BAB VI ANALISA PEMECAHAN MASALAH
6.1. Analisa Peramalan Permintaan
Pada penelitian ini yang menjadi tujuan adalah bagaimana melakukan pengembangan rencana kebutuhan distribusi dengan menggunakan permintaan
pada masa lalu perusahaan selama 12 bulan. Analisa data dilakukan untuk kepentingan pemecahan masalah dimulai
dengan melakukan peramalan dari data masa lalu sehingga didapat interpretasi peramalan yang kemudian digunakan sebagai kebutuhan kotor didalam
merencanakan kebutuhan distribusi. Data permintaan masa lalu untuk masing- masing daerah ekspor dapat dilihat pada tabel 6.1 dibawah ini.
Tabel 6.1. Data Permintaan Konsumen Masa Lalu Data Permintaan Konsumen Pada Masing- masing DC Unit
Bulan t
Japan Australia
Inggris Amerika
1 4325 500 870 138 2 4500 876 1000 214
3 6325 1200 1114 900 4 9500 1700 1300 720
5 8000 1600 1200 600 6 14000 1550 1156 643
7 15200 1800 1800 722 8 15400 2010 2100 1074
9 16000 1497 2158 1400
10 14300 2095 2421 1450 11 18500 1800 2635 1774
12 19000 2100 2600 1584
Setelah diperoleh data konsumen masa lalu, maka dilakukan langkah dalam peramalan, yaitu : menentukan tujuan peramalan, membuat scatter
Universitas Sumatera Utara
diagram, penetapan metode peramalan, perhitungan parameter peramalan, pemilihan metode peramalan terbaik. Perhitungan metode ini dapat dilihat pada
tabel 6.2 di bawah ini.
Tabel 6.2. Penentuan Metode Peramalan dengan Nilai SEE Terkecil Metode Peramalan
Nilai SEE Distribution
Center I
II I
II
DC Japan Linear
Eksponensial 1712.50
2591.72
Setelah diketahui nilai SEE terkecil, kemudian dilakukan hipotesa : Untuk DC Japan :
- Hipotesa 0 Ho : Peramalan dengan menggunakan metode linear
- Hipotesa i Hi : Peramalan dilakukan menggunakan metode eksponensial
Dimana α = 0,05, v
1
= 10 , v
2
= 10
F
hitung
= 660
. 72
. 2591
50 .
1712
nsial
SEEEkspone SEELiner
F tabel 0.05;9;10 = 2.98Fhit = 0.660, maka Ho di terima Tabel 6.3 dibawah ini menunjukkan penentuan metode peramalan dengan nilai
SEE terkecil
Tabel 6.3. Penentuan Metode Peramalan dengan Nilai SEE Terkecil Metode Peramalan
Nilai SEE Distribution
Center I
II I
II
DC Australia Kuadratis
Linear 251.98
279.03
Setelah diketahui nilai SEE terkecil, kemudian dilakukan hipotesa : Untuk DC Australia
- Hipotesa 0 Ho : Peramalan dengan menggunakan metode Kuadratis
Universitas Sumatera Utara
- Hipotesa i Hi : Peramalan dilakukan menggunakan metode Linear
Dimana α = 0,05, v
1
= 9 , v
2
= 10. metode yang digunakan metode Kuadratis Tabel 6.4 dibawah ini menunjukkan penentuan metode peramalan dengan nilai
SEE terkecil
Tabel 6.4. Penentuan Metode Peramalan dengan Nilai SEE Terkecil Metode Peramalan
Nilai SEE Distribution
Center I
II I
II
DC Inggris Eksponensial
Linear 178.04
186.67
Setelah diketahui nilai SEE terkecil, kemudian dilakukan hipotesa : -
Hipotesa 0 Ho : Peramalan dengan menggunakan metode Eksponensial -
Hipotesa i Hi : Peramalan dilakukan menggunakan metode Linear Dimana
α = 0,05, v
1
= 10 , v
2
= 10. metode yang digunakan metode Eksponensial.
Tabel 6.5 dibawah ini menunjukkan penentuan metode peramalan dengan nilai SEE terkecil
Tabel 6.5. Penentuan Metode Peramalan dengan Nilai SEE Terkecil Metode Peramalan
Nilai SEE Distribution
Center I
II I
II
DC Amerika Serikat
Linear Kuadratis 212.91 220.11
Setelah diketahui nilai SEE terkecil, kemudian dilakukan hipotesa : -
Hipotesa 0 Ho : Peramalan dengan menggunakan metode linear -
Hipotesa i Hi : Peramalan dilakukan menggunakan metode Kuadratis Dimana
α = 0,05, v
1
= 10 , v
2
= 9. Metode yang digunakan adalah metode Linear.
Universitas Sumatera Utara
Setelah itu dilakukan langkah berikutnya yaitu verifikasi peramalan, dan interpretasi peramalan.
Maka hasil peramalannya dapat dilihat pada Tabel 6.6 dibawah ini .
Tabel 6.6. Hasil Interpretasi Peramalan Data Permintaan Konsumen Pada Masing- masing DC Unit
Bulan t
Japan Australia
Inggris Amerika
1 9411 830 872 191 2 5807 1003 971 326
3 7203 1162 1081 461 4 8584 1309 1204 547
5 9994 1443 1341 732 6 11390 1564 1494 867
7 12758 1671 1664 1003 8 14181 1765 1854 1138
9 15577 1847 2064 1273
10 16972 1915 2299 1408 11 18368 1970 2561 1543
12 19763 2013 2853 1679
6.2. Analisa Safety Stock
Kategori