1. Jumlah permintaan Jumlah permintaan yang fluktuatif dari masing-masing konsumen pada
umumnya menyebabkan kekurangan produk atau penumpukan produk pada distribution centre.
2. Jadwal distribusi Jadwal distribusi yang tidak tetap menyebabkan konsumen tidak menerima
pesanan tepat waktu dan kondisi ini akan menyebabkan penurunan kepuasan konsumen.
3. Sistem transportasi Sistem transportasi mempunyai peran penting dalam aktivitas distribusi
sebuah perusahaan. Terhambatnya sistem transportasi dalam suatu aktivitas menyebabkan terhambatnya pada bagian lain.
4. Sistem komunikasi Perusahaan
dan distribution
centre terkadang
sering mengalami
miscommunication sehingga pesanan dan produk yang didistribusikan tidak
sinkron dan menyebabkan tidak normalnya suatu aktivitas distribusi.
5.2.2. Peramalan Permintaan Produk
Peramalan jumlah permintaan produk untuk periode Juni 2016 – Mei
2017 dilakukan dengan cara melihat data permintaan pada periode Juni 2014 –
Mei 2016. Peramalan ini dilakukan untuk menentukan lot size atau jumlah produk yang akan diproduksi di lantai produksi. Langkah-langkah peramalan yang
dilakukan adalah:
Universitas Sumatera Utara
1. Menetapkan tujuan peramalan Tujuan peramalan adalah untuk menentukan lot size atau jumlah produk yang
akan diproduksi di lantai produksi untuk 12 periode yang akan datang. 2. Membuat scatter diagram
Gambar 5.7. Scatter Diagram Jumlah Permintaan Produk Hard Candy
3. Memilih metode yang mendekati pola yang dianggap sesuai
Metode peramalan yang digunakan adalah sebagai berikut : a. Metode Eksponensial
b. Metode Linear 4. Menghitung parameter-parameter fungsi peramalan
Untuk memudahakan perhitungan, maka dimisalkan X sebagai variabel tahun dan Y adalah variabel jumlah permintaan konsumen.
a. Metode Eksponensial Fungsi peramalan : Y = ae
bx
10000 15000
20000 25000
30000
35000 40000
45000 50000
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Ju m
lah P
er m
in taan
Periode
Data Permintaan
Data Permintaan
Universitas Sumatera Utara
Rincian tabel perhitungan variabel dari parameter peramalan jumlah permintaan dengan Metode Eksponensial dapat dilihat pada Tabel
Lampiran 2. Perhitungan parameternya dapat dilihat di bawah ini. b=
n ∑ X lnY - ∑ X ∑ lnY n ∑ X² - ∑ X²
b= .
, -300
, 24 4900 -300 x 300
= 0,0356
ln a= ∑ lnY - b ∑ X
n ln a=
, -0,0356300
24 =9,96
a = 21.164,81
Fungsi peramalannya adalah :
Y’ = 21.164,81e
0,0356x
b. Metode Linear Fungsi peramalan : Y
’
= ax + b Rincian tabel perhitungan variabel dari parameter peramalan jumlah
permintaan dengan metode linear dapat dilihat pada Tabel Lampiran 3. Perhitungan parameternya dapat dilihat di bawah ini.
b= ∑ xy- ∑ y- ∑
n ∑ x − ∑ x b=
24 .
. -817.368300
24 4.900 -300 x 300 b
= 1.173,879 a=
∑ y-b ∑ x n
a= 817.368 − 1.173,879 3
24
Universitas Sumatera Utara
a = 19.383,
Fungsi peramalannya adalah: Y
= 19.383,51 + 1.173,879 x 5. Menghitung setiap kesalahan setiap metode
Perhitungan kesalahan menggunakan metode SEE Standard Error of Estimation
dengan menggunakan rumus sebagai berikut :
k m
f f
SEE
m t
t t
1 2
ˆ
Dimana :
t
f
= Data aktual periode t
t
fˆ
= Nilai ramalan periode t m = Banyak periode
k = Derajat kebebasan
a. Metode Ekponensial k = 2 Rincian perhitungan Y-
Y’ metode ekponensial dapat dilihat pada Tabel Lampiran 4. Adapun perhitungan SEE untuk metode Ekponensial adalah:
k m
f f
SEE
m t
t t
1 2
ˆ
SEE =
√
. .
,
SEE = 1.234,213 b. Metode Linear k = 2
Rincian perhitungan Y- Y’ metode ekponensial dapat dilihat pada Tabel
Lampiran 5. Adapun perhitungan SEE untuk metode siklis adalah:
Universitas Sumatera Utara
k m
f f
SEE
m t
t t
1 2
ˆ
SEE =
√
. .
SEE = 822,587 6. Menghitung pola peramalan yang terbaik dengan perhitungan distribusi f
H = SEE Eksponensial ≤ SEE Linear
H
1
= SEE Eksponensial SEE Linear α = 0,05
Uji Statistik
=
� � ��
� �� ��
=
. ,
,
= 2,251 F tabel
= 0,05 24-2, 24-2 = 2,12 Oleh karena F
hitung
2,251 F
tabel
2,12, maka H ditolak. Jadi hasil
pengujian menyatakan bahwa metode linear lebih baik daripada metode eksponensial. Adapun fungsi linear adalah :
Y = 19.383,51 + 1.173,879 x
7. Verifikasi peramalan Tabel hasil perhitungan verifikasi peramalan dapat dilihat pada Tabel
Lampiran 6. Tujuan verifikasi adalah untuk mengetahui fungsi yang telah ditentukan dapat mewakili data yang akan diramalkan. Gambar 5.8. moving
range chart dari hasil verifikasi peramalan jumlah permintaan.
784,9303 1
24 18.053,4
1
n MR
MR
BKA = 2,66 x
MR
= 2,66 x
784,9303
= 2.087,915 13 BKA = 13 x 2.087,915 = 695,9715
Universitas Sumatera Utara
23 BKA = 23 x 2.087,915 = 1.391,943 BKB
= -2,66 x
MR
= 2,66 x
784,9303
= -2.087,915 13 BKB = 13 x -2.087,915 = -695,9715
23 BKB = 23 x -2.087,915 = -1.391,943
Gambar 5.8. Moving Range Chart Hasil Peramalan Permintaan
Gambar Moving Range Chart di atas menunjukkan bahwa titik hasil peramalan telah berada dalam batas sehingga peramalan dengan metode linear telah
memenuhi persyaratan dengan fungsi peramalan : Y
= 19.383,51 + 1.173,879 x Perhitungan hasil peramalan permintaan untuk masing-masing distribution
centre pada periode Juni 2016 adalah
Y’ = 19.383,51 + 1.173,879 25 = 48.731.
Hasil peramalan permintaan untuk 12 periode ke depan dan penjadwalan produksi untuk 12 bulan ke depan dapat dilihat pada Tabel 5.7.
-2500 -2000
-1500 -1000
-500 500
1000 1500
2000 2500
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24
Moving Range Chart Hasil Peramalan Permintaan
Y-Y
BKA
13BKA 23BKA
BKB 13BKB
23BKB
Universitas Sumatera Utara
Tabel 5.7. Hasil Peramalan 12 Periode ke Depan Periode
Hasil Peramalan Kardus
Juni 2016 48.731
Juli 2016 49.905
Agustus 2016 51.079
September 2016 52.253
Oktober 2016 53.427
November 2016 54.600
Desember 2016 55.774
Januari 2017 56.948
Februari 2017 58.122
Maret 2017 59.296
April 2017 60.470
Mei 2017 61.644
Sumber: Pengolahan Data
Berikut merupakan perbandingan antara data permintaan dan hasil peramalan permintaan.
Gambar 5.9. Perbandingan Data Permintaan dan Hasil Peramalan Permintaan
5.2.3. Perhitungan Order Quantity Setiap Distribution Centre
