni 2014 dengan m=1 = 4462,042 + 120,546 = 4899,839 Untuk periode ke-4 20 - 26 Juni 2014 dengan m=1 = 4328,379+ 95,125 = 4582,588 Demikian seterusnya untuk periode berikutnya. Hasilnya dapat dilihat pada Tabel 5.8. 6. Validasi model peramalan Validasi peramalan yang digunakan yaitu perhitungan MSE, MAD, dan MAPE. Untuk menentukan nilai parameter α pada metode Brown dan parameter α dan γ yang digunakan maka akan dicari nilai parameter yang optimal dengan perhitungan error terkecil dengan cara trial error. Setelah didapat nilai parameter yang optimal untuk masing-masing metode maka kedua metode akan dibandingkan, metode mana yang memiliki nilai error MSE terkecil. Untuk perhitungan error digunakan rumus sebagai berikut: E t = Xt-Ft MSE = n E ∑ 2 MAD = MAPE = a. metode double exponential smoothing satu parameter Brown setelah trial error didapatlah nilai MSE terkecil pada nilai α = 0,1, dengan perhitungan error sebagai berikut: MSE = 810 , 176 . 110 . 1 30 298 , 304 . 305 . 33 = MAD = MAPE = b. metode double exponential smoothing dua parameter Holt setelah trial error didapatlah nilai MSE terkecil pada nilai α = 0,95 dan γ = 0,1 dengan perhitungan error sebagai berikut: MSE = 978 , 139 . 3 30 340 , 199 . 94 = MAD = MAPE = Perhitungan parameter dan error peramalan metode double exponential smoothing satu parameter Brown dapat dilihat pada Tabel 5.7 dan Perhitungan parameter dan error peramalan metode double exponential smoothing dua parameter Holt dapat dilihat pada Tabel 5.8. n E ∑ ∑ n PEi 393 , 868 30 796 , 051 . 26 = 588 , 25 30 648 , 767 = 364 , 42 30 923 , 270 . 1 = 242 , 1 30 275 , 37 = Dari perhitungan diatas didapat bahwa metode yang memiliki error terkecil yaitu metode double exponential smoothing dua parameter Holt, maka metode holt yang dihunakan untuk meramalkan produk AFI Hitam untuk minggu ke 31 sampai dengan minggu 42. Tabel. 5.7 Perhitungan Parameter dan Error Peramalan dengan Double Exponential Smoothing Satu Parameter Brown Periode Xt St St at bt Ft+m Et Et 2 PE 1 3.255 3.255 3.255 2 4.822 3.411,700 3.270,670 3.552,730 15,670 3 4.439 3.514,430 3.295,046 3.733,814 24,376 3.568,400 870,600 757.944,360 870,6 19,61253 19,61253 4 4.315 3.594,487 3.324,990 3.863,984 29,944 3.758,190 556,810 310.037,376 556,81 12,90406 12,90406 5 2.971 3.532,138 3.345,705 3.718,571 20,715 3.893,928 -922,928 851.796,093 922,928 -31,0646 31,06456 6 3.873 3.566,224 3.367,757 3.764,691 22,052 3.739,286 133,714 17.879,434 133,714 3,452466 3,452466 7 3.125 3.522,102 3.383,192 3.661,012 15,434 3.786,743 -661,743 437.903,798 661,743 -21,1758 21,17578 8 2.585 3.428,392 3.387,712 3.469,072 4,520 3.676,446 -1.091,446 1.191.254,371 1091,446 -42,2223 42,22228 9 1.934 3.278,953 3.376,836 3.181,070 -10,876 3.473,592 -1.539,592 2.370.343,526 1539,592 -79,6066 79,60662 10 2.379 3.188,958 3.358,048 3.019,868 -18,788 3.170,194 -791,194 625.987,946 791,194 -33,2574 33,25742 11 3.085 3.178,562 3.340,099 3.017,025 -17,949 3.001,080 83,920 7.042,566 83,92 2,720259 2,720259 12 3.420 3.202,706 3.326,360 3.079,052 -13,739 2.999,076 420,924 177.177,014 420,924 12,30772 12,30772 13 3.907 3.273,135 3.321,038 3.225,232 -5,323 3.065,313 841,687 708.437,006 841,687 21,54305 21,54305 14 3.794 3.325,222 3.321,456 3.328,988 0,418 3.219,909 574,091 329.580,476 574,091 15,13155 15,13155 15 4.646 3.457,300 3.335,040 3.579,560 13,584 3.329,406 1.316,594 1.733.419,761 1316,594 28,33823 28,33823 16 6.024 3.713,970 3.372,933 4.055,007 37,893 3.593,144 2.430,856 5.909.060,893 2430,856 40,35286 40,35286 17 4.946 3.837,173 3.419,357 4.254,989 46,424 4.092,900 853,100 727.779,610 853,1 17,24828 17,24828 18 2.043 3.657,756 3.443,197 3.872,315 23,840 4.301,413 -2.258,413 5.100.429,279 2258,413 -110,544 110,544 19 3.032 3.595,180 3.458,395 3.731,965 15,198 3.896,155 -864,155 746.763,864 864,155 -28,5012 28,50115 20 2.880 3.523,662 3.464,922 3.582,402 6,527 3.747,163 -867,163 751.971,669 867,163 -30,1098 30,10983 Sumber: Pengolahan Data Tabel. 5.7 Perhitungan Parameter dan Error Peramalan dengan Double Exponential Smoothing Satu Parameter Brown Lanjutan Periode Xt St St at bt Ft+m Et Et 2 PE 21 5.239 3.695,196 3.487,949 3.902,443 23,027 3.588,929 1.650,071 2.722.734,305 1650,071 31,49592 31,49592 22 4.940 3.819,676 3.521,122 4.118,230 33,173 3.925,470 1.014,530 1.029.271,121 1014,53 20,53704 20,53704 23 5.326 3.970,308 3.566,041 4.374,575 44,919 4.151,403 1.174,597 1.379.678,112 1174,597 22,05402 22,05402 24 4.026 3.975,877 3.607,025 4.344,729 40,984 4.419,494 -393,494 154.837,528 393,494 -9,77382 9,77382 25 5.111 4.089,389 3.655,261 4.523,517 48,236 4.385,713 725,287 526.041,232 725,287 14,19071 14,19071 26 5.038 4.184,250 3.708,160 4.660,340 52,899 4.571,753 466,247 217.386,265 466,247 9,254605 9,254605 27 2.986 4.064,425 3.743,787 4.385,063 35,626 4.713,239 -1.727,239 2.983.354,563 1727,239 -57,8446 57,84457 28 3.281 3.986,083 3.768,017 4.204,149 24,230 4.420,689 -1.139,689 1.298.891,017 1139,689 -34,736 34,73603 29 3.942 3.981,675 3.789,383 4.173,967 21,366 4.228,379 -286,379 82.012,932 286,379 -7,26481 7,264815 30 3.800 3.963,508 3.806,796 4.120,220 17,412 4.195,333 -395,333 156.288,181 395,333 -10,4035 10,4035 1.110.176,810 868,3932 25,58825 MSE MAD MAPE Sumber: Pengolahan Data Tabel. 5.8 Perhitungan Parameter dan Error Peramalan dengan Double Exponential Smoothing Dua Parameter Holt Periode Xt St Bt Ft Et Et 2 PE 1 3.255 3.092,3 2 4.822 4.735,51 164,326 3.092,250 86,487 7.480,001 86,487 1,794 1,794 3 4.439 4.462,042 120,546 4.899,839 -23,042 530,934 23,042 -0,519 0,519 4 4.315 4.328,379 95,125 4.582,588 -13,379 178,998 13,379 -0,310 0,310 5 2.971 3.043,625 -42,863 4.423,504 -72,625 5.274,391 72,625 -2,444 2,444 6 3.873 3.829,388 40,000 3.000,762 43,612 1.902,007 43,612 1,126 1,126 7 3.125 3.162,219 -30,717 3.869,388 -37,219 1.385,254 37,219 -1,191 1,191 8 2.585 2.612,325 -82,635 3.131,502 -27,325 746,656 27,325 -1,057 1,057 9 1.934 1.963,785 -139,226 2.529,690 -29,785 887,146 29,785 -1,540 1,540 10 2.379 2.351,278 -86,554 1.824,559 27,722 768,509 27,722 1,165 1,165 11 3.085 3.043,986 -8,628 2.264,724 41,014 1.682,148 41,014 1,329 1,329 12 3.420 3.400,768 27,913 3.035,358 19,232 369,870 19,232 0,562 0,562 13 3.907 3.883,084 73,353 3.428,681 23,916 571,975 23,916 0,612 0,612 14 3.794 3.802,122 57,922 3.956,437 -8,122 65,967 8,122 -0,214 0,214 15 4.646 4.606,702 132,588 3.860,044 39,298 1.544,333 39,298 0,846 0,846 16 6.024 5.959,765 254,636 4.739,290 64,235 4.126,135 64,235 1,066 1,066 17 4.946 5.009,420 134,138 6.214,401 -63,420 4.022,096 63,420 -1,282 1,282 18 2.043 2.198,028 -160,415 5.143,558 -155,028 24.033,681 155,028 -7,588 7,588 19 3.032 2.982,281 -65,948 2.037,613 49,719 2.471,979 49,719 1,640 1,640 20 2.880 2.881,817 -69,400 2.916,333 -1,817 3,301 1,817 -0,063 0,063 21 5.239 5.117,671 161,125 2.812,417 121,329 14.720,726 121,329 2,316 2,316 Sumber: Pengolahan Data Tabel. 5.8 Perhitungan Parameter dan Error Peramalan dengan Double Exponential Smoothing Dua Parameter Holt Lanjutan Periode Xt St Bt Ft Et Et 2 PE 22 4.940 4.956,940 128,939 5.278,796 -16,940 286,964 16,940 -0,343 0,343 23 5.326 5.313,994 151,751 5.085,879 12,006 144,144 12,006 0,225 0,225 24 4.026 4.097,987 14,975 5.465,745 -71,987 5.182,128 71,987 -1,788 1,788 25 5.111 5.061,098 109,789 4.112,962 49,902 2.490,210 49,902 0,976 0,976 26 5.038 5.044,644 97,165 5.170,887 -6,644 44,143 6,644 -0,132 0,132 27 2.986 3.093,790 -107,637 5.141,809 -107,790 11.618,684 107,790 -3,610 3,610 28 3.281 3.266,258 -79,627 2.986,153 14,742 217,327 14,742 0,449 0,449 29 3.942 3.904,232 -7,867 3.186,631 37,768 1.426,422 37,768 0,958 0,958 30 3.800 3.804,818 -17,022 3.896,365 -4,818 23,213 4,818 -0,127 0,127 3.139,978 42,364 1,242 MSE MAD MAPE Sumber: Pengolahan Data 7. Membuat dan implementasi peramalan Metode peramalan terpilih adalah metode double exponential smoothing dua parameter Holt maka langkah selanjutnya yaitu membuat peramalan berdasarkan perhitungan Ft metode Holt. Perhitungan peramalan untuk periode minggu ke 31 sd 42 yaitu: F t+m = S t + b t m F t+m = 3804,818+-17,022 m Untuk periode 2-8 Januari 2014= 3804,818+-17,022 1= 3787,796 Untuk periode 9-15 Januari 2014= 3804,818+-17,022 2= 3770,774 Untuk periode 16-23 Januari 2014= 3804,818+-17,022 3= 3753,752 Untuk periode selanjutanya dapat dilihat pada Tabel 5.9. Tabel 5.9 Peramalan Permintaan AFI Hitam dengan Double Exponential Smoothing Metode Holt No Minggu AFI Hitam Bag 1 2 Jan-8 Jan 2015 3.787,796 2 9 Jan-15 Jan 2015 3.770,774 3 16 Jan-22 Jan 2015 3.753,752 4 23 Jan-29 Jan 2015 3.736,730 5 30 Jan-5 Feb 2015 3.719,708 6 6 Feb-12 Feb 2015 3.702,686 7 13 Feb-19 Feb 2015 3.685,664 8 20 Feb-26 Feb 2015 3.668,642 9 27 Feb-5 Mar 2015 3.651,620 10 6 Mar-12 Mar 2015 3.634,598 11 13 Mar-19 Mar 2015 3.617,576 12 20 Mar-26 Mar 2015 3.600,554 Sumber: Pengolahan Data 8. Memantau keandalan fungsi peramalan menggunakan peta kontrol Memantau keandalan atau verifikasi dilakukan untuk mengetahui apakah metode yang digunakan telah representatif atau tidak untuk digunakan pada peramalan permintaan tersebut. Hasil verifikasi peramalan dengan metode Holt dapat dilihat pada Tabel 5.10. Tabel 5.10 Verifikasi Peramalan AFI Hitam Periode Xt Ft Et MR E-Et 1 3.255 2 4.822 3.092,250 86,487 0,000 3 4.439 4.899,839 -23,042 109,529 4 4.315 4.582,588 -13,379 9,663 5 2.971 4.423,504 -72,625 59,246 6 3.873 3.000,762 43,612 116,237 7 3.125 3.869,388 -37,219 80,831 8 2.585 3.131,502 -27,325 9,894 9 1.934 2.529,690 -29,785 2,460 10 2.379 1.824,559 27,722 57,507 11 3.085 2.264,724 41,014 13,292 12 3.420 3.035,358 19,232 21,782 13 3.907 3.428,681 23,916 4,684 14 3.794 3.956,437 -8,122 32,038 15 4.646 3.860,044 39,298 47,420 16 6.024 4.739,290 64,235 24,937 17 4.946 6.214,401 -63,420 127,655 18 2.043 5.143,558 -155,028 91,608 19 3.032 2.037,613 49,719 204,747 20 2.880 2.916,333 -1,817 51,536 21 5.239 2.812,417 121,329 123,146 22 4.940 5.278,796 -16,940 138,269 23 5.326 5.085,879 12,006 28,946 24 4.026 5.465,745 -71,987 83,993 25 5.111 4.112,962 49,902 121,889 26 5.038 5.170,887 -6,644 56,546 27 2.986 5.141,809 -107,790 101,146 28 3.281 2.986,153 14,742 122,532 29 3.942 3.186,631 37,768 23,026 30 3.800 3.896,365 -4,818 42,586 Jumlah 1907,145 Sumber: Pengolahan Data 112 , 8 6 2 30 1907,145 1 = − = − = ∑ n MR MR Sehingga diperoleh: UCL = 2,66 x MR = 2,66 x 112 , 8 6 = 181,178 13 UCL= 13 x 181,178 = 60,393 ; 23 UCL = 23 x 181,178 = 120,785 LCL = 2,66 x - MR = 2,66 x 68,112 = -181,178 13 LCL = 13 x -181,178= - 60,393; 23 LCL = 23 x -181,178= -120,785 Moving Range Chart peramalan dapat dilihat pada Gambar 5.2. Gambar 5.2 Moving Range Chart Peramalan Permintaan Produk AFI Hitam Setelah diperiksa dengan aturan 1,3,5 dan 8 titik ternyata tidak ada data yang berada diluar batas kontrol sehingga metode peramalan sudah representatif. Perhitungan peramalan untuk produk lainnya yaitu menggunakan metode double exponential smoothing satu parameter Brown dan double exponential smoothing dua parameter Holt. Hal ini dikarenakan diagram pencar dari setiap produk dapat dilihat pada Lampiran 2 cendrung tidak stasioner, berfluktuasi, tidak membentuk pola musiman dan cendrung membentuk tren. Dengan cara yang sama dicari peramalan permintaan untuk produk lainnya. Perhitungan untuk parameter dan error setiap produk dapat dilihat pada Lampiran 2. Hasil rekapitulasi perhitungan parameter dan error untuk metode double exponential smoothing satu parameter Brown dan double exponential smoothing dua parameter Holt dapat dilihat pada Tabel 5.11 dan Tabel 5.12. Tabel 5.11 Rekapitulasi Perhitungan Parameter dan Error Metode Brown Jenis Tepung α MSE MAD MAPE AFI Hitam 0,1 1110176,810 868,393 25,588 AFI Orange 0,2 1366,957 29,349 7,176 AFI Cokelat 0,7 162474,638 258,129 26,066 AFI Biru 0,1 653520,234 558,255 33,911 AFI Kuning 0,2 3207150,943 789,055 52,122 AFI Merah 0,2 114095,346 758,461 24,849 Armada Biru 0,4 17890282,104 3571,038 11,159 Armada Orange 0,1 3119502 920,98 19,429 Armada Merah 0,95 2002096,234 992,3969 18,746 Sumber: Pengolahan Data Tabel 5.12 Rekapitulasi Perhitungan Parameter dan Error Metode Holt Jenis Tepung α γ MSE MAD MAPE AFI Hitam 0,95 0,1 3139,978 42,364 1,242 AFI Orange 0,95 0,1 4,4331 1,670 0,406 AFI Cokelat 0,95 0,1 353,813 12,183 1,272 AFI Biru 0,95 0,1 1585,966 24,725 1,501 AFI Kuning 0,95 0,1 8572,641 46,112 2,625 AFI Merah 0,95 0,1 3422,319 38,427 1,281 Armada Biru 0,95 0,1 47016,795 189,616 0,596 Armada Orange 0,95 0,1 13449,291 65,734 1,406 Armada Merah 0,95 0,4 3010,966 34,907 0,674 Sumber: Pengolahan Data Hasil rekapitulasi menunjukkan bahwa error metode Holt lebih kecil dibanding metode Brown untuk seluruh jenis tepung, maka dipilihlah metode Holt untuk meramalkan jumlah permintaan produk tepung terigu PT. Agri First Indonesia. Hasil rekapitulasi peramalan permintaan produk PT. Agri First Indonesia dapat dilihat pada Tabel 5.13. Tabel 5.13 Rekapitulasi Hasil Peramalan Produk PT. Agri First Indonesia dengan Metode Holt No Minggu AFI Hitam bag AFI Orange bag AFI Cokelat bag AFI Biru bag AFI Kuning bag AFI Merah bag Armada Biru bag Armada Orange bag Armada Merah bag 1 2 Jan-8 Jan 2015 3.787 450 895 1.272 849 2.397 23.526 7.423 22.881 2 9 Jan-15 Jan 2015 3.770 454 892 1.194 657 2.338 22.858 7.697 25.477 3 16 Jan-22 Jan 2015 3.753 458 890 1.115 466 2.278 22.190 7.971 28.073 4 23 Jan-29 Jan 2015 3.736 461 887 1.037 275 2.219 21.522 8.245 30.669 5 30 Jan-5 Feb 2015 3.719 465 884 958 83 2.159 20.854 8.519 33.265 6 6 Feb-12 Feb 2015 3.702 469 881 880 -107 2.100 20.186 8.793 35.861 7 13 Feb-19 Feb 2015 3.685 472 879 801 -299 2.040 19.518 9.068 38.457 8 20 Feb-26 Feb 2015 3.668 476 876 723 -490 1.981 18.851 9.342 41.053 9 27 Feb-5 Mar 2015 3.651 480 873 645 -681 1.921 18.183 9.616 43.649 10 6 Mar-12 Mar 2015 3.634 483 871 566 -873 1.862 17.515 9.890 46.245 11 13 Mar-19 Mar 2015 3.617 487 868 488 -1.064 1.802 16.847 10.164 48.841 12 20 Mar-26 Mar 2015 3.600 491 865 409 -1.256 1.742 16.179 10.438 51.437 Sumber: Pengolahan Data Tabel 5.13 menunjukkan jumlah permintaan produk tepung terigu PT. Agri First Indonesia. Hasil peramalan permintaan produk AFI Kuning menurun hingga bernilai minus, sedangkan jika dilihat berdasarkan data jumlah permintaan produk AFI Kuning periode sebelumnya permintaan pada beberapa periode terakhir meningkat dikarenakan adanya permintaan dari perusahaan Mie Sedap, dan permintaan tersebut akan bersifat rutin untuk periode ke depannya. Grafik permintaan AFI Kuning dapat dilihat pada Gambar 5.3. Gambar 5.3 Grafik Jumlah Permintaan Produk AFI Kuning Berdasarkan hal diatas, maka diharapkan permintaan AFI Kuning akan meningkat untuk setiap periodenya maka dipilihlah metode Brown untuk peramalan jumlah permintaan AFI Kuning. Hasil rekapitulasi permintaan untuk setiap produk tepung PT. Agri First Indonesia yang digunakan untuk perencanaan produksi dengan goal programming dapat dilihat pada Tabel 5.14. Tabel 5.14 Rekapitulasi Hasil Peramalan Produk PT. Agri First Indonesia No Minggu AFI Hitam bag AFI Orange bag AFI Cokelat bag AFI Biru bag AFI Kuning bag AFI Merah bag Armada Biru bag Armada Orange bag Armada Merah bag 1 2 Jan-8 Jan 2015 3.787 450 895 1.272 4.894 2.397 23.526 7.423 22.881 2 9 Jan-15 Jan 2015 3.770 454 892 1.194 5.129 2.338 22.858 7.697 25.477 3 16 Jan-22 Jan 2015 3.753 458 890 1.115 5.364 2.278 22.190 7.971 28.073 4 23 Jan-29 Jan 2015 3.736 461 887 1.037 5.599 2.219 21.522 8.245 30.669 5 30 Jan-5 Feb 2015 3.719 465 884 958 5.834 2.159 20.854 8.519 33.265 6 6 Feb-12 Feb 2015 3.702 469 881 880 6.069 2.100 20.186 8.793 35.861 7 13 Feb-19 Feb 2015 3.685 472 879 801 6.304 2.040 19.518 9.068 38.457 8 20 Feb-26 Feb 2015 3.668 476 876 723 6.539 1.981 18.851 9.342 41.053 9 27 Feb-5 Mar 2015 3.651 480 873 645 6.774 1.921 18.183 9.616 43.649 10 6 Mar-12 Mar 2015 3.634 483 871 566 7.009 1.862 17.515 9.890 46.245 11 13 Mar-19 Mar 2015 3.617 487 868 488 7.243 1.802 16.847 10.164 48.841 12 20 Mar-26 Mar 2015 3.600 491 865 409 7.478 1.742 16.179 10.438 51.437 Sumber: Pengolahan Data

5.2.2. Formulasi Fungsi Optimasi Perencanaan Produksi dengan Goal Programming

5.2.2.1.Variabel Keputusan Goal Programming Variabel keputusan merupakan output yang akan dioptimalkan sehingga memenuhi kriteria sasaran dan kendala. Variabel keputusan untuk perencanaan produksi di PT. Agri First Indonesia adalah : X 1 = Jumlah produksi tepung terigu AFI hitam X 2 = Jumlah produksi tepung terigu AFI Orange X 3 = Jumlah produksi tepung terigu AFI Cokelat X 4 = Jumlah produksi tepung terigu AFI Biru X 5 = Jumlah produksi tepung terigu AFI Kuning X 6 = Jumlah produksi tepung terigu AFI Merah X 7 = Jumlah produksi tepung terigu Armada Biru X 8 = Jumlah produksi tepung terigu Armada Orange X 9 = Jumlah produksi tepung terigu Armada Merah 5.2.2.2.Fungsi Kendala Goal Programming Fungsi kendala goal programming yaitu:

1. Perhitungan Waktu Penyelesaian Produk dan Ketersediaan Waktu

Kerja Ketersediaan jam kerja sebagai fungsi kendala digunakan untuk melihat hubungan antara waktu produksi dengan jumlah yang dihasilkan. Formulasi yang digunakan untuk merumuskan fungsi kendala ini adalah: ∑ = ≤ 9 1 i j i i JK X A Dimana: A = waktu yang dibutuhkan untuk memproduksi 1 bag tepung terigu X = variabel keputusan untuk jenis tepung terigu ke-i JK = jumlah jam kerja yang tersedia menit i = jenis tepung i=1,2,3,4,5,6,7,8,9 j = minggu periode 1,2,3,...13