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