Peramalan Permintaaan Pengolahan Data

Center Biaya Transportasi RpOrder Biaya Bongkar Muat RpKirim Pemesanan RpPesan Bahan Bakar RpOrder Operasional RpHari Medan 350.000 60.000 350.000 760.000 Tanjung Morawa 300.000 60.000 350.000 710.000 Siantar 250.000 60.000 350.000 660.000 Tebing Tinggi 350.000 60.000 350.000 760.000 Sumber : PT. Sinar Utama Nusantara

5.1.6.2. Biaya Penyimpanan Persediaan

Rincian biaya penyimpanan persediaan terdiri dari biaya yang diperkirakan akibat adanya modal tertanam di dalam persediaan capital cost, biaya asuransi terhadap nilai persediaan insurance cost dan biaya yang digunakan untuk pemeliharaan barang, pemindahan produk, catatan-catatan dan sebagainya storage cost. Besarnya biaya penyimpanan persediaan telah ditetapkan Perusahaan yaitu sebesar Rp. 250.000,-pipa untuk satu tahun.

5.2. Pengolahan Data

5.2.1. Peramalan Permintaaan

Setelah data diperoleh maka dilakukan peramalan permintaan. Untuk mewakilinya maka dilakukan peramalan permintaan DC Medan untuk periode berikutnya. Langkah – langkah peramalan yang dilakukan yaitu: 1. Menetapkan tujuan peramalan Tujuan peramalan yaitu untuk meramalkan jumlah permintaan Pipa pada DC Medan untuk satu periode ke depan. 2. Membuat scatter diagram Scatter diagram dari jumlah permintaan dapat dilihat pada Gambar 5.2. Universitas Sumatera Utara Gambar 5.2. Scatter Diagram Jumlah Permintaan DC Medan 3. Memilih metode yang dianggap mendekati pola yang dianggap sesuai Dilihat dari pola data, data cendrung tidak stasioner, berfluktuasi, tidak membentuk pola musiman dan cenderung membentuk tren maka dipilih peramalan dengan metode dekomposisi. a. Pengolahan Peramalan DC Medan Tahap pertama dalam mengolah peramalan dengan metode dekomposisi adalah membagi pola data menjadi bagian-bagian yang memiliki pola yang mirip dan berulang pada periode tertentu. Berdasarkan pola data yang dapat dilihat pada Gambar 5.2 maka data dibagi menjadi 3 pola berulang, sehingga perhitungannya sebagai berikut: Tabel 5.7. Pembagian Data Berdasarkan Pola t 1 2 3 4 dt 320 450 180 265 Tabel 5.7. Pembagian Data Berdasarkan Pola Lanjutan t 5 6 7 8 dt 55 30 50 70 100 200 300 400 500 1 2 3 4 5 6 7 8 9 10 11 12 Data Permintaan DC Medan Data Permintaan DC Medan Universitas Sumatera Utara Tabel 5.7. Pembagian Data Berdasarkan Pola Lanjutan t 9 10 11 12 dt 70 100 100 300 Selanjutnya dihitung nilai rata-rata dari setiap pembagian data tersebut, sebagai berikut: Pola 1 = 320 + 450 +180 + 265 4 = 304 Pola 2 = 55 + 30 + 50 + 70 4 = 51 Pola 3 = 70 + 100 + 100 + 300 4 = 143 Tahap berikutnya adalah menghitung indeks dari setiap periode dengan cara membagikan nilai aktual setiap periode dengan nilai rata-rata pada pembagian periode, perhitungannya sebagai berikut: Januari = 320 304 = 1,1 Februari = 450 304 = 1,5 Maret = 180 304 = 0,6 Demikian seterusnya selama 12 periode peramalan, Hasil perhitungan indeks setiap periode ditunjukkan pada Tabel 5.8. Universitas Sumatera Utara Tabel 5.8. Hasil Perhitungan Indeks Setiap Periode t 1 2 3 4 dt 320 450 180 265 Rata-rata 304 Indeks 1,1 1,5 0,6 0,9 Sumber : Pengolahan Data Tabel 5.8. Hasil Perh itungan Indeks Setiap Periode Lanjutan t 5 6 7 8 dt 55 30 50 70 Rata-rata 51 Indeks 1,1 0,6 1,0 1,4 Tabel 5.8. Hasil Perhitungan Indeks Setiap Periode Lanjutan t 9 10 11 12 dt 70 100 100 300 Rata-rata 143 Indeks 0,5 0,7 0,7 2,1 Selanjutnya adalah menghitung nilai indeks musiman, berdasarkan pembagian pola data. Karena data dibagi menjadi 3, maka perhitungannya adalah sebagai berikut: I 1 = i 1 + i 5 + i 9 3 = 1,1 + 1,1 + 1,5 3 = 0,87 I 2 = i 2 + i 6 + i 10 3 = 0,5 + 0,6 + 0,7 3 = 0,92 Universitas Sumatera Utara I 3 = i 3 + i 7 + i 11 3 = 0,6 + 1,0 + 0,7 3 = 0,76 I 4 = i 4 + i 8 + i 12 3 = 0,9 + 1,4 + 2,0 3 = 1,45 b. Pemilihan metode peramalan Setelah didapatkan nilai indeks musiman dari data, maka selanjutnya adalah melakukan peramalan dengan beberapa metode. Metode yang digunakan adalah : 1 Metode Linier 2 Metode Siklis c. Menghitung parameter – parameter fungsi peramalan 1 Metode Linier Peramalan dengan metode Linier dilakukan berdasarkan formula sebagai berikut: Fungsi peramalan: Yt = a + bx Parameter peramalan :               2 2 x x n y x xy n b a = ∑ ∑ Hasil perhitungan parameter metode linier dapat dilihat pada Tabel 5.9. Universitas Sumatera Utara Tabel 5.9. Perhitungan Parameter Peramalan Metode Linier X Y XY X 2 1 320 320 1 2 450 900 4 3 180 540 9 4 265 1.060 16 5 55 275 25 6 30 180 36 7 50 350 49 8 70 560 64 9 70 630 81 10 100 1.000 100 11 100 1.100 121 12 300 3.600 144 78 1.990 10.515 650 Sumber : Pengolahan Data       92 , 16 78 650 12 1990 78 10515 12 2 2 2               x x n y x xy n b a = ∑ ∑ = = 275,81 Persamaan peramalan: Yt = 275,81 + -16,92x Dengan menggunakan peramalan metode linier, permintaan produk Pipa untuk periode Januari 2014 – Desember 2014 dapat dilihat pada Tabel 5.10. Tabel 5.10. Hasil Peramalan Permintaan Produk Pipa Periode Januari 2014 – Desember 2014 Periode Bulan ke- Total 1 259 2 242 3 225 4 208 5 191 Tabel 5.10. Hasil Peramalan Permintaan Produk Pipa Periode Universitas Sumatera Utara 27 Juni 2014-1 Januari 2015 Lanjutan Periode Bulan ke- Total 6 174 7 157 8 140 9 124 10 107 11 90 12 73 Sumber : Pengolahan Data Setelah hasil peramalan dengan metode linier didapatkan, maka tahap terakhir adalah mengalikan hasil dari peramalan setiap periode dengan nilai indeks musiman dari data. Perhitungannya adalah sebagai berikut: Januari = 259 x 0,87 = 226 Februari = 242 x 0,92 = 223 Maret = 225 x 0,76 = 170 April = 208 x 1,45 = 301 Demikian dilakukan untuk 12 periode peramalan, sehingga didapatkan hasil peramalan akhir produk Pipa dengan metode dekomposisi pendekatan metode linier yang dapat dilihat pada Tabel 5.11. Tabel 5.11. Hasil Peramalan Permintaan Produk Pipa Periode Total 1 226 2 223 3 170 Universitas Sumatera Utara 4 301 Tabel 5.11. Hasil Peramalan Permintaan Produk Pipa Lanjutan Periode Total 5 167 6 161 7 119 8 203 9 108 10 98 11 68 12 105 Sumber : Pengolahan Data Berdasarkan Tabel 5.11. diatas, maka dapat dilihat perbandingan data aktual dengan data hasil peramalan dengan menggunakan metode dekomposisi pendekatan metode linier pada Gambar 5.3. Gambar 5.3. Perbandingan Data Aktual dan Data Hasil Peramalan Untuk DC Medan 2 Metode Siklis Peramalan dengan metode Siklis dilakukan berdasarkan formula sebagai berikut: 100 200 300 400 500 1 2 3 4 5 6 7 8 9 10 11 12 DATA AKTUAL DATA PERAMALAN Universitas Sumatera Utara Fungsi peramalan: Y = a + b sin     n X  2 + c cos     n X  2 Parameter peramalan :  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 c n X n X b n X a n X Y      2 cos 2 cos 2 sin 2 cos 2 cos 2 Hasil perhitungan parameter metode siklis dapat dilihat pada Tabel 5.12. Tabel 5.12. Perhitungan Parameter Peramalan Metode Siklis X Y sin 2 πXn cos2πXn sincos sin2 cos2 Ysin Ycos 1 320 0,50 0,87 0,433 0,25 0,75 160,00 277,12 2 450 0,87 0,50 0,433 0,75 0,25 389,70 225,00 3 180 1,00 0,00 0,000 1,00 0,00 180,00 0,00 4 265 0,87 -0,50 -0,433 0,75 0,25 229,49 -132,50 5 55 0,50 -0,87 -0,433 0,25 0,75 27,50 -47,63 6 30 0,00 -1,00 0,000 0,00 1,00 0,00 -30,00 7 50 -0,50 -0,87 0,433 0,25 0,75 -25,00 -43,30 8 70 -0,87 -0,50 0,433 0,75 0,25 -60,62 -35,00 9 70 -1,00 0,00 0,000 1,00 0,00 -70,00 0,00 10 100 -0,87 0,50 -0,433 0,75 0,25 -86,60 50,00 11 100 -0,50 0,87 -0,433 0,25 0,75 -50,00 86,60 12 300 0,00 1,00 0,000 0,00 1,00 0,00 300,00 78 1.990 0,00 0,00 0,00 5,999824 5,999824 694 650,29 Sumber : Pengolahan Data  Y = na + b      n X  2 sin + c      n X  2 cos 1990 = 12a + b0 + c0 1990 = 12a Universitas Sumatera Utara a = 165,83                        n X n X c n X b n X a n X Y      2 cos 2 sin 2 sin 2 sin 2 sin 2 694 = a 0 + b 5,999824 + c 0 b = 115,75                        n X c n X n X b n X a n X Y      2 cos 2 cos 2 sin 2 cos 2 cos 2 - 650,29 = a 0 + b 0+ c 5,999824 c = 108,38 Fungsi peramalannya adalah : Y = 165,83 + 115,75 sin     n X  2 + 108,38 cos     n X  2 Dengan menggunakan peramalan metode siklis, permintaan produk Pipa untuk 12 periode peramalan dapat dilihat pada Tabel 5.13. Tabel 5.13. Hasil Peramalan Permintaan Produk Pipa Periode Januari 2014 – Desember 2014 Periode Total 1 318 2 320 3 282 4 212 5 130 6 57 7 14 8 11 9 50 10 120 11 202 12 274 Sumber : Pengolahan Data Universitas Sumatera Utara Setelah hasil peramalan dengan metode siklis didapatkan, maka tahap terakhir adalah mengalikan hasil dari peramalan setiap periode dengan nilai indeks musiman dari data. Perhitungannya adalah sebagai berikut: Januari = 318 x 0,87 = 277 Februari = 320 x 0,92 = 296 Maret = 282 x 0,76 = 213 April = 212 x 1,45 = 307 Demikian dilakukan untuk 12 periode peramalan, sehingga didapatkan hasil peramalan akhir produk Pipa dengan metode dekomposisi pendekatan metode siklis yang dapat dilihat pada Tabel 5.14. Tabel 5.14. Hasil Peramalan Permintaan Produk Pipa Periode Total 1 277 2 296 3 213 4 307 5 113 6 53 7 11 8 17 9 44 10 111 11 153 12 397 Sumber : Pengolahan Data Universitas Sumatera Utara Berdasarkan Tabel 5.14. diatas, maka dapat dilihat perbandingan data aktual dengan data hasil peramalan dengan menggunakan metode dekomposisi pendekatan metode siklis pada Gambar 5.4. Gambar 5.4. Perbandingan Data Aktual dan Data Hasil Peramalan Untuk DC Medan d. Menghitung kesalahan setiap metode Perhitungan kesalahan menggunakan metode SEE Standard Error of Estimation dengan menggunakan rumus sebagai berikut : SEE= √ ∑ Dimana : y = Data aktual y’ = Data peramalan n = Banyak data f = Derajat kebebasan a Metode Dekomposisi: Linier f = 2 100 200 300 400 500 1 2 3 4 5 6 7 8 9 10 11 12 DATA AKTUAL DATA PERAMALAN Universitas Sumatera Utara Adapun perhitungan SEE untuk metode linier dapat dilihat pada Tabel 5.15. Tabel 5.15. Perhitungan SSE Peramalan Jumlah Permintaan DC Medan dengan Metode Linier X Y Y Y-Y Y-Y 2 1 320 226 94,08 8851,05 2 450 223 226,69 51388,36 3 180 170 9,72 94,48 4 265 301 -36,34 1320,6 5 55 167 -111,86 12512,66 6 30 161 -130,85 17121,72 7 50 119 -69,07 4770,66 8 70 203 -133,35 17782,22 9 70 108 -37,8 1428,84 10 100 98 1,61 2,59 11 100 68 32,14 1032,98 12 300 105 194,64 37884,73 78 1990 1950,381589 39,61 154190,9 Sumber : Pengolahan Data SEE= √ ∑ = √ = 124,17 b Metode Dekomposisi : Siklis f = 3 Adapun perhitungan SSE untuk metode Siklis dapat dilihat pada tabel 5.16. Tabel 5.16. Perhitungan SSE Peramalan Jumlah Permintaan DC Medan dengan Metode Siklis X Y Y Y-Y Y-Y 2 1 320 277 42,89 1839,55 2 450 296 154,44 23851,71 3 180 213 -33,06 1092,96 4 265 307 -41,77 1744,73 5 55 113 -58,31 3400,06 Universitas Sumatera Utara 6 30 53 -23,02 529,92 7 50 11 39,33 1546,85 8 70 17 53,49 2861,18 Tabel 5.16. Perhitungan SSE Peramalan Jumlah Permintaan DC Medan dengan Metode Siklis Lanjutan X Y Y Y-Y Y-Y 2 9 70 44 26,3 691,69 10 100 111 -10,54 111,09 11 100 153 -52,7 2777,29 12 300 397 -97,01 9410,94 78 1990 1.990 0,04 49.858 Sumber : Pengolahan Data SEE= √ ∑ = √ = 74,43 e. Menghitung pola peramalan yang terbaik dengan perhitungan distribusi f H o : SEE siklis ≤ SEE linier H i : SEE siklis SEE linier α : 0,05 Uji statistik : F hitung = = = 0,36 F tabel = α f n-2 ,f n-3 = 0,05 12-3,12-2 = 3,02 Oleh karena F hitung 0,36 F tabel 3,02, maka H o diterima. Jadi hasil pengujian menyatakan bahwa metode siklis lebih baik daripada metode linier. Adapun fungsi siklis tersebut adalah : Y = 165,83 + 115,75 sin     n X  2 + 108,38 cos     n X  2 f. Verifikasi peramalan Tujuan proses verifikasi dilakukan adalah untuk mengetahui apakah fungsi yang telah ditentukan dapat mewakili data yang akan diramalkan. Perhitungan hasil verifikasi dapat dilihat pada Tabel 5.17. Universitas Sumatera Utara Tabel 5.17. Perhitungan Hasil Verifikasi Peramalan Jumlah Permintaan DC Medan X Y Y Y-Y MR 1 320 277 42,89 - 2 450 296 154,44 111,55 3 180 213 -33,06 187,5 4 265 307 -41,77 8,71 5 55 113 -58,31 16,54 6 30 53 -23,02 35,29 7 50 11 39,33 62,35 8 70 17 53,49 14,16 9 70 44 26,3 27,19 10 100 111 -10,54 36,84 11 100 153 -52,7 42,16 12 300 397 -97,01 44,31 78 1.990 1.990 0,04 586,6 Sumber : Pengolahan Data ̅̅̅̅̅ = ∑ = = 53,33 UCL = 2,66 x ̅̅̅̅̅ = 2,66 x 53,33 = 141,86 13 UCL = 13 x 141,86 = 47,29 23 UCL = 23 x 141,86 = 94,57 LCL = -2,66 x ̅̅̅̅̅ = -2,66 x 53,33 = -141,86 13 LCL = 13 x -141,86 = -47,29 23 LCL = 23 x -141,86 = -94,57 Grafik proses verifikasi terhadap peramalan Permintaan DC Medan dapat dilihat pada Gambar 5.5. -200 -150 -100 -50 50 100 150 200 250 2 4 6 8 10 12 14 MR BKA 23 BKA 13 BKA 23 BKB 13 BKB BKB Universitas Sumatera Utara Gambar 5.5. Moving Range Chart Jumlah Permintaan DC Medan Terlihat sebagian besar titik hasil peramalan telah berada dalam batas sehingga peramalan dengan metode Dekomposisi : siklis lebih tepat digunakan untuk meramalkan permintaan DC Medan pada periode mendatang. Tabel 5.18. Rekapitulasi Fungsi Peramalan Permintaan Setiap Distribution Centre Metode yang Digunakan Fungsi Peramalan SEE Metode Terpilih Dekomposisi dengan Linier Yt = 275,81 + -16,92X 124,17 Dekomposisi dengan Siklis Dekomposisi dengan Siklis Yt = 165,83 + 115,75sin2πxn + 108,38cos2πxn 74,43 Dekomposisi dengan Linier Yt = 74,318 + -0,472X 21,90 Dekomposisi dengan Siklis Dekomposisi dengan Siklis Yt = 71,25 + 7,94sin2πxn + 6,47cos2πxn 21,53 Dekomposisi dengan Linier Yt = 114,02 + -5,49X 42,83 Dekomposisi dengan Siklis Tabel 5.18. Rekapitulasi Fungsi Peramalan Permintaan Setiap Distribution Centre Lanjutan Metode yang Digunakan Fungsi Peramalan SEE Metode Terpilih Dekomposisi dengan Siklis Yt = 78,3333 + 25,5942sin2πxn + 25,7051cos2πxn 41,62 Dekomposisi dengan Linier Yt = 800,94 + -4,76X 809,83 Dekomposisi dengan Siklis Dekomposisi dengan Siklis Yt = 64,16667 + 18,93556sin2πxn + -2,30673cos2πxn 16,51 Universitas Sumatera Utara Sumber : Pengolahan Data Rekapitulasi ramalan permintaan untuk masing – masing DC dapat dilihat pada Tabel 5.19. Tabel 5.19. Rekapitulasi Hasil Ramalan Permintaan Masing – Masing DC Periode Rekapitulasi Hasil Peramalan Batang Medan Tanjung Morawa Siantar Tebing Tinggi Januari 277 74 105 97 Februari 296 91 110 89 Maret 213 84 118 44 April 307 69 85 81 Mei 113 64 64 103 Juni 53 72 51 74 Juli 11 65 49 30 Agustus 17 56 42 49 September 44 58 49 61 Oktober 111 75 67 52 November 153 77 100 28 Desember 397 71 101 61 Total 1.990 855 940 770 Sumber : Pengolahan Data

5.2.2. Perhitungan Order Quantity untuk Setiap Distribution Center