Agregasi Peramalan Permintaan Tahun 2012

5.2. Pengolahan Data

5.2.1. Agregasi

Sebelum dilakukan peramalan maka tiap jenis produk diagregatkan dalam satuan milliliter mL. Produk Minute Maid Pulpy Orange Drink dipisahkan dalam proses agregasi karna memiliki komposisi yang berbeda dengan produk lainnya. Hasil agregasi dapat dilihat pada Tabel 5.4. berikut.

5.2.2. Peramalan Permintaan Tahun 2012

Peramalan dilakukan menggunakan bantuan software Quant System dengan 7 metode peramalan sebagai berikut: 1. Single Eksponential Smoothing Pada metode peramalan ini α ditetapkan 0.1≤ α ≤ 1.0, kemudian secara otomatis akan terpilih α yang memberikan nilai error yang paling kecil. Tabel 5.6. Peramalan dengan metode Single Eksponential Smoothing Product Type : Carbonated Drink Distribution Center: Medan Utara Period Actual Forcasting Period Actual Forcasting 1 109989672 13 369383744 2 184737504 109989696 14 369383744 3 242805960 184568416 15 369383744 4 184156296 242674256 16 369383744 5 183991416 184288672 17 369383744 6 334788504 183992064 18 369383744 7 449539824 334447392 19 369383744 8 481573200 449279456 20 369383744 9 560384904 481500128 21 369383744 10 316939488 560206464 22 369383744 11 334902792 317489792 23 369383744 12 369462000 334863392 24 369383744 MAD = 78558776 MSD = 1.057E16 Bias = -2363474 R-square = 0.29 ¦ Alpha =0.99774 Search criterion: MAD Universitas Sumatera Utara 2. Eksponential Smoothing with Linear Trend Pada metode peramalan ini α dan β ditetapkan 0.1 ≤ α,β ≤ 1.0, kemudian secara otomatis akan terpilih α dan β yang memberikan nilai error yang paling kecil. Tabel 5.7. Peramalan dengan Metode Eksponential Smoothing with Linear Trend Product Type : Carbonated Drink Distribution Center: Medan Utara Period Actual Forcasting Period Actual Forcasting 1 109989672 13 377570944 2 184737504 109989696 14 386932224 3 242805960 191000480 15 396293504 4 184156296 256652368 16 405654784 5 183991416 194175808 17 415016064 6 334788504 190012528 18 424377344 7 449539824 352498304 19 433738624 8 481573200 481661248 20 443099904 9 560384904 517897088 21 452461184 10 316939488 600264960 22 461822464 11 334902792 334923456 23 471183744 12 369462000 340593760 24 480545024 MAD = 73258320 MSD = 1.153E16 Bias = - -6692018 R-square = 0.22 ¦ Alpha =0.95662 Search criterion: MAD 3. Double Eksponential Smoothing Pada metode peramalan ini α ditetapkan 0.1≤ α ≤ 1.0, kemudian secara otomatis terpilih α yang memberikan nilai error yang paling kecil. Universitas Sumatera Utara Tabel 5.8. Peramalan dengan metode Double Eksponential Smoothing Product Type : Carbonated Drink Distribution Center: Medan Utara Period Actual Forcasting Period Actual Forcasting 1 109989672 13 369402272 2 184737504 109989696 14 369402272 3 242805960 184608368 15 369402272 4 184156296 242705520 16 369402272 5 183991416 184257488 17 369402272 6 334788504 183991808 18 369402272 7 449539824 334528000 19 369402272 8 481573200 449341248 20 369402272 9 560384904 481517568 21 369402272 10 316939488 560248640 22 369402272 11 334902792 317359872 23 369402272 12 369462000 334872320 24 369402272 MAD = 78555488 MSD = 1.057E16 Bias = -2362375 R-square = 0.29 ¦ ¦ Alpha =0.99914 Search criterion: MAD 4. Double Eksponential Smoothing with Linear Trend Pada metode peramalan ini α dan β ditetapkan 0.1 ≤ α,β ≤ 1.0, kemudian secara otomatis akan terpilih α dan β yang memberikan nilai error yang paling kecil. Universitas Sumatera Utara Tabel 5.9. Peramalan dengan metode Double Eksponential Smoothing with Linear Trend Product Type : Carbonated Drink Distribution Center: Medan Utara Period Actual Forcasting Period Actual Forcasting 1 109989672 13 353355552 2 184737504 109989696 14 348364928 3 242805960 188649520 15 343374304 4 184156296 259089776 16 338383680 5 183991416 200685072 17 333393056 6 334788504 185914048 18 328402432 7 449539824 341802304 19 323411808 8 481573200 481346336 20 318421184 9 560384904 521800800 21 313430560 10 316939488 594457920 22 308439936 11 334902792 334873280 23 303449312 12 369462000 310807840 24 298458688 MAD = 77468768 MSD = 1.183E16 Bias = -1035138 R-square = 0.20 ¦ Alpha = 0.62815 Beta = 0.76977 Search criterion: MAD 5. Adaptive Eksponential Smoothing Pada metode peramalan ini α akan berubah-ubah sesuai perubahan pola data dengan tujuan untuk mengurangi error. Initial α yang digunakan adalah 0.2. Universitas Sumatera Utara Tabel 5.10. Peramalan dengan Metode Adaptive Eksponential Smoothing Product Type : Carbonated Drink Distribution Center: Medan Utara Period Actual Forcasting Period Actual Forcasting 1 109989672 13 369073856 2 184737504 109989696 14 369073856 3 242805960 124939256 15 369073856 4 184156296 154405936 16 369073856 5 183991416 163331040 17 369073856 6 334788504 170562160 18 369073856 7 449539824 236252704 19 369073856 8 481573200 332231904 20 369073856 9 560384904 406902560 21 369073856 10 316939488 475969632 22 369073856 11 334902792 396454560 23 369073856 12 369462000 368756256 24 369073856 MAD = 1.0405E8 MSD = 1.529E16 Bias = -6395330 R-square = 0.29 ¦ Alpha =0.45 Search criterion: MAD 6. Linear Regression Pada metode peramalan ini tidak ada penginputan parameter. Parameter peramalan dicari secara otomatis. Data yang diperlukan hanya interval waktu peramalan yaitu 12 bulan ke depan. Universitas Sumatera Utara Tabel 5.11. Peramalan dengan metode Linear Regression Product Type : Carbonated Drink Distribution Center: Medan Utara Period Actual Forcasting Period Actual Forcasting 1 109989672 13 485801120 2 184737504 14 512420896 3 242805960 259485312 15 539040640 4 184156296 311994112 16 565660416 5 183991416 250564480 17 592280192 6 334788504 225362848 18 618899968 7 449539824 313055552 19 645519744 8 481573200 421420992 20 672139520 9 560384904 496494848 21 698759296 10 316939488 574900864 22 725379072 11 334902792 525986144 23 751998848 12 369462000 496700416 24 778618624 MAD = 1.1573E8 MSD = 1.786E16 Bias = 41742120 R-square = 0 ¦ A = 1.3974E8 B = 26619766 Search criterion: MAD 7. Winters Model Pada metode peramalan ini α, β dan γ ditetapkan 0.1 ≤ α,β,γ ≤ 1.0, kemudian secara otomatis akan terpilih α, β dan γ yang memberikan nilai error yang paling kecil. Universitas Sumatera Utara Tabel 5.12. Peramalan dengan Winters Model Product Type : Carbonated Drink Distribution Center: Medan Utara Period Actual Forcasting Period Actual Forcasting 1 109989672 13 340839456 2 184737504 201172368 14 326628384 3 242805960 252309312 15 312417312 4 184156296 305644768 14 298206240 5 183991416 224424672 17 283995168 6 334788504 194370832 18 269784064 7 449539824 361531296 19 255573008 8 481573200 517886144 20 241361920 9 560384904 560354112 21 227150848 10 316939488 632303744 22 212939776 11 334902792 334940352 23 198728704 12 369462000 293257152 24 184517632 MAD = 76748776 MSD = 1.370E16 Bias = 21355714 R-square = 0.08 Alpha = 0.81089 Beta = 0.44409 Gamma = 0.55000 Search criterion: MAD Langkah selanjutnya adalah memilih metode peramalan dengan MAD Mean Absolute Deviation yang terkecil yaitu metode Eksponential Smoothing with Linear Trend dengan MAD sebesar 73258320. Metode dengan MAD terkecil dapat dilihat pada Tabel 5.12. berikut. Universitas Sumatera Utara Tabel 5.12. Metode Peramalan untuk Carbonate Drink Distribution Center Metode Peramalan MAD Medan Utara Exponential smoothing with linear trend 73258320 Medan Selatan Double exponential smoothing with linear trend 57217596 Medan Barat Double exponential smoothing with linear trend 57217596 Banda Aceh Exponential smoothing with linear trend 53741756 Lhokseumawe Exponential smoothing with linear trend 36628868 Langsa Exponential smoothing with linear trend 36628868 Meulaboh Exponential smoothing with linear trend 36628868 Kisaran Exponential smoothing with linear trend 36628868 Tebing Tinggi Exponential smoothing with linear trend 30419922 Rantau Prapat Exponential smoothing with linear trend 36628868 Pematangsiantar Exponential smoothing with linear trend 36628868 Padang Sidempuan Exponential smoothing with linear trend 36628868 Sibolga Exponential smoothing with linear trend 44284476 Nias Exponential smoothing with linear trend 44284476 Kabanjahe Exponential smoothing with linear trend 36628868 Batam Exponential smoothing with linear trend 53741756 Tanjung Pinang Winters model 15195162 Universitas Sumatera Utara Tabel 5.13. Metode Peramalan untuk Non Carbonate Drink Distribution Center Metode Peramalan MAD Medan Utara Winters model 7552319 Medan Selatan Winters model 6797722 Medan Barat Winters model 6797722 Banda Aceh Winters model 5287985 Lhokseumawe Winters model 3776159 Langsa Winters model 3776159 Meulaboh Winters model 3776159 Kisaran Winters model 3776159 Tebing Tinggi Winters model 3016345 Rantau Prapat Winters model 3776159 Pematangsiantar Winters model 3776159 Padang Sidempuan Winters model 3776159 Sibolga Winters model 4532202 Nias Winters model 4532202 Kabanjahe Winters model 3776159 Batam Winters model 5287985 Tanjung Pinang Winters model 1510876 Dengan menggunakan metode yang terpilih maka dilakukan peramalan permintaan tiap Distribution Center untuk tahun 2011 yang dapat dilihat pada Tabel 5.15. berikut. Universitas Sumatera Utara

5.2.3. Disagregasi