Analisis Langkah Verifikasi Analisis Langkah Validasi

Tabel 6.6. Hasil Uji Statistik AME, AVE, dan Kalman Filter Terhadap Data Penggunaan Bokar Lanjutan Keterangan Nilai AME -0,01389 = 1,389 AVE -0,02623 = 2,623 Kalman Filter 0,4868 = 48,68 Sumber : Pengolahan dengan Microsoft Excel Setelah memperoleh hasil uji statistik AME, AVE, dan Kalman Filter terhadap data penggunaan bokar dapat dilakukan uji validitas model terhadap data penggunaan bokar yang dapat dilihat pada Tabel 6.7. Tabel 6.7. Hasil Uji Validitas Model Terhadap Data Penggunaan Bokar No. Metode Validasi Batas Kritis Nilai Uji Statistik Keterangan 1 Uji penyimpangan rata-rata AME 5 1,389 Valid 2 Uji penyimpangan variasi AVE 5 2,623 Valid 3 Uji kecocokan Kalman Filter KF 47,5 - 52,5 48,68 Valid Dari Tabel 6.7. di atas, terlihat bahwa semua nilai uji statistik yaitu AME, AVE, dan Kalman Filter KF tidak melewati batas kritis. Ini menunjukkan bahwa model yang dibuat telah valid. Dari hasil pengolahan data, juga diperoleh hasil uji statistik AME, AVE, dan Kalman Filter terhadap data permintaan produk crumb rubber yang dapat dilihat pada Tabel 6.8. Tabel 6.8. Hasil Uji Statistik AME, AVE, dan Kalman Filter Terhadap Data Permintaan Produk Crumb Rubber Keterangan Nilai Rata-rata nilai simulasi 57,77 Rata-rata nilai aktual 59,00 Standar deviasi nilai simulasi 3,09 Standar deviasi nilai aktual 3,08 Varians nilai simulasi 9,50 Varians nilai aktual 9,20 AME -0,02085 = 2,085 AVE 0,003247 = 0,3247 Kalman Filter 0,5080 = 50,80 Sumber : Pengolahan dengan Microsoft Excel Setelah memperoleh hasil uji statistik AME, AVE, dan Kalman Filter terhadap data permintaan produk crumb rubber, dilakukan lagi uji validitas model terhadap data permintaan produk crumb rubber yang dapat dilihat pada Tabel 6.9. Tabel 6.9. Hasil Uji Validitas Model Terhadap Data Permintaan Produk Crumb Rubber No. Metode Validasi Batas Kritis Nilai Uji Statistik Keterangan 1 Uji penyimpangan rata-rata AME 5 2,085 Valid 2 Uji penyimpangan variasi AVE 5 0,3247 Valid 3 Uji kecocokan Kalman Filter KF 47,5 - 52,5 50,80 Valid Dari Tabel 6.9. di atas, terlihat bahwa semua nilai uji statistik yaitu AME, AVE, dan Kalman Filter KF tidak melewati batas kritis. Ini menunjukkan bahwa model yang dibuat telah valid.

6.7. Analisis Langkah Perencanaan Taktis dan Strategis

Analisis yang diberikan untuk langkah ini adalah perencanaan taktis dan strategis berupa pemberian perlakuan-perlakuan dalam melakukan modifikasi terhadap model haruslah dipilih perlakuan yang benar-benar diperlukan yaitu perlakuan yang sering terjadi pada sistem nyata sehingga dapat dilihat sensitivitas model dalam memberikan tanggapan respon atas perlakuan yang diberikan

6.8. Analisis Langkah Eksperimen

Analisis yang diberikan untuk langkah ini adalah analisis terhadap nilai output eksperimen dari perlakuan-perlakuan yang diberikan. Untuk perlakuan lead time bokar dibuat berfluktuasi secara probabilistik dengan interval 1-3 hari, hasil simulasi dinamis penerimaan bokarnya dapat dilihat pada Tabel 6.10. Tabel 6.10. Time Table Hasil Simulasi Dinamis Penerimaan Bokar dengan Lead Time Bokar Berfluktuasi Secara Probabilistik T ime Penerimaan Bokar T on da 03 Jun 04 Jun 05 Jun 06 Jun 07 Jun 08 Jun 09 Jun 10 Jun 11 Jun 12 Jun 13 Jun 14 Jun 15 Jun 16 Jun 17 Jun 18 Jun 19 Jun 20 Jun 21 Jun 22 Jun 23 Jun 24 Jun 25 Jun 26 Jun 27 Jun 28 Jun 29 Jun 30 Jun 01 Jul 02 Jul 0, 00 0, 00 79, 08 77, 51 79, 77 73, 57 76, 72 79, 08 78, 30 68, 84 155, 00 74, 36 72, 78 69, 63 69, 63 69, 63 73, 57 75, 14 72, 78 0, 00 72, 78 73, 57 76, 72 79, 48 78, 10 80, 07 70, 42 78, 30 74, 36 73, 57 Sumber : Pengolahan dengan Powersim Studio 2005 Dari Tabel 6.10. di atas, terlihat bahwa perlakuan lead time bokar dibuat berfluktuasi secara probabilistik dengan interval 1-3 hari memberikan pengaruh yang cukup besar pada penerimaan bokar. Untuk perlakuan reorder point bokar dibuat deterministik sebesar 75 ton, hasil simulasi dinamis persediaan bokar dan penerimaan bokarnya dapat dilihat pada Tabel 6.11. Tabel 6.11. Time Table Hasil Simulasi Dinamis Persediaan Bokar dan Penerimaan Bokar dengan Reorder Point Bokar Dibuat Deterministik Sumber : Pengolahan dengan Powersim Studio 2005 Dari Tabel 6.11. di atas, terlihat bahwa perlakuan reorder point bokar dibuat deterministik sebesar 75 ton membuat persediaan bokar dan penerimaan bokar menjadi lebih stabil. Hal ini disebabkan sudah ada kepastian tentang besarnya reorder point bokar sehingga lebih mudah dalam menentukan waktu pembelian bokar dari supplier.