Peramalan Permintaan Pengolahan Data

3.1.3 Data Unsur-unsur Biaya Persediaan

Tabel 3.4. Tabel Unsur-unsur Biaya Persediaan No Unsur Biaya Persediaan Rincian Hasil 1 Biaya Penyimpanan 25 dari harga barang 2517000 4250 2 Biaya Pemesanan unit 1246830000 5.813.831,16 214,46 a. Upah Karyawan Harian + Borongan 1238197600 b. Biaya komunikasi Hp + Telepon 8632400 Total 1246830000 Sumber : PT. Sumatera Specialty Coffees Biaya pemesanan per unit adalah total biaya penyimpanan total produksi. Total produksi dan Upah karyawan dan biaya komunikasi dapat dilihat dalam Lampiran 1 Rekap Proses Gudang dan Rekap Biaya Proses Tahun 2014.

3.1.4 Data Kemampuan Produksi Reguler dan Kemampuan Produksi Lembur

Untuk perhitungan kemampuan produksi reguler dan kemampuan produksi reguler dapat dilihat dalam Lampiran 2. Tabel 3.5. Kemampuan Produksi Reguler dan Kemampuan Produksi Lembur No Bulan Kemampuan Produksi Reguler Kemampuan Produksi Lembur 1 Januari 2015 481.250 113.750 2 Februari 2015 442.750 105.000 3 November 2015 481.250 113.750 4 Desember 2015 481.250 113.750 5 Januari 2015 442.750 105.000 6 Februari 2015 481.250 113.750 Sumber : PT. Sumatera Specialty Coffees

3.2 Pengolahan Data

3.2.1 Peramalan Permintaan

Universitas Sumatera Utara Peramalan penjualan dilakukan untuk menentukan batasan target produksi , batasan target biaya produksi dan batasan target keuntungan yang ingin dicapai perusahaan Metode peramalan digunanakan karena jumlah permintaan bersifat tidak pasti dan bervariasi terhadap waktu. Peramalan akan sangat dibutuhkan bila kondisi permintaan pasar bersifat kompleks dan dinamis. Dalam kondisi pasar bebas, permintaan pasar lebih banyak bersifat kompleks dan dinamis karena permintaan tersebut akan tergantung pada keadaan sosial, ekonomi, sosial politik, aspek teknologi, produk pesaing dan produk substitusi. Oleh karena itu, penulis memilih menggunakan metode peramalan daripada preferensi batasan target produksi dengan menggunakan rata- rata jumlah produksi karena metode peramalan bisa mengurangi ketidakpastian yang akan terjadi, tetapi tidak dapat menghilangkan ketidakpastian tersebut. Metode peramalan dapat memberi informasi kesalahan error antara nilai peramalan dengan data aktualnya. Semakin kecil nilai kesalahan error maka hasil peramalan akan semakin baik. Data yang diramalkan adalah data total penjualan roti kacang untuk satu tahun yang akan datang. Setelah itu dilakukan perhitungan jumlah penjualan masing-masing jenis roti kacang berdasarkan rata-rata presentase penjualan dari setiap tipe pada masa lalu. Peramalan penjualan ini tidak dilakukan per tipe produk, karena bila diramalkan per tipe, error atau penyimpangan yang terjadi akan semakin besar. Langkah-langkah melakukan peramalan penjualan adalah sebagai berikut: a. Penentuan Pola Data Penentuan pola data dapat dilakukan dengan memplot jumlah permintaan BHK tahun 2013-2014 dengan waktu ke dalam grafik. Universitas Sumatera Utara Oct Jun Feb Oct Jun Feb 700000 600000 500000 400000 300000 200000 Month P e rm in ta a n K g Permintaan BHK Gambar 3.1. Grafik Permintaan BHK tahun 2013 dan 2014 Dari grafik tersebut terlihat bahwa pola data yang terbentuk adalah pola trend dan musiman. Kenaikan permintaan kopi pada bulan-bulan tertentu dan kemudian menurun. Setelah itu permintaan akan naik kembali. b. Pemilihan Metode Peramalan Karena data permintaan BHK tahun 2013 dan 2014 berpola trend dan musiman, maka metode peramalan yang cocok adalah metode pemulusan eksponensial linier dan musiman dari Winter Winter’s Three Parameter Trend and Seasonality Method. Metode ini didasarkan atas tiga persamaan, yaitu unsur stasioner, trend dan musiman. Metode ini mempunyai Mean Absolute Persentage Error MAPE yang terkecil bila dibandingkan dengan metode-metode lainnya. Untuk hasil peramalan dengan minitab dapat dilihat di Lampiran 3. Untuk memperoleh hasil peramalan yang baik maka harus dapat menentukan nilai yang dapat meminimumkan nilai Mean Square Error MSE atau Mean Absolute Persentage Error MAPE. Pendekatan untuk Universitas Sumatera Utara menentukan nilai ini biasanya secara coba dan salah trial and error. Dalam peramalan ini menggunakan nilai . Dengan nilai kesalahan persentase absolut Mean Absolute Persentage Error MAPE . c. Hasil Peramalan Berdasarkan perhitungan dengan Metode Pemulusan Eksponensial Musiman Winter’s Three Parameter Trend and Seasonality Method yang dibantu oleh software Minitab, dengan menggunakan rumus: Maka diperoleh hasil peramalan permintaan BHK untuk bulan Januari – Juni 2015. Tabel 3.6. Ramalan Total Permintaan Periode Januari – Juni 2015 No. Bulan Permintaan Kg 1 Januari 433781 2 Februari 414506 3 Maret 346849 4 April 384014 5 Mei 493401 6 Juni 477529 Total 2550080 Universitas Sumatera Utara d. Pengujian Metode Peramalan Metode yang dipilih kemudian diuji untuk mengetahui apakah penyimpangan yang terjadi bersifat random atau tidak. Bila penyimpangan yang terjadi bersifat random, maka metode tersebut dapat digunakan. Adapun pengujian penyimpangan ramalan permintaan kopi dapat diuraikan sebagai berikut: Hipotesa : penyimpangan bersifat random : penyimpangan tidak bersifat random Kriteria Dari perhitungan autokorelasi untuk penyimpangan ramalan terpilih diperoleh harga-harga sebagai berikut: Tabel 3.7. Hasil Perhitungan Nilai dan Time Lags 1 0,162376 0,026366 2 -0,340180 0,115722 3 -0,399071 0,159258 4 0,049365 0,002437 5 0,233252 0,054406 6 -0,087593 0,007673 Total -0,381851 0,365862 Universitas Sumatera Utara 6 5 4 3 2 1 1.0 0.8 0.6 0.4 0.2 0.0 -0.2 -0.4 -0.6 -0.8 -1.0 Lag A u to c o rr e la ti o n Permintaan BHK Gambar 3.2. Grafik Autokorelasi 6 Lag Hasil Peramalan BHK di mana: = koefisien autokorelasi paint Kemudian dari tabel distribusi Lampiran 4 diperoleh harga dengan taraf signifikansi dan . Dari perhitungan tersebut ternyata harga berarti penyimpangan yang terdapat dalam pola peramalan bersifat random. Artinya peramalan penjualan kopi dengan Metode Pemulusan Eksponensial Musiman dapat diterima. Universitas Sumatera Utara

3.2.2 Biaya Produksi dan Biaya Persediaan per Unit