Dari hasil peramalan tersebut maka total kebutuhan Komponen Beater PCD 80 mm 50x6x150 - Ø 17 mm untuk periode 1 musiman mendatang adalah
sebesar 317.2125 ~ 318 unit.
5.2.7.2.2. Perhitungan Harga Q Optimal Q
Mencari harga Q Optimal Q seperti rumus dasar EOQ Economic Order Quantity untuk pemesanan dari supplier I Negara Thailand yaitu:
unit 729.6109
20000 15
. 000
. 511
. 2
. 318
2 hC
2RS Q
= =
= Rp
Keterangan : R = Jumlah permintaanperiode unit = 318 unit
S = Biaya pemesanan = Rp. 2.511.000,-pemesanan
h = Persentase biaya penyimpanan dari C = 15 = 0.15 C = Biaya per unit = Rp. 20.000,-unit
Sedangkan harga Q Optimal Q untuk pemesanan dari supplier II Negara Taiwan yaitu:
unit 708.7552
20000 15
. 500
. 360
. 2
. 318
2 hC
2RS Q
= =
= Rp
5.2.7.3. Penentuan Q Optimal Komponen Screen 695-1120-3D-Ø 6 mm 5.2.7.3.1. Peramalan
Langkah-langkah peramalan: a.
Tujuan Peramalan:
Universitas Sumatera Utara
Meramalkan permintaan Komponen Screen 695-1120-3D-Ø 6 mm untuk 12 bulan mendatang.
b. Pembuatan Diagram Pencar
Gambar 5.10. Diagram Pencar Permintaan Komponen Screen 695-
1120-3D-Ø 6 mm Periode Januari 2009 – Desember 2009
c. Pemilihan Alternatif Metode Peramalan
Berdasarkan pada gambaran diagram pencar pola data yang terbentuk adalah pola data konstan stasioner, dapat juga membentuk pola trend dan
musiman. Data historis berjumlah 12 dan periode yang akan diramalkan adalah beberapa periode mendatang. Adapun metode peramalan yang
dapat diuji adalah: 1.
Single Exponential Smoothing 2.
Linier Exponential Smoothing Model Holt’s 3.
Trend and Seasonality Corrected Exponential Smoothing Model Winter’s
d. Perhitungan parameter-parameter fungsi peramalan
Dengan mengasumsikan nilai- nilai dari konstanta pemulusan α = 0,2 ; β =
0,2 ; dan γ = 0,3 maka dapat dilakukan peramalan permintaan berikut ini:
Universitas Sumatera Utara
1. Single Exponential Smoothing
Pengertian dasar dari metode ini adalah: nilai ramalan pada periode t+1 merupakan nilai aktual pada periode t ditambah dengan penyesuaian
yang berasal dari kesalahan nilai ramalan yang terjadi pada periode t tersebut. Secara matematis dapat dinyatakan:
t t
t t
t
F X
F
α α
− +
=
+
1
1
dimana :
1 +
t
F
: ramalan permintaan pada periode t+1
t
F : ramalan permintaan pada periode t α : suatu nilai 0α 1 yang ditentukan secara subjektif
t
X : permintaan aktual pada periode t
2. Linier Exponential Smoothing Model Holt’s
Model Holt’s memuluskan nilai trend dengan parameter yang berbeda dari parameter yang digunakan pada deret yang asli. Ramalan dari
pemulusan eksponensial linear Holt’s didapat dengan menggunakan dua kosntanta pemulusan dengan nilai antara 0 dan 1 dan tiga
persamaan:
1 1
t 1
- t
1 t
1 S
b -
1 X
− −
−
− +
− =
+ +
=
t t
t t
b S
b S
Lt γ
γ α
α
m b
F
t m
t
+ =
+ t
S
3. Trend and Seasonality Corrected Exponential Smoothing Model
Winter’s Persamaan dasar untuk metode Winters adalah sebagai berikut :
Universitas Sumatera Utara
Pemulusan Keseluruhan
Pemulusan Trend
Pemulusan Musiman + 1-
β Ramalan
e. Perhitungan kesalahan tiap metode peramalan
1. Metode Single Exponential Smoothing
Tabel 5.50. Perhitungan Parameter Kesalahan Metode Single Exponential Smoothing
Periode
X
Ramalan
F Percentage
Error
t
PE
Mean Absolute Percentage Error
t
PE
1
3 -
- -
2
4
3.00 25
25 3
4
3.20 20
20 4
3
3.36 -12
12 5
2
3.29 -64.4
64.4 6
5
3.03 39.392
39.392 7
4
3.42 14.392
14.392 8
4
3.54 11.5136
11.5136 9
2
3.63 -81.5782
81.57824 10
2
3.31 -65.2626
65.26259 11
2
3.04 -52.2101
52.21007 12
2
2.84 -41.7681
41.76806 2.67
2.56 2.44
2.31
Total -206.921
427.5166
Sumber: Pengolahan Data
Universitas Sumatera Utara
55.62638 12
5166 .
427 MAPE
-17.2434 12
921 .
206 MPE
100 X
PE
n 1
n 1
t t
= =
= =
− =
=
−
=
∑ ∑
= =
n PE
n PE
X F
i i
i i
t t
2. Linier Exponential Smoothing Model Holt’s
Tabel 5.51. Perhitungan Parameter Kesalahan Model Holt’s
Periode t
X Data
Pemulusan
t
S Trend
Pemulusan
t
b Ramalan
F bila m=1
Percentage Error
t
PE
Mean Absolute
Percentage Error
t
PE
1
3
3.00 1.00
-
2
4
4.00 1.00
-
3
4
4.00 1.00
5.00 -25
25 4
3
4.60 0.88
5.00 -66.6667
66.66667 5
2
4.78 0.67
5.48 174
174 6
5
5.36 0.64
5.46 9.104
9.104 7
4
5.61 0.52
6.01 -50.2012
50.2012 8
4
5.70 0.40
6.13 -53.2461
53.24609 9
2
5.28 0.15
6.10 -204.974
204.9745 10
2
4.74 -0.06
5.43 171.462
171.462 11
2
4.15 -0.22
4.69 -134.364
134.364 12
2
3.55 -0.33
3.93 -96.6239
96.62392 6.30
9.29 13.30
18.89 Total
-276.51 642.7183
Sumber: Pengolahan Data
Universitas Sumatera Utara
53.55986 12
7183 .
642 MAPE
-23.0425 12
51 .
276 MPE
100 X
PE
n 1
n 1
t t
= =
= =
− =
=
−
=
∑ ∑
= =
n PE
n PE
X F
i i
i i
t t
3. Trend and Seasonality Corrected Exponential Smoothing Model
Winter’s
Tabel 5.52. Perhitungan Parameter Kesalahan Model Winter’s
Periode t
X Pemulusan
Tunggal
t
S
Pemulusan Musiman
t
I
Pemulusan Trend
t
b
Ramalan F bila
m=1 Percentage
Error
t
PE
Mean Absolute Percentage
Error
t
PE
1
3
0.857143 2
4
0.6 3
4
0.42 4
3
3.5 0.294
0.0625 5
2
3.31666667 0.2058
-0.01125 0.733163
63.341875 63.341875
6
5
4.311 0.14406
0.290425 0.476178
90.4764335 90.4764335
7
4
5.5859019 0.100842
0.585768 0.464017
88.3995775 88.3995775
8
4
7.65842442 0.070589
1.031794 0.435654
89.10863798 89.10863798
9
2
8.89580965 0.049413
1.093472 0.429406
78.52969337 78.52969337
10
2
10.7680459 0.034589
1.327101 0.345517
82.72413434 82.72413434
11
2
13.6427188 0.024212
1.791373 0.29285
85.35751583 85.35751583
12
2
18.0138462 0.016949
2.565299 0.261585
86.92075362 86.92075362
0.24415 0.23517
0.231067 0.22959
Total 664.8586211
664.8586211
Sumber: Pengolahan Data
Universitas Sumatera Utara
55.4048851 12
886211 .
664 MAPE
55.4048851 12
886211 .
664 MPE
100 X
PE
n 1
n 1
t t
= =
= =
= =
− =
∑ ∑
= =
n PE
n PE
X F
i i
i i
t t
f. Pemilihan metode terbaik dan verifikasi peramalan
Pemilihan metode didasarkan pada nilai MPE dan nilai MAPE yang terkecil. Seperti yang terlihat dalam Tabel 5.53 Metode Peramalan Single
Exponential Smoothing memiliki nilai MPE dan nilai MAPE yang terkecil. Maka metode ini yang digunakan dalam peramalan permintaan komponen Beater PCD
80 mm 50x150x50 - Ø 17 mm.
Tabel 5.53. Kesalahan Estimasi Tiap Metode untuk Peramalan Komponen Screen 695-1120-3D-Ø 6 mm
Metode Peramalan MPE unit
MAPE
Single Exponential Smoothing -17.2434
55.62638 Linier Exponential Smoothing
-23.0425 53.55986
Trend and Seasonality Corrected Exponential Smoothing Model
Winter’s 55.4048851
55.4048851
Sumber: Pengolahan Data
Dengan menggunakan metode Single Exponential Smoothing maka hasil peramalan untuk periode 4 bulan mendatang dihitung dengan menggunakan
rumus:
11.945 4
89 .
18 30
. 13
29 .
9 30
. 6
= +
+ +
= =
∑
n x
x
i
Universitas Sumatera Utara
Dari hasil peramalan tersebut maka total kebutuhan Komponen Beater PCD 80 mm 50x6x150 - Ø 17 mm untuk periode 1 musiman mendatang adalah
sebesar 11.945 ~ 12 unit.
5.2.7.3.2. Perhitungan Harga Q Optimal Q
Mencari harga Q Optimal Q seperti rumus dasar EOQ Economic Order Quantity untuk pemesanan dari supplier I Negara Thailand yaitu:
unit 32.303
000 .
385 15
. 000
. 511
. 2
. 12
2 hC
2RS Q
= =
= Rp
Keterangan : R = Jumlah permintaanperiode unit = 12 unit
S = Biaya pemesanan = Rp. 2.511.000,-pemesanan
h = Persentase biaya penyimpanan dari C = 15 = 0.15 C = Biaya per unit = Rp. 20.000,-unit
Sedangkan harga Q Optimal Q untuk pemesanan dari supplier II Negara Taiwan yaitu:
unit 31.320
000 .
385 15
. 500
. 360
. 2
. 12
2 hC
2RS Q
= =
= Rp
Universitas Sumatera Utara
BAB VI ANALISIS PEMECAHAN MASALAH
Bab ini memuat perencanaan langkah-langkah yang akan dilakukan dalam memecahkan masalah serta menganalisis hasil pengukuran dengan pendekatan
metode reliability dan perhitungan persediaan dengan pendekatan metode supply chain.
6.1. Analisis Data Kerusakan Spare part
Berdasarkan penentuan komponen kritis dengan metode ABC dan analisis Pareto pada mesin Hammer Mill, komponen yang memiliki investasi biaya
terbesar komponen kritis kelas A ada tiga komponen yaitu Beater PCD 80 mm 50x6x150 - Ø 17 mm, Beater PCD 80 mm 50x150x50 - Ø 17 mm dan Screen
695-1120-3D-Ø 6 mm dengan persentase total nilai penggunaan biaya mencapai 76,156.
Pola distribusi kerusakan dipilih dengan melakukan pengujian terhadap distribusi normal, lognormal, eksponensial dan weibull. Pengujian pola distribusi
dilakukan dengan menggunakan data selang waktu antar kerusakan tiap-tiap komponen. Pemilihan distribusi dilakukan berdasarkan nilai goodness of fit yang
terbesar dengan menggunakan metode Least Square kuadrat terkecil secara manual dan dengan menggunakan software Minitab 14. Hasil perhitungan
Universitas Sumatera Utara
