I-92
BAB VI ANALISIS PEMECAHAN MASALAH
6.1. Analisis Hasil Peramalan
Setelah peramalan dilakukan untuk permintaan periode berikutnya, tidak selamanya selalu tepat dengan kekuatan pasar, sebab banyak sekali faktor yang
tidak terduga di lapangan. Salah satunya adalah banyaknya persaingan di pangsa pasar. Laju peramalan adalah suatu kumpulan peramalan yang telah diolah dengan
bantuan software QS Quant System 3.0 yang dapat disimpulkan berdasarkan nilai hasil olahan sehingga penerapan distribution requirement planning akan
lebih efektif dan efisien. Adapun sepuluh metode yang digunakan adalah : 1. Double exponential smoothing.
2. Exponential smoothing with linier trend. 3. Double exponential smoothing with linier trend.
4. Adaptive exponential smoothing. 5. Linier regression
6. Winter’s model 7. Simple average.
8. Weight moving average. 9. Moving average with linier trend.
10. Single exponential smoothing.
I-93
Kesepuluh metode akan diterapkan pada data permintaan tahun lalu dari masing-masing DC yaitu wilayah Aceh, Padang, Bandar Lampung dan
Pekanbaru. Perbedaan permintaan tahun lalu pada setiap DC berdampak pada bedanya metode yang cocok atau sesuai untuk meramalkan permintaan yang akan
datang. Pemilihan kecocokan metode untuk setiap DC adalah berdasarkan MAD atau MAD yang terkecil. Berikut metode beserta nilai MAD yang terkecil untuk
setiap DC dapat dilihat pada Tabel 6.1.
Tabel 6.1. Model dan Nilai Kesalahan
Nama DC Model Peramalan
Nilai MAD terkecil
Padang Winter’s model
8270 Bandar Lampung
Double Exponential smoothing with linear trend’s model 697
Aceh Exponential smoothing with linear trend’s model
7567 Pekanbaru
Double exponential smoothing with linear’s model 5834
6.2. Analisis Grafik Laju Permintaan
•
DC Aceh Pada gambar 6.1 adalah grafik laju permintaan tahun 2009 dan peramalan
permintaan tahun 2010 produk Minly di DC Aceh dimana hasil permalan hampir sama dengan data actual tahun sebelumnya dan metode yang digunakan adalah
I-94
Double exponential smoothing’s model. Permintaan di DC Aceh merupakan permintaan yang tertinggi dibandingkan dengan DC lainnya.
Gambar 6.1. Permintaan Produk di DC Aceh Tahun 2009 dan Peramalan Tahun 2010
•
Untuk DC Padang Pada gambar 6.2 di bawah adalah grafik laju permintaan tahun 2009 dan
peramalan permintaan tahun 2010 untuk wilayah Padang ,dimana pada peramalan permintaan tahun 2010 ini terdapatnya permintaan yang fluktuatif pada periode 10
yaitu bulan Desember 2010.
I-95
Gambar 6.2. Permintaan Produk di DC Padang Tahun 2009 dan Peramalan Tahun 2010
•
DC Bandar Lampung Grafik pada Gambar 6.3 menunjukkan perbandingan hasil peramalan
dengan data actual di DC Bandar Lampung. Hasil peramalan yang diperoleh menunjukkan permintaan yang senantiasa stabil dari periode pertama hingga
periode ke 12. Metode yang digunakan adalah Exponential smoothing with linear trend’s model.
•
DC Pekanbaru Hasil peramalan yang ditunjukkan oleh grafik di atas cenderung melebihi
data actual meskipun bentuk pola ramalan tersebut hampir mirip dengan pola permintaan actual. Model peramalan yang cocok untuk DC Pekanbaru adalah
Double exponential smoothing with linear’s model.
I-96
Gambar 6.3. Permintaan Produk di DC Bandar Lampung Tahun 2009 dan Peramalan Tahun 2010
Gambar 6.4. Permintaan Produk di DC Pekanbaru Tahun 2009 dan Peramalan Tahun 2010
I-97
6.3. Analisis Economic Order Quantity EOQ