6. Metode Regresi Berdasarkan hasil yang diperoleh dari perhitungan dengan
menggunakan bantuan program komputer Minitab, maka dapat diketahui nilai uji nyata analisis regresi dalam dua bentuk, yaitu regresi linear dan
regresi kuadratik. Berdasarkan hasil perhitungan didapatkan nilai R- square untuk bentuk regresi linear sebesar 0,06 , yang artinya bahwa
variasi nilai permintaan mampu diterangkan oleh hasil peramalan sebesar 0,06 dan sisanya 99,4 diterangkan oleh peubah lain yang tidak
termasuk di dalam model, dengan nilai MSE 1.237.470.401. Untuk regresi kuadratik nilai R-Square adalah 22,2 , artinya variasi nilai permintaan
mampu diterangkan oleh hasil peramalan sebesar 22,2 dan sisamya 78,8 diterangkan oleh peubah lain yang tidak termasuk di dalam
model, dengan nilai MSE yang dihasilkan sebesar 1.019.423.101. Berdasarkan nilai R-Square dan MSE, maka analisis regresi kuadratik
lebih nyata bila dibandingkan dengan analisis regresi linear. Proses peramalan dengan metode regresi dapat dilihat pada Lampiran 8.
4.6. Pemilihan Metode Peramalan
Setelah menerapkan berbagai metode peramalan time series untuk meramalkan permintaan semen di plant 11 PT ITP Tbk, langkah selanjutnya
memilih metode yang dianggap paling sesuai. Pemilihan metode yang paling sesuai didasarkan pada nilai akurasi kesalahan terkecil, dalam menentukan
kesalahan peramalan, yaitu MSE. Dalam Tabel 16 dapat dilihat perbandingan dari masing–masing nilai akurasi kesalahan dari setiap metode yang
digunakan dalam penelitian kali ini.
Tabel 16. Nilai akurasi kesalahan dari setiap metode peramalan No
Metode Peramalan MSE
Urutan
1 Proyeksi trend linear
1.124.973.091 4
2 Rataan bergerak
1.194.858.627 6
3 Pemulusan eksponensial
1.220.019.740 7
4 Dekomposisi aditif
783.506.608 2
5 Dekomposisi multiplikatif
766.566.168 1
6 Winter’s multiplikatif
1.160.112.194 5
7 Metode Regresi
1.019.423.101 3
Berdasarkan penerapan beberapa model yang disajikan pada Tabel 16, maka metode yang dianggap cocok untuk meramalkan jumlah permintaan
semen pada plant 11 PT ITP Tbk adalah metode dekomposisi multiplikatif dengan nilai akurasi kesalahan terkecil. MSE 766.566.168.
4.7. Peramalan Model Terpilih
Setelah dilakukan pemilihan model terbaik dan sesuai beberapa penerapan metode time series, serta regresi berdasarkan keakuratan model
dan tingkat kemudahan penggunaannya, maka langkah selanjutnya melakukan peramalan jumlah permintaan semen pada plant 11 PT ITP Tbk
selama satu tahun kedepan. Hasil peramalan permintaan semen pada plant 11 PT ITP Tbk selama November 2009 – Oktober 2010 dapat dilihat pada Tabel
17.
Tabel 17. Peramalan jumlah permintaan semen plant 11 No
Periode Peramalan Semen Ton
1 November 2009
155.377 2
Desember 2009 174.793
3 Januari 2010
184.305 4
Febuari 2010 146.445
5 Maret 2010
149.007
6 April 2010
105.115
7 Mei 2010
172.545 8
Juni 2010 157.668
9 Juli 2010
175.116
10 Agustus 2010
184.645
11 September 2010
146.716 12
Oktober 2010 149.282
Hasil peramalan dengan metode dekomposisi multiplikatif dapat dilihat pola permintaan semen pada November 20009 sampai Oktober 2010.
Berdasarkan hasil peramalan permintaan semen dapat dilihat bahwa permintaan semen pada periode November 2009 sampai Oktober 2010
mengalami kecenderungan fluktuatif. Pada November 2009 sampai Januari 2010 semen mengalami peningkatan permintaan dan mengalami penurunan
pada Febuari 2010 37.860 ton, tetapi pada bulan Maret 2010 kembali mengalami kenaikan dengan jumlah relatif kecil 2.562 ton. Peramalan
permintaan semen pada plant 11 mengalami naik turun mengikuti hasil data
permintaan semen pada periode sebelumnya, jumlah permintaan tertinggi dari hasil peramalan akan terjadi pada Agustus 2010 184.645 ton dan
permintaan terendah pada April 2010 dengan jumlah permintaan 105.115 ton semen.
4.8. Perumusan Model Pemrograman Linear 4.8.1. Perumusan Fungsi Tujuan
